夜雨聆风一、Nature同日三篇论文：AI从"助手"变成"搭档"
5月19日，Nature一口气发了三篇AI+科学的论文，还配了一篇社论，标题直接叫"Why AI cannot do good science without humans"。
三篇论文分别是：
| Co-Scientist | ||
| Robin | ||
| ERA |
这三篇论文放在一起看，信号很明确：AI不再只是帮你查文献、写代码的工具了，它开始参与科学发现本身——提假说、设计实验、解读数据。
如果你关注DeepMind的路线，这个趋势更清晰：AlphaFold解决蛋白质结构预测，AlphaGenome预测基因组变异功能，Co-Scientist则直接瞄准了科学发现的瓶颈——假设生成。
二、Co-Scientist：6个AI智能体的"学术辩论赛"
Co-Scientist不是一个大模型套个prompt，而是6个专门化智能体组成的"AI研究团队"，外加一个supervisor做调度。
三个阶段，六个智能体
第一阶段：生成想法
第二阶段：辩论想法
第三阶段：进化想法
⚡ 核心设计
Co-Scientist把大部分算力花在**验证**而非**生成**上。每个声明都交叉验证ChEMBL、UniProt、AlphaFold等数据库，输出带可点击引用，能追溯到原始文献。
和AlphaGo有什么关系？
"假说锦标赛"的思路直接来自AlphaGo和AlphaStar——只不过智能体辩论的是生物学假说，不是棋步。测试时计算放大（test-time compute scaling）也沿用了：给Co-Scientist更多思考时间，结果会更好。在203个科学目标的测试中，它的表现超过了人类专家的第一直觉。
三、实验室验证：AI的假说经得起"湿实验"考验吗？
假说再漂亮，实验室里跑不通就是空谈。Co-Scientist的验证结果是目前AI+科学领域里最扎实的。
急性髓系白血病（AML）
Co-Scientist从2300种已批准药物中筛选候选，提出了KIRA6（IRE1抑制剂）等药物，以及Binimetinib + Pacritinib的协同组合。在MOLM-13细胞系中，这个组合确实表现出强协同效应。
11个开放生物医学问题的专家盲评中，Co-Scientist在新颖性、影响力和整体偏好上都拿到了最高分。
肝纤维化
Stanford医学院Peltz实验室用Co-Scientist找到了Vorinostat——一种FDA已批准的抗癌药——的老药新用可能。肝类器官实验中，这个药把TGFβ诱导的染色质结构变化减少了91%。这个结果已经发表在Advanced Science上。
抗生素耐药性
Co-Scientist用了两天计算时间，复现了帝国理工Fleming实验室一个尚未发表的细菌基因转移机制。也就是说，AI独立推导出了人类研究者还没公开的发现。
其他验证
四、Robin：另一个AI科学家，走了不同的路
同一天Nature发表的Robin来自FutureHouse，这个非营利AI实验室由前Google CEO Eric Schmidt投资。
Robin的闭环能力
Robin和Co-Scientist最大的区别在于：Robin不只是提假说，它还能设计实验、分析数据、迭代优化。
| Crow | |
| Falcon | |
| Finch |
干性黄斑变性（dAMD）
Robin以dAMD为起点，发现青光眼药物Ripasudil可能通过增强RPE吞噬功能来治疗dAMD——这个用途之前没人提过。后续RNA-seq分析还发现了ABCA1作为新的机制靶点。
整个工作流（分析约825篇参考文献）只花了约30分钟，而人类专家估计需要800+小时。
一个关键对比
FutureHouse做了一个实验：用OpenAI的o4-mini替换Crow做文献检索，幻觉引用的比例从0%飙升到45%。这说明专门针对科学文献优化的检索工具，和通用大模型之间差距很大。
五、ERA：第三个AI系统，专攻"计算发现"
ERA（Empirical Research Assistance）走的是第三条路：用树搜索框架自动重写和优化科学软件。
几个硬核结果：
Gemini for Science三件套
Google I/O 2026上，DeepMind把这三个系统打包成了Gemini for Science：
| Hypothesis Generation | ||
| Computational Discovery | ||
| Literature Insights |
底层还有一个Science Skills数据层，连接了30+个生命科学数据库（UniProt、AlphaFold DB、AlphaGenome API等），已经在GitHub开源。
六、冷静思考：AI科学家离"独立做研究"还有多远？
Nature那篇社论的标题说得很直白：AI不能没有人类。几个现实问题：
| 只验证了"较容易的部分" | |
| 老药新用≠新药设计 | |
| 药物开发大部分失败在临床 | |
| 幻觉问题没完全解决 |
企业端倒是跑得很快：第一制药（Daiichi Sankyo）、拜耳作物科学、美国国家实验室已经进入内测。Stanford、MIT、Cambridge、Edinburgh、Calico等实验室也在用。
七、对科研工作者的启示
如何申请使用
AI+科研的三个前沿方向
八、总结
参考文献
本期就介绍到这里啦！持续更新ING~
整理不易，期待您的点赞、分享、转发...
往期精彩推荐
更多合集推荐
我知道你
在看
哦
