哪一种“AI 科学家”适合你的实验室？给困惑者的一份指南
Claude Science 等面向科学研究的通用人工智能工具承诺能够加速研究。但哪一种适合你？
作者：Ewen Callaway
一只手拿着智能手机的特写画面，屏幕上显示 Claude 标志，背景中有一个无定形的思考者头部图形。
Anthropic 于 2026年6 月发布了 Claude Science。它加入了面向研究人员的众多其他人工智能工具之列。
2010 年，美国加利福尼亚州斯坦福大学的遗传学家兼心脏病学家 Euan Ashley 领导完成了首个人类基因组临床分析，其由 31 名科学家组成的团队耗时九个月才完成这项工作¹。
本周，Ashley 度假归来整理行李时，让由美国加利福尼亚州旧金山的 Anthropic 开发的人工智能工具 Claude 按照同样的标准分析他本人的基因组。
这项分析耗时 30 分钟，并正确识别出一个阿尔茨海默病风险等位基因，以及影响药物代谢的基因变异。Ashley 曾在 2012 年分析过自己的基因组，但没有发表结果。“无论从任何角度看，这都极其非凡。”Ashley 在 LinkedIn 的一篇帖子中写道。
6 月 30 日（2026），Anthropic 发布了一个名为 Claude Science 的平台，其设计明确以生物学研究为重点。这款工具加入了由科技企业和学术实验室开发的一大批面向科学研究的通用人工智能工具之列，其数量足以组成一个部门。其他工具包括旧金山 OpenAI 推出的产品，以及美国加利福尼亚州山景城 Google DeepMind 推出的 Co-Scientist。另一个工具是由学术研究人员开发的开源工具 Biomni，该工具于昨日发表在《Science》上的一篇论文中得到介绍²。研究人员表示，还有许多其他工具。
“过去通常需要我花费数小时的工作，现在只需几分钟。我确实可以把时间用在那些需要人类参与的科学研究上。”论文合著者 Yuanhao Qu 说。他是美国加利福尼亚州南旧金山初创企业 Phylo 的联合创始人兼总裁。
l 这些工具是什么？科学家如何使用它们？
这些工具有时被称为“AI 科学家”，其基础是为聊天机器人提供支持的大语言模型，可以协助科学家完成文献综述、数据分析、图表生成和论文准备等任务。它们是智能体式人工智能的一种形式。在这种形式中，请求会被分解为多个步骤，而这些步骤往往涉及调用外部软件系统。
这些科学智能体不同于 AlphaFold 蛋白质结构预测模型等更加专业化的研究工具，但它们可以调用专用模型。例如，总部位于伦敦的 Boltz 公司联合创始人兼首席执行官 Gabriele Corso 及其团队，要求一个 Claude 智能体利用该公司的开源蛋白质折叠预测与设计人工智能工具，设计一种能够识别两个治疗靶点的抗体。
l AI“科学家”加入了这些研究团队：结果如何
该人工智能的输出与蛋白质设计人员的直觉相符。Corso 的团队没有通过实验验证这些设计，但他表示，其他由人工智能智能体设计的抗体已经得到了实验验证。Boltz 的工具属于 Claude Science 和其他 AI 科学家能够交互调用的数十种专业软件系统。
英国剑桥大学免疫学家 Clare Bryant 是 Co-Scientist 的早期使用者。该工具会挖掘科学文献和其他信息来源，以提出科学假设。Bryant 当时正在研究针对人畜共患病原体的免疫反应，她向该工具提供了一份基金申请书和其他数据。
它生成的一些设想无法实施，但另一些则恰好属于她实验室的专长范围。她的团队目前正在检验 Co-Scientist 提出的一项设想：在一种先天免疫蛋白中引入特定突变，并观察这些突变如何影响流感病毒感染。Bryant 表示，她最终或许也能独立提出这项实验，但这可能需要两年时间。
