谷歌DeepMind联手杜克大学、哥伦比亚大学和德州农工大学，直接把AI科研智能体推进了物理实验室。
过去大部分AI科研工具只能在电脑里跑跑代码、写写假说，一旦进入现实世界就漏洞百出。现在，全新升级的Co-Scientist系统实现了从理论假说到物理实验、再到论文撰写的全流程闭环，在材料科学、生物学和计算机科学三大领域拿出了经得起现实检验的突破性成果。
paper：
https://arxiv.org/pdf/2608.26701
搞定新材料合成，AI几分钟生成设备控制指令
在材料科学领域，制造新型二维材料一直受困于复杂的工艺调试和危险化学品。
二维碳化钛MXene由于导电性极高且表面化学特性丰富，在下一代半导体中备受瞩目，但传统合成方法不仅依赖剧毒的四氯化钛气体，还需要氢氟酸刻蚀，很难通过自下而上的化学气相沉积（CVD）直接生长。
Co-Scientist通过推理反应动力学，提出用固态六氯乙烷替代剧毒气体。人类实验员根据AI生成的配方，在自建的管式炉设备上进行了25轮迭代优化，成功在钛箔表面合成了具有典型层状结构的二维晶体。X射线衍射检测到了7.8度的强特征峰，层间距达到1.13纳米，透射电镜测出的晶格间距为2.51埃，各项数据与目标MXene高度吻合。
在实验过程中，研究团队还遭遇了氧化副产物过多的问题，成功率一度只有11.5%。人类研究员排查出设备密封和废气冷凝堵塞的物理漏洞，引入严格的清洁维护流程后，合成成功率大幅跃升至68%。
除了探索未知配方，针对二硫化钼、二硒化钼和二硫化钨等二维半导体，Co-Scientist借助Gemini 3 Deep Think的快速推理能力，直接把工艺配方翻译成机器可执行的代码，直接控制CVD设备的升温与气流。在实验室完全没有二硒化钼和二硫化钨合成经验的情况下，系统在几分钟内完成参数适配，单次实验即成功制备出高质量的单层半导体晶体。
零样本预测细菌生长形态
在合成生物学中，预测基因回路调控下的菌落形态通常需要经历漫长的培养和筛选周期。
哥伦比亚大学团队构建了大肠杆菌工程菌株，通过添加不同浓度的IPTG诱导剂来调控细菌的游动扩散行为。面对未公开的实验图像，Co-Scientist自主搭建了一套端到端的视觉预测管线。
系统采用留一法插值策略，利用Gemini 3 Pro Image生成候选图像，并结合Gemini 2.5 Pro进行16选1的最佳结果筛选。在完全没有接触过目标浓度图像的前提下，AI准确预测了菌落随着诱导剂浓度增加而出现的尺寸收缩与放射状分支结构。
在平均半径、极偏心率和周向强度变异系数三项关键形态指标上，AI预测的曲线与真实湿实验测定结果高度一致，没有出现统计学上的显著偏差。对于不产生剂量反应的对照组菌株，AI也准确给出了形态保持不变的预测，证明系统是在基于视觉规律进行逻辑插值，而不是胡乱生成。
自主进化出医疗架构，击败六大主流模型
在计算机科学领域，Co-Scientist在没有任何人类干预的情况下，自主设计出了一套专门处理复杂医学咨询的推理架构Agent_H。
在开发阶段，AI接触不到任何真实评测题目，仅依靠1282道合成的健康问题进行算法进化。最终生成的Agent_H包含完整的分诊、解构、28到48个医学角色候选生成、单败淘汰制评估、循环审查修正、文献核查以及输出长度压缩等八个阶段。
在极具挑战性的HealthBench Hard和HealthBench Professional基准测试中，经Gemini 3.5 Flash和GPT-5.4双重裁判评测，Agent_H在经过长度惩罚调整后的得分全面超越了GPT-5.6 Sol、GPT-5、Claude Opus 5、Claude Fable 5以及底座模型Gemini 3.1 Pro。
三位获得专业认证的执业医生进行了双盲对照评审。结果表明，Agent_H在临床安全性上表现突出，其产生潜在临床危害的概率显著低于基准模型。不过医生评审也显示，自动化裁判的高分往往得益于AI对评测规则的精准契合，自动化评分与真正的临床偏好之间依然存在一定差距。
斩断幻觉与学术作弊，让AI写出可信论文
针对以往AI生成学术论文时普遍存在的编造数据、伪造实验和隐形抄袭问题，研究团队给Co-Scientist装上了两道硬核刹车机制。
一方面，系统将论文生成重构成多目标联合优化问题，在追求审稿得分的同时，对抄袭和幻觉施加极其严厉的数学惩罚。另一方面，系统引入了确定性的日志裁剪模块，自动扫描论文草稿中的所有数据和统计结论，逐一与实验产生的原始运行日志进行强制比对，一旦发现缺乏证据支持的内容就直接触发重写。
为了检验这套机制的实际效果，团队生成了50个涵盖智能体、模型训练和提示工程的AI研究课题，分别由完整版Co-Scientist、去除可靠性模块的消融版系统以及代表现有开源水平的Agent Laboratory基准系统独立完成论文，总计产生150篇完整论文。
来自全球的30位拥有博士学位或博士后经历的专业评审员完成了450份独立双盲同行评审。评审结果显示：
在足以推翻论文结论的严重结果幻觉上，基准系统的发生率高达90%，消融版系统为46%，而Co-Scientist将其压低到了4%，完全杜绝了极端的凭空编造。
在严重的方法学前后矛盾上，基准系统达到100%，Co-Scientist降低到了24%，极度偏离代码实现的情况从74%骤降至2%。
在严重抄袭率上，Co-Scientist从基准系统的60%降至16%，对已有成果的正确引用归属率从15.9%提升至39.4%。
在安全性方面，系统内置的双层伦理防御能够拦截98.7%的恶意研究指令。在人为关闭初筛拦截的极限测试中，伦理监督模块依然能将实验计划的安全比例保持在96.7%，把潜在威胁引导向合规的安全研究路径。
从自己设计工艺、指挥硬件烧制芯片材料，到精准推演活体细胞的生长形态，再到全自动写出数据严谨的高质量论文，Co-Scientist展现了AI深度融入实体科研的巨大潜力，当然了让了这只是刚刚开始。
前两天A厂刚发了Agent操作物理世界的硬件标准MHS，sam altman 也已经吹爆自家未发布模型Astra跑通自主科研的关键点，物理实验的复杂多变依然需要人类科学家的经验，但这种人和Agent协同的闭环研发模式，正在一步一步进化，Agent接管物理世界看起来现在各家大厂已经的重点推进了。