从“辅助计算”到“参与发现”，AI for Science（AI4S）正在经历一场角色跃迁。
在今年世界人工智能大会（WAIC）上，这一趋势尤为明显：科研人员关注的焦点，已不再局限于AI能否加速计算，而是它如何重塑科学发现本身的流程。
在WAIC期间举行的“AI for Science: Beyond the Concept”媒体圆桌上，北京智源人工智能研究院、中国科学院、深圳河套学院及清华大学集中展示了AI在神经科学、跨学科科研平台、实验仪器智能化及生命科学领域的最新成果。从样品制备到数据分析，从文献调研到实验验证，科研发现的周期正从“年”向“天”演进。
不过，AI4S仍处于早期阶段。相比通用大模型，科学领域的数据标准、实验流程和知识体系更加复杂。如何让AI真正理解科学规律，并形成可持续迭代的科研体系，仍是下一阶段的核心挑战。
AI开始进入真实科研场景
AI4S正在从概念走向真实应用。
中国科学院自动化研究所研究员徐楠在论坛中表示，目前AI已经进入科研的多个环节，包括文献调研、研究假设、科学实验、仿真模拟、报告撰写和效果评估等。在中国科学院内部，围绕ScienceOne平台，AI已落地上百个科研场景。
此外，在模型帮助下，文献调研从“数周”压缩至“20分钟”，报告制作效率提升5至10倍。
在生命科学领域，膜生物学全国重点实验室主任、清华大学生命科学学院教授俞立也观察到类似变化。他表示，团队近两年开始将大模型引入实验流程，让学生在实验前利用AI讨论方案，并进一步引入Agent管理实验流程，推动自动化实验室建设。
俞立在分享中介绍了黑灯实验室在生命科学领域的落地思考。通过将大模型、自动化设备和科研数据结合，可以减少大量重复性的实验操作，让科研人员更多关注实验设计和科学判断。
相比实验流程，科研仪器智能化则是另一个正在突破的方向。深圳河套学院副院长欧阳万里表示，科学表征需要大量专业知识和不同仪器协同，但目前很多设备仍依赖人工操作，不同仪器之间的数据和软件体系相互割裂。团队希望通过AI实现仪器无人化和智能化，让设备能够协同工作。
这一方向的代表成果是Owl·灵鉴（AuraID）多智能体系统。该系统该系统基于华为智慧科研解决方案，通过智能体模拟科研人员操作设备界面，不依赖仪器开放接口，实现从样品操作到数据解析的自动化。目前，该系统已覆盖6类精密仪器和10余种表征模态，在部分任务中，AI独立完成率从33%提升至80%。
在专家看来，AI的目标并不是替代科学家，而是承担那些重复、繁琐且标准化程度较高的工作，让科学家能够专注于真正需要创造力和判断力的研究。
最大的挑战仍然是数据
AI进入科研现场，并不意味着科学问题已经被解决。事实上，AI4S面临的最大挑战之一，仍然是数据。
北京智源人工智能研究院研究员雷博表示，神经科学与结构生物学最大的区别在于数据基础设施的成熟度。蛋白质研究已经拥有较为统一的数据标准，而神经科学涉及脑电、钙成像、神经探针等多种数据来源，不同实验之间缺少统一表达方式。
为解决这一问题，智源研究院推出了多模态神经科学大模型Brainμ，将脑电波、钙成像、神经探针等异构信号统一编码，使原本互不相通的神经信号能在同一框架下实现对齐与理解，该模型训练覆盖超7万晚睡眠记录，已持续支撑合作实验室超12个月的自动化分析。
“神经科学的数据标准化程度不足，AI4S在该领域的能力尚处早期，但科学家的使用反馈已经非常积极。”雷博在论坛中表示，这样的发展比原来大模型的发展更健康、更有未来，因为需求走在能力前面，应用验证反过来推动模型迭代。
除了数据基础设施，如何让模型具备科学推理能力，也是AI4S面临的另一项挑战。
