撰文| 涂彦平

编辑| 张南

设计| 荆芥

2026年10月14日，午后，北京五道口附近，清华同方大厦的一间办公室里，几个年轻人正在工位上埋头忙碌。靠窗工位上的男生站了起来，穿着白色T恤，身形清瘦，留着一头卷发，微微笑着。

他叫吕浩然，2004年出生，是吉林大学计算机专业的学生。大二那年，他休学创业，2024年底在北京创办比特奇迹。

他正在做的产品叫ClawsGO Science——一个面向科研场景的AI for Science智能体。公司网站赫然写着一句话：ClawsGO是下一代AI for Science产品，探索端到端的科研新范式。

AI for Science（也称AI4S），是当下最火热的人工智能赛道之一，入局者众多。吕浩然并不慌张：产品在持续优化，用户在稳定增长，公司已有进账。而他才22岁。

01

一场数学建模比赛

吕浩然的创业起点，是在大学校园倒卖AI账号。广告发出去后不缺用户，一天能赚两三百元，这让他意识到AI项目可以干。需求多了，一个人忙不过来，他就想着把流程自动化，为此去学开发，做网站。业务做大后，他在2024年末注册了公司。

真正的转折发生在2025年初。他花了大约两周，围绕一场数学建模比赛做出一款AI工具，把历年获奖论文等资料作为参考，帮助参赛者处理比赛中的问题。随后，他在B站发了一条视频。

比赛前两天，这个产品每天有一两百元进账；视频走红后，第三天、第四天的收入都达到两千多元。

这让他感到兴奋，但他也清楚这个产品的局限：比赛只有四天，工具围绕比赛设计，比赛结束，需求也随之退去。不过，这段经历让他意识到科研工具的商业价值。

此后，他继续开发科研工具，把目光投向能够执行复杂任务的AI智能体。

到2026年10月接受《轩辕科技评论》采访时，比特奇迹已经上线AI产品ClawsGO Science。这是一个AI科研平台，为科研人员提供从文献调研、实验分析到论文撰写的工作支持。

进入AI4S赛道，对他来说像是自然而然发生的事：一个工具有人付钱，一个需求值得继续跟进，一个原本准备覆盖多种场景的产品需要收窄到具体用户——这些逐步发生的变化，把他带到了这里。

这条路上有一个颇具反差感的事实：这位吉林大学计算机专业、大二休学的创业者，此前没有进过科研组，也没有写过学术论文。

被问到休学创业的决定是怎么做的，吕浩然的回答是：“也没有很痛快，也没有经过一番考虑，其实是很自然的。”

为了寻找更多机会，他从长春来到北京，先在百度实习了大约四个月，做AI产品经理。后面又到创投机构奇绩创坛实习了约两个月。他想看看投资机构内部如何运转，也想通过与创业者、投资人接触，弄清楚创业到底是什么样。

《轩辕科技评论》问他这段经历最大的收获是什么，他说了两个字：“祛魅”。

听到这个词从他口中说出来，还是有些出乎意料。这位22岁的年轻人，已经具备了一名创业者颇为宝贵的东西——对自己的极致自信。

02

用户把他带向科研

数学建模工具之后，吕浩然在2025年末做了一款覆盖面更广的科研产品。到了2026年，原有技术架构逐渐不能满足新需求，团队又把主要精力转向新产品——ClawsGO Science。

ClawsGO最初的设想，是服务专业工作者的通用智能体。吕浩然想解决的是那些步骤多、耗时长、需要持续执行的复杂任务。比如，投资人可以用它研究公司，律师可以用它梳理案例。

真正做下去，他发现，不同行业之间的差异很难靠一个通用产品全部覆盖。金融研究需要接入数据和研报，科研需要实验环境和学科工具。想把这些任务做好，就得深入各自的工作流程。

