人工智能（AI）与科学研究的深度融合，正在孕育一场前所未有的科技革命。随着我国在AI驱动科学研究（AI for Science）领域的快速布局与持续投入，AI驱动科学研究的战略方向与发展路径已日益清晰。
近日，国务院印发《关于深入实施“人工智能+”行动的意见》，提出加快实施“人工智能+”科学技术行动，加快科学发现进程，率先建立基于AI的新型科研和研发范式，推动我国科技创新走在世界前列。展望“十五五”，AI for Science将成为我国科技体制变革和创新能力跃升的关键引擎，为实现整体科研和研发范式的智能化转型，以及2035年建成世界科技强国的战略目标奠定坚实基础。
推动科研范式智能化转型
首先，AI for Science的本质是通过人工智能解决过去无法解决的重大科学难题，加速原始创新步伐。例如，蛋白质结构预测这一生命科学领域的“世纪难题”正是通过AI技术取得了突破性进展。其次，AI for Science正在发展新的算法和工具以推动科研的根本性变革。新一代基于AI的科研工具不断涌现，极大提升了科学计算与模拟的效率和精度。而AI for Science更为深远的意义在于推动整体科研范式的智能化转型。这不是个别机构、团队的转型，而是整个科研体系、产业格局的重塑。它将推动科学研究从“作坊模式”转变为“平台模式”。
然而，目前AI for Science所引发的这场革命，其广度与深度尚未被国际社会充分认识。因此，这正是一个难得的机会。如果我国能够有效把握，集中力量、系统推进，有望在未来5年内率先实现“平台科研”的新范式，确保中国在全球科技创新中的引领地位。
架设智能科研“高速公路”
科学研究的范式变革，首先要依赖于坚实的科研基础设施建设。正如高速公路之于现代经济社会，智能化科研基础设施是AI for Science发展的“底座”。近年来，我国已在科研基础设施建设方面取得初步进展。例如，以玻尔空间站为代表的基础科研平台，集成了文献、数据、计算、实验等多种功能，能够高效支撑科学任务的全流程管理，正迅速成为广大科研工作者喜欢的工具。
此外，以Innovator+SciMaster为代表的通用科研大模型和智能体研发也取得一定突破，这些智能体不仅能够掌握全学科知识，还具备自主创新和“干湿闭环”科研能力，在保持通用能力的同时，显著提升了科学专业能力。
打造典型场景与亮点项目
AI for Science的推广应用需要在重点领域、典型场景中率先突破，形成可复制、可推广的“样板工程”，带动整体科研体系的转型升级。
在材料领域，推动材料基因组工程利用AI对材料结构、性能和工艺的复杂关系进行建模和预测，大幅缩短新材料的研发周期，降低研发成本；在化学领域，有机合成是重要分支。AI驱动的有机合成路径规划与反应预测，能够显著提高新分子、新药物的研发效率。智能化、高效率的催化剂设计和催化反应研究也已经取得了可喜的进步；在生命科学领域，AI for Science在蛋白质结构预测、基因编辑、药物发现等领域展现出巨大潜力。基于AI的分子对接和药物筛选平台已成为新药研发的核心工具，有望推动个体化医疗、精准诊疗等新模式发展。尤其值得关注的是，AI为建立有广泛实际应用的虚拟细胞提供了可能。
释放科学数据价值
科学研究的焦点正逐渐从“拼模型”转向“拼数据”。过去10余年，科学界主要聚焦于模型创新，通过不断提升模型的复杂性和能力，解决了诸如维数灾难、对称性、训练稳定性、长程依赖等一系列难题。展望未来，数据的质量和多样性正成为AI for Science进一步突破的核心，如何用好存量数据、布局增量数据成为制胜的关键。其中，存量数据主要包括文献、专有语料、专业数据库等，为AI模型的预训练和知识获取提供了基础。与通用数据相比，科学数据呈现出更强的专业性，涉及复杂深层的学科知识和关联关系，对数据处理和标注提出了更高要求。
