數位生物學（Digital Biology）的轉捩點：AlphaFold 使用量突破 300 萬名研究人員

週一，Google DeepMind 執行長 Demis Hassabis 與 Google 研究、技術暨社會部門高級副總裁 James Manyika 證實了人工智慧社群的一個歷史性里程碑：AlphaFold 蛋白質結構資料庫（AlphaFold Protein Structure Database）目前正由全球 190 個國家、超過 300 萬名研究人員積極使用中。這項在《財富》（Fortune）雜誌關鍵專訪中發布的公告，標誌著生物研究民主化的重大擴張，預示著 AI 驅動的發現已從新奇事物轉變為科學方法中的基本標準。

此次更新伴隨著一系列下一代工具的揭曉——AlphaGenome、**AI 共同科學家（AI Co-scientist）**以及 EarthAI——這些工具共同承諾將重塑人類應對從癌症治療到氣候韌性等各項挑戰的方式。

普及生命構成要素的獲取渠道

自最初發布以來，AlphaFold 已解決了長達 50 年的「蛋白質折疊問題（Protein Folding Problem）」，預測了幾乎所有已知蛋白質的 3D 結構。最新數據顯示，該工具的影響力已遠遠超出了西方國家的頂尖機構。

• 全球覆蓋：發展中國家的研究人員現已構成使用者群體的很大一部分，他們能獲取與頂級實驗室相同的高保真生物數據。
• 醫學影響：該資料庫正被用於加速疫苗開發、理解被忽視的熱帶疾病，以及設計用於塑膠降解的新型酶。

在專訪中，Hassabis 強調，300 萬使用者的門檻代表了一個「關鍵質量（critical mass）」，這意味著 AI 工具不再僅僅是輔助科學家，而是正主動將長達數世紀的研究時程壓縮至短短幾個月。

AlphaGenome：基因醫學的新前沿

基於蛋白質結構預測的成功，Google DeepMind 正式詳述了 AlphaGenome 的功能，這是一款旨在解密生命「軟體」的工具。當 AlphaFold 專注於最終產物（蛋白質）時，AlphaGenome 則針對指令（DNA）及其受控方式。

核心技術能力：

• 長序列分析：該模型可同時處理高達 100 萬個 DNA 字母（鹼基對）的輸入，使其能夠理解基因組內的遠程相互作用。
• 突變預測：它能預測單字母變異（突變）如何影響基因調節，這對於識別複雜疾病的驅動因素至關重要。
• 癌症研究（Cancer Research）應用：早期合作夥伴正使用 AlphaGenome 來精確定位破壞基因控制開關的特定非編碼突變，這些突變會導致細胞失控生長。

James Manyika 指出，AlphaGenome 代表了從「閱讀」基因組到「理解」基因組的轉變，有可能解鎖以前無法設計的個性化基因療法。

AI 共同科學家：加速假設生成

或許引入的最激進轉變是 AI 共同科學家（AI Co-scientist），這是一個建立在 Gemini 2.0 架構之上的系統。與被動的搜尋引擎或資料庫不同，這個代理系統會積極參與科學過程。

AI 共同科學家的設計目標是：

1. 綜合文獻：攝取並關聯來自數百萬篇論文的研究結果，以發現被忽視的聯繫。
2. 生成假設：根據現有的數據缺口，提出新穎且可檢驗的科學理論。
3. 設計實驗：概述具體的實驗室方案以驗證其預測。

在與學術夥伴進行的測試版實驗中，AI 共同科學家成功為急性骨髓性白血病的藥物重新利用提出了有效的實驗路徑，展現了在區分可行研究途徑與死胡同方面的高準確度。

EarthAI：行星基礎模型

除了生物學領域，DeepMind 還展示了 EarthAI，這是一套針對氣候和環境挑戰的行星基礎模型。透過融合衛星影像、天氣數據和生物感測器，EarthAI 創建了一張行星的「生命地圖」。

EarthAI 的核心功能：

• 生物多樣性（Biodiversity）監測：能夠以 10x10 公尺的解析度識別物種分布和棲息地喪失。
• 氣候預測：改進了極端天氣事件的預測模型，有助於災害準備。
• 資源管理：透過預測環境變遷，優化水資源利用和農業規劃。

新科學 AI 工具組對照總覽

下表概述了新討論工具的不同角色與技術基礎：

發現的「迴路」

這些工具的整合創造了 Hassabis 所稱的發現「良性循環」。AlphaGenome 識別基因目標；AlphaFold 預測相關蛋白質的結構；AI 共同科學家提出與之交互的藥物分子；而 EarthAI 則確保原材料的獲取或生產對環境的影響是可持續的。

這種聚合顯示 2026 年不僅僅是另一個漸進式進步的年份，而是 AI 作為科學進步主要引擎時代的開端。隨著這些工具融入 300 萬名研究人員的工作流程中，創新速度預計將呈指數級加速，從根本上改變醫療保健、材料科學和環境保護的格局。