据雷峰网报道，2026年7月7日，上海科学智能研究院“百题马拉松”超级科研工厂直播开启，连续5天不间断跑完135道课题。该院物质科学方向青年科学家徐丽成、安俊逸参与其中，并与团队搭建国内首个无人介入的物质科学干湿实验全闭环系统Golab物质科学智能研发工厂。

这场直播跑了120小时干湿闭环，没有多少试错空间。徐丽成最紧张配体推荐环节。配体是催化剂核心，直接决定反应效率和选择性。他不确定模型推荐的配体能否提升产率，直播中不能额外验证，失败也来不及买新药品。据雷峰网报道，模型推荐的配体最终提升了4个反应的平均产率。

安俊逸负责Agent系统开发。药物发现题目主打长链路，调用工具多，单任务一跑就是5小时甚至10小时，误差积累和工具不稳定可能让Agent连环出错、中途崩溃。他说这是大部分Agent的通病。直播时，药物发现达到从未有过的任务成功率。

两人都是95后，是上智院物质科学方向青年科学家，也是上智院重点孵化企业格物智研算法专家。徐丽成本科读应用化学，后保研至浙江大学洪鑫教授课题组，方向为机器学习for化学。他的第一个科研任务是从数百篇文献收集上万条烯烃不对称氢化反应数据，该数据集发表在《德国应用化学》上。2023年底，他参加复旦大学和上智院主办的世界科学智能大赛，随后加入上智院。安俊逸从南京大学物理系转入计算机系，师从申富饶教授，博士期间做图像和3D点云，获ICCV竞赛一等奖。2023年，他通过屈超了解到分子、原子类似三维点云且更“听话”，又结识上智院物质科学智能方向首席科学家曹风雷，决定加入上智院。

2024年初，两人前后脚加入上智院。徐丽成先提出做Agent系统，漆远认为团队缺少模型积累，最好先做有技术门槛的模型。他转向通用反应预测模型，可预测产率和选择性，也能做合成路线规划。这项工作后来发表在Nature Machine Intelligence并登上封面，核心是面向反应的预训练策略，告诉模型化学键如何形成和断裂。有同学和审稿人建议用next token prediction，他坚持自己的方案。随后他启动过渡态预测，八个月未能翻过这座“土包”。2024年秋天，他想到把高阶等变图神经网络引入扩散降噪模型，这是安俊逸在组会上反复提到的词。尝试后结构基本有序，他继续升高阶数，完成核心模块。该工作以UniTS为名于8月底发表在Nature Communications，并用在超级科研工厂实战。

安俊逸的任务是做化学空间通用表征模型，这成为“燧人”系列模型基座层起点。他找漆远、曹风雷和徐丽成讨论，漆远问Scaling law在分子领域有没有表现。微观结构基座模型训练顺利，但测评和应用阶段与竞品拉不开身位，大量下游任务由分子宏观行为决定。如何建模玻尔兹曼分布是难题。2025年底，他想到用diffusion做渐进式构象压缩，把宏观表征作为diffusion条件。2026年初再测评，模型能直接解决宏观任务，表现比竞品有跨度式提升。后续工作也有波折，但他笃定这条路是对的。

两人的“土包”翻过去后，发现需要更大容器：燧人模型要调用反应预测和过渡态生成，干湿实验要Agent串联，Agent又需要实验室验证。2025年底，浑天绫科研Skills平台启动。平台由曹风雷建议，最终定了电池、药物、反应、材料几条工作流。安俊逸写Agent底层代码，搭智能体框架；徐丽成负责上层化学工具封装和干湿实验模块集成。LC-MS谱图解析中，徐丽成在化学家指导下写脚本读出反应转化率，安俊逸把脚本合并进工作流，让实验结果能和自然语言对上。

2026年3月，Golab物质科学智能研发工厂的自驱动实验室正式立项。建设初期，安俊逸负责打通最难的链路药物发现。据雷峰网报道，他花了小半个月才跑通这一链路。