增量数据是推动AI for Science持续突破的助推器。随着自动化实验平台、高通量计算和智能传感设备的普及，科学领域的增量数据产出能力大幅提升。其中，数据社区正在成为增量数据获取和共享的重要平台。通过如“科学导航”等门户的搭建，打造科研人员、数据资源和创新力量有效协同的枢纽，以社区化方式推动科学数据的开放共享、精准标注和共建共治。
重塑我国科技创新体系
AI for Science不仅是技术路线的选择，更是重塑我国科技创新体系的历史性机遇。近年来，我国在AI for Science领域持续投入，无论在基础工具和设施、典型应用场景，还是在实验室智能化改造等方面，均取得了积极进展。
当前，AI驱动的科研范式变革为我国实现2035年世界科技强国目标提供了前所未有的战略机遇，亟需在已有基础上抢抓先机、统筹推进。为实现这一目标，需要从顶层设计、政策支持到一线科研人员协同创新，深入实施“人工智能+”科学技术行动，推动整体科研和研发范式智能化转型，形成以AI为核心驱动力的科研创新生态。唯有把握机遇、持续突破，才能在新一轮科技革命中赢得全球竞争的主动权。
（作者系北京大学教授、上海交通大学人工智能学院首席顾问）
人工智能（AI）与科学研究的深度融合，正在孕育一场前所未有的科技革命。随着我国在AI驱动科学研究（AI for Science）领域的快速布局与持续投入，AI驱动科学研究的战略方向与发展路径已日益清晰。
近日，国务院印发《关于深入实施“人工智能+”行动的意见》，提出加快实施“人工智能+”科学技术行动，加快科学发现进程，率先建立基于AI的新型科研和研发范式，推动我国科技创新走在世界前列。展望“十五五”，AI for Science将成为我国科技体制变革和创新能力跃升的关键引擎，为实现整体科研和研发范式的智能化转型，以及2035年建成世界科技强国的战略目标奠定坚实基础。
推动科研范式智能化转型
首先，AI for Science的本质是通过人工智能解决过去无法解决的重大科学难题，加速原始创新步伐。例如，蛋白质结构预测这一生命科学领域的“世纪难题”正是通过AI技术取得了突破性进展。其次，AI for Science正在发展新的算法和工具以推动科研的根本性变革。新一代基于AI的科研工具不断涌现，极大提升了科学计算与模拟的效率和精度。而AI for Science更为深远的意义在于推动整体科研范式的智能化转型。这不是个别机构、团队的转型，而是整个科研体系、产业格局的重塑。它将推动科学研究从“作坊模式”转变为“平台模式”。
然而，目前AI for Science所引发的这场革命，其广度与深度尚未被国际社会充分认识。因此，这正是一个难得的机会。如果我国能够有效把握，集中力量、系统推进，有望在未来5年内率先实现“平台科研”的新范式，确保中国在全球科技创新中的引领地位。
架设智能科研“高速公路”
科学研究的范式变革，首先要依赖于坚实的科研基础设施建设。正如高速公路之于现代经济社会，智能化科研基础设施是AI for Science发展的“底座”。近年来，我国已在科研基础设施建设方面取得初步进展。例如，以玻尔空间站为代表的基础科研平台，集成了文献、数据、计算、实验等多种功能，能够高效支撑科学任务的全流程管理，正迅速成为广大科研工作者喜欢的工具。
此外，以Innovator+SciMaster为代表的通用科研大模型和智能体研发也取得一定突破，这些智能体不仅能够掌握全学科知识，还具备自主创新和“干湿闭环”科研能力，在保持通用能力的同时，显著提升了科学专业能力。
打造典型场景与亮点项目
AI for Science的推广应用需要在重点领域、典型场景中率先突破，形成可复制、可推广的“样板工程”，带动整体科研体系的转型升级。
