AI杀入实验室:谷歌“虚拟团队”与FutureHouse“全能助手”,科研范式正在被改写

前沿科学的探索正面临一个悖论：问题日益复杂，需要跨学科知识碰撞，但海量文献与技术的爆发，让任何个体科学家都难以穷尽信息。

2026年5月19日，这一困境迎来了关键转折。国际顶级期刊Nature同日刊登了两项突破性研究，分别来自谷歌DeepMind和FutureHouse。它们共同指向一个方向：人工智能正从被动的“工具”演变为主动的“科研伙伴”，一个“人机协同”科学发现的新时代已然开启。

谷歌DeepMind的“Co-Scientist”

FutureHouse的“Robin”

谷歌Co-Scientist：一支会“辩论”与“进化”的AI团队

谷歌DeepMind推出的Co-Scientist系统，基于Gemini大模型构建，其核心创新在于构建了一支虚拟的、分工协作的AI研究团队。当用户输入一个科学目标后，系统会调度多个具备不同“性格”的智能体协同工作：

· 生成智能体：负责大胆提出海量初始假说。

· 反思智能体：扮演“审稿人”角色，通过联网检索文献，严格审查假说的逻辑漏洞，防止AI“幻觉”。

· 排名智能体：让不同假说进行两两对决，通过类似“学术擂台赛”的方式排出优先级。

· 邻近智能体：计算假说间的相似度，帮助科学家探索概念间的关联。

· 进化智能体：吸取失败假说中的优点，对胜出假说进行重组与迭代优化。

· 审查智能体：负责全局把控，确保整个研究过程不偏离核心目标。

这套“锦标赛”机制使得Co-Scientist能够随着思考时间的延长，不断逼近最优解。在涵盖203个不同科学领域的测试中，其表现甚至超越了人类专家的第一直觉。

更重要的是，Co-Scientist是一个交互式的“科研副驾”。科学家可以用自然语言随时与它对话，提供反馈或抛出一个初步想法，由它去无限拓展和完善。为了验证其实际能力，研究团队进行了严格的湿实验验证：

1. 发现抗癌“老药”新用途：在2300种已获批药物中筛选针对急性髓系白血病（AML）的候选药物。Co-Scientist锁定的5种药物在实验室中均显示出抑制癌细胞的效果，其中Binimetinib、Pacritinib和Cerivastatin表现尤为突出，为复发或难治性白血病患者带来了新的治疗希望。

2. 挖掘肝纤维化新靶点：在肝纤维化研究中，Co-Scientist提出了一个全新的表观遗传靶点，并在人类肝脏类器官实验中证实了其显著的抗纤维化活性。

3. 独立推导耐药新机制：在未提供任何参考文献的前提下，系统仅用两天时间就独立推导出细菌抗生素耐药性（cf-PICI）的跨物种传播新机制。巧合的是，这一发现与后来发表于Cell期刊上的一项独立研究结论高度吻合，而AI提出该假说时，那篇论文尚未经过同行评议。

FutureHouse Robin：从文献到实验的闭环“实干家”

如果说Co-Scientist是一位擅长思辨的“学者”，那么FutureHouse推出的Robin系统则更像一位全能“实干家”。它的独特之处在于，将文献检索、实验设计和数据分析串联成了一个完整的、可自动迭代的闭环。

Robin的核心组件包括负责文献搜索与综述的Crow和Falcon，以及最具特色的Finch。Finch能够接收湿实验产生的原始数据，在Jupyter notebook环境中自主编写并执行代码，完成从数据预处理（如细胞门控策略）到高级分析（如差异基因表达分析）的全流程，并直接输出统计图表和结论。

在一项针对干性年龄相关性黄斑变性（dAMD）的研究中，Robin首先利用Crow快速阅读了551篇相关论文，在约30分钟内提炼出10个核心疾病机制，并筛选出30个候选药物。在第一轮实验验证了其提出的抑制剂有效后，Robin主动提议对处理后的细胞进行RNA-seq测序，并基于Finch自主分析得到的新数据，提出了迭代优化的后续实验方案。

完成分析约825篇参考文献并输出完整工作流的整套任务，Robin仅耗时约30分钟。据估算，完成同等工作量，人类专家需要超过800小时。该研究论文中的所有统计图表均由Robin自动生成。

（免责声明：部分文字及图片来源于网络，仅供学习、交流使用，版权归原作者所有；如有问题请及时联系我们以做处理。部分内容由AI协助生成）