Google I/O 把科學 AI 推向代理人
Google 在 I/O 釋出訊號：科學 AI 正從單點工具，轉向能規劃、執行研究流程的 agentic 系統。
Google 正把科學 AI 從單點工具，轉向能規劃和執行研究流程的代理人系統。
說真的，這次 I/O 很有意思。Google DeepMind 一邊講 AI，一邊把科學產品包成新敘事。Demis Hassabis 還丟了一句「standing in the foothills of the singularity」。
但真正有料的，不是這句話。是 WeatherNext、AlphaGenome、AlphaEarth Foundations 這些產品，開始和 Gemini for Science 綁在一起。Google 不是不做專用模型，而是把重心往 agentic AI 移。
| 訊號 | 數字 | 代表什麼 |
|---|---|---|
| AlphaFold 使用者 | 300 萬+ | 專用科學工具已經有很大採用面 |
| Isomorphic Labs Series B | 20 億美元 | 藥物研發 AI 仍是重點投資區 |
| WeatherNext 版本時間 | 2025 年 11 月 | Google 還在持續發專用科學模型 |
| I/O 主軸 | agentic AI | 公共敘事開始往能做研究的系統移動 |
Google 還在做專用模型，但重心變了
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
先講白了，Google 沒有放棄科學模型。它還在推 AlphaGenome，也還在推 AlphaEarth Foundations。這些東西很專，分別對準基因、地球科學、氣象。
問題是，現在 Google 講故事的方式變了。以前你會先聽到單一模型的成績。現在你先聽到一個大框架。像是 AI Co-Scientist 和 AlphaEvolve，都被放進 Gemini for Science 下面。
這很像產品線重整。不是把舊東西丟掉。是把它們改成模組。專用模型負責單點能力，agent 負責串流程。對研究團隊來說，後者更像真正能上工的軟體。
- AlphaFold 已被 300 萬以上研究者使用。
- Isomorphic Labs 拿到 20 億美元 Series B。
- WeatherNext 在 2025 年 11 月更新。
- Gemini for Science 把多個科學產品收進同一個架構。
這種變化很現實。單一模型再強，也只解一類問題。agentic 系統則想把文獻、程式、模擬、驗證串起來。講白了，Google 想賣的不是一把瑞士刀，而是一個研究工作台。
真正的賭注，是 AI 能不能做研究工作
Google Cloud chief scientist Pushmeet Kohli 在 Daedalus 寫得很直接。他說：「We are moving toward AI that doesn’t just facilitate science but begins to do science.」
這句話很重。它不是在講 AI 幫你寫摘要。也不是在講 AI 幫你找論文。它是在講 AI 可能開始自己提假設、跑實驗、整理結果。這才是 Google 現在想推的方向。
但 Google 也沒把話說滿。它用的是 AI Co-Scientist，不是 AI Scientist。這差很多。前者是協作者。後者聽起來像自動開工的研究員。Hassabis 也一直把時間線拉到未來 10 年左右。
“We are moving toward AI that doesn’t just facilitate science but begins to do science.” — Pushmeet Kohli
我覺得這個命名很聰明。它保留想像空間，也避免過度承諾。因為科學不是聊天。模型講錯一個假設，後面可能就是整組實驗浪費掉。這也是為什麼「代理人」比「聊天機器人」更像下一步。
另外，Google 也有很務實的壓力。它在 coding 工具上，確實被 Anthropic 和 OpenAI 壓著打。可是一旦你把研究流程拆開看，code generation 只是其中一環。會寫程式的 agent，才比較像能碰研究的 agent。
人事調整，透露資源往哪裡走
看 Google 的人事，也能看出端倪。Los Angeles Times 報導過，John Jumper 現在把重心放到 AI coding，而不是只做科學工具。這位是 AlphaFold 的核心人物，還拿過 Nobel Prize。
這種調整很少是偶然。大公司真的要轉向，通常不會先開記者會說自己轉了。它會先改 keynote 的篇幅，再改產品命名，最後才是工程資源分配。Google 現在看起來就是這個節奏。
也就是說，科學模型還在，但最頂尖的人力開始往更通用的 agent 能力靠。這代表公司判斷，下一輪價值不只在單一科學任務，而在整個研究流程的自動化程度。
- John Jumper 是 AlphaFold 的重要人物。
- Google I/O 的科學主軸是 Gemini for Science。
- AI Co-Scientist 已進入早期測試。
- Stanford geneticist Gary Peltz 已參與試用。
這裡有個很妙的細節。Nature 相關報導裡，Gary Peltz 把它比成「consulting the oracle of Delphi」。這句話很帥，但也很危險。因為研究者一旦太快相信模型，驗證就可能跟不上。
競品怎麼看，Google 卡在哪裡
如果把視角拉開，Google 不是唯一在做這件事。OpenAI 這週也傳出模型在數學上做出重要結果。那不是專門為數學做的模型，而是 general-purpose 模型。
這點很重要。因為它說明一件事：通用模型正在吃進原本只屬於專用工具的領域。今天是數學。明天可能是化學、材料、藥物設計，甚至部分實驗規劃。
但科學領域跟數學還是不同。數學只要證明或反例。科學要碰現實世界。要跑儀器。要看樣本。要處理噪音。這讓驗證成本高很多，也讓 agent 的錯誤更貴。
- 專用工具像 AlphaFold，解單一任務很強。
- agentic 系統像 Gemini for Science，想串完整研究流程。
- OpenAI 的 general model 已在數學做出成果。
- Google 的策略是把科學工具包進 agent 架構。
所以 Google 的問題不是「有沒有模型」。而是「哪種模型最值得投」。如果你是開發者，這件事很像從單一 API 轉向工作流平台。單點功能會被複製。能串流程的系統，才會變成真正的產品核心。
這波變化，背後其實是產業算盤
我覺得 Google 這步很像在押一個更大的市場。專用科學模型很強，但市場通常比較窄。agentic 系統則可以橫跨研究、企業知識工作、程式開發、資料分析。
這也解釋了為什麼 Google 會把科學產品和 Gemini 綁在一起。因為 Gemini 本來就是通用模型品牌。把科學功能放進來，等於告訴市場：這些能力不是獨立孤島，而是同一個平台的一部分。
對台灣開發者來說，這訊號很直接。未來值錢的，不只是會調一個模型。還有會設計 agent workflow。像是工具調用、狀態管理、權限控管、結果驗證，這些都會變重要。
接下來看什麼
接下來我會盯兩件事。第一，Google 會不會把更多科學功能開放給外部研究者。第二，這些 agent 到底能不能在真實實驗裡少犯錯。只要其中一項做得夠好，市場就會開始改寫預算。
講白了，問題已經不是 AI 能不能幫科學家。問題是，兩年後大家會不會把研究起手式交給 agent。你如果在做 LLM、資料管線、或研究工具，我會建議現在就開始想：你的產品，是單一模型，還是能跑完整流程的系統？