“智能前沿观察”系列 | 科学智能：重塑人类探索边界
数字经济研究中心研究员
研究领域：数字化转型、数字经济、数据要素
字数：3k+
2017年，国务院发布《新一代人工智能发展规划》，面向2030年明确了从技术创新、到智能经济、智能社会的“三步走”战略。今年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，标志着人工智能战略导向正式步入“智能经济”阶段。当前，Agentic AI、Physical AI、科学智能、空间智能、脑机智能等前沿领域加速迭代演进，拉开了“由AI创造”的原生化新模式新业态蓬勃发展帷幕，为进一步探究其发展趋势变革，上海中创产业创新研究院推出“智能前沿观察”研究系列，为智能经济发展提供决策参考。本篇为第四篇，聚焦科学智能的变革。
从牛顿用数学公式描述万有引力，到大型强子对撞机捕捉希格斯玻色子踪迹，人类的科学探索始终伴随着范式的迭代。如今，一场由科学智能引领的变革正席卷而来——人工智能与科学研究的深度融合，不仅让科学发现的效率实现指数级提升，更在重新定义人类探索未知的路径与边界，为破解各学科领域核心难题注入全新动能。
领域渗透：绘就科学智能革新图景
科学智能已超越概念探索阶段，如同毛细血管般深度渗透到生命科学、物质科学、地球与环境科学及工程科学等领域。它打破了传统科研的时空限制与思维定式，在各学科的关键研究环节实现全新突破。
（一）生命科学
生命科学承载着人类探索自身奥秘、攻克疾病难题的重要使命，然而传统研究受限于技术手段，进展一度缓慢。科学智能以强大的数据处理能力与模拟预测能力，为生命科学搭建起高效研究框架，从微观分子层面到宏观医疗应用，全方位推动该领域实现跨越式发展。
蛋白质结构预测曾是困扰学界半个世纪的难题，传统观测方法面临难度大、成本高、进展有限等问题，但随着人工智能的应用，这一领域实现了革命性突破。DeepMind开发的蛋白质折叠AI模型AlphaFold 3可精准预测蛋白质、DNA、RNA、小分子等的几乎所有生物分子结构和相互作用，相较现有预测方法改进幅度超50%。随着AlphaFold3的突破，同类蛋白质结构预测工具也相继推出，如OpenFold 3可实现从氨基酸序列到三维结构的精准预测，其全开源、可商用的特性为科研人员提供了更多选择。
药物研发领域同样迎来效率革命。传统新药研发平均周期超10年、研发成本超10亿美元，最终仅有约10%的候选药物能成功上市。而AI技术通过靶点发现、分子生成、虚拟筛选等环节的全流程赋能，大幅缩短了研发周期。近日临港实验室发布的国际首个通用分子设计世界模型ODesign，允许科学家在任意类型靶标上指定目标位点，实现多类型生物配体的一键式设计，标志着生成式AI药物研发从“单点突破”迈向“通用智能”。剂泰科技的人工智能驱动小分子制剂优化平台AiTEM，将临床前制剂优化周期从行业平均的1-2年缩短至3个月内，其候选药物MTS-004从立项至完成III临床试验仅耗时38个月，成为目前国内首款完成III期临床的AI赋能制剂新药。
（二）物质科学
物质科学的核心挑战在于如何从近乎无限的“材料空间”中筛选出符合需求的物质，传统研究依赖“试错法”，不仅消耗大量人力物力，还面临研发周期长、效率低等困境。科学智能依托机器学习、深度学习等技术，构建起物质微观结构与宏观性能的关联模型，实现对材料研发的全流程赋能，推动物质科学向高效化、精准化方向发展。
在化学领域，陶氏化学应用微软AzureAI等定制机器学习技术，将传统聚氨酯材料研发4-6个月的工作量缩短至30秒，效率提升20万倍。万华化学依托AI将化学反应方案从14000种优化至4种可行方案，实验周期缩短90%以上。英国利物浦大学、中科大等高校院所相继推出机器人AI化学家，通过移动机器人、分析仪器与AI智能体等的结合，高效完成实验设计、自动操作、数据分析、结果筛选等工作，大幅解放化学家的双手。
在材料领域，科学智能同样重塑研发模式。如华东理工大学构建了包含260万条高分子结构性能数据、140 万条化学反应数据的专业数据库，打造出国内首个高分子专业AI大模型AI plus Polymers研发平台，已服务上海华谊树脂、库贝化学等68家企业与科研单位。微软研究院提出的基于生成性AI的MatterGen模型，不仅能够生成覆盖全元素周期表的稳定无机材料，还可通过微调精确控制生成材料的化学成分、对称性以及物理性质。上海交通大学团队用图神经网络（GNN）预测二维材料吸附能，筛选出MoS2/石墨烯异质结作为高效析氢催化剂，实验验证效率达92%。
