AI 科學家集體出走！3 大創投注資 2026

Q: 一般生技公司該如何導入 AI 自動化實驗室？

建議先租後建：先串接雲端濕實驗室與現成自動化平台，建立標準化數據管道，驗證閉環後再逐步擴充自有實驗室，並把可重現性列為最高優先級。

AI 科學家集體出走是這篇文章討論的核心

前 Google 科學家集體叛逃！「AI 科學家」如何把數年科研壓縮成數週，引爆 2026 兆美元 AI for Science 革命

圖：自動化實驗室機械手臂——AI 科學家把「假說」變成「實驗」的最後一哩路（圖片來源：Pexels）

快速精華：三分鐘看懂「AI 科學家」這條賽道

💡 核心結論：AI for Science 被視為繼 LLM 之後的下一個殺手級應用。前 Google DeepMind 頂尖研究員（含 AlphaFold 核心成員）集體出走創業，FutureHouse 等團隊獲 Benchmark 等頂級創投逾億美元注資，目標是把科研週期從數年壓縮到數週。

📊 關鍵數據（2027 與未來預測量級）：自主科學實驗室 AI 市場 2025 年約 32 億美元，2034 年上看 298 億美元（CAGR 28.4%）；AI 實驗室自動化 2025 年 35.4 億美元，2035 年達 192.3 億美元（CAGR 18.44%）。2027 年整體市場預估將突破百億美元量級。

🛠️ 行動指南：① 導入 Robin／Co-Scientist 類多智能體工具；② 串接自動化實驗室或雲端濕實驗室建立閉環；③ 把「可重現性」列為 AI 假說驗證的最高優先級。

⚠️ 風險預警：AI 假說幻覺與訓練資料污染可能製造「偽突破」；自動化實驗室缺乏統一標準與監管框架；人才與資本過度集中，2026-2027 年恐現估值泡沫。

📑 目錄導航

為什麼前 Google DeepMind 的頂尖科學家要集體出走創業？
「AI 科學家」真的能自動讀論文、生假說、做實驗嗎？
「AI for Science」賽道在 2026 年將掀起多大的資本與產業鏈效應？
自動化實驗室與 AI 生技，誰才是下一個殺手級應用？
2027 年以後，科學研究會被 AI 全面接管嗎？

2026 年，我觀察到一個不太尋常的訊號——Google 內部那群最懂蛋白質摺疊、最會設計演算法的腦袋，正一個接一個把識別證還回去。從 AlphaFold 核心成員、諾貝爾獎得主 John Jumper 琵琶別抱，到效力 27 年的首席科學家 Jeff Dean 親自下海創業，這股出走潮不是單純的挖角戰，而是整個科研基礎設施即將被重寫的前奏。資本已經用腳投票：FutureHouse 這類「AI 科學家」新創，一口氣拿下 Benchmark 等頂級創投逾億美元注資。這篇文章，我想把這條賽道的來龍去脈攤開給你看。

為什麼前 Google DeepMind 的頂尖科學家要集體出走創業？

在大公司裡，研究員終究要對產品 KPI 負責。Gemini 的發布節奏、季度財報的壓力，把「慢科學」的生存空間壓得越來越扁。於是，那些想「用十年磨一劍」的人，選擇了離開實驗室高牆。

FutureHouse 是這波浪潮的旗艦：10 年使命、半自主 AI 科學家，核心成員不少是 AlphaFold 專案出身。2026 年 8 月，Google 首席科學家 Jeff Dean 在任職 27 年後宣布離職創業，Demis Hassabis 轉任董事長——這等於向市場宣告，「AI 科學家」正式從大廠孵化器獨立成軍。

關鍵不在「誰走了」，而在「錢往哪去」。Benchmark 等頂級創投逾億美元注資，說明華爾街把 AI for Science 視為繼 LLM 之後的下一個殺手級應用。出走者帶走的不只是演算法，還有把 AI 從「會對話」推進到「會做實驗」的野心。

💎 Pro Tip 專家見解：判斷一家「AI 科學家」新創值不值得追，別只看模型跑分，要看它有沒有自己的濕實驗室（wet lab）與閉環驗證能力。能「自己生假說、自己跑實驗、自己打臉自己」的團隊，才是真玩家。

「AI 科學家」真的能自動讀論文、生假說、做實驗嗎？

答案在 2025 年已經開始揭曉。FutureHouse 的 Robin 系統是第一個能「端到端」自動化科學發現的多智能體：自動掃描文獻、生成假說、設計實驗、分析數據，最後自己鎖定 ripasudil 作為乾性黃斑部病變（dAMD）的候選藥物——這是史上第一個在「lab-in-the-loop」閉環中，由 AI 自主發現並驗證的候選療法，論文從 bioRxiv 預印本一路衝上 Nature 正刊。

