Agent 正在把科学变成一台高速运转的猜想机器，但物理世界的验证速度跟不上，同行评审跟不上，数据基础设施也跟不上。新的瓶颈正在产生，我们应该如何应对？

AI 让科学猜想变得廉价，但验证依然昂贵，这个差距正在撕裂整个科研体系。

Google DeepMind 发布报告《Conjecture Machines: AI agents and the new validation bottleneck in science》，10位研究员和工程师坐下来聊了一个问题：AI Agent 涌入科学界之后，接下来会发生什么？

在过去一年里，Agent 已经改变了编程的意义。而科学研究，可能就是下一步要被改变的领域。

Agent 正在把科学变成一台高速运转的猜想机器，但物理世界的验证速度跟不上，同行评审跟不上，数据基础设施也跟不上。新的瓶颈正在产生，我们应该如何应对？

一夜赶超十年功

故事从伦敦帝国理工学院的微生物学家 José Penadés 讲起。

他的团队花了将近10年，研究一类超级细菌如何传播抗生素耐药性。结论有了，但一直没发表，只有实验室内部知道。2024年，他把问题描述给了 Google DeepMind 的 Co-Scientist，一个 AI Agent。

两天后，Co-Scientist 返回5个可能的解释，按优先级排序。排第1的，跟 Penadés 团队花10年证明的假设一模一样：某些超级细菌从病毒那里获取尾巴，用这些尾巴当钥匙，在不同宿主物种之间跳跃。

Penadés 愣住了。他第一反应是电脑被人入侵了，赶紧发邮件给 Google 确认。对方回复：没人偷看。

一个基于 LLM 的系统，被赋予目标和工具，能自己规划步骤、并行调度多个子任务、发现并纠正错误，还能调用外部数据库、写代码操作机器人。跟聊天机器人不同，Agent 不是问一句答一句，它拿到目标后会自己拆解、执行、迭代。

为什么现在突然好用了？报告归结为三股力量。

前沿模型更强了。顶级模型在 Humanity's Last Exam、FrontierMath 这类高难度科学基准上已经超过人类专家。更关键的是推理时计算（inference-time reasoning）带来的深度思考能力，模型会一步步推演、探索、修正，再给出答案。

脚手架（scaffolding）成熟了。这是一套包裹在模型外面的代码框架，给 Agent 提供结构、记忆和工具调用能力。早期脚手架是定制的，换个模型就不灵了。现在有了 Agent 间通信协议等新标准，通用性好了很多。

可定制性来了。Agent 技能（skills）让科学家把自己的方法论、流程偏好写成简单的文本指令，Agent 就能按你的方式干活。

计算生物学家 Natasha Latysheva 说，她已经把自己的研究流程提炼成了技能。

她的预判是：科研工作会从亲手执行，转向高层编排。每天上班先看看 Agent 昨晚跑了哪些实验和分析，调整方向，引导注意力。

猜想廉价，验证昂贵

Agent 对科学最直接的改变：你多了一个永不知疲倦的数字助手。文献梳理、数据库查询、数据分析、写基金申请，以前花几小时几天的事，现在几分钟搞定。

但真正结构性的变化在别处。

斯坦福大学的 Gary Peltz 研究肝纤维化，每年140万人死于肝硬化。他凭自己的文献积累和几十年经验，挑了2个候选药物做实验。同时他让 Co-Scientist 也挑。AI 挑了3个。

结果 Peltz 自己选的2个，在活体人类肝细胞实验中毫无效果。Co-Scientist 选的3个里，2个不仅阻断了纤维化，还促进了肝细胞再生。

Co-Scientist 的工作方式是调度一群子 Agent，生成多样假设、互相批评、排序、迭代，模拟一个人类研究小组的运作方式，但速度快得多。

报告也坦承 Agent 的软肋。

Co-Scientist 负责人 Vivek Natarajan 说：输出第10页里一个编造的事实，就能毁掉整份报告。漏掉这种错误浪费时间和资源，抓住它需要一个领域专家。