（三）地球与环境科学
随着全球气候变化加剧、生态环境问题凸显，地球与环境科学亟需更高效的研究手段，以实现对气候趋势的精准预测、生态变化的实时监测及灾害风险的有效防控。科学智能凭借强大的多源数据整合能力与复杂模型构建能力，为该领域提供了全新解决方案，成为守护地球生态家园的关键技术支撑。
全球主要国家与研究机构纷纷加速AI气象大模型研发，推动该领域实现突破性进展。微软研究院开发的首个大规模大气基础模型Aurora，不仅能够精准预测温度、风速、空气污染水平、温室气体浓度等大气变量，而且计算速度相较于最先进的数值预报系统（IFS）提升约5000倍。中国气象局发布了人工智能气象预报“风”系列模型（风雷、风清、风顺），在短、中、长期预报预警方面取得重大突破，当前智能网格天气预报系统空间分辨率精确至全国5公里，暴雨预警准确率达93%。
在灾害预警与生态治理领域，科学智能同样发挥重要作用。马克斯·普朗克学会研发的AI灾害早期预警系统，结合卫星数据与AI模型，生成分辨率达20米的超本地化预测，能够预测极端天气的发生时间及其对特定社区影响，为社区基础设施建设、农作物种植规划及选址决策提供科学依据。
（四）工程科学
工程科学作为连接基础研究与产业应用的桥梁，直接关系到微电子、通信、航空航天等关键领域的技术突破与产业升级。传统工程研究受限于参数优化难度大、生产流程复杂等问题，难以满足高精度、高效率的发展需求。科学智能通过对工程设计、生产流程、质量控制等全环节的智能化改造，成为驱动工程领域创新升级的关键引擎。
在微电子领域，随着芯片工艺节点不断推进，制造复杂性与数据规模呈指数增长，在此背景下，集成电路大厂纷纷加快AI应用步伐。如台积电采用多晶粒（Chiplet）封装架构，通过AI算法优化电路布局等方法，大幅降低AI芯片单位功耗。三星电子与英伟达联手建设新型人工智能工厂，部署超过5万块NVIDIA GPU，推动AI深度融入从芯片设计、制程模拟到品控检测的生产全流程。
在通信领域，面对生成式AI、智能体AI等应用普及带来的移动网络性能压力，AI-RAN（人工智能驱动的无线接入网）技术成为新解决方案。据市场研究机构Omdia预测，到2030年，AI-RAN相关市场规模将突破2000亿美元。英伟达作为AI-RAN联盟的重要倡导者，积极推进与电信领域的合作，如与软银合作推出的AI-RAN平台，实现全球首个同步处理AI推理与5G传输的电信网络架构，将自动驾驶指令延迟降至10毫秒以内；同时与诺基亚达成战略合作，将商用级AI-RAN产品融入诺基亚RAN产品组合，为通信服务提供商提供基于英伟达平台的5G-Advanced和6G网络解决方案。
机遇与挑战并存：科学智能的下一程
当科学智能的浪潮席卷各研究领域，我们需冷静审视其前进道路上的挑战，并洞察其将如何重塑科学发现范式。这场变革既是机遇，也是需要理性应对的革命。
（一）三重挑战：科学智能发展的现实瓶颈
1、数据壁垒与质量“黑洞”。高质量、标准化数据是科学智能的核心支撑，但现实中两大问题凸显。一方面“数据孤岛” 普遍存在。不同实验室、机构的数据格式不统一，且受知识产权、学术竞争限制难以共享，导致AI模型缺乏全面训练“养料”。另一方面数据质量堪忧。实验数据常伴随噪声、误差甚至系统性偏差，若直接用于训练，不仅会产出无效模型，更可能生成误导性结论，将研究引入歧途。
2、模型“黑箱”与可解释性困境。当前主流AI模型多呈“黑箱”特性：能基于海量数据输出精准预测或生成新颖结构，却无法像人类科学家那样，阐明背后的物理机制、化学原理或逻辑推理过程。科学探索不仅需“知其然”，更需“知其所以然”。一个无法解释决策过程的AI，即便结果正确，也难以让科研人员信赖并构建理论体系。
3、算力需求的高门槛与创新的普惠性难题。前沿科学AI模型的训练需消耗巨量计算资源，无形中筑起高门槛。这可能导致科研资源向少数拥有智算、超算中心的大型机构或企业集中，形成“算力鸿沟”。广大中小型实验室、青年科学家因负担不起高昂算力成本，被排除在新研究范式之外，进而抑制创新生态的多样性与活力。
（二）三大趋势：科学智能的未来发展方向
1、从“纯数据驱动”到“物理机理与数据融合驱动”。为解决“黑箱”与数据质量难题，下一代科学智能或将已知科学知识作为约束嵌入机器学习模型，形成“物理信息机器学习”模型。这类模型既向数据学习，又自带遵守科学规律的“常识”，能以更少数据实现更可靠预测，且结果天然契合物理规律，大幅提升可解释性与外推能力。
