当AI成为科学的\u201c第二大脑\u201d\uff1a从工具到范式的历史性跃迁
2026年9月，中国科学界接连迎来多个标志性事件：9月15日，人民日报刊发《当AI成为科研"新基建"》深度报道；9月18日，2026亚太人工智能大会在长春召开，聚焦"物理AI"与产业融合；9月20日，科普中国智库论坛以"AI重构科研范式"为核心议题展开研讨；9月22日，井冈山大学举办"AI for Science"专场学术报告会，三百余名师生参会。这些密集的学术活动指向同一个趋势——人工智能正在从科学研究的"辅助工具"演变为重塑科学范式的"第二大脑"。
鄂维南院士早在2018年就提出了"AI for Science"（科学智能，AI4S）的概念，将其定义为继实验、理论、计算和数据科学之后的"第五科研范式"。时隔八年，这一概念已从学术愿景变为现实——从AlphaFold破解蛋白质折叠难题，到华为构建覆盖科研全流程的智能平台，从超导研究到气候预测，AI4S正在改写人类探索自然的基本方式。
一、从"科学家访客"到"房子里的常住者"
上海人工智能实验室主任周伯文用了一个精妙的比喻：早期的AI for Science是"科学家的访客"——帮助检索文献、分析数据、运行计算，随叫随到，但始终站在"屋外"。而如今，AI已经进入问题定义、假设生成、实验设计和实验验证等各个环节，成为科研"房子里的常住者"。
变化最直观地体现在时间尺度上。传统抗体发现流程以年为单位计算，但AI与生物学协同后，关键环节被压缩到约90天。蛋白质折叠——困扰结构生物学五十余年的难题——借助AlphaFold取得历史性突破，其预测精度已接近实验测定水平。周伯文指出："提速只是表层变化，其真正体现的是'工具互用'带来的'效率互增'。"
这种力量也让过去受技术条件限制的研究领域焕发生机。中科院院士、上海交通大学李政道研究所副所长丁洪从超导研究角度指出："一种理论设想从提出到实验确认往往经历数十年。如今，大科学装置提供的极端实验条件与AI工具相结合，正在帮助研究者更快地寻找新现象、验证新可能。"
二、2026年9月：AI4S密集落地的关键节点
本月，AI4S领域涌现出多个值得关注的里程碑：
浦江科学之问发布：在2026浦江创新论坛上，首届"浦江科学之问"正式发布，提出10个基础研究科学问题，勾勒未来10-30年人类知识边界的探索方向。首问"人工智能的数理基础"直指AI何以产生认知能力的根本问题。更引人注目的是，多个问题与AI深度关联："构建跨尺度、跨模态的化学反应基础模型""利用AI实现原子级物质合成操控及性能预测""基于生成式AI的完整生命实体构建与设计研究"等。
浦江创新论坛中心理事长、上海市科学学研究所副所长朱学彦指出："在'浦江科学之问'中，人工智能具有两重身份——它既是被研究的对象，也是驱动其他学科研究变革的工具。"
华为构建AI4S全栈能力：在岳麓大会"AI+科研创新"论坛上，华为科研军团总裁孙鹏飞展示了华为的AI4S体系——从算力底座（智算实验室解决方案）到科研平台（科研Agentic AI平台），再到智能应用（蛋白质结构预测、新药研发）。该平台覆盖"文献挖掘—实验设计—实验执行—数据分析与反馈"全流程，支持AI自动完成文献挖掘、方案推荐、参数调优、结果可视化等工作，效率提升数十倍。
机器化学家平台上线：中国科学技术大学江俊教授团队构建了数据智能驱动的机器化学家平台，将人工智能与自动化实验深度融合，实现实验设计、执行和数据分析的闭环自动化。河南大学周震教授则通过高通量计算、机器学习与实验相结合，在电化学储能新材料开发上取得关键进展。
三、第五科研范式：从"人工试错"到"智能发现"
AI4S的本质是科研范式的根本性转变。传统科研模式遵循"观察→假设→实验→验证"的线性流程，大量科学家时间消耗在文献检索、数据整理和重复实验上，真正用于创新思考的时间极为有限。
AI4S打破了这一模式，实现了科研全流程的智能化重构：
问题定义阶段：AI可以分析海量文献，发现尚未被充分探索的科学问题，甚至提出人类研究者未曾设想的研究方向。
假设生成阶段：通过训练于已知科学规律的大模型，AI能够基于数据驱动生成可验证的科学假设，大幅提高假设质量。