“你感觉自己仿佛是在和一位神谕者交谈。”斯坦福大学生物医学科学家 Gary Peltz 说。他曾使用 Co-Scientist 寻找可以治疗肝纤维化疾病类器官模型的现有药物³。
l 科学家应该如何决定使用哪些工具？
许多科学家已经使用 Claude 等人工智能工具制作演示文稿幻灯片和起草电子邮件。但是，旧金山云平台 Benchling 的总裁兼联合创始人 Ashu Singhal 估计，真正将 AI 科学家全面嵌入研究工作的实验室不到 20%。“人们真正试用这些工具，而不是简单相信新闻标题中传播的内容，这一点非常重要。”他说。
Singhal 建议研究人员试用多种工具，以确定哪些工具适合哪些任务。Co-Scientist 等用于生成假设的人工智能，可以在项目的最初阶段提供帮助。在后续阶段，Claude Science 和 Biomni 等工具则可以执行基因组数据分析等具体任务。
Corso 建议研究人员从容易验证输出结果的小型任务开始。“最坏的情况也不过是重新做一遍。”他说。
l 研究人员如何信任“AI 科学家”？
本周发表在《Science》上的论文表明，在某些任务中，包括罕见病诊断和细胞测序数据分析，Biomni 的表现与专家相当，而且往往只需要专家所用时间的一小部分。但研究人员表示，在另外一些需要深入生物学思考的任务中，它的表现并没有那么好。
美国威斯康星州麦迪逊市莫格里奇研究所的计算生物学家 Anthony Gitter 表示，Biomni 给他留下了深刻印象。“我想用它尝试的一些事情效果很好，另一些则严重崩溃了。”他说。
l 如何构建一个 AI 科学家：首篇同行评议论文披露其中奥秘
为了进一步测试该工具及其他几种通用人工智能工具，他让这些工具参加了 2025 年的一项社区挑战。该挑战旨在预测临床前药物的重要特性，例如毒性。参赛结果的评判标准是：预测结果与一家生物技术公司提供的、尚未公开的实验数据之间的吻合程度。
这些人工智能工具的表现尚可，但不如人类专家，其中包括大型制药公司的专家。“它们所做的事情总体上是合理的，”他说，“但并没有突破边界。”
这些面向科学研究的人工智能不必始终正确，也能发挥作用。但研究人员表示，它们最重要的功能之一，是解释自己如何得出某项特定输出，无论该输出是一项假设还是一项分析结果。
“在使用任何这类工具时，我都有责任了解它提出了哪些主张，以及这些主张得到了怎样的支持。”Gitter 补充道。在他的实验中，一些模型在这方面的表现优于其他模型。
l 使用 AI 科学家是否存在不利之处？
对于 Ashley 而言，智能体式人工智能工具给他的研究带来了革命性改变。“生产率的提升极其巨大，巨大到难以言表。”他说。
但是，他以及其他接受《Nature》采访的科学家，都对 AI 科学家可能造成的负面后果深感担忧，特别是其对职业生涯早期研究人员，以及在自身专业领域之外开展工作的资深科学家的影响。
“只有当你过去亲自犯过许多次某类错误之后，你才会学会识别这类错误。”Gitter 说。
Bryant 鼓励她指导的研究人员使用 Co-Scientist 等工具协助形成研究设想，但她希望自己能够教会他们何时应当对人工智能的使用提出质疑。
“我有足够的经验，能够判断什么时候某件事情不是真的。”Bryant 说，“我面临的最大问题是：我该如何训练学生？”
DOI：https://doi.org/10.1038/d41586-026-02091-6
原文链接：https://www.nature.com/articles/d41586-026-02091-6
Refernence:
- Ashley, E. et al. Lancet, 375, 1525–1535 (2010)
- Huang, K. et al. Science https://doi.org/10.1126/science.adz4351 (2026).
- Guan, Y. et al. Adv. Sci. 12, e08751 (2025).
