一场持续一个月的直播，让 AI 研究 AI 自己。

明天上午 11 点，一场持续约一个月的直播即将上线。

屏幕里将没有主播，只有一个名为 FARS 的 AI 系统在工作。它将从零开始，自主完成科研全流程：调研文献、提出假设、设计实验、编写和执行代码、分析数据、撰写论文，目标是连续产出 100 篇完整的研究论文。全程自动，没有人类介入。

做这件事的公司叫 Analemma（日行迹智能），成立不到一年，已获得红杉中国、高榕创投、光源资本、嘉程资本、美团龙珠等机构数千万美元的天使轮融资。创始人孙天祥是三年前引爆国内大模型热潮的 MOSS 的核心开发者。

据硅星人了解，以公开直播的方式部署全自动科研系统，此前在全球范围内尚无先例。

四个智能体，一座科研工厂

FARS，全称 Fully Automated Research System，全自动研究系统。

FARS 技术架构图

技术架构上，FARS 是一个多智能体系统，由四个模块构成：Ideation（构思）负责文献调研和假设生成，Planning（规划）负责实验方案设计，Experiment（实验）负责代码编写和执行，Writing（写作）负责论文撰写。四个智能体在一个共享文件系统中协作，这个文件系统同时承担工作空间和持久记忆的角色。

模型层面，FARS 调用了 Claude、GPT、Gemini 等多家闭源模型的 API，部分链路使用后训练的自研模型。换言之，FARS 的核心能力在 Agent 系统工程层面：如何编排多个智能体协同完成一个跨越数天的长链条任务，如何让系统在没有人类干预的情况下持续可靠地运转。硬件上，团队将一个包含 160 张 NVIDIA GPU 的集群封装成工具，供实验智能体调度和调用。

Fars

设计理念上，FARS 和传统学术论文的逻辑有明显区别。按照团队的说法，FARS 的设计基于研究系统的第一性原理：高效、可靠地拓展知识边界。它的产出以 " 短论文 " 形式呈现，每篇聚焦一个边界清晰的研究贡献，鼓励报告失败结果，不要求遵循传统学术论文的篇幅和结构限制。

FARS 团队认为，此前的 AI 科研系统 " 仍然在按照现代学术出版的惯例来生产论文 "，而 FARS 选择跳出这个框架，回到科研的基本单元：一个清晰的假设，加上对它的可靠验证。无论验证结果是正向还是负向，都构成有意义的知识。

本次直播中，FARS 将从 9 个预设研究方向出发，涵盖当前 AI 研究的多个热点：强化学习从可验证奖励中学习（RLVR）、小语言模型后训练、前沿 LLM 自动化评估、超越 Transformer 的模型架构、持续学习、扩散语言模型、AI Agent 记忆机制、测试时计算缩放（Test-Time Scaling）、世界模型。系统也被允许自由探索预设方向之外的课题。

FARS 目前聚焦的研究领域是 AI 本身。孙天祥在 Google Scholar 上标注的研究关键词中有一个 "AI4AI"，即用 AI 来研究 AI。选择这个领域有务实考量：AI 领域的实验可以完全在计算机上完成，不需要物理实验室，天然适合自动化。当然，局限也很明显：FARS 暂时无法进行极度消耗算力的实验（如大规模预训练），也无法完成需要人类直接参与的实验（如人工标注或专家评估）。

关于产出质量的把控，团队设置了一道门槛：FARS 生产的每篇论文在上传 arXiv 之前，将经过至少 3 位具有五年以上研究经验的团队成员审核，论文首页也会被明确标注为 AI 生成。据了解，团队不打算将这些论文投稿到传统学术会议，而是会邀请同行评审，更关注论文的实际引用和结果价值。

那为什么要做成公开直播，而且目标定在 100 篇？

团队给出的解释是：规模是评估自动化研究系统的关键。几篇看上去不错的论文说明不了什么，但 100 篇的连续产出，会让系统的真实能力充分暴露。他们也坦言，此前从未大规模部署过 FARS，对它的实际工作过程和产出结果 " 感到同样的未知和好奇 "。

在 FARS 之前，Analemma 已经上线了一个名为 Lemma 的产品（lemma.analemma.ai），提供快速文献调研、深度调研报告和代码实验三项功能。孙天祥告诉硅星人，Lemma 是辅助驾驶，定位是生产力工具；FARS 是自动驾驶，定位是基础设施。

从 MOSS 走出来的创业者

孙天祥，2019 年从西安电子科技大学毕业后直博进入复旦大学，师从邱锡鹏和黄萱菁两位教授，2024 年获得计算机科学博士学位。读博期间，他以第一作者在 ICML、ACL、NAACL、AAAI 等 AI 顶会发表论文十余篇，Google Scholar 引用超 4200 次，曾获字节跳动奖学金（全国 13 人）、WAIC 云帆奖明日之星（全球 15 人）、复旦学术之星（全校 STEM 研究生仅 10 人）等荣誉。

但让他被更多人知道的，是 MOSS。

2023 年 2 月 20 日，复旦大学自然语言处理实验室发布了 MOSS，国内首个面向公众的类 ChatGPT 对话式大语言模型。消息当天冲上知乎热榜第一、微博多个热搜，服务器瞬间被挤爆。在各大公司还在宣布 " 即将推出 " 自家大模型的时候，一个 8 人学生团队抢先交出了答卷。两个月后，MOSS 全面开源代码、数据和模型参数，成为国内首个开源的对话式大语言模型。

