一年前，”AI科学家”的想法还基本停留在概念层面。如今，少数自主AI工具正从演示阶段走向日常实验室使用，Ewen Callaway在《Nature》上发表的特写文章为研究人员提供了一份实用指南，帮助他们找出哪种工具适合他们的需求。
如文所述，该领域可分为三大类：通用型科研工作台、多智能体假说生成系统以及专业开源工具。
Claude Science
Anthropic的Claude Science是目前推出的产品中功能最广泛的。它像一个科研工作台，文献综述、数据分析、图表生成和稿件准备都在一个界面内完成。它包含本地Python、R和shell执行，一个内置的”审稿人”智能体可对照执行记录交叉验证原始声明，并且能够连接HPC和SSH计算资源。
最令人印象深刻的演示来自斯坦福大学的Euan Ashley。2010年，他的31人团队耗时九个月完成了人类基因组的首次临床分析。Ashley将自己的基因组交给Claude，要求其生成一份临床报告。它只用了30分钟。输出结果正确识别了阿尔茨海默病风险等位基因和药物代谢变异体，达到了Ashley认为具有临床可操作性的标准。
Claude Science包含在所有付费Claude套餐中，从Pro级别的每月20美元到Max级别的每月100至200美元不等，并提供团队和企业选项。
Co-Scientist
Google DeepMind的Co-Scientist于2026年5月发表在《Nature》上，采用了不同的方法。它使用六个专门智能体，生成、反思、排序、进化、邻近和元评审，外加一个监督智能体，在辩论与进化循环中协调它们。给定一个广泛的研究问题，系统会提出可检验的假说，并按合理性和新颖性排序。
剑桥大学的免疫学家Clare Bryant向Co-Scientist提供了一份拨款申请书和一些初步数据。它生成了一个假说：对一种先天免疫蛋白进行突变，并测试其对流感感染的影响。Bryant的评价是：”人类研究人员可能需要两年时间”才能想到同样的想法。
斯坦福大学的Gary Peltz利用Co-Scientist识别了可重新用于肝纤维化的现有药物，在类器官模型中验证了预测结果，并将成果发表在《Advanced Science》上。在研究生水平的科学推理基准测试GPQA Diamond上，Co-Scientist评分最高的假说达到了78.4%的准确率。
Co-Scientist尚未公开发布。研究人员可以通过Google Labs注册实验性访问权限。
开源替代方案
Biomni由一个学术团队开发，包括Phylo联合创始人Yuanhao Qu，并在《Science》上有过介绍。这是一款为基因组分析等特定任务设计的开源工具。它与GeneCards等数据库集成，可进行基于实证的生物医学查询。它是免费的。
总部位于伦敦的初创公司开发的蛋白质设计开源工具Boltz，与Claude智能体结合使用，设计了一种能同时识别两个治疗靶点的抗体，不过这些输出尚未经过实验验证。
如何选择
实验室软件平台Benchling的Ashu Singhal根据项目阶段提供了直截了当的指导。对于早期假说生成，从Co-Scientist开始。对于特定的分析任务，基因组数据分析、文献综合、图表生成，从Claude Science或Biomni开始。
据Singhal说，最重要的建议是实际尝试这些工具：”不到20%的实验室已经完全整合了AI科学家。人们真正去尝试这些东西，而不是简单地相信头条新闻里分享的内容，这一点非常重要。”
Boltz的Gabriele Corso建议从小的、可验证的任务开始，这样输出结果容易检查。”最坏的情况，你只需要重做一遍。”
文章指出，所有系统仍然需要领域专家审阅。迄今为止发表的AI生成假说均未完成临床试验，数据隐私仍然是一个问题，尤其是对于处理敏感临床或专有数据的实验室而言。
来源
[1] Callaway, E. “Which ‘AI scientist’ suits your lab? A guide for the perplexed.” Nature (2026). https://www.nature.com/articles/d41586-026-02091-6
婷 翻译