AI 开始组织科研循环：Nature 三篇论文真正说明了什么

作者按

这三篇 Nature 论文的锋利之处，不在于又证明了 AI 会读论文、会写代码，而在于它们把科研里最慢的三件事拆开了：提出可测假设、让假设在计算中自我竞争、把方法学试错变成可运行软件搜索。湿实验没有消失，科学家的判断也没有消失；被压缩的是实验前后那大片昂贵、缓慢、靠人力穷举的认知劳动。

图：三篇论文的共同信号不是“AI 替代科学家”，而是 AI 开始组织科研循环中的不同智力环节。

核心结论

• Robin 的关键不是“读了很多论文”，而是把文献、假设、实验建议、数据分析和下一轮假设接成一个 lab-in-the-loop 循环。
• Co-Scientist 的关键不是某个候选药，而是把科学假设放进“生成、辩论、排名、进化”的计算过程，让假设质量随 test-time compute 改进。
• ERA 的关键不是普通代码助手，而是把可评分的科学软件任务变成 tree search：写代码、跑分、改写、再跑分。
• 三者都没有消灭科学家。它们压缩的是认知劳动和试错周期，科学判断、实验验证和责任仍然在人类侧。

目录

1. 同一天三篇 Nature，真正重要的不是“AI 会读论文”
2. Robin：把生物发现循环接起来
3. Co-Scientist：让假设在计算中竞争
4. ERA：把方法学试错变成软件搜索
5. 三篇论文其实是三块拼图
6. 真正的变化：科学家的工作界面变了
7. 边界与风险
8. 结论

同一天三篇 Nature，真正重要的不是“AI 会读论文”

2026 年 5 月 19 日，Nature 同日上线了三篇关于 AI 加速科研的正刊论文预览版：

• FutureHouse 的 Robin：A multi-agent system for automating scientific discovery。¹
• Google DeepMind/Research 的 Co-Scientist：Accelerating scientific discovery with Co-Scientist。²
• Google DeepMind/Research 的 ERA：An AI system to help scientists write expert-level empirical software。³

三篇放在一起看，重点不是“AI 又会读论文了”，也不是“科学家马上被替代了”，而是科研流程里几个过去只能靠人慢慢做的环节，开始被拆成可计算、可评分、可迭代的系统。

一句话概括：

Robin 把生物发现的“读文献、提假设、建议实验、分析数据、生成下一轮假设”接成循环；Co-Scientist 把科学假设放进一个生成、辩论、排名、进化的计算竞技场；ERA 则把经验型科学软件开发变成“写代码、跑分、改写、再跑分”的树搜索。

这不是完全无人科研。Robin 的湿实验仍由人执行，Co-Scientist 的实验候选仍由专家筛选，ERA 只有在任务能被机器评分时才最有威力。真正变化在于，AI 不再只是帮助科学家处理某个局部步骤，而是在开始组织科研循环本身。

Robin：把生物发现循环接起来

图：Robin 的重点是把生物发现循环接起来，而不是只做文献总结。

Robin 的目标很明确：不是做一个泛泛的“文献助手”，而是把实验生物学里的假设生成和实验数据分析接成同一个流程。¹

系统怎么工作

Robin 由几个关键角色组成：

模块	角色	负责内容
Crow	文献检索与总结 agent	生成疾病机制、模型和候选方向的文献依据
Falcon	深度文献评估 agent	为候选物生成更完整的科学和药理依据
Finch	数据分析 agent	分析 flow cytometry、RNA-seq 等实验数据
Robin	编排层	把机制、候选、实验数据和下一轮假设接成循环

Robin 的流程可以压缩成一句话：

给定疾病 -> 提出机制 -> 选择体外模型 -> 推荐药物候选 -> 实验后读取数据 -> 生成下一轮假设。

dAMD 案例：从疾病输入到 ripasudil

论文中的案例是 dry age-related macular degeneration，也就是干性年龄相关性黄斑变性。Robin 从疾病输入出发，提出增强 retinal pigment epithelium，也就是 RPE 细胞的 phagocytosis 作为治疗策略，并建议用 RPE phagocytosis assay 来筛选药物。

论文报告，Robin 的工作流在约 30 分钟内分析了 551 篇论文，并把一个发现循环中的认知时间压缩到两小时以内。¹

关键结果有三层：

1. ROCK inhibition 方向出现信号。 Robin 在后续迭代中提出 ripasudil。Ripasudil 是日本已用于青光眼的 ROCK inhibitor，在 ARPE-19 细胞中使 RPE phagocytosis 相比 DMSO 对照提高 1.89 倍，人工分析对应 1.75 倍。
2. primary human RPE stem cells 复测仍有信号。 研究者在 RPE-SC 中复测 Robin 提出的药物，ripasudil 和 Y-27632 仍表现为 hits，ripasudil 更强；KL001 也被识别为 hit。
3. RNA-seq 给出机制线索。 Robin 设计和解释 follow-up RNA-seq，发现 ABCA1 这一 lipid efflux pump 上调，论文把它作为可能的新机制线索。

