5月19日，谷歌在Google I/O大会窗口期，同日发表两篇Nature论文，并同步上线Gemini for Science工具集。这一动作释放出明确信号：谷歌正通过顶级同行评审为AI科学工具链背书，继AlphaFold之后，再次将AI能力系统性地嵌入科研流程。第一篇论文介绍ERA（经验性研究助手），这是一套由大语言模型加树搜索驱动的系统，目标是为科学家自动编写用于计算实验的专家级软件。ERA在Nature论文中交出了亮眼成绩单：在生物信息学方向，它独立发现了40种新的单细胞数据分析方法，在公开榜单上超越所有人类提交的方法；在流行病学方向，ERA在传染病住院数预测任务中产出了14个独立模型，全部超过美国CDC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和数值积分等场景，所有实验均可复现。第二篇论文介绍Co-Scientist（AI合作科学家），这是一套基于Gemini的多智能体系统，核心机制是“点子锦标赛”——多个智能体之间持续生成、辩论、批判和细化假设，并通过测试时计算扩展（test-time compute scaling）提升假设质量。论文重点验证了三个生物医学场景：药物再利用、新靶点发现和抗微生物耐药机制解释。其中，针对急性髓系白血病（AML）的药物再利用候选和协同组合疗法，已在斯坦福医学院研究者的体外实验中得到验证。谷歌官方表示，已与100多家机构合作验证这些新系统，包括斯坦福大学、帝国理工学院、克里克研究所、美国国家实验室等，并建立了由博士生、产业研究员和诺奖得主组成的“可信测试者”社区。同时，谷歌还开放了三个Labs实验原型，对应科学方法的三个核心环节：假设生成（基于Co-Scientist）、计算发现（基于AlphaEvolve加ERA）和实验辅助。这些原型将科学探索中最耗时的两个环节——编写计算实验软件和生成可验证假设——压缩到AI驱动的自动化流程中。对于AI从业者和科研人员而言，这意味着谷歌正在将AI从辅助工具升级为科研协作者。未来，科学家可以更专注于提出问题和设计实验，而将重复性的软件编写和假设筛选工作交给AI。建议密切关注Gemini for Science工具集的开放进度，并尝试在自身研究领域引入这些系统，以缩短从假设到验证的周期。随着更多机构参与验证，这类AI驱动的科学发现模式有望成为新的研究范式。