Google DeepMind 的 ERA 系统自动重写科学代码，改进数据分析
ERA 使用基于 LLM 的树搜索来优化软件。该系统创建了 14 个 COVID-19 住院预测模型，其表现优于 CDC CovidHub 集成模型，将开发时间从数周缩短至数小时。
2026 年 5 月 19 日，ERA（进化研究代理）系统与 Co-Scientist 一同发表在《自然》杂志上，它解决了一个学术界鲜少讨论的问题：现代科学的瓶颈不在于缺乏想法，而在于计算能力不足。大多数科学代码由主要专长为生物学或医学而非软件工程的人编写。其结果是数据处理严重延迟、可重复性错误频发，以及花费数年调试脚本。ERA 是一个自主 AI 开发者，它接管了科学家的最后一项常规任务：编写和优化计算流程。这比任何假设生成器都更根本地改变了研究的成本效益。
核心：自动化科学方法的最后一公里
ERA 是一个 LLM 代理，它接受以自然语言表述的科学任务，并经历从代码架构设计到执行、调试和优化的完整周期。该系统使用树搜索，探索数百种实现变体，并根据给定指标选择最佳方案。这不是 IDE 自动补全或静态脚本生成。它是一个迭代改进代码、读取错误信息、修复错误并在无需人工干预的情况下重写整个模块的代理。
关键演示：ERA 为死亡和住院预测挑战赛创建了 14 个 COVID-19 住院预测模型。结果：其表现优于 CDC CovidHub 集成模型，后者此前是基于数十个专家团队的预测基准。开发时间从数周缩短至数小时。
时间线与背景：科学自动化的三波浪潮
科学自动化经历了三个阶段。第一波是机器人实验室，如 Emerald Cloud Lab，取代了实验室技术员的手工操作。第二波是 AI 假设生成器，如 Co-Scientist 和 Robin，取代了研究主管的部分职能。ERA 代表了第三波——取代计算生物学家和数据科学家。假设与结果之间的差距，此前需要数月的手动编码，现在缩短至数小时。
这不是一次随意的发布。DeepMind 将 ERA 的发布与 Co-Scientist 同步，创建了一个集成平台：一个代理生成假设，另一个立即设计实验来验证它并编写数据分析代码。它们共同闭合了科学发现的完整周期，中间阶段无需人工参与。
谁赢谁输
赢家是所有瓶颈在于计算数据处理的实验室。基因组学研究、流行病学建模、结构生物学、涉及大量患者数据集的临床试验——凡是需要以每年 6 万至 8 万美元雇佣博士后两年的地方，现在都可以部署 ERA。单个职位的节省：两年内高达 20 万美元，包括福利和大学间接费用。
赢家是科学预算有限且缺乏熟练程序员的国家的实验室。如果 ERA 使计算方法民主化，那么非洲或东南亚某所小型大学的研究团队，只要获得计算资源，就能在数据分析质量上与麻省理工学院竞争。
输家是中级生物信息学家。行业将分化：创造新算法的顶尖专家仍将供不应求；而那些工作 80% 是编写 RNA-seq 处理脚本和绘制图表的人将变得多余。输家是像 Galaxy Project 和 Nextflow 这样的平台——如果代理能即时编写代码，对可视化流程环境的需求将急剧下降。
媒体忽略的要点
第一个非显而易见的点是统计诚实性问题。ERA 使用基于给定指标优化的树搜索。如果目标是“最小化预测误差”，代理会诚实地寻找能产生最佳分数的模型。但在真实科学中，研究人员会下意识或有意识地选择能证实其假设的指标。ERA 缺乏这种偏见，但也缺乏科学直觉——它可能找到一个完美预测过去数据但对未来完全无用的模式。工业规模的过拟合被嵌入奖励函数中，这是一个未被提及的风险。
第二点涉及代码作为人工制品。科学代码不仅是获取结果的工具，也是可重复方法的一部分。如果 ERA 在几秒钟内生成数千行代码，同行评审如何验证其正确性？当前的评审系统并非为审计自动生成的流程而设计。风险在于，两三年后，大多数计算论文将包含无人——包括作者——阅读或理解的代码。
第三个洞察涉及谷歌的战略。ERA 和 Co-Scientist 不仅仅是研究项目；它们是为谷歌云企业客户展示能力的演示。每次 ERA 运行都是对 TPU 和 Vertex AI 的账单。通过 Google Labs 的免费访问是诱饵。一旦实验室依赖 DeepMind 代理，迁移到其他平台的成本将变得高昂。谷歌正在构建的不是科学工具，而是云服务的销售漏斗，每个实验室的年合同起价为 10 万美元。
预测：未来 30 天和 90 天
未来 30 天内，我预计会出现数十篇预印本，作者试图在独立数据集上复现或挑战 ERA 的结果。需要检验的关键问题是：ERA 是否因架构优势而优于 CDC CovidHub 集成模型，还是代理在数据中发现了统计伪影，利用了基准的特定弱点？
从 90 天的视角看，科学期刊政策将出现分化。《自然》杂志已向 AI 科学家投入了声誉资本，将接受计算部分由 ERA 执行的论文，前提是披露代理的使用。更保守的期刊将暂停接受 AI 生成的代码，直到制定出审计标准。
主要预测是出现第一个完全围绕 DeepMind API 构建的初创公司。一个由生物学家、临床医生和产品经理组成的三人团队，将能完成以前需要 15-20 人实验室的工作。“Co-Scientist 假设 → ERA 代码 → 发表”的周期将从 12-18 个月缩短至 2-4 周。这不是乌托邦，而是谷歌于 2026 年 5 月 19 日推出的架构的直接结果。科学将永远改变——唯一的问题是，机构是否会适应这些系统设定的速度，还是会被 AI 辅助发现的浪潮所淹没。
— Editorial Team