实验设计阶段：贝叶斯优化、强化学习等技术可以自主规划实验参数空间，找到最优实验组合，减少实验次数50-90%。
数据分析阶段：深度学习方法能从复杂实验数据中提取人眼无法识别的模式和关联，辅助形成新的科学洞察。
复旦大学计算力学与人工智能交叉研究院创院院长蓝楚科将AI对科研的影响归结为两个词："第一个是加速，第二个是发现。"
四、具体领域的突破与变革
生物医药：AlphaFold解决蛋白质折叠问题后，AI在药物发现领域持续发力。2026年，AI驱动的抗体发现流程已被压缩至90天左右。分子动力学模拟领域，AI力场正在取代传统力场，模拟精度接近量子化学计算而速度提升数个数量级。
材料科学：AI正在加速从航空航天合金到新能源材料的发现周期。通过预测材料性质、设计合成路径，AI将新材料从实验室到产业化的时间从十年量级压缩到2-3年。中科大机器化学家平台已实现催化材料的自主发现和优化。
气候与环境科学：基于AI的气象预测模型（如GraphCast、Pangu-Weather）正在超越传统数值预报方法，在保持精度的同时将预测时间从小时级缩短到秒级，为极端天气预警争取宝贵时间。
能源与超导：丁洪院士指出，AI与同步辐射、强磁场等大科学装置的结合，正在加速高温超导材料的研究，可能为解决能源传输瓶颈带来突破。
农业AI：在2026面向东盟国际技术转移与创新合作大会上，中国AI企业与东盟合作的榴莲产业AI大模型展示了AI在精准农业中的落地——从果实计数到成熟度监测，AI将原本需要300秒的人工工作压缩到3秒。该技术已在东盟获得超万台套农业特种机器人意向订单。
五、全民科学素质与AI时代的新挑战
随着AI4S的深入发展，一个值得深思的问题浮出水面：当AI成为科研的"第二大脑"，人类科学工作者需要怎样的能力重构？
2026科普中国智库论坛对此进行了深度探讨。中国科学院院士、古脊椎动物与古人类研究所研究员徐星指出，当前科学研究正从"人类自主的科学"向"人工智能辅助的科学"转型，两种趋势并行：
公民科学：AI降低了科研门槛，具备基础科学素养的公众可以借助AI工具参与科学研究。
寡头科学：同时，算力、数据资源的集中也可能让前沿创新向少数科技主体倾斜。
中国新一代人工智能发展战略研究院执行院长龚克强调，2026年是人工智能概念提出70周年。AI本质是"人类创造的技术工具"，应对风险需要筑牢全民科学素质根基。数智素养正成为科学素质的核心新内涵，其根本是巩固人的主体性——既要理解AI的技术原理与能力边界，也要培养人机协同能力。
科学素质培养重心必须从单纯的知识积累转向科学思维训练、科学伦理培育和人文精神塑造。面对AI生成的海量"科学内容"，公众需要具备判断输出质量、识别模型幻觉、避免过度依赖的关键能力。
六、前瞻：AI4S的下一个十年
展望未来，AI4S将在以下几个方向持续突破：
科研Agent的成熟：AI Agent将能够自主提出科学问题、设计完整实验方案、操作实验设备并分析结果，成为真正的"AI研究员"。
跨尺度建模融合：从量子尺度到宏观尺度，AI将打通多尺度建模壁垒，实现对复杂系统（如生命体、材料、气候）的端到端模拟。
AI驱动的大科学装置：同步辐射、强磁场、中子源等装置将与AI深度耦合，实现自适应实验和数据智能采集。
全球科研协作重构：AI驱动的科研协作平台将打破地理和语言壁垒，让全球科学家用"AI辅助的共同语言"进行知识生产和共享。
正如达摩院"浦江科学之问"所揭示的，AI既是"被研究的对象"也是"驱动研究变革的工具"。当科学的第五范式从愿景变为现实，人类探索知识边界的方式正在被重新定义——不是替代科学家，而是放大人类的智慧边界。
结语
2026年的这个秋天，从浦江之畔到岳麓山下，从长春的亚太AI大会到南宁的东盟技术转移大会，AI4S正以前所未有的广度和深度渗透进科学研究的方方面面。我们正站在一个历史性的转折点上：AI不再是为科学研究提供便利的工具，而是正在成为科学发现过程中不可或缺的核心参与者。
对于每一个科研工作者、每一个对知识前沿充满好奇的人来说，理解AI for Science的范式变革，已经成为这个时代的基本科学素养。因为今天的第五科研范式，终将成为明天的常规科学基础设施。
发表评论 取消回复