同一時間，Google DeepMind 也端出 Co-Scientist，用 Gemini 當底層引擎，生成並演化假說，在微生物抗藥性研究上給出人類科學家沒想過的方向。兩套系統都在 2025 年初以 bioRxiv 預印本亮相，象徵「AI 科學家」不再是概念股，而是真的能出活的科研助手。

數據/案例佐證：Robin 論文主文中，所有假說、實驗計畫、數據分析與圖表全部由 AI 產出。這代表「讀論文 → 想點子 → 做實驗 → 看結果」的完整迴圈已被機器接管，科研週期從「以年計」壓縮到「以週計」，不再是科幻台詞。

💎 Pro Tip 專家見解：用 Robin 這類工具時，記得把可重現性設為最高優先級。AI 生假說的速度再快，只要濕實驗驗證跟不上，就只是包裝漂亮的幻覺。

「AI for Science」賽道在 2026 年將掀起多大的資本與產業鏈效應？

數字不會騙人。自主科學實驗室 AI 市場從 2025 年的 32 億美元，被預測一路衝到 2034 年的 298 億美元，年複合成長率 28.4%；AI 實驗室自動化從 35.4 億美元，在 2035 年來到 192.3 億美元（CAGR 18.44%）；連傳統實驗室自動化，也將從 76 億美元爬到 129 億美元。

把三個數字疊起來，你看到的是一條 2026 年才剛起跑的陡峭成長曲線。若把鏡頭拉遠，全球 AI 市場在 2026 年已是以「兆美元」計的體量，而 AI for Science 正是其中最被低估、卻最貼近實體世界的出海口——因為它直接對應製藥、材料、能源與合成生物學這些真金白銀的產業。

創投的算盤很直白：與其賭下一個聊天機器人，不如賭一個能自己發現新藥的機器人。Benchmark 逾億美元注資 FutureHouse 這類團隊，只是這場資本盛宴的開胃菜。

💎 Pro Tip 專家見解：關注這條賽道，別只看「AI 公司」估值，要看「AI 滲透率」。液態處理機器人、儀器數據接口、實驗室設備商這些上游供應鏈，才是真正吃肉的人。

自動化實驗室與 AI 生技，誰才是下一個殺手級應用？

答案可能兩者都是——因為它們根本是同一枚硬幣的兩面。FutureHouse 之所以敢說大話，是因為它自己養了一間濕實驗室，AI 生的假說能當場用機器人跑實驗驗證。這種「軟體＋硬體」的閉環，正是 2026 年投資熱潮的核心邏輯。

想像一條流水線：AI 讀完十萬篇論文 → 生成候選分子 → 自動化機器人配藥、培養、測活性 → 數據回饋給 AI 修正假說。人類科學家從「操勞的雙手」變成「監督的大腦」，製藥從「十年十億美金、九成失敗率」的賭局，變成可規模化、可重試的工程問題。

💎 Pro Tip 專家見解：對生技團隊來說，現在是最佳切入時機。你不需要從零打造機器人——租用雲端實驗室、串接現成自動化平台，就能先讓 AI 跑起來。先閉環、後擴張。

2027 年以後，科學研究會被 AI 全面接管嗎？

我的觀察是：不會「全面接管」，但會「全面重排」。到 2027 年，我們很可能看到數十個「全自動閉環」的 AI 科學家同時在雲端跑實驗，人類科學家的核心價值將從「做實驗」轉向「定義問題、審查結果、拍板決策」。這不是科幻，而是 Jeff Dean、John Jumper 們正在用腳投票的未來。

但風險同樣真實：AI 生成的假說可能帶有幻覺，訓練資料污染會讓「新發現」變成「舊知識的排列組合」；自動化實驗室的標準化與監管法規還沒跟上；專利與學術審查機制也將被倒逼重寫。2027 年之前，誰能先建立可信的驗證機制，誰就能吃下整條產業鏈。

💎 Pro Tip 專家見解：想提前卡位的人，2026 年就該佈局三件事：培養「AI 監督」能力、建立可重現的實驗數據管道、盯緊法規與倫理框架的鬆綁進度。

關於「AI 科學家」的常見問題（FAQ）

Q1：AI 科學家真的能取代人類研究員嗎？

短期內不會，但會徹底重排科研分工。FutureHouse 的 Robin 系統已能自主生成假說、設計實驗並發現候選藥物，但「定義問題、審查結果與最終決策」仍需要人類科學家把關。AI 是加速器，不是取代者。

Q2：2026 年 AI for Science 市場規模有多大？投資人該怎麼看？

自主科學實驗室 AI 市場 2025 年約 32 億美元，預測 2034 年達 298 億美元（CAGR 28.4%）；AI 實驗室自動化則從 2025 年 35.4 億美元成長至 2035 年 192.3 億美元（CAGR 18.44%）。這是一條 2026 年才剛起跑、年複合成長率近三成的陡峭賽道。