DeepMind引领科学智能新纪元

近期，谷歌DeepMind发布了一篇题为《AlphaFold：五年来的影响》的文章，回顾了过去五年间蛋白质结构预测技术的突破对科学进步的巨大推动作用。

人工智能正以前所未有的速度重塑科学研究版图。在生命科学、生物医药等生物学领域，由于数据丰富、应用场景明确和社会需求迫切，AI+科学（简称“科学智能”）成为最活跃、最具引领性的前沿阵地。AI模型和工具不仅在预测蛋白质结构等基础研究中取得突破，更推动了全新药物管线进入临床试验，甚至开始自主发现新的生物学通路。

在谷歌DeepMind等科技企业的引领下，科学智能正进入高产出、快迭代的应用落地期。"基础模型+科研智能体+自主实验室"的AI驱动科研范式逐渐形成。

谷歌DeepMind领衔科学智能技术演进

谷歌在科研领域深耕超过十年，凭借以TPU为核心的AI算力基础设施和以Gemini为基础的大模型AI模型底座，不断研发科学智能技术，打造了AlphaFold等世界级科学智能模型和工具体系，引领全球科学智能技术演进。

AlphaFold引领生物学研究从结构预测到生成式设计的跨越。生物学是DeepMind布局最早且护城河最深的领域，其核心逻辑在于利用深度学习解决高维生物大分子的构象空间问题。AlphaFold的问世标志着蛋白质结构预测问题的实质性解决，不仅荣获2024年诺贝尔化学奖，更成为现代生物学的数字基础设施。而AlphaProteo则推动生物学研究正式进入生成式生物学时代。结合AlphaMissense对基因突变致病性的精准预测，DeepMind进一步打通了“靶点发现—结构解析—药物设计”的全链路。

WeatherNext实现气象学数据驱动对数值模拟的降维打击。DeepMind最新发布的WeatherNext 2模型（GraphCast的继任者）在精度与效率上已全面超越传统物理模型。在99.9%的预测变量与时间跨度上，其准确率均优于欧洲中期天气预报中心(ECMWF)的HRES系统，且推理速度提升了数个数量级。

GNoME和AlphaQubit拓展AI在物理与材料科学领域应用。GNoME利用深度学习在无机晶体空间中进行了海量搜索，预测了数百万种稳定的新材料结构，为电池技术与超导材料的研发提供了庞大的候选库。在量子计算领域，AlphaQubit模型成功将Transformer架构应用于量子纠错，显著降低了量子计算芯片的量子比特读数错误。

AlphaEvolve推动数学和计算机学从逻辑推理到算法的自我进化。AlphaEvolve通过引入进化计算范式，致力于打破人类设计算法的局限，自动搜索并发现更高效的机器学习算法与损失函数，实现了从“人工设计”到“自动发现”的元层级跨越。在此基础上，AlphaChip将芯片设计转化为强化学习问题，成功优化了GoogleTPUv6的布局；而AlphaGeometry和AlphaProof则证明了AI在形式化数学证明与逻辑推理上的突破。

生物学领域进展引领科学智能落地前沿

谷歌DeepMind的技术突破点燃了全球科学智能技术研发和行业应用热潮。生物学成为进展最快的科研领域，材料学、物理学、气象学、计算机和数学紧随其后。

（一）科学智能进入生物学基础研究深水区

单细胞行为的AI生成与分析获得全新发现。谷歌和耶鲁大学联合发布了270亿参数单细胞分析基础模型C2S-Scale，生成了关于癌细胞行为的新假设，并在多次体外实验中得到验证。这展示了利用AI提出原创科学假设的潜力，有望探索出开发抗癌方法的新途径。

蛋白质生成式模拟和预测体系更加完善。微软BioEmu模型在蛋白质动力学模拟方面填补了空白，并实现了高达10万倍的模拟速度提升。中科院团队提出整合结构和进化约束的反向折叠蛋白质预测模型，为蛋白质工程开辟新路径。

AI辅助基因组学研发体系初步构建。谷歌通过10年持续研发和探索，逐步构建了从基因测序、读取和变异识别到基因表达预测和致病潜力评估的AI基因组学研究和应用体系。

（二）AI驱动医疗落地应用全面开花

AI辅助病理检测拓展新疾病场景。腾讯生命科学实验室与广州医科大学第一附属医院等联合研发的DeepGEM病理大模型已在肺癌基因突变预测中完成大规模验证。

AI检测基因突变进一步工具化。谷歌发布DeepSomatic工具集用于肿瘤细胞中基因变异的识别。

AI驱动药物研发迈过临床II期阶段。北京大学第三医院等多家医院与剂泰科技联合进行的AI优化候选药物MTS-004已完成III期临床研究。

（三）AI在材料学、气象学、数学等领域加速应用

AI+材料科学有望成为科学智能的下一个前沿阵地。前OpenAI和Deepmind成员创立Periodic Labs开展新型超导材料等AI自动化发现。

AI气象学和物理学的应用已见实效。DeepMind的飓风AI模型成功预测了“梅利莎”等超强飓风的路径和强度变化。

AI在数学和计算机学领域的应用潜力巨大。数学研究人员利用GPT5探索解决历史数学难题。

技术基础、协作模式和科研规模成为AI重塑科研范式的三大维度

（一）通用模型和专用模型构建科学智能技术基础

通用基础大模型有望成为科学智能的“操作系统”。

科研专用大模型则为垂直科研领域及其深度突破的“专用引擎”。

（二）以人机协同为基础的科研智能体开始推动主动科学发现。

随着智能体技术加速发展，AI正在从被动工具转变为科学家的合作者甚至是主动发现者。

（三）自主实验室加速科研智能工业化、规模化和平台化

国际各国高度重视自主实验室研发。