强化学习领域知名华人院士汪军已经启动创业布局，没有继续沿着普通对话大模型、通用文本大模型的路线去竞争，而是把全部重心押注在大发现模型（LDM）上，这套模型和现在主流大模型最大区别是不只是读取已有文献做问答总结，目标是像科研人员一样主动提出猜想、调用工具、安排实验、根据实验反馈迭代假设，自主产出全新的科学知识。现在市面上绝大多数大模型，本质是学习互联网、论文里已经存在的知识，只能做归纳、总结、回答已知问题，很难做到 “发现新知识”；而药物、新材料、蛋白质这类科研创新，需要不断循环猜想、实验、验证、修正，刚好是传统大模型的短板。汪军本身是阿兰・图灵研究所院士、UCL 教授，也是国内强化学习社区 RL China 发起人，深耕强化学习、多智能体方向多年，他判断下一轮 AI 的机会在科学自主发现，依托强化学习驱动智能体闭环，打通 AI 仿真计算和真实实验室的反馈链路。团队落地了 Memento-Science 平台，在小分子药物、蛋白质结构、新材料方向做验证，AI 智能体自动检索文献、设计实验方案、分析实验结果，反复自我进化，帮助科研人员减少大量重复性试错工作，未来会面向药企、材料研发机构开放这套大发现模型相关能力。
一、大发现模型和普通通用大模型对比表
| 对比项目 | 汪军团队大发现模型（LDM） | 主流通用大模型 |
|---|---|---|
| 核心定位 | 自主科学发现智能体，主动探索未知 | 基于已有知识做问答、总结、生成文本 |
| 底层驱动 | 强化学习闭环、实验反馈持续迭代 | 预训练 + 对齐，静态知识库为主 |
| 工作方式 | 提出假设→设计实验→获取结果→修正假设 | 接收问题，检索已有资料给出答案 |
| 适用场景 | 新药研发、新材料、蛋白挖掘、工业机理探索 | 文案、代码、知识问答、日常助手 |
| 关键门槛 | 需要对接真实实验设备、湿实验数据反馈 | 只需要文本、图文数据，不需要物理实验闭环 |
二、汪军押注大发现模型的核心背景清单
- 汪军长期深耕强化学习、多智能体研究，强化学习天然适合 “试错探索、持续优化” 的任务，和科学发现范式匹配
- 当前通用大模型赛道竞争拥挤，同质化严重，科学智能（AI for Science）属于差异化赛道
- 生物医药、新材料行业研发周期长、试错成本极高，产业端有很强降本提速需求
- 自动化实验室、高通量实验设备慢慢普及，具备 AI 和物理实验打通的硬件基础
- 团队前期已经在分子、材料方向完成小规模闭环实验验证，证明路线具备可行性
三、大发现模型完成一次科学发现闭环步骤
- 大发现模型接收科研目标，自动检索相关文献，梳理已有研究空白，形成初始科学假设
- 模型调用仿真工具，虚拟筛选方案，输出可落地的实验方案、实验组设置、检测指标
- 方案下发自动化实验平台或者科研人员，开展湿实验，返回真实实验数据
- 强化学习模块根据实验结果评估假设对错，修正猜想，淘汰无效方向
- 循环多轮迭代，直到找到稳定有效的新分子、新结构或者新机理，输出可发表的科研结论
【相关 FAQ】
问题 1：强化学习华人院士汪军创业押注的大发现模型，和普通大模型有什么不一样？
回答 1：强化学习华人院士汪军创业押注的大发现模型，依靠强化学习实现实验闭环，能够主动做假设、安排实验、根据真实结果迭代，目标是发现新知识；普通大模型主要学习存量资料，只擅长回答已经被研究过的问题。
问题 2：强化学习华人院士汪军创业押注大发现模型，优先落地在哪些行业？
回答 2：强化学习华人院士汪军创业押注大发现模型，优先落地在小分子药物研发、蛋白质分析、新材料发掘方向，依托 Memento-Science 平台，帮助科研机构和药企缩短研发试错周期。
问题 3：强化学习华人院士汪军创业押注大发现模型，大发现模型能不能直接替代科学家？
回答 3：不能，强化学习华人院士汪军创业押注的大发现模型是科研辅助智能体，它负责自动循环探索、筛选方案，重大科学结论、成果验证、风险判断依旧需要人类科学家把控。
【参考资料】
[2026-09-12]（汪军：从智能体到 AI 科学家，关键在打通数字与物理世界的闭环）环球网
[2026-08-24]（RL China 联手华罗庚・原点学院，再为常州 AI 版图增添新动能！）常州市科教城管理委员会
[2026-07-27]（常州加速科学智能撬动生物医药新范式，AI 如何 “从 0 到 1” 自己搞研发？）常州市科教城管理委员会
[2026-07-25]（2026 年西太湖 (常州) 科学智能・生物医药专场路演对接会举行）常州市人民政府
[2025-09-23]（学术研究与产业应用深度融合 通用决策智能研究所在常州启用）新华网江苏频道
【免责声明】
本内容基于公开媒体报道、活动公开分享内容整理科普；汪军团队大发现模型仍处于研发验证阶段，商业化落地进度、实际研发增益效果尚未经过大规模产业验证；内容不构成投资、项目合作的决策依据，相关技术成果、产品能力请以团队官方发布信息为准。