上周跟做计算材料学的朋友吃饭，他说最近为摸透某款合金的腐蚀机理，光整理近十年顶刊数据就熬了三个通宵。结果Google刚推的Co-Scientist，主打就是帮研究者省这种时间。
不是单AI，是「多智能体」搭伙干活
很多人第一反应是“又一个科研AI”，但它跟ChatGPT那种单模型工具不一样——它是multi-agent，也就是多个AI角色分工协作。比如有的专门扒文献，有的整理实验数据，有的梳理变量关联，相当于给研究者配了个微型科研小团队，不是单枪匹马的帮手。
靠Gemini撑着，没玩新模型
它的技术底座是Google的Gemini大模型，没搞什么全新的底层技术，就是把Gemini的长上下文处理、多模态理解这些能力，适配成了科研场景的协作模式。说白了，是把通用大模型，定制成了研究者的“AI合伙人”，不是凭空造的新东西。
对研究者来说，真能省多少事？
核心目标是帮研究者「加速科研突破」，说白了就是把耗时间的重复活接过来——找文献、梳实验变量、爬数据这些，这些活占了研究者至少三成的时间，按朋友的说法，整理数据占比更高。把这些活交出去，研究者就能把时间留给更核心的部分：设计实验、推导机理、找新的研究方向。
现在的问题是，当AI能搞定大部分基础整理工作，研究者会不会真的愿意，把那些需要跨领域关联的核心思考，交给AI？毕竟科研的核心还是人的洞察，就像AlphaGo赢了李世石，真正的突破还是人类棋手的奇思——那这次，研究者会不会放下顾虑，把Co-Scientist当成真的合作方，而不是一个用来凑进度的工具？
素材来源：Google DeepMind Blog · AI情报、大模型、AI智能体、科研前沿
查看报道原文
发表第一条评论吧