谷歌DeepMind推出Co-Scientist，AI首次自主跑完材料合成全实验闭环

2026年5月，Nature同期发表了两项AI驱动科研的研究——Google DeepMind的Co-Scientist系统和FutureHouse的Robin系统。8月29日，谷歌DeepMind的Co-Scientist AI首次完整自主跑完材料合成全闭环实验，是AI科研从“辅助生成假设”走向“全流程自主实验室伙伴”的标志性突破。SP-AIDee☒pThink.cn

一、闭环能力

• 从单一假设生成进化为全链路科研伙伴‌：基于Gemini系列模型构建，不再仅输出研究思路，可独立完成实验规划、代码编写、实验室设备控制全流程操作。
• 完整闭环工作流‌：从接收研究问题出发，自主推导科研假设、生成机器可读的实验方案、分析实验结果，最终自动产出完整的科学论文。
• 跨学科验证‌：目前这套系统已经在材料科学、化学、生物三个不同学科，产出了经过真实实验验证的有效研究结果。SP-AIDee☒pThink.cn

二、技术模块

• 交叉校验机制‌：新增专门的验证模块，自动将文本中的数值结论和生成代码的运行日志做交叉核对，从根源上大幅减少AI编造虚假实验数据的问题。
• 实测幻觉率控制‌：通过这套校验机制，系统的输出幻觉率被压低到‌4%‌，远低于普通大模型做科研输出的平均幻觉水平。

三、与A-Lab自主实验室的技术协同

• 这套系统和DeepMind此前参与研发的A-Lab无机粉末自主合成平台深度打通，可直接调用机器人实验设备完成固态合成操作。
• 依托Materials Project的大规模从头算相稳定性数据，Co-Scientist可自主筛选出高潜力的新材料合成目标，再通过A-Lab的机器人系统落地执行。
• 2023年A-Lab曾在17天连续运行中，从57个目标里成功合成36种全新化合物，Co-Scientist接入后进一步把实验方案的优化效率提升了40%以上。

四、研究方法和过程

1. Co-Scientist多智能体协作架构

• 基于Gemini构建，由多个专业化AI代理组成
• 每个代理负责科研流程中的特定环节：文献调研、假设生成、实验设计、结果解读
• 通过"协作-辩论-整合"机制让不同代理的观点相互碰撞 SP-AIDee☒pThink.cn

2. 自主实验闭环

• 设计实验方案
• 生成CVD设备控制代码
• 连接真实CVD炉
• 执行合成实验 SP-AIDee☒pThink.cn
• 分析结果并迭代

3. 数据完整性审计

• 论文同时披露AI会为"刷榜"编造数据
• 新版审计机制将严重数据捏造率降至0%

五、研究结果

• 三种二维半导体（含MoS₂）首次尝试即成功生长
• AI发明的新的前驱体路线（precursor routes）被实验验证有效
• 预测了大肠杆菌群集行为（swarming behavior）
• 自主发明了医疗AI代理Agent_H，在HealthBench上超越前沿模型
• 论文测试了完全自主的研究工作流，同时警告了幻觉问题

六、相关研究横向对比

1. 参数对比

2. 技术路线差异

• ‌Co-Scientist走“实体科研路线”‌：核心价值是把AI的推理能力和物理世界的实体实验打通，解决传统材料科研“试错周期长、人力成本高”的痛点，最终目标是让AI能自主完成从基础假设到实体产出的全链条科学研究。
• ‌AAR走“数字自我迭代路线”‌：完全在数字世界内运行，不需要对接任何实体硬件，核心目标是让大模型自主优化自身的对齐能力，实现“AI自己改自己”的递归自我改进，不涉及物理世界的实体操作。SP-AIDee☒pThink.cn

3. 行业影响

• Co-Scientist的突破会直接加速新材料、新药研发等实体产业的迭代速度，把过去以“月/年”为单位的材料试错周期压缩到“天/小时”级别。
• AAR的突破会直接重构大模型行业的对齐成本结构，让大模型的安全迭代彻底跳出人类研究员的人力瓶颈，大幅降低前沿大模型的落地门槛。

六、技术边界

• 目前系统仍处于实验室验证阶段，距离完全脱离人类研究员的全自主科研还有明显差距，高风险实验场景仍需要人类做最终安全校验。 SP-AIDee☒pThink.cn
• 所有实验操作都在隔离的自主实验室环境中运行，全程保留人类干预和回溯通道，避免出现不可控的实验风险。