Google（谷歌）与MIT（美国麻省理工学院） FutureTech调查：美英约600名科学家中近半每日使用AI（人工智能），自报每周节省近7小时
Google（谷歌）、Google DeepMind（谷歌旗下人工智能研究机构）与MIT（美国麻省理工学院） FutureTech基于ATLAS数据的研究显示，受访美英科学家中近半数每天使用某种形式的AI（人工智能）。
大语言模型（LLM）跨领域使用更广，专用模型相对更多用于健康与生命科学及特定领域的数据预测、生成和模拟任务。 研究者报告每周节省略低于7小时，但同时出现验证耗时、待检验假设积压及物理实验与临床验证瓶颈。
该研究由Google（谷歌）、Google DeepMind（谷歌旗下人工智能研究机构）与MIT（美国麻省理工学院） FutureTech开展，基于ATLAS数据，分析2600个专用AI（人工智能）模型，并调查600余名美国与英国科学家，任务分类采用MIT FutureTech的新分类体系。 结果显示：受访科学家中近半数每天使用某种形式的AI；
大语言模型如Gemini在各科学领域和任务类别中分布较广，专用AI模型相对更多用于健康与生命科学以及特定领域的数据预测、生成和模拟； 科学家报告每周节省略低于7小时。 研究同时发现，验证AI输出的耗时显著、待检验假设积压增加，物理实验和临床验证等环节出现瓶颈。 Google同日还发布了ATLAS新的交互式开放访问可视化页面。
这项研究把关注点从模型能力转向科研流程：节省的工时未必转化为更多发现，核验成本、假设积压与实验验证瓶颈共同限制了产出。 LLM（大语言模型）与专用模型分工并用的描述，也提示科研AI（人工智能）产品需要同时支持通用文献推理任务和领域专用预测任务。 需注意这是基于问卷调查与模型目录分析的描述性研究，受访者自报的每周节省时间并非对照实验测得的效率提升；
“近半数每天使用”仅代表美英受访样本，不能外推到全球科学家。
后续观察信号
- 核查MIT（美国麻省理工学院） FutureTech分类体系原文与调查样本招募方式
- 追踪ATLAS下一轮数据更新的学科覆盖范围