谷歌发布Gemini for Science

2026年5月20日，谷歌I/O开发者大会上，谷歌正式推出Gemini for Science——一款专门面向科研场景的AI模型。这不是又一个能帮你查文献的聊天机器人，而是谷歌试图让AI真正参与科学发现本身的一次系统性尝试。

Gemini for Science基于万亿级参数的多模态架构搭建，训练数据覆盖全球3000多家科研机构的公开数据集，包括1.2亿条蛋白质结构数据、5000万条单细胞测序数据和200万条药物分子数据。它接入了arXiv、PubMed、蛋白质数据库（PDB）等12个主流科研数据库，能实时更新近10年的学术文献。科研人员输入关键词后，模型可在30秒内生成一份结构化综述，核心结论、实验方法、数据支撑一应俱全。

更硬核的是它的代码生成能力。Gemini for Science支持Python、TensorFlow、PyMOL等15种科研工具，针对分子动力学模拟的代码生成准确率达到85%，能把手动编码的时间压缩七成左右。而在假设生成模块，基于基因组、蛋白质组、代谢组等多组学数据，模型能自动提出3到5个潜在研究方向。在类风湿关节炎的自身抗体靶点研究中，它已经识别出了2个此前从未被报道过的蛋白相互作用位点。

但真正让全场震动的，是它的"模拟人工智能"技术。Gemini for Science目前已能实现纳米级空间分辨率和微秒级时间分辨率的细胞内分子动态模拟，效率比传统工具高出100倍以上。谷歌透露，这项技术正在非小细胞肺癌转移机制研究中投入使用，通过模拟肿瘤细胞与免疫细胞的相互作用来识别潜在治疗靶点。

这不是停留在PPT上的概念。谷歌目前推进的临床前项目已经覆盖类风湿关节炎和非小细胞肺癌两大领域。其中针对PD-1抑制剂耐药性的研究，已筛选出2个联合治疗靶点，进入了细胞实验阶段。按照谷歌的测算，虚拟细胞模拟技术可减少动物实验数量约40%，缩短临床前周期30%以上，降低研发成本15%到20%。

这次发布的背后，是谷歌首次将Gemini、AlphaEvolve、NotebookLM、Co-Scientist等能力整合为一套完整的科研AI工作流，并推出了三项实验性工具。其中最受关注的是Hypothesis Generation，底层来自谷歌此前披露的Co-Scientist多智能体系统。传统大模型是你问它答，但Co-Scientist的逻辑完全不同——用户输入研究主题后，系统会生成多个不同角色的AI Agent，通过类似"组会讨论"的方式协作：提出假设、相互批判辩论、引用文献证据、对方案排序评估。谷歌把这套机制叫做"Idea Tournament"，本质上是在模拟科研中的同行评审过程。

另一项工具Computational Discovery基于AlphaEvolve与ERA构建，能并行生成并评估数千种代码变体，让AI自动进行"计算实验"。ERA已经产出了8篇科学论文，包括美国CDC排行榜前列的流感与新冠住院预测模型、加州融雪径流预报等。第三项工具Literature Insights则建立在NotebookLM能力之上，能从海量文献中检索、整理、横向比较研究结论，并输出结构化分析结果，甚至生成报告、幻灯片和音视频摘要。

谷歌在发布会上说了一句很直白的话：全球每年新增数百万篇学术论文，研究成果分散在不同数据库、代码仓库与实验记录中，研究者越来越难以完整跟踪领域进展。科学知识在以前所未有的速度增长，但人类处理信息的能力并没有同步提升。AI for Science的机会，就在这个矛盾里。

从AlphaFold预测蛋白质结构，到如今Gemini for Science贯穿科研全流程，谷歌正在把AI从"科研工具"推向"科研协作者"的位置。它还不是AI科学家，但已经比任何时候都更接近了。

• 谷歌 谷歌 关注

  关注

  27

  文章

  6271

  浏览量

  112158