另一个信号来自用户。按他的说法，早期通用产品约一半的用户就在做科研，其中不少是教师和研究人员。团队于是决定，沿着已经出现的需求，把产品向科研场景做深。

对于一个没有正式科研经历的开发者而言，这些用户也在帮助他校准产品方向。

产品名字的变化，则是另一次直接来自用户的纠正。

年初OpenClaw很火时，他们蹭热度取了ClawsGO的名字。中间曾想改名，取“科研Jarvis”之意，但用户反馈：“ClawsGO已经在科研领域很知名了，为什么要改？”

“然后我们又改回去了。”吕浩然说。改名后的那次迁移，他一直忙到清晨六点半。

他自己也开始成为产品的使用者。虽然没有进过科研组，但开发智能体时，同样需要查阅文献、设计实验、比较方案。他会用ClawsGO调研智能体架构，运行实验，观察不同方案的参数和性能，再据此调整产品。

过去不熟悉的研究方法，开始进入他的日常开发。

谈起产品定位时，吕浩然强调，ClawsGO不是一键生成论文的产品，“如果是那样，市场就小很多了。科研是要探索未知的东西，要实际出成果。”

03

做科研里的“脏活累活”

在吕浩然看来，现在的智能体产品在核心思路上趋同：让AI拥有操作电脑的能力。ClawsGO在这个通用架构的下面和上面各做了一层。

►图上邀请码可以试用ClawsGO Science

下面一层，是优化基础设施。

吕浩然解释：AI智能体执行任务时，需要沙箱作为运行环境。但过去的沙箱大多不是为AI做的，而是为安全场景做的，技术栈基于虚拟机。

虚拟机最大的问题是：AI对计算资源的需求非常弹性。90%的时间它在思考，CPU只占10%；但突然有10秒要做数据分析，又要拉满CPU。这种弹性需求导致大量计算资源被浪费。

比特奇迹团队没有采用虚拟机技术，而是改用容器化隔离技术，把计算资源弹性分配给需要的AI智能体，减少资源闲置。“比如Agent 90%的时间只用10%的CPU，那就把这10%的CPU让给其他的Agent。”

这样做的结果是成本的大幅降低。“最常用的2核4GB内存服务器，开一天如果用虚拟机需要24块钱，我们只需要2块钱。”吕浩然说，“同类竞品成本是我们的10倍。”

这套架构的大部分代码，是他和AI讨论完设计之后由AI写出来的。

上面一层，是科研方面的适配。

为了解决科研用户的痛点，ClawsGO补充了学科工具链和科研运行环境等。因为科研工具的难题，大量藏在那些不容易被注意到的具体环节里。例如，生物信息分析涉及许多不同的工具和运行环境；同样是计算任务，有的需要普通服务器，有的依赖特定显卡。

任务跑出来之后，还要能够追溯过程、复现实验。模型提出一个方案之后，仍有一连串工程工作需要完成。

吕浩然把它们称为科研里的“脏活累活”。

04

人的位置

吕浩然对AI能力抱有很强的信心，但谈到具体科研过程，也给出了人的位置。

他对一个完整科研流程的描述是这样的：先想idea，这需要找到领域空白；然后让AI做文献调研，判断这个空白值不值得做；再针对idea设计方法、跑实验和分析，这是最吃稳定环境和算力的一环；反复迭代到满意，再写论文。

在这个流程里，人主要管两头：开头决定方向，结尾验收质量；中间如果AI给出几个方案，选哪个仍然要人来选择。

因此，ClawsGO官网所说的“无人值守”，其实主要指已确定任务的执行阶段，而不是把整个研究过程全部交出去。

AI幻觉怎么办？他的回答很坦率：无法百分之百消除，“我们不追求百分之百的无幻觉率，只要幻觉比人低就可以了”。

团队的应对做法包括让不同子智能体承担执行和复核任务。但他认为，更核心的一点，是把运行环境保留下来，方便用户事后核查。

ClawsGO的云端沙箱是一个纯净的Linux服务器，可以保留任务运行时的依赖版本、计算条件和过程记录，方便用户回看。

ClawsGO可以调度多个模型，包括Claude、ChatGPT等。用户可以根据成本、性价比等指标自主选择，模型费用含在产品订阅费里。吕浩然说，大模型调用是成本里最高的部分。

