人工智能賦能科學(xué)研究：內(nèi)涵、特征與體系

陳凱華1,2李赫揚(yáng)1,2 劉泓欣1,2 趙彬彬2 楊碩1,2*

1 中國科學(xué)院大學(xué) 公共政策與管理學(xué)院

2 中國科學(xué)院大學(xué) 國家前沿科技融合創(chuàng)新研究中心

人工智能正在深刻改變科學(xué)研究的基本內(nèi)涵，重塑其知識(shí)生產(chǎn)方式和組織運(yùn)行方式，推動(dòng)形成人工智能賦能科學(xué)研究的新型科研范式，并加速全鏈條創(chuàng)新范式變革。文章從賦能應(yīng)用、工具方法和認(rèn)識(shí)知識(shí)3個(gè)維度，界定人工智能賦能科學(xué)研究的基本內(nèi)涵，提煉其人機(jī)共生、自主演化、交叉融合、資源密集與開放生態(tài)5個(gè)核心特征，并構(gòu)建涵蓋基礎(chǔ)設(shè)施、數(shù)據(jù)資源、模型工具、任務(wù)執(zhí)行和應(yīng)用場景等層次的支撐體系與架構(gòu)。在此基礎(chǔ)上，結(jié)合我國現(xiàn)實(shí)情況與戰(zhàn)略需求，進(jìn)一步提出夯實(shí)智能化科研基礎(chǔ)設(shè)施底座、構(gòu)建高質(zhì)量科學(xué)數(shù)據(jù)供給體系、打造可信智能科研工具與開源協(xié)作生態(tài)、建立人機(jī)協(xié)同的智能科研執(zhí)行體系、強(qiáng)化重大場景牽引與敏捷安全治理、推進(jìn)適應(yīng)智能化的科研組織模式變革等策略，為人工智能賦能科學(xué)研究實(shí)踐提供理論與政策參考。

人工智能正以前所未有的深度和廣度重塑科學(xué)研究的底層邏輯，成為驅(qū)動(dòng)前沿發(fā)現(xiàn)與科研范式躍遷的核心引擎?？茖W(xué)研究歷經(jīng)經(jīng)驗(yàn)、理論、計(jì)算到數(shù)據(jù)密集型的范式變遷，當(dāng)前正邁向人工智能賦能科學(xué)研究新范式，引發(fā)知識(shí)生產(chǎn)與科研體系的系統(tǒng)性重塑。面對這一變革，全球主要科技強(qiáng)國正密集升級戰(zhàn)略部署，加速探索新型科研創(chuàng)新體系的建設(shè)與管理模式。例如，美國于2025年底啟動(dòng)“創(chuàng)世紀(jì)計(jì)劃”（Genesis Mission），以體系化方式推進(jìn)人工智能賦能科學(xué)研究，歐盟、英國和日本亦相繼出臺(tái)相關(guān)戰(zhàn)略，開展類似部署。為順應(yīng)這一全球趨勢，我國也持續(xù)強(qiáng)化戰(zhàn)略引導(dǎo)和優(yōu)化頂層部署。2025年4月，習(xí)近平總書記在主持二十屆中共中央政治局第二十次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)，“以人工智能引領(lǐng)科研范式變革，加速各領(lǐng)域科技創(chuàng)新突破”，彰顯了人工智能在推動(dòng)科研范式變革和提升科技創(chuàng)新能力中的戰(zhàn)略性、基礎(chǔ)性作用；2025年8月26日印發(fā)的《國務(wù)院關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》，把“人工智能+”科學(xué)技術(shù)作為第一重點(diǎn)行動(dòng)，并提出“加快探索人工智能驅(qū)動(dòng)的新型科研范式”；2025年10月23日，中國共產(chǎn)黨第二十屆中央委員會(huì)第四次全體會(huì)議通過的《中共中央關(guān)于制定國民經(jīng)濟(jì)和社會(huì)發(fā)展第十五個(gè)五年規(guī)劃的建議》再次強(qiáng)調(diào)“以人工智能引領(lǐng)科研范式變革”。為有效支撐這一系列戰(zhàn)略引導(dǎo)和頂層設(shè)計(jì)，迫切需要系統(tǒng)把握人工智能賦能科學(xué)研究基本內(nèi)涵、核心特征和支撐體系，進(jìn)一步明確我國推進(jìn)人工智能賦能科學(xué)研究的戰(zhàn)略著力點(diǎn)和組織實(shí)施路徑。

