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

【资料图】

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。

标签：