Американская технологическая компания Microsoft на конференции Build 2026 официально запустила облачную корпоративную платформу AI-агентов Microsoft Discovery. Платформа ориентирована на интенсивные исследовательские сценарии в области химии, материаловедения, наук о жизни, полупроводников, квантовых вычислений и других сферах. Благодаря многоагентному взаимодействию, графам знаний, интеграции инструментов моделирования и оркестровке экспериментальных процессов, платформа помогает исследовательским группам сократить цикл от формирования гипотез и разработки экспериментов до верификации результатов. Microsoft Discovery была впервые представлена в частном предварительном доступе на конференции Build 2025, а теперь стала общедоступной.

Основное назначение Microsoft Discovery — не универсальный офисный помощник, а платформа агентов для научно-исследовательских и инженерных процессов. Научно-исследовательские институты и корпоративные R&D-отделы часто сталкиваются с разрозненными наборами данных, внутренними документами, записями экспериментов, инструментами моделирования, приборными системами и специализированными моделями. В традиционных исследовательских процессах ученым приходится постоянно переключаться между различным программным обеспечением, базами данных и экспериментальными платформами, тратя значительное время на очистку данных, отбор гипотез, сравнение параметров и анализ экспериментов. Microsoft Discovery пытается объединить эти этапы в единый облачный рабочий процесс, позволяя нескольким AI-агентам выполнять задачи по поиску литературы, систематизации данных, вызову моделей, генерации гипотез, планированию экспериментов и анализу результатов.

Ключевым модулем платформы является Discovery Engine. Он организует внутренние базы знаний организации, общедоступные научные данные, экспериментальные данные, инструменты моделирования и результаты симуляций в виде графа знаний, что позволяет AI-агентам проводить кросс-инструментальные рассуждения вокруг одной исследовательской цели. После того как исследователь ставит задачу по отбору материалов, молекулярному дизайну, оптимизации полупроводниковых процессов или верификации кандидатов в лекарства, система может вызывать различных агентов для декомпозиции проблемы и интегрировать вычисления, поиск, моделирование и экспериментальную обратную связь в единую исследовательскую цепочку. Такой подход больше напоминает «цифрового лабораторного ассистента», а не простой чат-бот.

Microsoft Discovery поддерживает оркестровку нескольких агентов. Разные агенты могут иметь разные роли, например, поиск существующих исследовательских выводов, генерацию новых гипотез, вызов ресурсов высокопроизводительных вычислений, запуск задач моделирования, сравнение экспериментальных данных, проверку согласованности результатов. Научно-исследовательские задачи обычно не решаются за один запрос, а требуют многократных итераций по корректировке гипотез, настройке параметров, получению экспериментальной обратной связи и проверке результатов. Ценность многоагентной структуры заключается в разбиении сложных исследовательских задач на множество выполнимых узлов, а затем в агрегации результатов в процесс, который может быть проверен исследователем.

Американская компания Microsoft особо подчеркивает применение Discovery в разработке квантовых вычислений. В процессе разработки нового топологического квантового чипа Majorana 2 платформа Microsoft Discovery участвовала в оптимизации стека материалов, конфигурации чипа и сжатии экспериментального пути. После внедрения нового стека материалов в Majorana 2 надежность кубитов повысилась примерно в 1000 раз по сравнению с предыдущим поколением, среднее время жизни кубита достигло 20 секунд, а в некоторых случаях приближалось к 1 минуте. Для квантовых вычислений время когерентности напрямую связано со способностью поддерживать квантовое состояние, окном коррекции ошибок и последующей масштабируемостью вычислений; время жизни на уровне 20 секунд является важным показателем производительности в этом технологическом направлении.

Сложность разработки квантовых чипов заключается в высокой степени взаимосвязи материалов, структуры устройств, криогенной среды, контроля шума и схем измерений. Изменение одного параметра может повлиять на зонную структуру, качество интерфейсов, плотность дефектов и стабильность квантового состояния. Роль Microsoft Discovery в решении таких задач заключается в объединении экспериментальных данных, моделей моделирования и комбинаций кандидатов в материалы в итеративный процесс, сокращая ручной перебор вариантов. AI-агенты не могут заменить физические эксперименты, но они помогают исследовательским группам быстрее отбирать перспективные пути, выявлять аномальные результаты и превращать разрозненные данные в гипотезы, подлежащие дальнейшей проверке.

Платформа также ориентирована на сценарии разработки полупроводников. Исследования полупроводниковых материалов, технологических маршрутов, корпусных структур и надежности устройств требуют большого объема данных моделирования и экспериментов. Discovery позволяет унифицированно управлять технологическими данными, свойствами материалов, анализом дефектов, моделями симуляции и записями экспериментов, предоставляя исследовательским группам возможность выполнять декомпозицию задач, отбор переменных и проверку результатов на одной платформе. Для разработки передовых техпроцессов, соединений полупроводников, оптоэлектронных устройств и материалов для AI-чипов организация данных и кросс-инструментальное взаимодействие напрямую влияют на эффективность исследований.

Науки о жизни и химические исследования также являются целевыми сценариями для Microsoft Discovery. Открытие лекарств, анализ белковых структур, молекулярный скрининг, разработка материалов для батарей, составов электролитов и катализаторов сталкиваются с проблемами высокопроизводительных данных и многовариантных экспериментов. Discovery может подключать существующие данные организации, общедоступные базы данных, специализированные модели и экспериментальные системы, помогая исследователям сократить время отбора кандидатов. Научные группы по-прежнему руководят экспериментальными суждениями и подтверждением результатов, в то время как AI-платформа берет на себя интеграцию информации, декомпозицию задач, вызов моделей и автоматизацию повторяющихся операций.

Официальный запуск Microsoft Discovery отражает переход научного AI от «точечных инструментов» к «платформам исследовательских процессов». Раньше AI чаще использовался для обобщения литературы, генерации кода или прогнозирования с помощью отдельных моделей, а теперь начинает внедряться в цепочку генерации гипотез, планирования экспериментов, вызова инструментов и верификации результатов. Для корпоративных R&D-отделов конкурентоспособность таких платформ определяется не только возможностями моделей, но и управлением данными, контролем доступа, качеством графов знаний, интеграцией специализированных инструментов и прослеживаемостью экспериментальных процессов.

Американская компания Microsoft также выпустила предварительную версию приложения Microsoft Discovery, снижая порог входа для исследовательских групп и студентов. Корпоративная платформа развернута в облаке Azure и подходит для крупных организаций, подключающих внутренние базы знаний и ресурсы высокопроизводительных вычислений; локальное приложение ориентировано на более легкие научные изыскания и ранние эксперименты. По мере того как AI-агенты постепенно проникают в научные исследования, основная ценность исследовательских платформ будет смещаться от «генерации ответов» к «организации исследовательского процесса». Сможет ли Microsoft Discovery сформировать стабильное применение в области материалов, полупроводников, квантовых вычислений и наук о жизни, будет зависеть от реальной экспериментальной верификации, глубины интеграции отраслевых данных и долгосрочных результатов использования исследовательскими группами.