人工智能正從單點(diǎn)應(yīng)用加速向全流程、全學(xué)科嵌入，在假設(shè)生成、實(shí)驗(yàn)優(yōu)化、數(shù)據(jù)分析、模擬預(yù)測等科研環(huán)節(jié)中展現(xiàn)出顯著賦能效應(yīng)，正在重塑知識(shí)創(chuàng)新體系，帶動(dòng)國家創(chuàng)新體系變革。這表明人工智能賦能科學(xué)研究已經(jīng)超出一般意義上的工具升級，正在推動(dòng)科研活動(dòng)由分散式、經(jīng)驗(yàn)式和局部優(yōu)化式運(yùn)行，轉(zhuǎn)向更加智能化、協(xié)同化和體系化的新形態(tài)，其影響正從單一研究環(huán)節(jié)向貫通科學(xué)發(fā)現(xiàn)、技術(shù)突破與應(yīng)用轉(zhuǎn)化的全鏈條延伸。面對這一系統(tǒng)性的范式變革，國內(nèi)外圍繞人工智能賦能科學(xué)研究展開了多方探討，包括科研范式演進(jìn)的歷史定位、科學(xué)設(shè)施與平臺(tái)條件的支撐基礎(chǔ)，以及具體領(lǐng)域中的適用邊界與賦能效應(yīng)等。然而，已有討論多聚焦于局部或單一技術(shù)視角，尚未形成對人工智能賦能科學(xué)研究的統(tǒng)一認(rèn)知框架，致使其內(nèi)涵邊界、關(guān)鍵特征與支撐條件仍缺乏系統(tǒng)闡釋，難以為科研組織重構(gòu)、資源統(tǒng)籌配置與國家層面的戰(zhàn)略布局提供有力支撐。

面對人工智能賦能科學(xué)研究從局部應(yīng)用走向系統(tǒng)變革的發(fā)展態(tài)勢，迫切需要對人工智能賦能科學(xué)研究進(jìn)行系統(tǒng)性的理論重構(gòu)與體系謀劃。具體而言，亟待從賦能應(yīng)用、工具方法和認(rèn)識(shí)知識(shí)3個(gè)維度，剖析人工智能賦能科學(xué)研究的內(nèi)涵，并提煉其核心特征；同時(shí)，前瞻性地構(gòu)筑支撐這一新范式高效運(yùn)行的體系架構(gòu)，并提出破解現(xiàn)實(shí)瓶頸、推動(dòng)其健康有序發(fā)展的推進(jìn)策略。

