近日，美国斯坦福大学以人为本人工智能研究院（Stanford HAI）发布《AI Index Report 2026》。在该报告Science章节中，由中国科学院国家天文台发起并推动的星语望远镜（StarWhisper Telescope）相关工作被列入2025年物理、天文、化学和材料科学领域代表性 人工智能体（AI Agents）案例。这一进展标志着近年来推动人工智能与天文观测深度融合的探索获得国际关注。
星语望远镜（StarWhisper Telescope）由国家天文台银河系三维结构组与兴隆观测基地合作开发，探索将大模型、智能体与望远镜控制系统相结合，使智能体能够根据科研人员提出的观测需求，结合科学目标、设备状态和观测环境，参与任务规划与观测执行。
星语望远镜：天文具身智能观测系统
随着大模型、智能体和具身智能技术快速发展，人工智能正在从传统的数据分析工具进一步拓展至科学装置运行和科研执行过程。国家天文台主动把握这一发展机遇，持续推进“AI for Astronomy”相关布局，探索人工智能在天文数据处理、科学发现、望远镜控制以及多设备协同观测等环节中的应用，推动人工智能从单点算法应用逐步走向覆盖科研全过程的智能化工具体系。近期，团队围绕星语望远镜，在科研级望远镜数字化仿真、科学模型与观测控制系统协同以及智能体自主观测等方面取得了新的进展。
人工智能推进委员会牵引，推动AI进入天文科研全流程
自2022年底启动相关工作以来，国家天文台人工智能推进委员会围绕人工智能赋能天文学研究持续开展系统性布局，组织科研人员梳理天文观测、数据处理和科学研究中的共性需求，推动天文学、人工智能和计算技术等不同领域力量开展跨学科协作。
在推进委员会的组织协调下，相关探索已由早期的数据处理和算法应用逐步扩展至科学模型、大模型、智能体以及望远镜控制等方向，推动形成覆盖“数据采集、处理分析、科学发现、仿真验证、观测执行”的人工智能科研链条。
作为上述布局的具体实践，星语望远镜近期进一步拓展了面向科研级望远镜的仿真能力，搭建了大口径科研级望远镜数字化仿真系统，为智能体参与观测规划与控制策略验证提供实验环境。相关工作得到了中国科学院“磐石”大模型团队的指导，及千问大模型和千问办公工具环境提供的技术支持。
科研级望远镜是高度复杂的科学装置。镜筒、转台、相机、传感器、控制系统以及天气环境等多种因素共同影响观测过程。为使智能体能够实质性参与望远镜运行，首先需要一个能够感知设备状态、理解观测环境并验证控制策略的实验环境。国家天文台科研团队结合长期积累的望远镜运行控制经验和近年来构建的智能体工具链，快速搭建了面向科研级望远镜的数字化仿真环境。在不占用真实望远镜观测时间的情况下，该系统能够模拟望远镜组件、传感器状态、环境变化和观测流程，为控制策略测试、智能体训练和观测流程优化提供实验基础。
面向望远镜的数字化仿真
依托大模型辅助开发能力，团队在很短时间内完成核心仿真环境搭建，并有望将整体开发成本控制在千元量级。。这一实践显示，大模型不仅能够辅助科学数据分析，而且正在显著改变科研软件和科学装置仿真系统的研发模式。
从“看什么”到“怎么看”，探索智能体驱动的自主观测
科研团队还探索构建将科学模型、环境模型、望远镜控制系统与智能体相连接的系统。该系统将望远镜关键组件、传感器状态和观测环境信息整合为标准化的模型上下文协议（MCP）接口，使智能体能够监测和调用不同工具与设备。
其中，跨巡天对齐时序模型可以从多巡天公开数据中识别极早期超新星候选，智能体帮助解决“看什么”的问题；短时局部气象预测模型能够综合云量、风速和湿度等实时参数评估观测条件，智能体帮助解决“怎么看”的问题。
Virtual GOTTA：跨巡天对齐光变基座模型
在此基础上，智能体可以进一步综合科学目标优先级、望远镜实时状态以及目标可观测窗口，自主完成“状态感知——任务规划——方案生成——流程验证”的闭环。
目前，该智能体框架已接入“司天”探路者和“司天”原型机。科研人员提出科学观测需求后，智能体结合目标优先级、天气和设备状态生成观测方案，通过不同MCP接口调用相应控制模块，并将观测结果反馈给科研人员；任务结束后，还可以根据执行结果和专家反馈重新规划后续任务，并将有效经验沉淀为可复用的AI技能Skill。
截至目前，相关智能体已经预警8颗极早期超新星候选，其中2颗在天气条件允许的情况下触发了后续观测。
“司天”探路者和“司天”原型机
从AI辅助科研走向AI参与科研
更值得关注的是，国家天文台不仅针对单一望远镜提供仿真系统，也在探索一种新的天文科研组织和执行方式。
过去，望远镜自动化系统主要按照预先设定的流程运行；当天气、设备状态或者科学目标发生变化时，仍需要科研人员人工判断和调整。随着大模型、智能体、科学模型和望远镜控制系统逐步连接，AI开始具备根据实时环境和科学目标进行动态规划、调用工具、验证方案并调整观测策略的能力。
同时，仿真系统还可以在虚拟环境中反复执行观测任务，持续记录设备状态、环境变化、决策过程和执行结果，形成面向望远镜智能控制的高质量训练数据，为进一步训练望远镜控制视觉语言动作（VLA）模型，以及未来在真实科学装置上实现更高水平的智能观测奠定基础。
这意味着，人工智能在天文学中的角色正在从“帮助科学家分析数据”，进一步向“参与科研过程和科学装置运行”延伸。
“科研范式正在发生改变：AI 在科研中的角色不再只是辅助分析，而是进一步进入科研执行流程本身。科研工作者更多负责提出问题、设定目标，智能体则承担观测执行、验证和迭代工作。”国家天文台人工智能推进委员会专家李瑀旸博士表示。
随着这一体系逐步完善，科研人员将更多聚焦于提出科学问题、设定科学目标和判断科学价值，而智能体则有望承担越来越多的数据分析、任务规划、工具调用、观测执行和迭代验证工作。
未来，相关成果将陆续上线中国科学院“磐石”大模型平台，进一步推动天文领域模型、工具与应用能力的共享和复用。这也将成为国家天文台面向人工智能时代探索天文科研新范式和新型科研基础设施的重要方向。
GOTTA：全球开放暂现源望远镜阵列项目
附件下载：