📖《硅谷AI商业拆解》

Episode F043

AI 正在从科研助手，变成科研工作台

Hook

过去，科研人员使用 AI，主要做三件事：

查论文、总结资料、写代码。

本质上，AI 只是一个更聪明的科研助手。但现在，这个角色正在发生变化。

AI 开始提出假设、设计研究方案、运行计算、分析结果，甚至同时调动多个 Agent 反复验证一个科学问题。

科研人员面对的不再只是一个聊天框，而是一套正在形成的科研工作台。

Why Now

Anthropic 在 2026 年把 Science 单独发展成重要方向，并陆续公布 Claude 在生物信息学、化学、科学计算等场景中的 Agent 实践。Anthropic 表示，研究人员已经开始构建远超文献综述和 Coding Assistant 的科研系统。

Google 的方向更进一步。

它推出的 AI co-scientist 本身就是一个多 Agent 科研系统：科学家给出研究目标之后，不同 Agent 可以分别负责生成、反思、排名、演化和评审研究假设，再不断迭代。Google 已经在药物再利用、肝纤维化和抗菌药物耐药等研究中测试这套系统。

科研 AI 正在从：

帮科学家处理信息

进入：

参与科学研究流程。

Silicon Valley Evidence

Anthropic：Claude 开始进入真正的科研流程

Anthropic 2026 年公布的科研案例显示，科学家已经不只是让 Claude 总结论文。

一些团队开始让它处理计算生物学、蛋白质研究和长时间科学计算任务，并围绕 Claude 构建专门的科研 Agent。

真正变化的是：

AI 开始从一个工具，进入科研工作流。

Google：AI 开始提出科学假设

Google 的 AI co-scientist 更接近一个虚拟科研团队。

它由多个专门 Agent 组成，可以围绕一个研究目标：生成假设，寻找证据，相互批评，重新排序，继续迭代。

在早期实验中，它提出的部分药物再利用候选方案，后来经过实验验证显示出潜力。

AI 不再只是整理人类已经知道的知识，它开始帮助科学家探索还不知道的答案。

Google：从提出假设继续走向验证假设

Google 还在开发由 Gemini 驱动的 empirical software，让 AI 帮助科学家编写用于验证和迭代科学假设的软件。

Google 对未来的描述很明确：科学家可以同时探索数百甚至数千种潜在方案。

这意味着 AI 正逐渐覆盖：

文献 → 假设 → 实验设计 → 计算 → 验证。

这已经不是一个单点工具，而是一套科研基础设施。

Business Analysis

为什么科研特别适合 Agent 化？

因为现代科研最大的瓶颈之一，已经不是缺少信息。

而是：

信息太多，而人的时间太少。

每天都有大量论文发表。

数据库越来越庞大。

跨学科知识越来越复杂。

一个研究人员不可能同时阅读所有论文、测试所有假设、运行所有实验。

Agent 改变的正是这个约束。

过去，一名科学家一次只能深入探索有限的研究路径。

未来，他可能同时管理几十甚至几百条 AI 生成的研究路径，再把自己的时间投入最值得验证的方向。

因此，AI 对科研真正重要的影响，不只是提高效率，而是改变科研的搜索空间。

过去受制于人的时间，很多假设根本不会被尝试。Agent 可以把这些低成本地展开、比较、淘汰。

但这里也有一个不能忽视的边界。科研不是写文章。一个看起来合理的答案，并不等于科学发现。

Anthropic 最近在生物数据研究中就发现，即使最强模型，在可靠提取科研数据时仍可能达不到要求；加入确定性的检索工具后，准确率才显著提高。

所以科研 Agent 真正的价值，不是替科学家宣布答案。而是：

扩大探索，缩短验证，把科学家的判断力放到最重要的位置。

未来真正有价值的科研 AI，也不会只是一个更懂科学的模型，而是一套连接论文、数据库、代码、实验工具和验证机制的科研工作平台。

Action

创业者

如果进入 Science AI，不要只做”科研版 ChatGPT”。

真正的机会在于连接科研流程中的具体环节：

数据、计算、实验、验证和协作。

产品经理

科研产品最重要的指标不能只是答案质量。

更重要的是：

结果能否追溯？

证据能否验证？

工具调用是否可靠？

科研场景里，可信度本身就是产品能力。

一人公司

这个趋势也值得非科研创业者观察。

因为科研正在提前展示 Agent 的下一种形态：

不是一个 AI 帮你做事，

而是一个人管理一整套 AI 工作系统。

这套模式最终会进入越来越多专业行业。

Core Judgment

科研 AI 正在从单点辅助工具，升级为覆盖假设、计算、验证与协作的 Agent 化科研工作台。

Next Episode

但科研也暴露出了垂直 Agent 最大的问题。

一个通用模型再聪明，进入真实行业之后，仍然必须理解这个行业独有的数据、流程、规则和验证标准。

这意味着，真正的行业 AI 产品，不能只是给通用模型换一个界面。

下一篇，我们继续讨论：

F044｜AI 产品为什么必须为行业重新设计。

References

• Anthropic Science⁠ — Science / Agent research
• Anthropic：How scientists are using Claude to accelerate research and discovery⁠— Official
• Google Research：Accelerating scientific breakthroughs with an AI co-scientist⁠— Official Research
• Google Research 2025：Bolder breakthroughs, bigger impact⁠— Official Research

#硅谷AI商业拆解 #科研AI #ScienceAI #AIAgent #科研Agent #AI科研 #GoogleDeepMind #Anthropic #AI创业 #垂直AI