1

人工智能賦能科學(xué)研究的內(nèi)涵

人工智能賦能科學(xué)研究并不是單純提高計(jì)算速度或擴(kuò)大數(shù)據(jù)規(guī)模，而是通過算法、數(shù)據(jù)、模型、平臺(tái)與智能體等新要素的引入，改變科學(xué)研究的運(yùn)行邏輯、認(rèn)知過程和知識(shí)生產(chǎn)條件。從變革邏輯看，人工智能賦能科學(xué)研究并非單一工具應(yīng)用的延伸，而是涉及科學(xué)研究能力、問題求解方式和知識(shí)生產(chǎn)邏輯的系統(tǒng)性變化。首先，人工智能持續(xù)嵌入不同學(xué)科場景，拓展了科學(xué)研究的應(yīng)用邊界和能力空間；其次，人工智能作為新型研究工具、方法平臺(tái)和任務(wù)執(zhí)行系統(tǒng)，正在改變科研問題的表征、建模、求解和驗(yàn)證方式；隨著人工智能進(jìn)一步發(fā)展，還可能影響知識(shí)發(fā)現(xiàn)方式、科學(xué)理解模式和科學(xué)解釋邏輯，推動(dòng)科研活動(dòng)從經(jīng)驗(yàn)驅(qū)動(dòng)、理論驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)向模型驅(qū)動(dòng)與智能增強(qiáng)相結(jié)合的方向演進(jìn)。綜合現(xiàn)有表現(xiàn)及未來潛在趨勢，本文提出從賦能應(yīng)用、工具方法和認(rèn)識(shí)知識(shí)3個(gè)相互關(guān)聯(lián)的維度把握其內(nèi)涵。其中，賦能應(yīng)用論聚焦人工智能作為通用賦能技術(shù)對科研能力邊界的擴(kuò)展，工具方法論關(guān)注其從工具到方法再到平臺(tái)的遞進(jìn)式演化對科研流程的重塑，認(rèn)識(shí)知識(shí)論則從更深層次揭示其對知識(shí)生產(chǎn)主體結(jié)構(gòu)和科學(xué)認(rèn)知方式的變革意義。3個(gè)維度之間存在遞進(jìn)與互構(gòu)的邏輯關(guān)系：賦能應(yīng)用論回答的是人工智能能夠?yàn)榭茖W(xué)研究提供何種能力支撐，是對賦能事實(shí)的確認(rèn)，構(gòu)成分析的經(jīng)驗(yàn)起點(diǎn)；工具方法論進(jìn)一步追問人工智能以何種方式改變科學(xué)研究的運(yùn)行過程，從效率工具到流程重構(gòu)再到平臺(tái)化轉(zhuǎn)型，揭示賦能得以實(shí)現(xiàn)的方法機(jī)制；認(rèn)識(shí)知識(shí)論則在前兩者基礎(chǔ)上追問人工智能在何種意義上改變了科學(xué)認(rèn)識(shí)本身，觸及知識(shí)生產(chǎn)主體、認(rèn)知路徑和理論建構(gòu)方式的深層變革。三者構(gòu)成從能力擴(kuò)展到方法重塑再到認(rèn)知變革的遞進(jìn)鏈條。同時(shí)，三者又相互支撐：賦能應(yīng)用的廣度為工具方法的演化提供需求牽引，工具方法的成熟為認(rèn)識(shí)知識(shí)論層面的變革創(chuàng)造技術(shù)條件，而認(rèn)識(shí)知識(shí)論層面的反思又重新界定賦能的邊界與方向。3個(gè)維度在人工智能賦能科學(xué)研究的不同發(fā)展階段側(cè)重有所不同：在早期階段，賦能應(yīng)用論和工具方法論的作用更為顯著，人工智能主要以效率工具和方法平臺(tái)的形式嵌入科研過程；而隨著科研智能體的發(fā)展和人機(jī)協(xié)作的深化，認(rèn)識(shí)知識(shí)論所揭示的知識(shí)生產(chǎn)主體變革和認(rèn)知方式轉(zhuǎn)變才逐步凸顯。三者協(xié)同推動(dòng)科學(xué)研究從單點(diǎn)突破走向系統(tǒng)耦合（圖1）。

圖1 人工智能賦能科學(xué)研究的賦能應(yīng)用論、工具方法論和認(rèn)識(shí)知識(shí)論框架

賦能應(yīng)用論

賦能應(yīng)用論強(qiáng)調(diào)，人工智能首先表現(xiàn)為一種具有廣泛遷移性和擴(kuò)展性的通用賦能技術(shù)，其賦能作用不僅體現(xiàn)為效率提升，更體現(xiàn)為研究能力邊界的擴(kuò)展和研究問題空間的重塑。與傳統(tǒng)科研工具通常依附于特定學(xué)科或?qū)嶒?yàn)場景不同，人工智能依托算法學(xué)習(xí)、模型遷移和跨模態(tài)處理能力，可以在自然科學(xué)、工程科學(xué)與人文社會(huì)科學(xué)等領(lǐng)域中形成具有共性的底層能力支撐。因此，人工智能賦能科學(xué)研究的首要表現(xiàn)，不在于某一項(xiàng)具體算法被用于某一類任務(wù)，而在于其作為一種通用能力，持續(xù)嵌入不同學(xué)科的問題求解過程，改變研究對象的表征方式、數(shù)據(jù)處理方式和路徑選擇方式。

