（AI 资源之家讯）继 Google I/O 2026 大会发布 Gemini for Science 工具集后，谷歌于 5 月 23 日同步在《Nature》发表两篇重磅论文，正式宣告 AI 科研工具从辅助角色向协作伙伴的跃迁。论文一提出 ERA（经验性研究助手）系统，在生物信息学榜单上独立发现 40 种单细胞数据分析新方法，超越所有人类提交方案；论文二展示 Co-Scientist（AI 合作科学家）的多智能体假设生成系统，其提出的急性髓系白血病治疗方案已通过斯坦福医学院体外实验验证。
ERA：让 AI 替科学家写代码
科研工作中最耗时的环节之一是编写计算实验软件。ERA 系统基于大语言模型加树搜索技术，能够自动生成专家级科学软件。在生物信息学领域，ERA 独立发现 40 种单细胞数据分析新方法，在公开排行榜上超越所有人类提交的方案。在流行病学领域，ERA 构建的 14 个传染病住院预测模型均优于美国疾控中心的集成模型。此外，ERA 还覆盖了地理空间分析、斑马鱼神经活动预测等跨学科场景，展现出极强的通用性。
Co-Scientist：AI 科学家的点子锦标赛
Co-Scientist 采用多智能体协作架构，通过点子锦标赛机制持续迭代科研假设。多个 AI 智能体分别生成假设后，经过辩论、批判和细化环节不断优化。在药物再利用和新靶点发现等生物医学领域，Co-Scientist 展现出显著的假设生成能力。目前谷歌已与全球 100 余家机构合作验证该系统，包括斯坦福大学、帝国理工学院、克里克研究所和美国国家实验室等顶级科研机构，并组建了从博士生到诺贝尔奖得主构成的可信测试者社区。
AlphaEvolve 与巴斯夫的工业级验证
除了两大科研系统，Gemini for Science 中的 AlphaEvolve 已在工业场景中得到验证。与化工巨头巴斯夫合作中，AlphaEvolve 面对 180 个生产基地、5000 余条价值链构成的全球网络，通过分析三年历史数据，自动提炼出生产整合和动态安全库存三条核心规则，使模型准确率提升超 80%。这一成果将扩展至巴斯夫全球生产网络。
AI 科研进入平台化时代
配套的 Science Skills 平台集成了 30 余个数据库（含 UniProt、AlphaFold Database 等），支持自然语言指令操作。在 AK2 基因相关罕见病分析中，传统方法需要数小时完成的任务，平台可在分钟级内完成。谷歌此次以论文加工具集加平台的组合拳出击，标志着 AI 科研正在从单点突破走向系统化赋能。正如 AI 资源之家此前观察，2026 年 AI 的竞争主战场正在从对话能力转向专业领域的深度应用，而科研领域无疑是其中最具战略意义的赛道之一。
