2026年11月7日，騰訊首席AI科學家姚順雨在香港科學館出席未來科學大獎週科學峰會，提出AI模型將迅速具備足夠能力，真正掌握基礎生物學知識，推動科研邁向自主智能化。此次分享聚焦於人工智能如何參與科學發現及相關安全議題。
從科研工具到自主智慧體構建
姚順雨介紹騰訊AI基礎模型戰略及應用，強調AI在生物、物理及材料科學中，將從特定問題的專用模型，如AlphaFold，逐步發展成能夠自主管理和構建新型科研工具的智能平台。
騰訊探討打造“自主科學實驗室”的計劃，旨在讓AI系統能端到端完成複雜科學任務，同時進行蛋白質結構等基礎科研知識的逆向推理。該計劃著重科研流程的自動化與反覆優化，提升科研效率與準確性。
HyInv模型帶來基因蛋白設計革命
HyInv作為騰訊推出的逆向折疊蛋白質設計模型，擁有約196萬參數，經過Hyra 2.0訓練，以監督學習和結構獎勵強化學習相結合的兩階段流程。測試顯示，HyInv使用NVIDIA H20 GPU可在50.6毫秒內生成128條含約400個胺基酸的蛋白質序列，較ProteinMPNN縮短了近57倍運算時間，顯著提升設計速度與效率。
此外，HyCell模型以1610萬參數模擬人體單細胞基因表達，利用轉錄組數據庫CELLxGENE進行預訓練，成功實現按供應者及細胞型態的細緻嵌入，呈現跨組織免疫細胞的整合視覺化數據分析能力，為生物樣本的精準研究提供強大工具。
Hy4模型整合高階推理與端對端科研流程
2026年12月4日，騰訊發布開源AI基礎模型Hy4，擁有先進的推理能力、科學程式編寫及長流程任務執行能力。該模型經由內部基準TenureTrail測試涵蓋7大學科123項科研任務，展現數學建構、物理模擬、環境科學及系統工程等多領域優異表現，位列同類型模型之首。
Hy4支持遞迴自我增強（Recursive Self-Improvement），結合Hyra 2.0基座進一步提升科研開發能力，並同步開放了單細胞表示模型HyCell及物理場模型HyPDE，促進科研工具的社群共享與複用。
生物安全與AI模型能力評估嚴謹並重
騰訊報告顯示，在Hy-BioExperimentBench安全測試中，Hy4模型的開放實驗設計能力得分為30.4分（滿分100分），對比公司設定的高風險門檻有所下降，但在專家審查下，模型依然具備將基礎生物學知識轉化為可執行實驗方案的能力，顯示實現基礎科研自動化的潛力。
姚順雨強調知識掌握、實驗設計及落地執行是生物安全評估的關鍵環節，並指出目前未發現明顯降低生物傷害風險的證據，強調安全評估應覆蓋多種環境與持續監控。
開放與閉源共存路徑，聚焦能力與安全評估
姚順雨認為，生物學AI模型的管理可能比純網絡模型更為複雜，需要平衡攻擊防禦雙方的能力，強調模型發佈前須嚴格進行能力與安全評估。
他提出的潛在路徑是開放與閉源模型共存，讓更多從業者能應用技術，並透過跨界合作強化防禦機制。在安全工作方面，騰訊已聯合朔武實驗室、科恩實驗室共研網絡安全測試技術，推動模組化安全評估系統卡，確保模型開放與安全雙贏。
對自主科研實驗室的後續推進，姚順雨表示將聚焦加強科研流程標準化、團隊協作及開放前的能量評估與風險管理。
參考資料：騰訊官方公告、TechTimes報導、未來科學大獎官方資訊、Hyra 2.0技術報告
市場重要性與影響評估： 高影響 — 騰訊混元推出Hyra 2.0 AI科學研究系統，標誌著AI在生命科學及自主科研工具領域的重大技術突破，涉及基因蛋白質設計與安全評估，具備推動科研自動化與效率提升的潛力。
影響範圍： 地區性（中國及香港市場為主），具全球科技研發領域關注度。
影響時長： 中長期（3-12個月至12個月以上），因技術採用與生物安全評估需時間驗證與推廣。
市場敏感度： 事件尚未完全被市場充分消化，屬於低度定價（underappreciated），具備後續持續推進與擴散的潛力。
潛在市場影響：
- 推動生命科學、基因工程及藥物研發相關行業的AI應用深化，提升研發效率與精準度。
- 促進科研自動化與智能化工具的普及，可能引發相關軟硬件供應鏈需求增長。
- 強調生物安全與AI模型能力的嚴格評估，提升行業對AI技術風險管控的重視，促進監管標準完善。
- Hyra 2.0開放源碼及模型共享策略，有助於科研社群合作與技術生態系統建立，帶動研發創新加速。
風險：
- 生物安全評估仍處於初步階段，模型能力評分僅為30.4分（滿分100），存在潛在技術與安全風險。
- AI在生命科學複雜問題上的應用仍需大量實驗驗證，技術成熟度與商業化落地存在不確定性。
- 市場對於AI自主科研工具的接受度與監管政策尚未完全明朗，可能影響技術推廣節奏。
- 競爭加劇，其他國際大型科技公司及研究機構亦在積極布局類似領域，技術領先優勢需持續保持。
其他觀點：
- 部分專家認為Hyra 2.0的分層Agent架構與自主學習能力，代表AI科研工具從「解決問題」向「打造工具」的本質轉變，具備長遠影響。
- 開源與跨領域合作策略被視為推動AI科研技術普及與標準化的重要舉措，有利於建立生態系統與降低重複研發成本。
- 也有觀點指出，AI模型在生命科學領域的安全與倫理問題需同步跟進，避免技術濫用或意外風險。
備註：
- 本分析僅供參考，不構成投資建議。