從實(shí)踐上看，人工智能的賦能作用已不局限于某一學(xué)科內(nèi)部的效率提高，而是在不同學(xué)科之間形成了方法貫通和問題聯(lián)動(dòng)的新格局。蛋白質(zhì)結(jié)構(gòu)預(yù)測、材料逆向設(shè)計(jì)、氣象預(yù)測和高能物理數(shù)據(jù)分析等都表明，人工智能并非停留于技術(shù)疊加層面，而是在推動(dòng)不同學(xué)科形成新的研究方向和新的問題組織方式。這種賦能不僅改變了既有學(xué)科的研究方式，更通過與各學(xué)科的交叉融合，孕育產(chǎn)生了新的研究領(lǐng)域和新的學(xué)科方向，構(gòu)成“人工智能+學(xué)科”的新范疇。與此同時(shí)，面向不同學(xué)科的全流程智能化探索也在加速推進(jìn)。例如，中國科學(xué)技術(shù)大學(xué)研發(fā)的機(jī)器化學(xué)家系統(tǒng)已實(shí)現(xiàn)從文獻(xiàn)挖掘、配方設(shè)計(jì)到自主實(shí)驗(yàn)驗(yàn)證的閉環(huán)自動(dòng)化；中國科學(xué)院推出的“磐石·科學(xué)基礎(chǔ)大模型”則面向多學(xué)科場景提供通用科研智能底座。此外，人工智能也加強(qiáng)了科學(xué)發(fā)現(xiàn)、技術(shù)驗(yàn)證和場景轉(zhuǎn)化之間的聯(lián)動(dòng)，使科研活動(dòng)更多嵌入面向應(yīng)用的創(chuàng)新鏈條之中。賦能應(yīng)用論揭示了人工智能賦能科學(xué)研究的現(xiàn)實(shí)起點(diǎn)，即通過跨領(lǐng)域嵌入和廣泛擴(kuò)散，推動(dòng)形成以人工智能為底座的新型研究形態(tài)。

工具方法論

工具方法論強(qiáng)調(diào)，人工智能不僅是科研過程中的新工具，更是在快速演化為新的研究平臺(tái)和新的問題求解方法。人工智能具有學(xué)習(xí)、推斷、生成和優(yōu)化等復(fù)合能力，因而能夠同時(shí)在文獻(xiàn)處理、數(shù)據(jù)解析、模擬預(yù)測、假設(shè)生成、實(shí)驗(yàn)設(shè)計(jì)和過程控制等多個(gè)環(huán)節(jié)中發(fā)揮作用。隨著開源模型、通用算法框架和自動(dòng)化實(shí)驗(yàn)平臺(tái)的發(fā)展，人工智能的角色正在由輔助性工具擴(kuò)展為方法體系和科研平臺(tái)的重要組成部分。工具方法論揭示了人工智能從工具到方法再到平臺(tái)的3個(gè)遞進(jìn)層次。

第一層次：工具化提效。面對海量、多模態(tài)和高維數(shù)據(jù)，傳統(tǒng)依賴人工清洗和規(guī)則建模的方法已難以適應(yīng)快速增長的分析需求，而人工智能通過表征學(xué)習(xí)、模式識(shí)別和代理建模等方式，可以壓縮從數(shù)據(jù)采集到結(jié)果輸出的時(shí)間成本，并提高復(fù)雜任務(wù)中的識(shí)別精度和預(yù)測能力。

