在剛落幕的 Google I/O 大會上，Google DeepMind 執行長 Demis Hassabis 拋出了一個令人震撼的觀點：人類正站在「技術奇點（Singularity）」的山腳下。這句話若由一般創業家口中說出，可能被視為空泛的炒作，但對一位剛展示完颶風預測工具、帶領過 AlphaFold 團隊的領袖來說，這番話背後隱含著 AI 科研路徑的實質變遷。
過去幾年，AI 在科學界的成功多半依賴「術業有專攻」。例如 AlphaFold 專攻蛋白質結構預測，它雖然獲得了諾貝爾獎等級的肯定，但其功能高度侷限於生物化學領域。然而，從這次大會揭露的訊息來看，Google 的重心似乎正悄悄從「專用系統」轉向「通用型 AI 代理人（AI Agents）」。最明顯的信號莫過於 AlphaFold 的核心推手 John Jumper，如今也被調派去參與 AI 撰寫程式碼的研發工作。這種人力資源的搬風，暗示了 Google 認為科學發現的下一個瓶頸，在於如何讓 AI 像人類一樣具備跨領域的解決問題能力。
這種轉變並非偶然。過去我們認為科學發現需要極度精密的專門模型，但近期 OpenAI 的通用推理模型卻成功推翻了一個重要的數學猜想，證明了即使不是為了特定科學目的而開發的 AI，只要具備足夠的邏輯推理與自動化能力，依然能對科學進展產生實質貢獻。這代表 AI 科研的下一個階段，重點不在於針對每個問題開發專門的工具，而是開發一個能運用多種工具、具備科學思考邏輯的「通才」。
有趣的是，Google 在命名上也展現了其謹慎的一面。他們將新一代系統稱為「AI Co-Scientist（AI 共同科學家）」而非「AI Scientist」。這種細微的差別反映了當前的技術邊界：AI 目前仍是輔助者，負責處理繁瑣的實驗模擬、文獻回顧或程式編寫，而非完全取代科學家的直覺與假設能力。然而，隨著 Hassabis 所言的「奇點」逼近，這種「協作」與「獨立研究」之間的界線正變得模糊。
對產業界與學術界而言，這項發展意味著未來的研究流程將被重塑。科學家不再只是實驗室裡的實作者，更像是專案管理者，指揮著具備推理能力的 AI 代理人進行大規模探索。這種「通用型 AI 帶動科研」的模式，將大幅縮短新藥開發、材料科學甚至是氣候預測的週期。雖然我們離真正的奇點還有一段路，但 Google I/O 所展示的，正是這條通往未來科研之路的全新轉向。