當(dāng)名為“阿爾法折疊2”的人工智能(AI)模型實現(xiàn)對蛋白質(zhì)復(fù)雜結(jié)構(gòu)的預(yù)測,，人們意識到：一場由算法驅(qū)動的科研革命已悄然降臨,。實驗室的深夜，即使燈已熄滅,，但AI智能體仍在無聲運轉(zhuǎn)，優(yōu)化抗癌藥物的分子結(jié)構(gòu)，分析海量蛋白質(zhì)數(shù)據(jù),，甚至生成完整的藥物設(shè)計報告。
“AI+科研”模式的興起,，在提高科研效率,、拓展研究邊界方面展現(xiàn)出巨大潛力。從海量天文數(shù)據(jù)的智能清洗,，到蛋白質(zhì)結(jié)構(gòu)的秒級解析,；從文獻(xiàn)海洋的知識圖譜構(gòu)建，到藥物研發(fā)的虛擬仿真實驗……AI技術(shù)正以驚人的滲透力重塑科研全鏈條,。那么,，“AI+科研”要真正實現(xiàn)從“工具輔助”到“范式革命”的跨越，還要邁過幾道坎,？
“AI+”塑造科研新模式
“我們與中國科學(xué)技術(shù)大學(xué)攜手研發(fā)的SCUBA-D算法,，基于條件擴散模型，將成功設(shè)計蛋白質(zhì)的所需時間從6個月縮短至不到1天,?！痹诠枮I市科技局日前主辦的第34期“周二有約”人工智能專題活動——“AI+科研”系列成果推介會上，黑龍江訊飛人工智能研究院副院長姜立峰介紹,。
在姜立峰看來,，AI對科研效率的提升主要體現(xiàn)在三個層面。一是借助大模型在文獻(xiàn)研讀,、代碼編寫等方面的強大能力,，提升科研基礎(chǔ)工作效率；二是利用深度神經(jīng)網(wǎng)絡(luò)對科學(xué)任務(wù)實現(xiàn)端到端的精準(zhǔn)刻畫,，進(jìn)行科學(xué)任務(wù)建模,；三是依托認(rèn)知大模型學(xué)習(xí)領(lǐng)域知識，為科研實驗方案提供輔助設(shè)計,。
目前,，AI已在眾多研究領(lǐng)域小試牛刀。中國科學(xué)院文獻(xiàn)情報中心與科大訊飛共同打造的星火科研助手，直擊科研工作中調(diào)研耗時費力,、文獻(xiàn)閱讀效率低,、寫作質(zhì)量參差不齊等諸多痛點，推出成果調(diào)研,、論文研讀,、學(xué)術(shù)寫作三大功能，使科研人員的成果調(diào)研效率提升10倍以上,，論文研讀有效率和學(xué)術(shù)寫作采納率均超過90%,。
清華大學(xué)智能產(chǎn)業(yè)研究院與北京水木分子生物科技有限公司聯(lián)合推出的OpenBioMed智能體平臺，打破了人類語言與生物分子語言之間的壁壘,?？蒲腥藛T只需輸入一句自然語言指令，AI便能自動完成從靶點發(fā)現(xiàn)到候選藥物設(shè)計的全過程,，將傳統(tǒng)需數(shù)年之久的研發(fā)周期縮短至小時級,。
在提升科研效率的同時，AI還能處理人類難以完成的任務(wù),，不斷拓展研究邊界,。例如，在天文學(xué)領(lǐng)域,，AI通過對大量天文圖像的學(xué)習(xí),，可助力科學(xué)家發(fā)現(xiàn)新的星體或現(xiàn)象。智能化數(shù)據(jù)處理方式不僅大幅提高了工作效率,，還能挖掘出數(shù)據(jù)背后的隱藏信息,，為科研人員提供更多研究方向。
中國科學(xué)技術(shù)信息研究所在2025中關(guān)村論壇年會上發(fā)布的《AI for Science創(chuàng)新圖譜》顯示,，全球AI for Science學(xué)術(shù)研究正快速增長,。2019—2023年，全球AI for Science論文發(fā)表年均增長率為27.2%,。其中,，生命科學(xué)、物理學(xué)和化學(xué)等領(lǐng)域發(fā)表的人工智能應(yīng)用論文數(shù)量最多,。
中國科學(xué)院科技戰(zhàn)略咨詢研究院院長潘教峰認(rèn)為,，人工智能正以前所未有的速度滲透到科研的每一個環(huán)節(jié)，深刻改變著科研的思維方式和工作模式,，以及科學(xué)認(rèn)知的速度,、深度、廣度和精度,，更將重塑科研組織模式,，帶來科研管理各環(huán)節(jié)深層次的變革,。
復(fù)合型人才培養(yǎng)是關(guān)鍵
然而，新范式的轉(zhuǎn)換不會一蹴而就,。其中,，AI技術(shù)與多學(xué)科的融合問題備受關(guān)注。
在哈爾濱工業(yè)大學(xué)人工智能學(xué)院執(zhí)行院長張偉男看來,，AI與其他領(lǐng)域或?qū)W科的結(jié)合主要面臨三重挑戰(zhàn),。一是問題定義權(quán)歸屬問題。需明確是由AI研究人員還是相應(yīng)領(lǐng)域研究人員來定義研究問題,。二是對AI解決問題思路的認(rèn)知問題,。不同領(lǐng)域的研究人員對AI的理解和應(yīng)用能力存在差異，需加強對AI技術(shù)的普及和培訓(xùn),。三是對AI能力邊界的判斷問題,。這涉及使用者能否準(zhǔn)確判斷AI的能力,、適用范圍和局限性,，以便在實際應(yīng)用中做出合理的選擇和判斷。