第二層次：方法化重構(gòu)。人工智能正在重構(gòu)科學(xué)研究的方法流程，使傳統(tǒng)的“假設(shè)—實(shí)驗(yàn)—驗(yàn)證”線性過程逐步轉(zhuǎn)變?yōu)椤皵?shù)據(jù)—模型—實(shí)驗(yàn)—反饋”相互嵌套的動(dòng)態(tài)閉環(huán)，促進(jìn)研究過程由經(jīng)驗(yàn)驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)和模型協(xié)同驅(qū)動(dòng)。

第三層次：平臺(tái)化轉(zhuǎn)型。統(tǒng)一的算法庫、標(biāo)準(zhǔn)化的數(shù)據(jù)接口和可復(fù)用的預(yù)訓(xùn)練模型，降低了方法獲取與應(yīng)用門檻，提高了跨機(jī)構(gòu)、跨學(xué)科協(xié)作的可能性。在這一過程中，人工智能的角色也在發(fā)生轉(zhuǎn)變，從輔助科學(xué)家的工具，逐步演化為科研活動(dòng)的合作伙伴，并在特定任務(wù)中承擔(dān)部分替代性功能。

更進(jìn)一步看，工具方法論所揭示的工具化提效、方法化重構(gòu)和平臺(tái)化轉(zhuǎn)型，不僅作用于科學(xué)研究環(huán)節(jié)本身，也正在向技術(shù)創(chuàng)新和場景應(yīng)用延伸，成為支撐全鏈條創(chuàng)新范式變革的方法基礎(chǔ)。

認(rèn)識(shí)知識(shí)論

認(rèn)識(shí)知識(shí)論強(qiáng)調(diào)，人工智能賦能科學(xué)研究的更深層意義，在于它正在改變知識(shí)發(fā)現(xiàn)、知識(shí)組織和知識(shí)驗(yàn)證的條件，進(jìn)而重塑科學(xué)認(rèn)識(shí)活動(dòng)。人工智能的發(fā)展使知識(shí)生產(chǎn)不再僅僅依賴個(gè)體科學(xué)家的經(jīng)驗(yàn)積累和分析能力，而越來越依賴由人類科學(xué)家、數(shù)據(jù)資源、模型系統(tǒng)和科研平臺(tái)共同構(gòu)成的復(fù)合認(rèn)知系統(tǒng)。

1

人工智能顯著擴(kuò)展了科學(xué)研究的認(rèn)知邊界

對于高維、非線性和跨尺度的復(fù)雜問題，人工智能可以在更大范圍內(nèi)進(jìn)行模式搜索、變量關(guān)聯(lián)和候選機(jī)制識(shí)別，從而幫助研究者突破經(jīng)驗(yàn)判斷和局部最優(yōu)路徑的限制。

2

人工智能正在改變知識(shí)生產(chǎn)的主體結(jié)構(gòu)

隨著其在知識(shí)抽取、結(jié)果推斷、實(shí)驗(yàn)優(yōu)化和內(nèi)容生成等方面能力的提升，知識(shí)生產(chǎn)逐漸從單一主體轉(zhuǎn)向復(fù)合主體：人類科學(xué)家負(fù)責(zé)問題提出、價(jià)值目標(biāo)設(shè)定和結(jié)果解釋，人工智能系統(tǒng)則承擔(dān)大規(guī)模知識(shí)組織、模式發(fā)現(xiàn)和部分實(shí)驗(yàn)控制等任務(wù)。尤其是隨著科研智能體的發(fā)展，人工智能已不僅僅是被動(dòng)響應(yīng)指令的分析工具，而是能夠自主規(guī)劃研究路徑、調(diào)度實(shí)驗(yàn)資源并生成研究報(bào)告的主動(dòng)參與者，知識(shí)生產(chǎn)的主體邊界由此進(jìn)一步拓展。

3

人工智能引發(fā)了科學(xué)認(rèn)知方式的深層轉(zhuǎn)變

傳統(tǒng)科研強(qiáng)調(diào)“理解后預(yù)測”，即先建立因果機(jī)制理論，再據(jù)此進(jìn)行預(yù)測。而在人工智能賦能科學(xué)研究的部分場景中階段性地出現(xiàn)了“預(yù)測先于理解”的現(xiàn)象，即模型可以在理論解釋尚不完整的情況下給出較高精度預(yù)測。相關(guān)研究指出，人工智能的科學(xué)價(jià)值不僅取決于其預(yù)測精度，也取決于其能否進(jìn)入因果解釋、機(jī)制揭示和理論理解的過程。

