AI在科研中的角色正在发生质变。过去更多是“用AI提高计算效率”，2026年的进展是AI开始参与提出假设、设计实验，甚至发现人没有预料到的规律。

微软研究院2026年10月发布的Quine系统是一个代表性案例。它统一学习基因组、蛋白质结构、RNA、小分子化学、细胞转录组和显微成像等多模态生物信息，形成“提出假设—AI推理设计实验—湿实验验证—数据回流迭代”的闭环。在与哈佛大学和麻省理工学院博德研究所的合作中，Quine对数千种候选化合物进行排序，优先分子直接进入湿实验验证；过去可能需要数月的筛选与验证工作，在Quine辅助下从一个周末到实验验证即可完成。更值得注意的是，Quine还预测部分化合物会将癌细胞引导至一种此前未被重点关注的第三种细胞状态，后续实验证实了这一预测。

另一个方向是多智能体协作。谷歌DeepMind的Co-Scientist和FutureHouse的Robin均采用多智能体架构，能自主完成假设生成、实验设计、结果解读与假说优化；Co-Scientist成功发现了急性髓系白血病的候选药物与肝纤维化新药物靶点，Robin则识别出干性年龄相关性黄斑变性的潜在疗法及新靶点。两家机构都强调，AI的作用是辅助而非取代科学家，最终决策权仍在科研人员手中。

一句话记住：AI for Science的价值，不在于算得更快，而在于它开始“问出人没有问过的问题”。

关键事实来源：国家科技图书文献中心编译《微软发布Quine生物学世界模型》（2026-10-30）；中国科学院网信工作网《DeepMind与FutureHouse推出多智能体AI系统加速科学发现进程》（2026-06-04）。

AI辅助生成披露声明：本条科普内容在选题梳理、素材整理与初稿起草环节使用了生成式AI工具辅助，全部内容经作者核实、修改并定稿；文中关键事实均标注公开来源，AI未作为权威来源被直接引用。

供稿：重庆市人工智能学会秘书处