DeepMind把“灵感”交给AI：Co-Scientist正在重写科学发现的速度

如果一个提示，就能调动“50名科学家”为你工作一天，会发生什么？DeepMind最新展示的 Co-Scientist，不是帮你写论文，而是直接生成可验证的新科学假设，把原本需要数月甚至数年的探索，压缩到几天之内。

科学最大的敌人，不是无知，而是时间

视频一开始并没有谈模型，而是谈一种“焦虑”。科学家想创造新知识，但现实是：知识增长的速度，早已超过任何个人的极限。Omar Abudayyeh 说，他的浏览器里永远开着上百篇论文，因为“站在前沿所需掌握的知识量，每两个月就翻一倍”。在生物医学领域，这种压力更残酷：已知罕见病超过1.7万种，真正有治疗方案的不到5%。失败是常态，而时间却是病人最奢侈不起的东西。慢，不只是效率问题，而是生死问题。正是在这种背景下，DeepMind提出了一个激进的问题：如果科学的‘时钟速度’能被AI拉快，会发生什么？

Co-Scientist不是模型，而是一支不会疲倦的研究团队

Demis Hassabis给Co-Scientist的定义很直接：它是“发现新洞见的引擎”。但真正反直觉的地方在于，它并不是一个单一的大语言模型，而是一个多智能体系统。不同AI代理分工协作：有的负责全球范围扫文献，有的生成和演化假设，有的比较、筛选和排名想法，还有的在对比中抽取新知识。这种结构，刻意模仿真实科研团队的工作方式。Pushmeet Kohli强调，这是‘由科学家为科学家打造’的系统，目标不是写得像论文，而是做出科学上严谨、结构化的推理。更重要的是，它能把原本互不相干的领域强行连接在一起——而突破，往往就藏在这些交叉点里。

一个提示，换来几年的研究时间

真正让人“从椅子上掉下来”的，是实验者的反馈。一位研究者抱着怀疑态度输入提示：如何从表观基因组角度理解肝纤维化？可能的药物是什么？结果，Co-Scientist连续运行了数天，测试了上千个假设，阅读了数万篇论文，把原本需要数月的工作压缩到一两天。系统给出的某个假设，甚至找不到明显漏洞，让他只想立刻回实验室验证。更夸张的是，这些并非空谈——已经有基于这些想法的新发现发表，更多成果还在路上。研究者形容，这就像‘用一个提示，部署了50个科学家’，而且任何人都能做到。

从“登月计划”到“临床现实”，AI正在改写科学分工

DeepMind反复强调，他们的目标不是取代科学家，而是给他们‘超能力’。最优秀的人类研究者，配合这种工具，可能会打开此前根本无法想象的探索空间。这种变化的深层意义在于：科学工作的重心正在迁移。人类不再被海量文献淹没，而是把精力更多放在提出好问题、设计关键实验和做最终判断上。假设生成、交叉检索、初步筛选，这些过去极度耗时的环节，正在被系统性地自动化。科学，第一次有机会真正按“软件速度”迭代。

总结

Co-Scientist最值得AI从业者警惕的一点是：它展示了大模型应用的下一站，并不在更会聊天，而在更会“协作”。多智能体、长期运行、面向真实高价值目标，是这套系统的核心。对你来说，启发也很直接：未来真正有壁垒的AI应用，可能不是单点能力，而是能否构建一整套替人“消耗时间”的系统。问题是，当假设生成的成本趋近于零，你准备好用什么能力，去接住这些机会了吗？

关键词： Co-Scientist， Google DeepMind， AI Agent， 大语言模型， 科学发现

事实核查备注： 需要核查：1）‘知识量每两个月翻一倍’的具体来源；2）已知罕见病数量约17，080种及约5%有治疗方案；3）Co-Scientist是否已有基于其假设发表的论文；4）Demis Hassabis与Pushmeet Kohli的原话表述准确性；5）视频发布时间为2026-05-19。