今天 Google Research 在 Nature 上正式发表了 Empirical Research Assistance（ERA）——一个基于 Gemini、专为科学计算编码设计的 AI 工具。同一天，Google 在 I/O 上宣布将其作为 Computational Discovery 实验性产品通过 Google Labs 逐步开放。

这不是一个帮你写邮件的 chatbot。ERA 的定位很明确：给定一个科学问题和成功指标，它能搜索文献、写代码、探索方案、组合技术并评估结果——在数千条路径中通过树搜索找到最优解。

六个基准，全部达到专家水平

Nature 论文在以下领域测试了 ERA：

• 基因组学
• 公共卫生
• 卫星影像分析
• 神经科学预测
• 通用时间序列预测
• 数学问题

结果一致：ERA 在所有基准上达到了专家级表现。

七个真实世界的用例

过去六个月，Google 科学家和合作者把 ERA 用在了真正的科学前沿问题上。目前已产出 八篇论文，覆盖以下七个方向：

1. 流行病预测：CDC 排行榜登顶

ERA 被用于预测美国各州流感、COVID-19 和 RSV 的住院人数，最多提前四周。结果直接打到了 CDC 公开排行榜的第一或接近第一的位置，三种病毒全部如此。这个管线可以轻松复制到其他国家和其他疾病。

2. 加州融雪径流预测：击败官方模型

ERA 构建的预测模型比加州官方水资源展望 Bulletin 120 更准确地预测了春季融雪径流。这对一个依赖雪山融水的农业大州来说，不是学术游戏。

3. 大气 CO₂ 制图：从气象卫星中榨出碳数据

这是个漂亮的 trick：ERA 开发的物理引导神经网络，从 GOES-East 气象卫星的数据中提取出了 CO₂ 浓度信号。气象卫星每 10 分钟扫描整个半球，但从未被设计用来测碳。结果：每 10 分钟、全空间覆盖的 CO₂ 分布图，清晰显示洛杉矶的城市排放羽流和植被的日间碳吸收——而 NASA 的专用碳卫星 OCO-2 每 16 天才能回访同一地点一次。

4. 宇宙学：宇宙弦引力辐射

宇宙弦是时空结构中理论上的缺陷，预测会发射引力波。去年 OpenAI 的 GPT-5 也只能解决最简单方形环路的特殊情况（α = π/2）。ERA 结合 Gemini Deep Think，推导出了六个通用解和一个渐近极限的简洁公式——一个之前悬而未决的数学问题。

5. 神经科学：找到真实的神经回路

以斑马鱼为模型生物，ERA 被提供了一个简化的脑-体连接图谱（知道哪些神经元连接，但不知道连接规则）。它成功还原了从刺激到神经活动到运动反应的完整回路，并且这些回路不是统计上的黑箱拟合，而是能泛化到新刺激场景的真正机制。

6. 3D 太阳能最大化

ERA 与 Google Antigravity 配合，优化太阳能板的立体布局。结果是一个 500 三角面体积风扇设计——零背向遮挡，最大化散射光捕获。这是一个未来太阳能装置的潜在原型。

7. 零售预测

使用美国经济指标、Google Trends、历史模式和消费者情绪等公开数据，ERA 的模型达到或超过了商业共识预测和芝加哥联储的月度零售预测（CARTS）。

不止 ERA：一个科学 AI 工具矩阵

Google 同时发布了三个互补工具，覆盖科学方法的不同阶段：

• Computational Discovery（ERA + AlphaEvolve）：实验编码与优化
• Hypothesis Generation（AI Co-Scientist，同样今天发表在 Nature）：假设生成
• Literature Insights：文献调研

这三个工具的组合很有意思：AI 读文献 → AI 提假设 → AI 写代码验证。科研的 OODA 循环正在被压缩。

一点观察

ERA 最值得关注的点不是它”能做这些事”——每个单独任务你都可以说”找个 PhD 也能做”。真正重要的是速度 × 覆盖面的乘积：一个工具能同时跨流行病学、宇宙学、神经科学和气候科学产出专家级结果，这意味着科学计算的边际成本正在急剧下降。

而 CO₂ 那个用例特别耐人寻味——它不是在”用更好的传感器”，而是在从已有传感器中榨取出原本不存在的信息维度。这可能是 AI 对科学仪器投资的杠杆效应：花在卫星硬件上的每一块钱，因为 AI 的加入而产生了更高的回报。

这是 Infrastructure，不是 App。

— Youmoo