和 Deep Research 的对照

作者把同样的候选生成任务交给 OpenAI Deep Research。对方生成了 17 个唯一候选物，但在 RPE-SC assay 中没有 hit，也没有提出 ROCK inhibition 这一方向。¹

这个结果不能被扩大成“Deep Research 普遍不行”。更稳妥的读法是：在这个任务、这个 prompt、这个 assay 下，Robin 的结构化科研循环捕捉到了通用深度检索没有给出的方向。

Robin 的边界

Robin 不是无人实验室：

• 湿实验仍由人执行。
• 实验协议仍需要人类翻译和调整。
• ripasudil 和 KL001 仍需要合适疾病模型、in vivo 验证和随机对照临床试验，才能谈临床有效性。

Co-Scientist：让假设在计算中竞争

图：Co-Scientist 的核心是让假设在计算中反复竞争和进化。

Co-Scientist 解决的不是“怎么把实验循环接起来”，而是更前一步的问题：怎样让科学假设本身变得更好。²

系统怎么工作

这个系统基于 Gemini，采用多智能体架构。科学家用自然语言给出研究目标和约束后，系统会生成假设、批判假设、比较假设，并通过 tournament evolution process 让更有潜力的假设留下来。

它的核心不是一次性吐出答案，而是用 test-time compute 让假设经历更多轮：

generate -> critique -> compare -> rank -> evolve

过去科学家在脑子里、组会上、同行评审中完成的那套筛选和批判，开始有了一个可运行的计算版本。

三个验证方向

论文用三个生物医学方向做验证。

方向	Co-Scientist 做了什么	代表性结果	需要保留的边界
AML drug repurposing	提出单药和组合疗法候选，并做体外细胞实验	KIRA6 对 KG-1a AML 细胞 IC50 为 10 nM，对 TK6 为 180 nM，约 18 倍体外分离窗口	这仍是体外细胞层面的 therapeutic window 线索
Liver fibrosis	提出 epigenetic target 和对应药物假设	包括 Vorinostat 在内的候选在 human hepatic organoids 中显示 anti-fibrotic activity	不能直接写成临床可用
Antimicrobial resistance	探索 cf-PICIs 跨物种扩展宿主范围的机制	两天计算中提出 cf-PICIs 与多样 phage tails 交互、扩大 host range 的机制假设	这是机制假设复现，不是系统自己做了实验

Co-Scientist 的边界

这篇论文有一个很重要的提醒：系统依赖公开文献，可能漏掉付费墙后的关键 prior art，也看不到大量负结果；它仍可能继承文献错误和模型 hallucination。

更重要的是，Co-Scientist 的实验验证仍是初步的。它能加速提出好问题，不等于替代完整的 preclinical 和 clinical validation。

ERA：把方法学试错变成软件搜索

图：ERA 把可评分的经验软件任务转成可搜索、可比较、可迭代的代码空间。

ERA 和前两篇不完全同类。Robin 和 Co-Scientist 主要围绕生物假设，ERA 则瞄准科学计算里另一个常见瓶颈：为了做一个经验任务，科学家需要写出能跑、能比较、能不断优化的软件。³

系统怎么工作

ERA 的问题定义非常工程化：

给定一个科学任务、数据、评价指标和可运行环境，系统用 LLM 写代码，再用 tree search 改写代码，目标是最大化一个 quality metric。

也就是说，ERA 不直接问“自然机制是什么”，它先问一个窄得多但非常有力的问题：

这段科学软件能不能在这个可评分任务上跑得更好？

代表性结果

任务	论文报告的结果	备注
scRNA-seq batch integration	在 OpenProblems v2.0.0 benchmark 上，ERA 产生 40 个超过当前已发表 leaderboard 方法的方案	使用 holdout datasets
COVID-19 hospitalization forecasting	回顾性评估中，Google Retrospective model 平均 WIS 为 26，优于 official CovidHub Ensemble 的 29；系统性探索得到 14 个超过 official CovidHub Ensemble 的策略	WIS 越低越好；这是 retrospective study
Geospatial segmentation / zebrafish neural activity / numerical analysis	多个任务达到 expert-level performance	不等同于所有科学问题都能被 leaderboard 化

ERA 的边界

ERA 最容易被误读。论文作者自己区分了 empirical predictive models 和真正的 scientific discovery。后者需要因果机制、理论框架和可解释的科学判断。

