大模型用文字展开思维链。科学家却经常在另一种“语言”里思考：挪动一个原子、比较两种蛋白质构象，或从实验曲线中判断一个假设是否站得住脚。
这就是我们提出的 Chain of Science Tokens——科学 Token 链。它让文字与科学对象共同参与推理：语言提出目标，结构与数据承载中间步骤，每一步产生的科学状态，都成为下一步决策的依据。
我们是 Scinetics 团队，致力于探索 AI for Science（AI4S）的基础模型与科学智能体。在 Perspective 《Scientific Super Intelligence: From Science Tokens to ScienceRSI》↗中，我们把这条研究路线归纳为四个相互连接的问题。
这条路线从 Science Tokens 出发，让科学对象成为可读写的推理单元；以科学超级智能为能力目标，再通过 ScienceRSI，把有证据支持的任务经验用于训练下一代模型。验证后的成果则沉淀为科学资产，供模型与实验室持续复用。
这篇文章先展开这张路线图，再回到一个具体起点：我们近期的 Chain of Structures 工作，如何把科学空间推理带入酶设计。
01 让科学对象进入推理过程
对模型而言，Token 是处理信息的基本单元。Science Tokens 把这一接口延伸到科学对象：蛋白质或核酸序列、局部三维几何、显微图像、组学状态，以及带单位和实验条件的测量值，都可以采用适合各自特点的表示，与语言在同一模型中交互。
重点是让这些表示保留科学含义。一个数值需要单位，一次测量需要条件，一个结构需要说明它来自预测还是实验。不同模态也可以保留不同表示方式：序列使用天然离散符号，几何使用可解码的结构编码或连续表示，测量值携带类型与来源。
科学 Token 链进一步要求：科学对象必须真正改变后续推理。在 Perspective 的概念示例中，模型先读取蛋白质口袋，尝试用一个更大的侧链填补空腔；几何检查发现它与配体冲突后，模型再换成更合适的侧链，最后提出实验建议。
这里的“思考过程”留下了一组可以检查的坐标。改变口袋几何，模型应该相应调整设计；只把同一个分子旋转一下，结论则应保持稳定。这样的检验，能帮助我们判断模型是否真正使用了科学信息。
02 科学超级智能，要跨过两道门槛
专用科学模型擅长深入一个任务，通用大模型擅长跨任务理解与推理。我们想探索的是：能否把这两种能力放进同一个模型？
在 Perspective 中，我们将科学超级智能（Scientific Super Intelligence，SSI）定义为一次“双重跨越”：同一个固定模型，既在专业科学任务上超过相应的垂直专家模型，又在广泛科学推理上超过同等参数规模的通用语言模型。
以结构预测为例，目标是在一致的评测条件下超过相应的专业系统；在更广泛的任务中，模型还需要理解数据、进行定量推理、编写代码和规划实验。这要求科学表示、专业能力与通用推理共同成长。
我们提出了一个值得检验的规模窗口：1000 亿至 3000 亿参数，配合 10 万亿至 30 万亿训练 Token。它综合考虑多模态能力所需的容量、已有训练规模、科学数据体量与计算预算，是下一阶段的研究假设，而非已经确定的最优解。
验证这项假设，需要沿不同模型规模测量能力曲线，观察两道门槛能否同时跨过。训练 Token 也要与独立证据区分开：同一份数据被反复训练会增加计算量，却不会凭空增加新的实验事实。模型扩大之后，真正稀缺的仍可能是高质量的科学反馈。
03 ScienceRSI：让科学证据训练下一代模型
科学数据并不缺少“结果”：数据库里有大量序列、结构与测量。但从提出假设、比较候选到接受证据的推理过程，往往没有被完整记录。只依靠人工撰写这些轨迹，难以支撑下一阶段的训练需求。
我们由此提出 ScienceRSI，即科学递归自我改进：让这一代模型参与生产下一代模型的训练材料，让外部科学证据决定什么值得被学习。
这条循环从较小的模型和基于它构建的科学智能体开始。它们在真实任务中提出假设，生成候选科学 Token 链，留下每一步的科学状态。模拟器、数据库、实验与领域专家随后参与验证；筛选后的轨迹用于训练更强的下一代模型，新模型再进入下一轮探索。
在这个过程中，失败同样有价值。一次结构冲突、一个无法复现的结果，都可以告诉模型哪些路径不值得重复。预测、模拟、实测和独立复现需要分别标记，让每条经验携带与其证据相匹配的可信度。
我们关心三个实际问题：生成的候选有多少通过验证？有多少任务具备可靠的验证方式？新一代模型在未参与训练的任务上是否变得更强？这三类指标分别对应验证通过率、验证覆盖率和独立评测增益。
ScienceRSI 因此是一条需要逐代验证的研究路线。它能走多远，取决于模型能否接触新的科学问题，也取决于验证工具和实验反馈能否跟上。每一轮有价值的改进，都应能追溯到更可靠的证据和更好的任务表现。
04 从消耗 Token，到积累科学资产
如果 AI 生成了两条同样长度的蛋白质序列，它们消耗的输出 Token 可能相同，但科学价值可以相差很远：一条只是候选，另一条已经经过实验测量，并能在明确条件下完成目标反应。
这也是 Perspective 提出 Science-token economics 的出发点：把计算消耗与科学成果的价值分别衡量。Token 数量适合记录计算；成果是否有用，则需要看证据、适用条件和后续用途。
我们设想的科学资产，由四部分共同组成：对象本身，例如序列或结构；上下文，例如单位、条件与实验流程；证据，例如测量结果与不确定性；来源信息，例如版本、验证记录与复用权限。
随着一个候选从预测走向模拟、实测和独立复现，附着在它上面的证据不断丰富。它既可以帮助实验室作出决策，也可以进入后续模型的训练与评测；负面结果和适用边界同样需要保留下来。
这为科学 AI 带来另一种增长方式：每完成一次任务，都有机会积累一份可追溯、可复用的成果。未来值得衡量的，是这些成果为下一次研究提供了多少可靠信息、节约了多少验证成本。我们将其概括为科学价值密度；具体价值仍需结合证据与用途判断。
05 一个起点：在酶设计中实践结构链
这张路线图，从哪里迈出第一步？在 Chain of Structures（COS）中，我们选择酶设计作为科学空间推理的早期案例。工作由来自 MIT、哈佛大学、剑桥大学、香港科技大学和 Scinetics 等机构的研究人员共同完成。
从一条化学反应出发，COS 分四轮搭建蛋白质：先确定催化核心，再完善活性位点，接着构建全局骨架，最后补全序列与侧链。每一轮都产生实际的结构状态，并把已经形成的几何约束传给下一轮。语言推理与结构生成由此持续衔接。
在技术报告的酶设计基准对比中，COS 六项指标有五项排名第一。三级酶分类一致率 EC3 达到 57.0%，高于 CodeFP 的 55.3%；结构置信度 pLDDT 达到 79.3，结构自洽性 TM-score 达到 0.729。去掉推理链后，EC3 降至 53.4%，支持了中间推理步骤的作用。
这些结果提供了计算层面的初步证据，真实酶活性仍需湿实验检验。COS 展示了结构链的可行起点；更广泛的科学 Token 链、跨代训练循环和 SSI 目标，需要在后续研究中继续推进。
我们希望科学 AI 留下的每一步思考，都能接近可检验的科学对象；完成的每一次任务，都能成为下一次研究可用的经验。
延伸阅读与项目链接