谷歌DeepMind团队于11月3日发布博文，宣布为Google Antigravity推出一套“化学信息学技能”（Cheminformatics Skills），用于辅助科研人员完成药物发现中的文献检索、分子分析、模型构建和新分子设计等工作。在以肺癌药物为例的演示中，AI智能体可在约一小时内检索数千种化合物、开展匹配分子对分析，并提出具备合成路线的新型刚性大环分子，而类似流程过去往往需要数天时间。
据介绍，该工具将大语言模型的规划、检索与科学推理能力，与RDKit等确定性化学计算工具相结合，并接入ChEMBL和PubChem等公共化学数据库。系统能够从论文、专利和产品目录中识别以IUPAC名称、马库什结构或SDF文件等不同形式出现的同一分子，从而减少科研人员在数据清洗和格式转换上的时间消耗。这一能力针对的是药物发现流程中长期存在的非结构化数据整合难题。
在演示环节，AI围绕克唑替尼（Crizotinib）与劳拉替尼（Lorlatinib）两类肺癌靶向药展开分析。系统检索并整理了568个化合物，识别出“分子刚性化”与药效提升之间的关联，随后训练药效预测模型，并设计出多个潜在更优的大环化合物，同时给出反应机理和合成建议。谷歌方面强调，AI产出的是“可检验的科研假设”，并非成品药物；受数据稀疏、实验室间检测误差和动态范围限制，所有候选分子仍必须经过合成与实验验证。
从产品定位看，Antigravity的化学信息学技能延续了AI智能体与领域专用工具链结合的技术路径。大模型负责规划与推理，确定性计算工具负责数值与结构层面的准确性，二者分工可在一定程度上缓解大模型在科学计算场景中的可靠性问题。谷歌同时披露了使用与推广安排：该功能目前已面向Google Antigravity用户开放，企业用户可通过Google Cloud账号使用；谷歌还计划向最多1万名符合条件的科学家免费提供6个月最高用量档位。
药物发现是AI应用落地较受关注的领域之一，其核心价值在于压缩文献调研、分子筛选与假设生成环节的时间成本。此次功能上线能否在实际科研流程中形成稳定产出，仍取决于后续实验验证结果与用户反馈。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
