Nature刊发２套AI「科研助手」孪生系统，可设计并解析真实实验
Google DeepMind的Co-Scientist与FutureHouse的Robin于本周同步完成同行评审，２者针对白血病、黄斑变性筛选出候选药物，且相关结果均通过实验室实操验证。
#Nature #CoScientist #Robin #多智能体 #AI科研助手 #生物医药 #湿实验验证 #药物筛选 #老药重定位 #假说生成 #实验设计 #数据分析 #文献挖掘 #大语言模型 #Gemini #OpenAI #急性髓系白血病 #干性黄斑变性 #肝纤维化 #抗生素耐药 #AI药物研发 #同行评审 #科研范式 #研究偏见
本周Nature刊发２套可服务于科研全流程的AI系统：生成研究假说、设计实验、数据分析。这也是迄今为止最具说服力的同行评审证据，证明大语言模型智能体能够产出具备实验室实操验证价值的研究思路。
２套系统彼此独立研发：Google DeepMind推出Co-Scientist，FutureHouse（现已更名为Edison Scientific）开发Robin。２者均在2025年初发布预印本，本次正式发表于Nature，新增了更多拓展实验验证内容。
研究核心结果
Co-Scientist是依托Gemini搭建的通用多智能体系统，以自然语言指令驱动运行。该系统针对急性髓系白血病提出全新候选药物与联合治疗方案，挖掘肝纤维化药物靶点，阐明抗生素耐药性背后的遗传机制；其中１项关于细菌基因转移的未发表假说，与相关课题组耗时10年敲定的结论高度吻合。
Robin可统筹调度OpenAI、Anthropic旗下多款模型，助力研究人员找到干性年龄相关性黄斑变性的潜在治疗方案：锁定视网膜细胞内可调控的生理通路，并提出１款从未被用于该疾病研究的候选药物，湿实验验证了该作用通路真实有效。
定位：仅作辅助，不替代作者
２个研发团队均明确界定，此类系统仅起辅助作用，无法替代科研人员：由人工筛选待验证假说、执行实验、解读特殊个案结果。２篇论文的核心价值在于整套工作流程：多智能体生成假说、内部互评分级、依托文献锚定依据，最终产出的假说经生物学实验核验，有效率远高于随机猜想。
配套评论文章援引学界批评观点，指出１类不易察觉的弊端：过度依赖AI生成假说会形成信息闭环，只会循环复用现有文献里固有的研究偏向，难以产出真正原创的发现。２套系统均仅检索已公开发表的文献，无法直接观测真实生物体系。
行业研发竞争背景
本次论文发表正值AI赋能科研领域成果集中产出期：Anthropic上线搭载罕见病药物研发项目的Claude Science工作台，Sakana的AI Scientist完成同行评审，NatureBench等基准测试项目正致力于量化智能体的科研能力。Nature正式刊发代表该成果获得权威学术背书，科研界的核心问题已不再是AI科研智能体能否完成演示级任务，而是实验室该如何适配单条假说成本极低的智能生成引擎重构科研架构，以及同行评审体系如何应对假说产出速度远超实验室验证效率的现状。
详细总结
思维导图
基础资讯信息
2套AI系统核心基础信息对比
参考
[0] Nature Publishes Twin AI 'Research Assistant' Systems That Design and Interpret Real Experiments
https://lanceum.com/research/co-scientist-robin-nature-ai-agents
[1] Nature. 2026 Jul;655(8122):487-496. doi: 10.1038/s41586-026-10644-y.
Accelerating scientific discovery with Co-Scientist
[2] Nature. 2026 Jul;655(8122):497-505. doi: 10.1038/s41586-026-10652-y.
A multi-agent system for automating scientific discovery
注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。
