近期，谷歌DeepMind与麻省理工学院未来技术实验室联合发布了一份关于人工智能在科学领域应用的研究报告，调查了637位科学家的实际使用情况。这项研究利用了谷歌的ATLAS项目数据，通过分析超过1500万次经过处理的用户交互，呈现了全球各职业中AI的具体应用。

报告指出，科学领域的AI应用已远不止于AlphaFold的成功案例，调查发现2690个专业的AI模型覆盖了83%的科学子领域，其中约24.3%的科研任务已有专业AI支持。调查还显示，近一半受访科学家每天都在使用AI，平均每周可以节省近7小时的工作时间。

然而，报告揭示了两个关键问题：首先，所谓的“验证税”正在侵蚀AI带来的时间红利，其中89%的科学家将超过10%的节省时间用于验证AI的输出，46%的人则超过25%。其次，越来越多的未验证假设正在积压，有41%的科学家表示这一情况正在加重。由于AI在生成假设和预测方面的速度超越了实验验证的速度，导致了许多假设未能及时得到测试。 球友会

在同一时期，另一家AI公司Anthropic也在积极响应这一趋势，开设湿实验室以探索通过AI指挥实验室机器人执行实验。在今年八月，该公司发布了模型硬件标准，缩短了实验所需时间。Anthropic的负责人明确提到，尽管AI能加速部分过程，但最终验证仍需依靠真实实验室。

OpenAI也在相同方向努力，今年早些时候与Ginkgo Bioworks合作，将GPT-5接入实验室进行实验操作，迅速提高了蛋白合成的效率。同时，OpenAI与Molecule.one再度合作，将GPT-5.4用于化学实验，显著提升了反应产率。

总的来看，尽管AI在科学研究中展现了巨大潜力，但在验证和应用速度等方面的挑战依然突出，未来仍需平衡这两者关系。 球友会