维度网讯，美国谷歌DeepMind近日在Google I/O 2026期间推出Gemini for Science。该工具集面向科研人员，整合Google Labs实验工具和Google Antigravity中的科学技能，目标是把AI用于假设生成、计算发现、文献分析和生命科学工具调用。

Gemini for Science的定位，不是给普通用户提供医疗建议，而是为科研流程提供一组实验性AI工具。谷歌官方介绍称，现代科研面临一个矛盾：论文、数据库和实验结果增长过快，单个研究人员很难手动梳理全局，很多突破依赖跨文献、跨数据和跨模型的复杂连接。Gemini for Science试图让AI代理承担其中一部分高耗时任务，例如协助定义研究问题、生成可测试假设、并行测试大量代码变体、整理科学文献表格和生成研究报告。相比单一聊天模型，这一工具集更接近“科研工作台”：它把Gemini的深度推理能力、Deep Think、Deep Research、Co-Scientist、AlphaEvolve、经验研究辅助能力和NotebookLM等工具组合起来，并通过Science Skills让Google Antigravity连接30余个主要生命科学数据库和工具。

官方页面列出的三类实验工具分别是Hypothesis Generation、Computational Discovery和Literature Insights。前者通过多智能体“想法竞赛”生成、辩论和评估科学假设;第二类用于并行生成和评分代码变体;第三类则面向文献检索、结构化对比和研究材料生成。

疾病研究是此次发布中最受关注的方向。Google I/O 2026主题演讲中，Google DeepMind首席执行官Demis Hassabis把Gemini for Science放在药物发现和疾病研究语境下介绍，并提出希望重新构想药物发现流程，长期目标是有一天帮助“解决所有疾病”。这一说法迅速引发外界讨论，因为公众容易把“AI加速科研”理解成“AI很快治愈所有疾病”。The Verge在5月20日的评论中提醒，Gemini for Science、AlphaFold、AlphaGenome等工具确实可能缩短研究周期，但它们不能跳过动物实验、临床试验、监管审评、伦理验证、数据偏差治理和真实世界可及性等环节;即便AI最终帮助解决大部分疾病，这一路径也更可能至少需要20年，甚至更久。

谷歌展示的案例集中在研究加速而非临床承诺。Gemini for Science官网提到，这些工具已经用于多个真实科研方向，包括剑桥大学Ben Luisi实验室利用AI工具组合研究抗微生物耐药问题，以及杜克大学Wang Lab使用Deep Think模式优化二维半导体晶体生长工艺。官方还将Co-Scientist列为促进科学假设生成的工具，把AlphaFold和AlphaGenome放在生命科学发现链条中：前者帮助研究人员理解蛋白质结构，后者用于预测人类DNA序列突变影响。对制药、医疗和生命科学机构而言，这些工具的直接作用是提高研究设计、文献吸收、模型测试和候选方向筛选效率，而不是直接替代药物开发的完整验证体系。

美国谷歌DeepMind推出Gemini for Science，说明AI科研工具正在从“回答科学问题”走向“嵌入科研流程”。疾病研究可能是最能体现其长期价值的领域，但“解决所有疾病”仍应理解为远期科学愿景;真正可观察的近期变化，是科研人员能否借助AI更快提出假设、检索证据、设计计算实验，并把发现转化为可验证的实验计划。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com