孙天祥是 MOSS 的主开发者。他的导师邱锡鹏后来在接受采访时说过一句话：" 一个学术研究的实验室无法做出和 ChatGPT 能力相近的模型。"MOSS 的意义也确实不在于追平 ChatGPT，而在于用极度有限的资源验证了这条技术路线的可行性，为后来国内大模型的快速跟进提供了开源基础。

MOSS 走红时，孙天祥还在读博。据了解，当时国内几位知名的大模型创业者都曾邀请他加入，但彼时博士还没毕业。2024 年毕业后，VC 也接踵而至。他最终选择了自己创业：2025 年 3 月创办 Analemma（日行迹智能），同期加入上海创智学院担任助理教授，走了一条学术和创业并行的路。

据了解，Analemma 目前团队约 15 人，其中一半是研究团队，核心成员来自复旦 MOSS 团队和 InternLM（书生大模型）项目。公司名取自天文学术语 " 日行迹 "，指太阳在一年中于天空划出的 8 字形轨迹。Slogan 是 " 在一个问题无限的世界里，我们需要构建无限心智 "。从名字到定位，都指向一个研究驱动的长期目标。

一条正在升温的赛道

FARS 并非第一个试图让 AI 自主做科研的系统。过去一年半，这个方向出现了密集进展。

2024 年 8 月，日本 AI 公司 Sakana AI 发布了 AI Scientist，被称为首个端到端全自动科研系统。它可以从 idea 到论文全程自动完成，每篇成本约 15 美元，代码完全开源。但后续的第三方评估相当不客气：有研究者指出 AI Scientist 生成的论文中位引用仅 5 篇，存在幻觉数字、占位符文本、重复章节等问题，整体质量被描述为 " 相当于一个赶 deadline 的、没什么动力的本科生 "。

2025 年 4 月，Sakana AI 发布了升级版 AI Scientist v2，引入基于树搜索的实验策略。这一版出现了标志性突破：一篇 AI 生成的论文成功通过了 ICLR 2025 Workshop 的同行评审，这也是 AI 生成的科研论文首次被学术会议接收。不过这只是 Workshop 级别，距离主会议论文还有距离。

同期，香港大学 Chao Huang 团队发布了 AI-Researcher，获得 NeurIPS 2025 Spotlight 论文，覆盖计算机视觉、NLP、数据挖掘等多个领域，并已推出产品化版本 Novix。

在大公司一侧，OpenAI 在 2025 年 10 月公布了路线图：计划在 2026 年 9 月前开发出 "AI 研究实习生 "，能有意义地加速研究者的工作；到 2028 年 3 月，目标是完全自主的 AI 研究员，可独立完成端到端研究。首席科学家 Jakub Pachocki 的表态很有分量：为了重大科学突破，值得把整个数据中心的算力投入到单一问题上。

FARS 在这个赛道里处于什么位置？

技术路线上，它和 AI Scientist、AI-Researcher 属于同一类端到端全自动科研系统，FARS 也明确提到了上述所有竞品并逐一做了对标。但 FARS 也有自己的差异点：它跳出了学术出版的惯例，回到研究本身的逻辑，以可验证的假设为单位来组织产出。

更关键的差异在展示方式。之前的系统公开了代码和样例论文，发布了 benchmark，但没有人做过实时、大规模、全透明的公开部署。这是一个大胆的选择。团队也直言，他们无法独立评估自己系统的产出，需要更广泛的学术社区参与评价。

起步领域的选择同样值得关注。AI4AI 和此前 Sakana AI Scientist 选择机器学习子领域的逻辑类似，AI 研究的实验门槛最低，只需要代码和算力，迭代最快，也最容易被同行评估。但这也意味着，距离 "AI 做生物学研究、物理学研究 " 的愿景还有相当距离。团队也承认，AI4AI 是当前阶段的选择，而非方法论本身的限制。

明天上午 11 点，FARS 的直播将在 analemma.ai/fars 上线，同时在多个社媒平台同步播出。在接下来约一个月里，这个系统将在公众面前从零开始做科研，所有产出通过其 GitHub 账号（github.com/fars-analemma）实时公开。

三年前，孙天祥和 8 个同学做出了 MOSS，在资源极度有限的条件下抢先交了一份答卷。现在他想验证的命题更大：AI 能不能自己做科研。这个问题的答案，最终取决于那 100 篇论文的质量。论文会公开，所有人都可以去读、去评。

FARS 只聚焦在 AI 领域，离 "AI 做所有学科的科研 " 还很远。但这个方向本身正在快速升温。智源研究院在其 2026 年趋势预测中指出，AI for Science 正在从 Copilot 角色向 AI Scientist 角色迁移，开始具备自主执行 " 假设提出、实验设计、数据分析、结论推断 " 完整科研链路的能力。OpenAI 把 " 全自主 AI 研究员 " 写进了 2028 年的路线图。DeepMind 去年底宣布将在英国建设首个 AI 自动化研究实验室。

在这场围绕自动化科研的全球竞赛中，FARS 可能是来自中国的第一个公开实验。它的结果值得关注。