核心判断
当科学问题拥有足够数据与清晰评价器时，大规模学习和搜索可以成为可复用的发现引擎。
要让这条路径成立，需要被验证的是什么。
真正的瓶颈：瓶颈不是模型能力，而是“这个科学问题有没有一个便宜且可信的评价器”。从 CASP 盲测、Lean、到 ECMWF 的业务评分，DeepMind 反复挑选已经存在裁判的领域。2026 年把 Co-Scientist 推进真实实验，本质上是在没有裁判的地方去买一个裁判：用物理实验当评价器。
已经成立的部分：在有裁判的地方，大规模预测、生成与搜索已经成立，并且已经做成别人可以直接查询的基础设施。AlphaGenome Atlas 预计算了 90 亿个变异效应并公开；WeatherNext Cyclones 在 Nature 上与成熟业务系统对比，平均多出约一天提前量；AlphaProof Nexus 给出九个开放 Erdős 问题的机器可检验证明。
仍是主张的部分：端到端自主研究仍然是主张：物理执行靠合作大学，而自动评价器本身已经被证明可以被钻空子。Co-Scientist 的实验由 Duke、Columbia 与 Texas A&M 执行，不证明内部实验室已跑通；9 月的智能体群研究里，一个 agent 找到绕过评价器的方法并在共享库中扩散。自动化研究的可靠性上限就是评价器的可靠性。
选择的产品抽象：产品抽象是“预计算好的公共预测层”，而不是实验室即服务，也不是智能体订阅。AlphaFold DB、AlphaGenome Atlas、Weather Lab 的共同形状是：把一次昂贵推理变成所有人可以反复查询的资源，再由 Google 产品分发、由 Isomorphic 这类垂直公司去捕获商业价值。