他提出一个关键概念叫认知谦逊（epistemic humility），模型得知道自己不知道什么，并且说出来。AlphaFold 之所以受信赖，部分原因是它会报告每个预测的置信度。但在更开放的科学推理中，校准这种置信度仍是未解难题。

科学家同时想要两样东西，基于文献、没有错误的假设，以及真正新颖的想法。Agent 调得谨慎，就趋向安全和已知；调得大胆，就容易跑偏。

在搜索最优解方面，AlphaEvolve 是另一个代表。给它一个用代码表达的问题和一个评分函数，它调度一组 Agent 生成大量候选方案，留下得分最高的，用幸存者繁殖下一代。无人值守地跑，规模远超人类团队。它帮 Google 设计了下一代 TPU 芯片，帮数学家 Terence Tao 解决了开放的 Erdős 问题，改进了基因组数据分析。

在材料科学等领域，AlphaEvolve 的 top 选手只是线索，不是最终结果。一个有前途的催化剂，还是得在实验台上造出来、测一测。

这就引出了报告最核心的判断。

Karl Popper 说科学通过猜想与反驳前进。AI Agent 正在改变这对关系的经济学。猜想变得丰富且廉价，反驳依然是物理的、制度性的，所以昂贵且缓慢。

数学和计算机科学是例外，验证可以在硅基世界里完成。Agent 生成证明，用 Lean 这类形式语言表示，计算机就能无歧义地验证对错。

今年2月，数学家们办了首届 First Proof 挑战：10个研究问题，刻意不发表，确保不在任何训练数据里。给一周时间。Aletheia，一个把证明生成器和自然语言验证器配对的系统，解决了6个，是最好成绩。

但数学家们已经开始抱怨 AI 生成的证明太长、难以消化。领导 Aletheia 项目的 Thang Luong 说：我们正在走向一个严重的证明消化不良的未来，AI 产出突破的速度超过人类审阅的速度。

而在大多数学科，验证鸿沟正在扩大。Agent 可以提出一个逆转细胞衰老的基因线索，但没法确定它到底管不管用。细胞系需要时间生长，化学反应需要时间完成。对大部分科学来说，实验室设定了节奏。

基础设施该升级了

报告给政策制定者和科研资助机构提了4个紧迫优先级。

确保科学家能用上 Agent。报告把这比作历史上提供超级计算机访问权的挑战。地缘政治讨论总聚焦于一个国家能不能训练自己的前沿模型，但更少有人关注一个可能更重要的问题：一个国家能不能把 Agent 部署到整个科学生态中。

资助机构得决定实验室怎么选 Agent、怎么付费。计算开销大，Agent 能力边界不断扩展，总花费大概率会涨。需要新的公私合作模式，美国的 Genesis Mission 是一个有希望的样板。

让国家数据资产对 Agent 友好。开放或低风险数据应该通过文档完善的 API 暴露给 Agent。敏感数据集，比如基因组学、病毒学领域有双重用途风险的数据，需要开发类似 OpenSAFELY 那样的隐私保护方案，让 Agent 也能安全访问。

解决验证瓶颈。Agent 让假设越来越多，实验设施的时间却就那么多。报告建议投资现有实验验证设施并开放共享，同时加速自动化实验室建设。

给同行评审配上 Agent。科学家已经在用 AI 写越来越多的基金申请和论文，写作质量不再是可靠的区分标准。Agent 越深度参与规划和优化申请，申请书就越少反映科学家的原创思考。

报告建议分层应对：使用者更清晰地记录 AI 参与情况，推进水印技术和 Human-AI Interaction Cards（人机交互卡片），记录产生关键科学洞见的提示和输出。

审稿人也应该能用 Agent，先在检测错误这类客观领域试点。

AI Agent 不能成为少花钱搞科学的理由，那将是一个悲剧性的虚假节约。把这一刻当作真正结构性变化的国家，才能释放最大的公共价值。这个窗口期的选择，可能很难逆转。

科学家用上 Agent 之后不会再回头了。

技术会继续进步。但管理科学的那些制度，实验室、团队、机构、同行评审、资助体系，是为一个正在被加速的科研企业建造的，它们自己还没跟上。