SciMaster是AI驱动的通用科研智能体，支持跨学科研究全流程自动化。系统通过自然语言交互解析科研需求，自动调度文献检索、数据计算、实验模拟等工具链，实现从问题提出到成果交付的闭环处理。依托科学基座大模型Innovator与玻尔科研空间站，可深度分析1.7亿篇文献、调用千余种专业工具，并支持
干湿闭环实验验证。其
思维链编辑功能允许用户实时干预任务逻辑，显著提升科研效率与协作灵活性，适用于生物医药、材料科学、能源研究等多领域。
SciMaster由上海交通大学、深势科技与上海算法创新院联合开发，是全球首个L4级通用科研智能体，于2025年7月正式发布。它基于科学基座大模型Innovator构建，通过X-Master开源框架实现工具增强型推理，可自主拆解复杂任务、动态生成智能体集群。系统整合玻尔科研空间站资源，打通 “读、算、做” 全链路，支持文献调研、实验设计、数据分析等核心环节的并行化处理。目前已接入40余所高校与企业的私有数据，服务于药物研发、材料优化等场景，成为科研范式变革的重要工具。
- 申请权限：访问官网注册账号，提交申请获取内测邀请码（目前需受邀使用）。
- 输入问题：用自然语言描述科研需求，如 “CRISPR-Cas9在肿瘤治疗中的最新进展与挑战”。
- 任务执行：系统自动拆解任务并调用工具链，用户可通过思维链编辑实时调整逻辑。
- 结果输出：生成包含文献支撑、数据图表的深度报告，支持PDF/Word格式导出。
- 迭代优化：根据反馈优化参数，或设置定时调度实现常态化科研辅助。
- 生物医药：加速药物靶点筛选与分子模拟，缩短研发周期30%-50%。
- 材料科学：优化电解液配方设计，通过干湿闭环实验提升研发效率10倍。
- 能源研究：模拟新型电池性能，结合成本分析提供商业化可行性方案。
- 环境科学：整合气候模型与实地监测数据，预测污染物扩散趋势。
- 教育领域：辅助学生完成跨学科课题，生成结构化研究报告与实验设计方案。
- 科研工作者：从文献调研到实验验证的全流程辅助，释放创新精力。
- 企业研发人员：快速验证技术路线，降低试错成本与时间投入。
- 高校师生：支持课程设计、毕业设计等跨学科项目，提升科研产出质量。
- 政策制定者：获取专业领域深度分析，为产业规划提供数据支撑。
- 独立研究者：突破资源限制，低成本开展前沿领域探索。
- 技术领先：在HLE科研极限测试中得分32.1%，超越国际巨头系统。
- 生态开放：开源框架支持用户自定义智能体，孕育上千款Agent-ready工具。
- 协作灵活：思维链编辑与多智能体协作模式，适应复杂任务动态调整。
- 效率显著：文献调研时间从一周压缩至数小时，实验设计效率提升5倍。
- 兼容性强：适配主流操作系统与科研工具，支持私有化部署保障数据安全。