但多模型调度并不是简单切换。吕浩然解释，主对话通常不会切换模型，因为上下文缓存会失效，成本会非常高。一个模型从头干到尾，才能保持上下文连贯。

但在长程科研任务中，主智能体可以派子智能体去干其他事情，比如让强模型负责规划，较弱的模型负责执行，既省钱也不影响一致性。

目前，ClawsGO的用户以科研人员、高校老师为主，工科偏多，文科理科也都有。

05

技术壁垒是伪命题

“AI时代，技术壁垒是个伪命题，很多东西都可以被半年之后的AI做出来。”当话题转到技术壁垒时，吕浩然的回答颇为直接。

他认为，某项工程能力可能在短期内形成优势，但AI能力持续进步，今天需要投入精力完成的开发，未来可能更容易被复现。“技术壁垒主要是看谁能更快适应环境的变化。”

对于一个正在做技术产品的创业者而言，这是一种带有压力的认识。把东西做出来，当然重要；做出来之后，还要面对别人可能很快追上的现实。

AI4S赛道正在变得拥挤，玩家主要有两类：一类是超级大厂，比如OpenAI、Anthropic、腾讯、阿里等；另一类是垂直创业公司。

模型能力、资金和资源都更充足的大公司，会不会挤压小团队的空间？

吕浩然的回答，仍然落在那些具体工作上。

科研领域有很多细分学科，每个学科都要有很深的工具链，几百个预装的工具链、环境等，脏活累活杂活非常多。他认为，对于大厂来说，这些活他们做不过来，而且AI4S也并非他们的主线任务。

这些大厂来不及做的，或者做不完的，就是留给专注科研赛道的团队的生存空间。

这意味着比特奇迹需要不断证明自己：当新的需求出现时，能否及时满足；底层模型进步之后，产品能否跟着调整；用户把真实任务交进来，能否得到足够可靠的支持。

谈到AI4S市场未来3年最大的变量，吕浩然的答案是：论文和学位评价体系的变化。

“一个本科生用OpenAI最好的内部推理模型，就可能发布一篇四大级的数学成果。如果一个博士生或教授只用一个公开模型，那结果其实和自己研究没有那么大的区别。当大模型开始批量产出科研成果，整个学术评价体系会受到冲击。”

06

多做

创业的难题，并没有因为产品已经上线而消失。

当被问到初期最大的挑战时，吕浩然首先提到了背景。在AI科研领域，创业者中不乏名校博士、大学教授和科学家，相比之下，自己的履历显得单薄。

大二休学的身份，让他容易被注意到，也让他在一个看重专业资历的领域里，更需要用产品来积累信任。产品海外版也已经同步上线。研究者愿不愿意继续使用，愿不愿意把更复杂的任务交给产品，是他必须持续回答的问题。

比特奇迹团队，包括全职、兼职和实习生在内，有十余人，大部分是00后，其中部分成员从大学时就跟他一起做项目。公司已进入马栏山“马驹计划”孵化名单，拿到了种子轮投资，目前正在推进天使轮融资。

从那款只能围绕四天赛期运转的工具走到今天，在这段出发不久的创业之路，吕浩然感觉最享受的是：“有一个持之以恒可以去努力的项目。”

畅想三年后的公司，吕浩然给出两种可能：要么上市，找新的增长点；要么被大厂收购，然后再找机会出去创业。

在他看来，对普通人来说，当下AI时代是创业最好的时候，因为不需要什么本金。《轩辕科技评论》请他送给有创业想法的年轻人一句话，吕浩然回答得很实在：“多做。”