烧了18.6万美元让AI连轴肝了17天,它产出了166篇论文
烧了18.6万美元让AI连轴肝了17天,它产出了166篇论文-虎嗅网 虎嗅APP 虎嗅APP 公众号矩阵 公众号矩阵 社群矩阵 社群矩阵 我要投稿 我要投稿 资讯 24小时 源流 视频 活动/榜单/专题 妙投 虎嗅智库 虎嗅嗅全新升级 虎嗅嗅全新升级 一个名为FARS的AI科研系统在17天内连续运转,自主完成了166篇AI领域的学术论文,平均每篇耗时约2小时。这项耗资18.6万美元的实验展示了AI进行全流程科研的潜力,其产出论文质量参差
事件概述
烧了18.6万美元让AI连轴肝了17天,它产出了166篇论文-虎嗅网 虎嗅APP 虎嗅APP 公众号矩阵 公众号矩阵 社群矩阵 社群矩阵 我要投稿 我要投稿 资讯 24小时 源流 视频 活动/榜单/专题 妙投 虎嗅智库 虎嗅嗅全新升级 虎嗅嗅全新升级 一个名为FARS的AI科研系统在17天内连续运转,自主完成了166篇AI领域的学术论文,平均每篇耗时约2小时。这项耗资18.6万美元的实验展示了AI进行全流程科研的潜力,其产出论文质量参差不齐,引发了关于AI将如何改变学术研究范式、挑战现有科研训练与伦理的深度思考。 ## 01. 论文机器如何运转 - FARS系统通过四个AI智能体流水线协作,模拟了博士生从选题到成稿的完整科研流程。 - 该系统全程在160块GPU集群上直播运行,消耗216亿个token,最终以平
核心要点
- 这类动态更值得关注它在权限、工具调用、流程编排和稳定交付上的实际可行性,而不只是演示效果。
- 关键不只是模型能力本身,还包括它能否被封装成稳定可用的软件能力,以及接入成本和适用场景。
- 如果信息指向底层算力或硬件变化,更需要评估它对推理成本、响应速度、部署方式和交付周期的实际影响。
值得关注
- 更重要的是识别这条动态带来的实际变化,包括能力边界、接入成本、部署复杂度和可持续性。
- 如果要进一步评估价值,应结合具体业务场景、数据条件和系统集成成本来判断。