張偉男認(rèn)為,，應(yīng)對這三重挑戰(zhàn),，歸根結(jié)底需要培養(yǎng)既精通行業(yè)和領(lǐng)域知識，又熟悉AI技術(shù)的復(fù)合型人才,。AI研究人員對特定行業(yè)和學(xué)科問題的理解程度,，將直接決定其運用AI方法和模式解決行業(yè)問題以及開展跨學(xué)科合作的成效。同時,，特定行業(yè)和學(xué)科對AI技術(shù)的接納態(tài)度,，以及其能否成功轉(zhuǎn)變固有研究思路，對于跨學(xué)科合作也至關(guān)重要,。
張偉男介紹,，2024年，哈爾濱工業(yè)大學(xué)人工智能學(xué)院設(shè)立“AI+先進(jìn)技術(shù)領(lǐng)軍班”,，實施“AI+X”學(xué)科交叉融合教育,，通過多學(xué)科導(dǎo)師團(tuán)隊的引領(lǐng)，促進(jìn)人工智能與新材料,、新能源,、新裝備等領(lǐng)域的深度融合與創(chuàng)新。
還有更多高校行動起來,。浙江大學(xué)聯(lián)合復(fù)旦大學(xué),、中國科學(xué)技術(shù)大學(xué)、上海交通大學(xué)等高校共建全國首個跨?！癆I+X”微專業(yè),；清華大學(xué)首批已有117門試點課程,、147個教學(xué)班開展人工智能賦能教學(xué)實踐，還將成立新的本科通識書院,，著力培養(yǎng)人工智能與多學(xué)科交叉的復(fù)合型人才……諸多高校正在大力推進(jìn)“AI+X”學(xué)科交叉融合教育,，形成多層次、跨領(lǐng)域的創(chuàng)新人才培養(yǎng)體系,。
仍需應(yīng)對三方面挑戰(zhàn)
除了人才問題之外,，受訪學(xué)者普遍認(rèn)為，“AI+科研”的全面落地還需系統(tǒng)性破解技術(shù),、數(shù)據(jù),、制度三方面挑戰(zhàn)。
從技術(shù)層面看,，AI大模型常被視作“黑盒”,，其決策過程往往不透明，而科研工作卻要求嚴(yán)謹(jǐn)性,。但問題所在之處也蘊含著潛力,，一些科研團(tuán)隊已通過研究開發(fā)可解釋的AI模型，使用決策樹,、規(guī)則學(xué)習(xí)等方法提高模型可解釋性,，增加模型透明度，使科研人員能更好理解和信任模型,。例如,，中國科學(xué)院大連化學(xué)物理研究所聯(lián)合科大訊飛等單位推出的智能化工大模型2.0，在化工領(lǐng)域知識理解,、催化劑性質(zhì),、化工設(shè)備等十大評測維度上，平均準(zhǔn)確率達(dá)61.94%,。受訪學(xué)者認(rèn)為,，盡管“AI+科研”面臨諸多技術(shù)難題，但通過采取針對性解決方案,，有望逐步克服困難,，助力各領(lǐng)域取得更多創(chuàng)新性成果。
從數(shù)據(jù)層面看,，“AI+科研”面臨數(shù)據(jù)管理與共享難題,。為解決這一難題，哈爾濱工程大學(xué)計算機學(xué)院教授王巍建議,，可構(gòu)建可信數(shù)據(jù)管理與流通平臺,。由政府、科研機構(gòu)和行業(yè)協(xié)會共同制定科研數(shù)據(jù)的標(biāo)準(zhǔn)格式和元數(shù)據(jù)規(guī)范,，使不同來源的數(shù)據(jù)能夠在同一平臺上進(jìn)行整合和共享,，提高數(shù)據(jù)的可信性和可用性,。同時，可成立數(shù)據(jù)共享聯(lián)盟,，制定數(shù)據(jù)共享的規(guī)則和激勵機制,，給予數(shù)據(jù)貢獻(xiàn)者一定經(jīng)濟獎勵或?qū)W術(shù)認(rèn)可，同時保護(hù)數(shù)據(jù)安全和隱私,。
從制度層面看,，知識產(chǎn)權(quán)與權(quán)益分配爭議也是“AI+科研”不得不解決的問題。王巍認(rèn)為,，應(yīng)完善知識產(chǎn)權(quán)與權(quán)益分配規(guī)則,，明確科研數(shù)據(jù)的版權(quán)歸屬、AI模型的專利申請條件,、科研成果商業(yè)化進(jìn)程中的各方權(quán)益等,。
受訪專家認(rèn)為，通過構(gòu)建有效的溝通機制,、統(tǒng)一的數(shù)據(jù)平臺和完善的政策法規(guī),，可以促進(jìn)AI與科研深度融合，推動科研創(chuàng)新發(fā)展,，從而實現(xiàn)從“工具輔助”到“范式革命”的跨越,。
