探索未来发现之旅，尽在 Google Antigravity 的全新科学技能以及 Google Labs 的三款实验性工具。这些工具旨在加速科学方法的核心步骤，由 Co-Scientist、AlphaEvolve、Empirical Research Assistance 和 NotebookLM 共同构建。
几个世纪以来，科学方法一直是人类进步最强大的引擎。在 Google，我们的使命深深植根于构建工具来加速这一进程。我们相信，一个全新的发现时代不会来自狭隘、专门的模型，而是来自能够赋能所有科学领域研究人员的通用智能体。
正因如此，我们推出了 Gemini for Science，这是一套旨在拓展科学探索规模与精度的科学工具与实验集合。
人类创造力的倍增器
当今科学面临一个悖论：我们的集体知识增长如此之快，以至于单个科学家越来越难以看清全貌。科学突破往往依赖于在数据之间建立创造性的联系，但手动完成这项工作所需的时间可能长达数周甚至数月。AI 可以通过处理复杂任务来帮助消除这一瓶颈，并成为科学工作的倍增器。这使得研究人员能够专注于识别和攻克那些能推动进步的最具影响力的科学问题与方向。
Google Labs 上的 Gemini for Science 实验性工具包含三个主要原型，用于处理此类任务。
- 假设生成，由 Co-Scientist 构建：构思是科学的心脏，但没有人能综合每年发表的数百万篇论文。假设生成通过模拟科学方法弥合了这一差距：它与研究人员合作定义研究挑战，然后使用多智能体“创意锦标赛”来生成、辩论和评估假设。为确保绝对严谨，各项主张都经过深度验证，并附有可点击的引用来源作为支撑。
- 计算发现，基于 AlphaEvolve 和 ERA（实证研究辅助）构建：科学进步常常受限于我们能够通过计算实验实际检验的假设数量。计算发现是一个智能体研究引擎，它通过并行生成并评分数千个代码变体来解决这一问题。这使得科学家能够测试新颖的建模方法——例如在太阳预测或流行病学等复杂领域——而这些方法若手动探索将耗时数月。
- 文献洞察，基于 Google NotebookLM 构建：理解科学文献是所有研究历程的核心环节。文献洞察功能可搜索科学文献，并将结果整理成带有可自定义、可搜索属性的表格，以便进行并排分析。研究人员可以通过聊天功能，在其精选语料库的基础上挖掘细微差别，并创建高保真度的成果，例如报告、幻灯片、信息图以及音频和视频概览。借助 NotebookLM 的强大能力，文献洞察有助于综合多篇论文的发现，识别研究空白，并发现潜在的机会领域。
从今天起，我们将逐步开放这些实验的访问权限。请访问 labs.google/science 登记您的兴趣。
除了这些独立的实验，我们还通过 Google Cloud 将这些先进的 AI 能力带给企业组织。我们面向科学和工业研发的企业级解决方案，已在私人预览阶段被一系列合作伙伴用于推动实际影响。像 BASF 这样的公司正在使用 AlphaEvolve 优化其供应链，而 Klarna 则利用它来增强其机器学习模型。与此同时，Daiichi Sankyo、Bayer Crop Science 以及美国国家实验室（作为美国能源部 Genesis 任务的一部分）等组织，正在使用 Co-Scientist 加速其研究并应对基础科学挑战。这些企业级工具在当前预览阶段已展现出显著价值。我们对合作伙伴正在取得的突破感到兴奋，并期待在未来几个月内让更多组织能够使用这些工具。
基于这些及其他工具，已有数篇验证论文发表。ERA 与 Co-Scientist 的研究论文今日发表于《自然》期刊。
桌面上的科学工作台
作为 Gemini for Science 的一部分，我们还推出了 Science Skills，这是一个专业功能包，整合了包括 UniProt、AlphaFold 数据库、AlphaGenome API 和 InterPro 在内的 30 多个主要生命科学数据库与工具中的见解。在 Google Antigravity 等智能体平台上使用这些技能，研究人员可以在几分钟内完成通常需要数小时的结构生物信息学和基因组分析等复杂且往往需要手动操作的工作流程。
我们的研究团队在实际使用中已经体验到了这种速度提升。在早期测试中，团队利用 Science Skills 在几分钟内完成了一项通常需要数小时的复杂分析。这为 AK2 基因突变导致的一种罕见遗传病的潜在机制带来了新的见解。
要了解如何在 Google Antigravity 中使用 Science Skills，请访问 antigravity.google/use-cases/science。
与科学界的协作努力
我们负责任地开发和部署科学工具的承诺始于科学生态系统。我们正在与超过 100 家机构合作——包括与斯坦福大学合作肝纤维化研究，与帝国理工学院合作抗菌素耐药性研究，以及与弗朗西斯·克里克研究所开展多年合作——以验证我们的新系统和工具。为确保 AI 生成见解的完整性，我们建立了一个可信测试者社区——成员从博士生到行业研究员再到诺贝尔奖得主——用复杂的现实世界挑战对我们的系统进行压力测试。
此外，我们还与 ICML、STOC 和 NeurIPS 等顶级科学会议合作开展了专门的试点项目，以开发用于智能体同行评审和科学验证的前沿工具，例如我们的实验性论文助手工具（PAT）和 ScholarPeer。
所有这些工作都建立在人工智能长期发展的基础之上。我们的专用 AI 模型已经在加速进步：AlphaFold 已帮助超过 300 万研究人员攻克疟疾疫苗和塑料降解酶；AlphaGenome 则助力科学家识别疾病驱动因素。这些成果与研究人员日常使用的工具并存——从 Google Scholar 和 Earth Engine，到 Colab、MedGemma、Earth AI 以及 Gemini Deep Research。随着我们最新发布的 Gemini Deep Think，我们持续提升核心模型在复杂科学任务上的能力。这些工具共同已成为科学生态系统中不可或缺的组成部分，帮助研究人员大规模地组织信息并执行复杂数据分析。
在我们共同探索智能体式研究的未来之际，我们将继续致力于实现一个人工智能加速科学进步、帮助解决最紧迫社会挑战的未来。