Google I/O 釋出科學 AI 戰略轉向訊號：從專用工具轉往通用智能體

在今年的 Google I/O 大會上，DeepMind 執行長 Demis Hassabis 宣稱人類正「站在奇點山腳下」，而他說這句話的語境，是一段介紹 AI 天氣預報系統 WeatherNext 如何對牙買加颶風提前示警的影片。這個場景的錯位，恰好揭示了 AI 科學應用正在發生的路線轉移。

過去五年，Google DeepMind 在「專用科學工具」上積累了極具說服力的成果：AlphaFold 讓 DeepMind 科學家贏得諾貝爾獎，目前全球已有超過三百萬名研究人員使用其蛋白質結構預測功能；旗下子公司 Isomorphic Labs 剛完成 20 億美元的 B 輪融資，目標是將 AlphaFold 技術轉化為新藥開發管線。AlphaGenome、AlphaEarth Foundations、WeatherNext 新版本也都在近年陸續推出。這套「訓練專模解決特定科學問題」的路線，效果有目共睹，在科學社群的接受度也相當高。

但轉向的跡象已具體浮現。Google I/O 上最核心的科學公告是「Gemini for Science」套件，將假設生成系統 AI Co-Scientist 與演算法優化工具 AlphaEvolve 整合到同一個 LLM 驅動的平台下，並開放研究人員申請使用。這是一個明確往通用智能體（agentic systems）方向靠攏的架構——讓大型語言模型主導研究流程，必要時再呼叫 AlphaFold 等專用工具作為輔助，而非以專用工具為核心。

人事異動更能說明資源的真實流向。諾貝爾獎得主、AlphaFold 主要開發者 John Jumper 目前已被調往 AI 程式編碼專案，不再主導科學專用模型的研發。Google 近期在程式編碼領域的競爭力被認為落後於 Anthropic 和 OpenAI，補強編碼能力固然有現實壓力，但程式能力同時也是通用科學智能體能否運作的關鍵基礎——兩個理由的方向指向同一個終點。

同一週，OpenAI 宣布旗下一個通用推理模型（定位類似 GPT-5.5，並非數學專用模型）推翻了一個重要數學猜想，被部分數學家評為迄今生成式 AI 對數學最具實質意義的貢獻。這件事的重要性不在於數學本身，而在於它驗證了一個假設：通用推理能力達到一定門檻後，不需要領域專用訓練也能對前沿研究做出原創貢獻。如果數學成立，科學是否也會跟上，只是時間與「實驗可驗證性」的問題。

Google 在話語框架上刻意保持謹慎——將 AI Co-Scientist 而非 AI Scientist 這個命名選擇，以及 Hassabis 反覆強調「未來十年 AI 是科學家的工具，而非替代者」，都是有意為之的公關定位。但「工具」與「協作者」之間的邊界，正是整個行業最核心的不確定性。

對亞太地區的決策者而言，這個轉向有兩層含義。第一，以 AlphaFold 模式為樣本、投入資源開發垂直科學 AI 工具的機構，需要重新評估這條路的天花板——當通用智能體的能力邊界持續外擴，專用工具的護城河會縮短。第二，Gemini for Science 目前仍未完全公開，掌握早期使用權的機構將在下一輪科研競速中取得非對稱優勢。入口已經打開，差距從現在開始計。