Microsoft 发布 Discovery：用多智能体加速企业科研与材料研发

过去在实验室里研发新材料或者筛选药物分子，科研人员往往要泡在海量文献里，手动写脚本、跑仿真，一折腾就是好几个月甚至几年。

在 2025 年的 Microsoft Build 大会上，微软拿出了一个新解法：名为 Microsoft Discovery 的企业级智能体平台。它不是单独一个聊天机器人，而是让科研人员能组织起一支由专属 AI 组成的智能体团队，从提出科研假设到调用高性能计算（HPC）模拟，全程打配合。

组建科研专属的 AI 专家团

微软做这个平台的核心想法，是解决大语言模型在做科研时的致命软肋。普通大模型遇到复杂、分散且充满矛盾的实验数据时，很容易胡言乱语或者漏掉上下文。

Microsoft Discovery 在底层搭建了一套基于图谱的知识引擎。它不是简单地搜索关键词，而是会梳理私有数据和公开发表文献之间的深层关系，记录彼此矛盾的理论、不同的实验结果以及跨学科的前提假设。最关键的是，它的推理过程是透明的，每一步都带有来源追踪，方便专家随时核验纠错。

在知识图谱之上，科研团队可以用自然语言直接设定各种专业分工的智能体，比如专门负责跑分子性质模拟的、负责刷文献的。微软让 Microsoft Copilot 在其中充当总调度室，根据研究人员的提示词，调动不同的智能体跑通端到端的科研流水线。

200 小时筛出新冷媒，拉来英伟达助阵

为了证明这套流程不是纸上谈兵，微软讲了一个自家的真实案例：研究人员利用 Microsoft Discovery 中的 AI 模型和高性能计算仿真工具，仅用了大约 200 小时，就找到了一种适用于数据中心浸没式冷却的新型非 PFAS 冷却液原型。在传统研发流程中，这通常需要几个月甚至数年。

外部机构也已经用上了它。比如美国太平洋西北国家实验室（PNNL）正用 Microsoft Discovery 开发机器学习模型，优化核裂变产物中放射性元素的分离流程，借此减少科研人员暴露在辐射环境中的时间。此外，联合利华也是早期采用类似模拟技术的客户之一。

除了底层依托 Azure 云平台，英伟达也全面接入了这个生态。Microsoft Discovery 将整合英伟达针对化学模拟优化的 ALCHEMI NIM 微服务，以及用于药物研发的 BioNeMo NIM。在算力底座上，微软正在全球部署基于英伟达 GB200 NVL72 的机架级系统，新出的 Azure ND GB200 v6 虚拟机在推理吞吐量上据称比上一代八卡 H100 虚拟机提升了最高 35 倍。

为什么重要

我们认为，Microsoft Discovery 走得最聪明的一步，是它没有试图去做一个全知全能的超级科研模型，而是老老实实做了一套「连接器」。它把大模型最擅长的高层意图拆解，和传统的数值模拟、高性能计算软件接在了一起。

长期以来，科研计算领域有一道很深的鸿沟：懂化学、生物的科学家不一定精通高性能并行计算，做仿真调参非常耗时；而 AI 专家又不懂行业机理。微软用自然语言来配置智能体分工，让缺乏高深计算背景的实验人员也能调度庞大的 HPC 算力，这极大降低了计算化学和数字生物学的准入门槛。

当然，隐患也不是没有。实验科学是一门极度严肃的领域，如果知识图谱在解析外部文献时理解了有偏差的数据，或者智能体在组合调用工具链时发生了隐蔽的逻辑错漏，可能会把科研人员带进死胡同，造成高昂的算力和试错成本。虽然微软强调了透明度和可溯源，但最终的裁判权依然完全压在人类科学家身上。

对于化工、制药和材料领域的企业来说，现在完全值得接入试水。特别是在初期的分子筛选和性质预测阶段，用它来砍掉前期几个月毫无意义的盲目试错，已经拿出了真金白银的产出回报。