文閱AI於2026年10月27日宣布推出ScienceOra，並上架騰訊WorkBuddy的應用發現頁，首批提供逾30項專業研究代理與技能，涵蓋文獻分析、假設形成、研究設計、建模模擬、結果驗證及成果溝通。
平台以文閱AI參與中國科學院協調之ScienceOne科學基礎模型為核心，並結合垂直領域資料、知識圖譜、研究工具與代理協作機制。應用範圍橫跨學術入門、進階研究與專家決策，包括稻種育種、材料特性鑑定、藥物可成性評估及同儕審閱模擬。
這次合作不是單純把聊天機器人接入入口，而是將科研工作流程拆解為可執行、可驗證的專業代理任務。平台也已透過WorkBuddy的既有生態接觸研究人員、教師、學生與其他學習者，顯示垂直人工智慧正由單點工具轉向平台型服務。
這項產品-launch的核心並非單純的科技競賽，而是「通用人工智慧」與「專業科研代理」兩種產品邏輯的匯流。一般模型擅長語言生成與知識問答，科研工作卻要求文獻溯源、實驗設計、資料分析、模型驗證及審查判斷等環節彼此一致；若任何一環出現無法追溯的錯誤，後續決策便可能累積系統性偏差。ScienceOra真正要解構的，是長期被視為高端專家才能完成的研究流程。
從技術演進來看，這類平台並非單靠擴大模型參數量取勝，而是結合領域基礎模型、科學資料、知識圖譜、工具呼叫與代理編排。ScienceOra以ScienceOne為底座，再把30餘項代理與技能嵌入既有工作平台，代表垂直人工智慧的競爭焦點已由「誰的答案寫得漂亮」轉向「誰能把整個任務鏈閉環執行」。其護城河將取決於資料品質、評測基準、專業驗證與錯誤責任機制，而非代理人數本身。
在產業層次，騰訊WorkBuddy掌握的是入口、帳號與工作流；文閱AI掌握的是科研模型、領域知識與決策工具。兩者合作具有明顯分工：前者負責降低觸達與使用門檻，後者負責建立專業差異化。稻種育種代理「袁稻思源」由湖南省農業科學院、中國科學院自動化研究所與文閱AI共同打造，顯示其推進路徑並非純粹商業包裝，而是結合科研機構的資料與場景。
但產品走向決策支援也會提高治理難度。藥物可成性、材料風險與研究審查若被錯誤建議，可能誤導資源投入；因此，「人工智慧輔助」與「人工智慧代替專家判斷」之間必須建立可稽核邊界。未來真正決定採購意願的，將包括結果可重現性、資料授權、引用正確率、利益衝突揭露及人工覆核機制。
ScienceOra上架WorkBuddy，類似早期桌上型電腦把複雜運算帶入一般工作場所，也像雲端工具將專業資料服務嵌入日常流程。這類歷史案例顯示，平台入口與垂直能力結合後，工具的採用速度往往取決於是否進入既有任務，而非功能示範是否亮眼。
整體而言，科學AI的終局不會是完全取代研究者，而是重新分配人力：人工將集中於問題選擇、倫理判斷、因果推論與最終責任；代理則承擔大量高重複性的檢索、整理、建模與驗證工作。未來價值的分水嶺，是誰能把模型可信度轉化為可量化的研究生產力，而非僅增加代理人數。
01 起因觸發：文閱AI以ScienceOne為底座推出ScienceOra，並接入騰訊WorkBuddy應用生態
02 一階傳導：研究人員與大專院校開始以專業代理取代部分文獻檢索、綜整、建模與格式處理工作
03 二階擴散：科研資料、專業評測、模型驗證及可重現研究工具需求增加，垂直AI平台進入通路與工作流競爭
04 宏觀終局：科研分工由人工執行重複作業，轉向人機共同提出假說、調度工具與承擔科學決策責任
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
