中科紫东太初旗下新一代科研原生智能体ScienceClaw完成关键升级，正式推出AutoProject项目级自主科研引擎。这套引擎的目标，是让AI从执行孤立的Task走向承接完整的Project：科研人员只需提交科研构想或宏观目标，AI即可自主完成"项目规划—子任务拆解—长程执行—证据验证—动态修复—成果沉淀"的完整链路。
这背后是AI4S能力范式的一次变化。过去，AI更多作为工具或任务智能体，在明确目标、边界和路径后完成一个个相对独立的Task；但真实科研并非任务的简单集合，一个Project从模糊构想开始，包含相互依赖的任务，并随新文献、实验结果与异常数据不断调整路线。把一个个Task做好，不等于真正完成一个Project。
从技术构成看，AutoProject并非简单延长任务执行链路，而是由三层核心能力支撑：Project2Task负责把宏观目标转成可执行、可迭代的项目任务网络，并规划任务间的串并行关系与资产复用；TaskExecutor提供项目级长程自主执行，支持全局监控、自动排错与重跑实验；EviGraph证据图谱体系则搭建全链路、可核验、可回溯、可修复的可信科研闭环。
公开测试也验证了机制的有效性：在ARCBenchML评测中，EviGraph综合得分0.865，明显高于最优基线0.596，代表结论贴合实验事实的Result Analysis指标由0.442提升至0.794。当然，自主科研不等于无人科研，研究者对研究路径、实验假设与中间数据的鉴赏评判依然不可替代，人机协同才是项目级科研的常态。
科研是长周期、非线性、高不确定性的流程，智能体一旦以Project为单位持续运行，对算力供给、任务编排与状态追踪的要求就会显著提高。星战科技聚焦GPU算力平台与DiWorker多智能体协作平台，帮助企业把训练与推理任务统一调度、按需弹性分配，为长程自主科研与多智能体协同提供稳定、可度量的算力底座。
从行业趋势看，AI4S的竞争重心正在切换：行业比拼不再局限于单点模型或单体智能体性能，而是整套端到端系统综合能力。当AI的工作单位从Task升级为Project，科研资产的可复用性、证据链的可追溯性，将成为智能体能否真正承接科学发现的分水岭。
AutoProject的意义，本质上是AI科研能力由工具级向系统级的跨越。科研智能体不再只是帮科学家打下手，而是成为项目级科研的自主推进者。随着更多科研团队把项目级的智能体协作引入日常工作流，AI for Science的新时代正在加速到来。