徐楠表示，目前AI4S主要存在三条技术路线：面向单一任务的专用模型、基于通用大模型结合智能体的科研应用，以及科学基础模型。路径一，场景专用模型。以AlphaFold、ESM为代表，围绕特定研究任务，构建高性能领域专用模型；路径二，通用模型增强。以GPT-Rosalind、Claude Science为代表，通过智能体与科研工具增强通用大模型的科学能力；路径三，领域语言模型。以NatureLM、LOGOS为代表，将蛋白质、DNA等科学对象映射到统一语言表示空间，完成各类科研任务不同路线各有优势，但共同面临的问题是，如何让模型真正理解科学知识，并按照科学逻辑完成推理，而不仅仅是完成信息检索或内容生成。
在他看来，科学基础模型的核心并不是简单扩大参数规模，而是让模型学习科学家的思考方式。在ScienceOne Omni中，团队将科研人员在材料分析、蛋白质研究、光谱解析中的推理过程融入模型训练，希望提升模型输出结果的科学可靠性。
不过，多位专家也强调，目前AI4S距离真正意义上的“自主发现”仍有距离。科学数据的积累、实验反馈速度、科研工具智能化程度，以及跨学科协作能力，都需要进一步完善。AI需要的不只是更大的模型，也需要更适合科学研究的数据体系和应用环境。
推动AI4S，目标不是替代科学家
从辅助计算到主动发现，中国AI4S的战略价值已超越具体的技术应用，正逐步演变为国家科研基础设施的核心组成部分。专家们普遍认为，AI不仅将帮助科学家处理已有问题，更可能在未来帮助他们发现那些凭借人类经验难以察觉的未知规律。
“AI正从辅助工具演变为科研基础设施的关键组成部分，目标并非取代科学家，而是将科学家从重复劳动中解放出来，使其专注于科学洞察与创造性思考。”俞立说。
然而，当AI在文献调研、实验设计、仪器操作等环节逐一验证价值后，如何将这些分散的“点”串联为协同的“网”也是产业界面临的挑战。而挑战背后，数据标准不一、多模态融合困难等问题，最终来源于算力架构与科研需求的错位。
正因如此，下一代计算产业的部署能否形成闭环尤为关键，实验室和产业链都在行动。今年WAIC上，上海人工智能实验室联合思朗、昇腾、曙光等产业链发布了面向科学智能的超智融合算力架构，相关平台已在药物研发、材料设计等领域完成规模化验证，效率提升显著。此外，思朗携手上海仪电、上海科技大学、数据港共建的“超智融合一体化平台”，正在实现从芯片到调度的全面自主可控，在新药早期研发、先进光刻仿真及高精度电解液数据集等领域完成规模化验证，部分效率提升达数倍。
这些探索表明，AI4S的竞争已从单一模型性能延伸至算力基础设施、数据生态与科研平台的全链条协同能力。 这或许也是今年WAIC释放出的一个重要信号：中国正在从模型研发、科研平台建设到产业应用探索，逐步建立AI驱动科学研究的完整链条。
举报 第一财经广告合作，请点击这里此内容为第一财经原创，著作权归第一财经所有。未经第一财经书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。如需获得授权请联系第一财经版权部：banquan@yicai.com 文章作者
李娜
张甜甜
相关阅读
安永诣雅元核引擎™2.0新品发布：从知识问答迈向成果交付基于多智能体架构，深入财务、可持续发展、估值分析、风险管理等核心领域。
424 4小时前
WAIC观察｜具身智能“交卷”：真机扎堆进厂、产业链提速今年世界人工智能大会（WAIC）上，“具身智能场馆太‘热’了”成为最直观的共识。
7988 昨天 19:54
AI加速落地之际，如何成为产业不可或缺的伙伴？AI不同于以往任何技术革命的地方在于，它触及了人类最核心的资产——决策权与信任感。当AI可以自动整理记忆、生成洞察、辅助判断时，人从重复性认知劳动中被解放出来，得以回归更本质的角色：有温度的决策者、有同理心的服务者、有远见的创造者。
3369 昨天 18:42
关于AI发展，联合国秘书长古特雷斯在中国展台看到了什么联合国秘书长古特雷斯走进了多家中国企业的展区，和中国AI从业者互动交流。
6128 07-19 11:20
读懂平安专病AI矩阵，为什么要做，又为什么能做？ 11181 07-19 12:41 一财最热 点击关闭
证配所配资提示：文章来自网络，不代表本站观点。
