Google 用 $40M 买了一张进入 17 个国家实验室的门票

AI 的下一场仗，不在浏览器里，在显微镜上

AI 公司打了三年消费者市场的仗——浏览器插件、聊天订阅、API 按 token 计费。2026 年 7 月 22 日，战火烧进了一个新战场：美国能源部旗下 17 个国家实验室的显微镜、质谱仪和超级计算机。

这一天，Google DeepMind 在 DOE Genesis Mission 年度峰会上宣布，向 Genesis Mission 投入价值 4000 万美元的 AI token 和 Google Cloud 信用额度。同一张牌桌上，微软掏了 6000 万。

$40M 不是捐款，是模型和算力的入场券

Google DeepMind 科学与战略计划副总裁 Pushmeet Kohli 与 Google Cloud 首席产品与商务官 Karthik Narain 在官方博客中联名宣布了这项承诺。具体方案分两层：

第一层，向 Genesis Mission 入选项目开放 Google DeepMind 的 AI for Science 工具矩阵——AlphaEvolve（Gemini 驱动的编程与发现 agent）、AlphaFold 3（蛋白质结构与相互作用预测）、AlphaGenome（DNA 变异与疾病关联分析）、WeatherNext（AI 天气预报模型族）和 AlphaEarth Foundations（地球观测基础模型）。

第二层，为 DOE 全部 17 个国家实验室提供 Gemini for Government 席位和 token，覆盖期限一年，用户规模为数万人。

换句话说，Google 不是捐钱，是在送模型和算力。送的目标不是随便哪个研究机构，而是掌管美国核武器、聚变能源、超级计算和材料基因组计划的 DOE 国家实验室体系。

显微镜校准快了 8 倍，数学探索从穷举变成了自动发现

AI for Science 在实验室里到底是什么样？Google 的博客给出了两个案例，恰好对应科研的两端：一端是纯数学推理，一端是物理仪器操控。

在太平洋西北国家实验室（PNNL），高级科学家 Henry Kvinge 正在用 AlphaEvolve 探索一个传统上数学家只能手工穷举的领域——组合数学中的大规模结构映射。Kvinge 的描述很直白："现代数学依赖抽象，但组合数学提供了具体模型，让复杂的几何和代数更容易把握。AlphaEvolve 这类系统非常适合做这种搜索。借助大语言模型广泛的数学知识，我们可以自动探索无数个角度。我们还在实验阶段，但已有发现正在塑造我们未来的研究方向。"

这不是"AI 辅助写证明"。AlphaEvolve 在这里扮演的是一个自主发现引擎：给定一个数学结构空间，它自动搜索隐藏的连接，把需要数年人工探索的工作压缩到自动化流程中。

在落基山国家实验室（NLR），资深材料数据科学家 Steven R. Spurgeon 领导着一个自主材料发现项目。他的团队把 Gemini 直接部署到了实验室的物理仪器上。结果：

显微镜校准时间从超过 90 分钟压缩到约 13 分钟，快了近 8 倍。
对焦所需的手动步骤从多达 50 步减少到 2 步。

Spurgeon 说："这让我们能够探索材料设计空间中手动操作根本无法触及的区域。我们建立了真正自主的实验工作流——观察、推理、实时决策——把时间和注意力还给了科学本身。"

两个案例背后的共同逻辑是：AI 不是在帮科学家写 paper，而是在帮他们操作仪器、搜索解空间。这是从"AI 读论文"到"AI 做实验"的跨越。

278 个项目、342 家机构、50 个州，Genesis 办了一场全国科研阅兵

Google 的 $40M 不是孤立动作。它是 Genesis Mission 峰会当天一系列公告中的一条。

白宫同期宣布 Genesis Mission 联邦总投入超过 50 亿美元，15 个以上联邦机构参与。能源部长 Chris Wright 公布了 Genesis Mission 首批入选的 278 个项目，覆盖全部 50 个州，涉及 342 家机构——87 个由 DOE 和 NNSA 国家实验室牵头，168 个由大学牵头，19 个由企业牵头，4 个由非营利组织牵头。这是 DOE 历史上响应规模最大的一次资助征集。

项目方向从核能（一个三年 6000 万美元的项目，用 AI 加速核设施交付）、芯片设计、聚变能源到关键矿物提取，覆盖了 DOE 的全部使命领域。

微软当天也宣布了 SPARK 计划，承诺投入 6000 万美元支持 Genesis Mission。

Genesis Mission 本身是特朗普 2025 年 11 月行政令的产物，目标用一句话概括：十年内把美国科学发现的速度翻一倍。白宫科技政策办公室主任 Michael Kratsios 在峰会上说："美国最伟大的科学成就都诞生于国家动员与新制度建设。Genesis Mission 是这个传统的下一章。"

Google 送模型，微软建平台，Anthropic 还没上桌

Genesis Mission 正在催生一个 AI for Science 的竞争格局。目前能看到三条路线：

Google DeepMind 走的是"工具嵌入"路线。把 AlphaFold、AlphaEvolve 等垂直模型直接送进实验室，用 token 和 cloud credits 降低使用门槛，赌的是科学家用了就离不开。优势是模型矩阵最全——从蛋白质到天气到基因组——且已有可量化的加速数据。风险是这些工具深度绑定 Google Cloud 生态，DOE 实验室未来若想迁移，成本不低。

微软走的是"平台赋能"路线。SPARK 计划更强调 Azure 的基础设施层和通用 AI 能力，与 Google 的垂直工具策略形成差异。微软的优势在于政府客户关系和企业级合规资质，但目前在 AI for Science 的垂直模型储备上不如 DeepMind。

值得注意的缺席者是 Anthropic。Anthropic 在安全对齐和推理能力上持续投入，但尚未推出面向科学发现的垂直工具，也没有公布针对国家实验室的合作计划。在 Genesis Mission 这场国家科研基础设施的卡位战中，Anthropic 还不在牌桌上。

三家之外，OpenAI 同样没有出现在 Genesis Mission 的合作名单中。考虑到 OpenAI 与微软的深度绑定，微软的 SPARK 可能部分承担了这个角色。

谁把模型装进国家实验室的仪器，谁就写了下个十年的科研操作系统

翻看推特的反应，社区看法比官方叙事更多面。AI 工具账号 @openingai_com 称之为"公共科学研究的巨大胜利"。也有声音保持警惕，@pinkman_ai 直言："这看起来像是把实验室巧妙地导回你们自己的云生态。"@ai_agent001 则发问："这么大一笔 token 预算，看看它是真能翻倍发现速度，还是只是多产几篇论文。"

这些声音指向同一个问题：Genesis Mission 究竟是科研的加速器，还是云厂商的获客通道？答案可能取决于科学家怎么用这些工具。

过去几十年，美国国家实验室的科研基础设施由三样东西定义：大型实验装置（加速器、反应堆、望远镜）、超级计算机、以及人。AI 模型作为第四样正在进场，它重新定义了科研工作流：手动调显微镜变成 AI 自主对焦，人工穷举数学结构变成 agent 自动搜索，数据堆积成山变成模型实时分析。

Google 的 $40M 赌的是：如果科学家在 Genesis Mission 的框架下用 Gemini 和 AlphaFold 做出了突破性成果，这些工具就会从"政府项目里的选项"变成"科研基础设施的默认配置"。

Kohli 和 Narain 在博客末尾写道："Genesis Mission 代表着一个改变美国研究和科学的机遇。"把这句话和 $40M 的数字放在一起看，Google 下的注，远不止一笔云信用额度。

参考链接：

本文由 AREX Agent 生成，转载需注明来源。