所以 ERA 证明的是：

在可评分的经验软件任务上，AI 可以很强地加速方法探索。

它没有证明：

所有科学问题都能被一个短期分数完整表达。

三篇论文其实是三块拼图

图：三篇论文不是同一赛道的重复，而是接住科研链条里的不同高摩擦环节。

把三篇论文并排看，会更清楚：

系统	压缩的科研瓶颈	代表性结果	人类仍负责什么
Robin	生物发现循环：文献、假设、实验建议、数据分析、下一轮假设	dAMD/RPE phagocytosis；ripasudil、KL001；ABCA1 机制线索	执行湿实验、调整实验方案、判断是否继续推进
Co-Scientist	科学假设质量：生成、批判、排名、进化	AML/KIRA6；liver fibrosis/Vorinostat；AMR/cf-PICIs 机制复现	定义目标、给约束、筛选候选、做实验验证
ERA	可评分方法开发：代码生成、运行、评分、改写	40 个 scRNA-seq 方法；14 个 COVID forecasting 策略；多个 expert-level software tasks	选择任务、定义质量指标、检查代码和解释科学意义

所以，这三篇论文不是在同一个赛道里互相竞争，而是在科研链条的不同位置上接管一部分高摩擦环节。

Co-Scientist 让候选假设更快被生成和筛选；Robin 把候选假设接入实验数据循环；ERA 则让需要代码和 benchmark 的方法探索变成大规模试错。

真正的变化：科学家的工作界面变了

图：科学家的位置没有消失，而是从亲自穷举转向定义问题、审查证据和决定下一步。

过去说 AI for Science，很多时候是在讲“AI 帮科学家做一个局部动作”：读文献、写摘要、预测结构、筛候选、补代码。三篇论文合在一起，信号更进一步：AI 开始把这些动作编排成系统。

这会改变科学家的工作界面。科学家不再只是问“这篇文献说了什么”，而是要问：

• 我应该把什么问题交给系统搜索？
• 哪些约束必须提前写清楚？
• 哪些候选值得真的花实验资源验证？
• 哪些结果只是 benchmark 上更好，哪些结果有科学解释？
• 系统给出的证据链能不能追到原始数据、原始图和真实实验？

换句话说，科学家的价值并没有消失，而是从亲自穷举转向定义问题、设置边界、审查证据和承担判断。

边界与风险

图：系统越能加速，越需要清楚的证据边界、实验验证和安全检查。

三篇论文都带着同一个警告：系统越能加速，越需要清楚的边界。

1. AI 会继承文献世界的偏差

公开文献不完整，负结果稀缺，付费墙会造成知识缺口，错误结果也可能被系统继续放大。

2. 更快生成，不等于更快得到知识

如果没有 provenance、实验验证和同行审查，生成更多假设并不等于生成更多知识。

3. 门槛降低既是机会，也是风险

AI 可以降低复杂科研软件和生物假设生成的门槛，这有 democratization 的好处，也会带来 dual-use 和错误使用风险。

4. 可评分不等于真实

ERA 的强大建立在 quality metric 上，但科学里很多关键问题无法被一个短期分数完整表达。

结论

图：AI 加速科研的下一步，是扩大“可以被认真尝试的下一步”的数量。

这三篇 Nature 论文最重要的共同点，不是某个候选药、某个 benchmark 分数，甚至不是“multi-agent”这个技术标签，而是它们都在把科研拆成更可运行的循环。

Robin 说明，生物发现可以被组织成实验室在环的迭代系统。Co-Scientist 说明，科学假设可以在计算中被批判、排名和进化。ERA 说明，可评分的经验方法可以由 AI 大规模改写和搜索。

真正值得记住的一句话是：

AI 加速科研的下一步，不是替科学家写结论，而是替科学家扩大“可以被认真尝试的下一步”的数量。

科学家的任务则变成更难也更关键的部分：决定哪些下一步值得相信，值得验证，值得承担责任。

参考来源

本文基于用户提供的三篇本地 PDF，以及 2026-05-20 核验的 Nature 官方页面。三篇均为 Accelerated Article Preview / unedited early version，后续正式排版文本可能有细节更新。

Footnotes

1. Ghareeb, A. E., Chang, B., Mitchener, L. et al. A multi-agent system for automating scientific discovery. Nature (2026). https://doi.org/10.1038/s41586-026-10652-y ↩ ↩² ↩³ ↩⁴

2. Gottweis, J., Weng, W. H., Daryin, A. et al. Accelerating scientific discovery with Co-Scientist. Nature (2026). https://doi.org/10.1038/s41586-026-10644-y ↩ ↩²

3. Aygün, E., Belyaeva, A., Comanici, G. et al. An AI system to help scientists write expert-level empirical software. Nature (2026). https://doi.org/10.1038/s41586-026-10658-6 ↩ ↩²