在材料领域，推动材料基因组工程利用AI对材料结构、性能和工艺的复杂关系进行建模和预测，大幅缩短新材料的研发周期，降低研发成本；在化学领域，有机合成是重要分支。AI驱动的有机合成路径规划与反应预测，能够显著提高新分子、新药物的研发效率。智能化、高效率的催化剂设计和催化反应研究也已经取得了可喜的进步；在生命科学领域，AI for Science在蛋白质结构预测、基因编辑、药物发现等领域展现出巨大潜力。基于AI的分子对接和药物筛选平台已成为新药研发的核心工具，有望推动个体化医疗、精准诊疗等新模式发展。尤其值得关注的是，AI为建立有广泛实际应用的虚拟细胞提供了可能。
释放科学数据价值
科学研究的焦点正逐渐从“拼模型”转向“拼数据”。过去10余年，科学界主要聚焦于模型创新，通过不断提升模型的复杂性和能力，解决了诸如维数灾难、对称性、训练稳定性、长程依赖等一系列难题。展望未来，数据的质量和多样性正成为AI for Science进一步突破的核心，如何用好存量数据、布局增量数据成为制胜的关键。其中，存量数据主要包括文献、专有语料、专业数据库等，为AI模型的预训练和知识获取提供了基础。与通用数据相比，科学数据呈现出更强的专业性，涉及复杂深层的学科知识和关联关系，对数据处理和标注提出了更高要求。
增量数据是推动AI for Science持续突破的助推器。随着自动化实验平台、高通量计算和智能传感设备的普及，科学领域的增量数据产出能力大幅提升。其中，数据社区正在成为增量数据获取和共享的重要平台。通过如“科学导航”等门户的搭建，打造科研人员、数据资源和创新力量有效协同的枢纽，以社区化方式推动科学数据的开放共享、精准标注和共建共治。
重塑我国科技创新体系
AI for Science不仅是技术路线的选择，更是重塑我国科技创新体系的历史性机遇。近年来，我国在AI for Science领域持续投入，无论在基础工具和设施、典型应用场景，还是在实验室智能化改造等方面，均取得了积极进展。
当前，AI驱动的科研范式变革为我国实现2035年世界科技强国目标提供了前所未有的战略机遇，亟需在已有基础上抢抓先机、统筹推进。为实现这一目标，需要从顶层设计、政策支持到一线科研人员协同创新，深入实施“人工智能+”科学技术行动，推动整体科研和研发范式智能化转型，形成以AI为核心驱动力的科研创新生态。唯有把握机遇、持续突破，才能在新一轮科技革命中赢得全球竞争的主动权。
（作者系北京大学教授、上海交通大学人工智能学院首席顾问）
记者从中国科学院金属研究所获悉，该所沈阳材料科学国家研究中心胡卫进研究员与合作者，提出利用缓冲层定量调控薄膜应变，延迟铁电薄膜晶格弛豫从而增强铁电极化强度的策略，成功揭示极化强度同铁电 日本《朝日新闻》近日发表题为《深海之光——极端环境是创意宝库》的文章，作者是樱井林太郎，编译如下：在被称为最后未开垦地的深海，有着低温、高压、黑暗等极限环境。能否从这些极限环 记者3月20日从中国科学院地质与地球物理研究所获悉，该所科研人员在东北黑土区开展了大范围的野外调查和样品采集工作，通过分析采集的黑土样品发现，黑土物质最初都是由风力搬运而来。相关研究成 3月22日消息，xiaomi集团的卢伟冰在微博上表示，xiaomiCivi 4 Pro有可能是2024年最轻薄的电话。这款电话的厚度仅为7.45mm，重量为179.3g。尽管拥有超轻薄的机身，但Civi 4 Pro仍搭载了一块容量为4700mAh 3月24日消息，今天数码博主“厂长是关同学”曝光了huaweiMate 70系列电话的部分配置信息。该博主表示，huawei全新的Mate 70系列首发会搭载新的芯片，芯片的性能差不多可以比肩5.5nm，还是值得期待的。同 联合国政府间气候变化专门委员会（IPCC）最新发布的评估报告显示，全球温升预计在2021年至2040年内达到1.5℃。报告指出，自IPCC第五次评估报告发布以来，全球减缓气候变化的政策和法律不断增多，但实施 。本文链接：全面加快人工智能与科学研究深度融合http://www.sushuapos.com/show-2-13602-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 工信部：到2030年卫星通信用户超千万