谷歌在科学领域再推重磅创新，于同日发表两篇《自然》论文，并上线“Gemini for Science”工具集，将AI深度融入科研核心环节。此次发布的两大系统——经验性研究助手ERA与AI合作科学家Co-Scientist，分别针对计算实验软件编写与科研假设生成两大耗时环节，试图重构传统科研流程。
ERA系统基于大语言模型与树搜索技术，旨在自动生成专家级科学软件。在生物信息学领域，该系统独立发现40种单细胞数据分析新方法，在公开榜单中超越所有人类提交方案；流行病学方向，其构建的14个传染病住院预测模型均优于美国疾控中心集成模型。系统通过吸收外部研究思路，可组合出创新解法，覆盖地理空间分析、斑马鱼神经活动预测等跨学科场景。
Co-Scientist采用多智能体架构，通过“点子锦标赛”机制实现假设的持续迭代。多个智能体生成假设后，经辩论、批判与细化环节，配合测试时计算扩展技术，使假设质量随计算量增加而提升。在药物再利用、新靶点发现等生物医学场景中，该系统提出的急性髓系白血病治疗方案已通过斯坦福医学院体外实验验证。
为验证系统可靠性，谷歌与全球100余家机构展开合作，包括斯坦福大学、帝国理工学院、克里克研究所及美国国家实验室等。研究团队组建由博士生至诺贝尔奖得主构成的“可信测试者”社区，在真实科研场景中检验系统性能。同时，谷歌与ICML、STOC、NeurIPS等学术会议试点同行评审辅助工具，试图将AI建议纳入科学可信度基础设施。
除论文支撑外，谷歌同步开放三个实验室原型，对应科学方法三大环节：假设生成环节依托Co-Scientist实现多智能体协作；计算发现环节结合AlphaEvolve与ERA，通过并行生成数千代码变体压缩建模周期，太阳能预测与流行病学成为首批应用场景；文献洞察环节则由NotebookLM提供结构化文献分析，支持报告、幻灯片等衍生内容生成。
针对复杂工业场景，谷歌与化工巨头巴斯夫合作解决供应链优化难题。面对180个生产基地、5000余条价值链构成的全球网络，AlphaEvolve通过分析三年历史数据，自动提炼出生产整合、动态安全库存等三条核心规则，使模型准确率提升超80%。该成果将扩展至巴斯夫全球生产网络，作为情景预测基础。
在生命科学工具链方面，谷歌推出集成30余个数据库的Science Skills平台，覆盖UniProt、AlphaFold Database等资源。通过自然语言指令，研究人员可在分钟级完成AK2基因相关罕见病分析流程——该任务传统方法需数小时。平台运行于谷歌Antigravity智能体架构，实现多数据库链路拼接。
