据量子位报道，深势科技8月21日发布玻尔·科学空间公开测试版。这是一个专为科研人员与AI科学家协同工作打造的桌面端环境，宣称可将文献调研、实验设计、计算执行、成果写作等环节交由AI科学家完成，研究者只需提出问题并确认结果，从而把科学家从繁琐事务中解放出来。

该产品内置全科科研专家SciMaster，能自动检索文献和专利，形成结构化调研结果，梳理研究共识、矛盾与空白，并提出可检验的研究假设。在科研执行阶段，AI科学家根据目标自动拆解任务，调用数据、模型和算力资源进行模拟与分析，并在关键节点检查结果。产品还内置了面向生物、药物、材料等领域的BioMaster、PharmMaster、MatMaster等学科专家。

以具体任务为例，BioMaster支持论文分析复现、单细胞数据分析和基因变异解读；PharmMaster覆盖从靶点调研到分子设计的研发流程，可完成专利格局分析、构效关系解读、起点分子筛选与候选物优化；MatMaster可根据目标性能设计材料体系，并通过DFT、分子动力学等方法验证稳定性与机理。在成果输出阶段，写作助手与审查助手协助研究者成文、核验引用和数据。

技术层面，玻尔·科学空间连接超过2亿篇文献与专利，部署超过5万个经典科学计算工具，并可连接150个大类、1800款仪器设备。其多模态解析工具Uni-Parser在文本、公式和表格上的解析准确率均超过98%。智能体框架SciX支持长程任务执行与故障矫正，Sandbox环境在累计启动约185万次的统计窗口内创建成功率达98.8%。

深势科技同时发起“玻尔107计划”，面向全球科研人员征集具有重要科学价值的问题，并依托该平台为入选问题提供从调研、推演到验证的科研支持。

与此同时，行业对AI应用的讨论也指向类似方向。据TechRadar报道，有观点认为AI成功的关键不在技术而在于人，企业需要培养员工成为“AI管理者”，能够像管理员工一样管理AI，提供上下文、设定预期并审查输出。另有专家在2026年Gartner数据与分析峰会后指出，下一阶段企业AI的差异来自构建更好的智能体，而非选择更大的模型；应优先解决高频低复杂度的问题，并设计合适的治理边界。

这些观点与深势科技“让科学家提问、AI执行”的设计理念相呼应。不过，该产品仍处于公开测试阶段，实际效果有待科研人员检验。