2、科学模型将成为下一代科研基础设施。一方面各基础学科将探索打造领域专属科学大模型，例如生命科学领域构建通晓蛋白质、基因等知识的“生命科学大模型”等。科研人员通过这些大模型进行自然语言提问、生成假设、设计实验，激发长尾创新活力。另一方面轻量化、专用化模型将成为重要发展方向，适用于中小型实验室的材料筛选模型、基层医疗机构的医疗诊断模型等相继涌现。这类模型不仅降低算力与资金门槛，还能提升特定场景的应用效率。
3、人机协同的“增强智能”成为科研新常态。科学智能的终极目标是增强人类智慧而非替代科学家，未来将形成“AI猜想、人类验证”的协同循环：AI处理海量文献数据，生成大量研究假设、材料分子式与实验路径；科学家凭借洞察力与逻辑思维，对AI产出进行甄别、验证与理论升华。这种分工将科学家从繁琐筛选中解放，专注战略思考与理论创新，极大拓展人类探索未知的边界与效率。
科学智能时代的序幕才刚刚拉开。它既是强大的望远镜与显微镜，带我们窥见往昔难以触及的宇宙宏阔与微观精妙；也是不知疲倦的研究伙伴，正与我们并肩奔赴那片广袤无垠的“未知之境”。面对这场范式革命，唯有主动拥抱变化、以理性驾驭变局，才能在变革中把握先机，重塑人类探索的边界。
参考资料：
1、AlphaFold3可预测几乎所有分子结构和相互作用， https://ecas.cas.cn/xxkw/kbcd/201115_145987/ml/xxhcxyyyal/202407/t20240718_5026382.
2、全开源、可商用，蛋白质、核酸与药物结构预测基础模型OpenFold3，https://www.163.com/dy/article/KD4EB22N0552A8U8.html.
3、临港实验室首发通用式分子设计世界模型ODesign，实现核酸、蛋白质、小分子等多形态分子的统一设计，
https://www.lglab.ac.cn/yjcg/kyjz/202510/t20251027_790812.html
4、中国首款AI制剂新药完成三期临床：AI赋能新药研发曙光初现？https://www.sohu.com/a/946528752_122362510.
5、“AI+机器人”成合成化学研究新范式，
https://chem.jgvogel.cn/c1542889.shtml.
6、中国科大提出多智能体驱动的机器人AI化学家，https://ecas.cas.cn/xxkw/kbcd/201115_147064/ml/xxhcxyyyal/202503/t20250324_5059680.html.
7、AI赋能新材料产业变革：从智能设计到产线应用，上海跑出创新加速度，https://www.thepaper.cn/newsDetail_forward_31822669.
8、《自然》重磅：微软推出MatterGen，AI颠覆材料设计，
https://news.qq.com/rain/a/20250117A01MHB00.
9、一文读懂AI4Materials：人工智能如何变革材料科学与工程，
https://www.mbd.org.cn/article/134.html.
10、AI赋能天气：微软研究院发布首个大规模大气基础模型，Aurora https://www.microsoft.com/en-us/research/articles/aurora/.
11、向世界展示“中国方案”——人工智能赋能全民早期预警综述，https://www.cma.gov.cn/ztbd/2025zt/20250724/2025072407/xw/202507/t20250725_7234799.html.
12、科学家致力于研究具有变革意义的 人工智能自然灾害早期预警系统，http://www.cco.cma.cn/kjnl/kjdt/202508/t20250822_7289657.html.
13、英伟达携手三星：5万GPU加持，AI工厂加速半导体制造业转型，https://www.sohu.com/a/949597480_122362510.
14、10亿美元投资诺基亚，英伟达剑指AI通信市场，6G要来了?https://www.36kr.com/p/3531818958329990.
15、英伟达与诺基亚联手：AI-RAN平台加速6G网络转型，https://www.sohu.com/a/948685931_122362510.
- E N D -
作者：吴函霏
编辑：龙彦霖