認(rèn)識(shí)知識(shí)論并不意味著人工智能將取代科學(xué)家，而是揭示了一場知識(shí)生產(chǎn)方式的深刻變革——人工智能與科學(xué)家將協(xié)同構(gòu)成新的認(rèn)知系統(tǒng)，顯著改變?nèi)祟惏l(fā)現(xiàn)、產(chǎn)生和運(yùn)用知識(shí)的能力與方法，并推動(dòng)科學(xué)知識(shí)體系的重組與更新。

賦能應(yīng)用論、工具方法論和認(rèn)識(shí)知識(shí)論分別從能力擴(kuò)展、方法重構(gòu)和知識(shí)生產(chǎn)變革3個(gè)層面，共同構(gòu)成理解人工智能賦能科學(xué)研究的基本框架，也為歸納其結(jié)構(gòu)性特征奠定了基礎(chǔ)。

2

人工智能賦能科學(xué)研究的核心特征

隨著人工智能賦能科學(xué)研究的內(nèi)涵不斷豐富和拓展，這一新科研范式也呈現(xiàn)出一系列區(qū)別于傳統(tǒng)范式的系統(tǒng)性與結(jié)構(gòu)性特征。其形成既根植于科研能力、方法和認(rèn)知方式的變革，也與科研組織模式的重塑密切相關(guān)。中國科學(xué)院大學(xué)國家前沿科技融合創(chuàng)新研究中心在支撐中國科學(xué)院相關(guān)戰(zhàn)略研究過程中，系統(tǒng)梳理了科研組織模式的演變趨勢，歸納出6個(gè)方面的轉(zhuǎn)變：從自由式到建制化（工程化），從單學(xué)科到跨學(xué)科（融合化），從封閉式到開放式（協(xié)同式），從手工式到自動(dòng)化（人機(jī)互動(dòng)），從“小作坊”到集成化（平臺(tái)化），從非標(biāo)化到程序化（流程化）。這些轉(zhuǎn)變相互關(guān)聯(lián)、彼此支撐，共同勾勒出人工智能時(shí)代科研組織模式變革的基本方向。它們并非各自獨(dú)立，而是可以沿研究主體、運(yùn)行機(jī)制、知識(shí)組織、資源條件和生態(tài)模式5條主線加以歸納，由此提煉出5個(gè)最具代表性的核心特征：人機(jī)共生、自主演化、交叉融合、資源密集和開放生態(tài)。

人機(jī)共生性

人機(jī)共生性強(qiáng)調(diào)人工智能賦能科學(xué)研究過程中人類智慧與機(jī)器智能的深度耦合與功能互補(bǔ)，體現(xiàn)了科研體系主體結(jié)構(gòu)與協(xié)作方式等的轉(zhuǎn)變。基于社會(huì)物理信息系統(tǒng)視角，人工智能的介入正推動(dòng)科研體系由以人類研究者為中心、人與物理實(shí)驗(yàn)環(huán)境互動(dòng)的人—物二元系統(tǒng)，轉(zhuǎn)向人、機(jī)、物多主體協(xié)同的平行智能模式。人工智能系統(tǒng)正從傳統(tǒng)意義上被動(dòng)執(zhí)行指令的工具，逐漸成為科研體系中推動(dòng)研究設(shè)計(jì)、假設(shè)生成與實(shí)驗(yàn)路徑探索的核心要素，其憑借自身感知智能、認(rèn)知智能、決策智能和生成式智能等多層次能力，承擔(dān)包括數(shù)據(jù)處理、知識(shí)推理、實(shí)驗(yàn)優(yōu)化和假設(shè)構(gòu)建等越來越多的任務(wù)。這種變化并不意味著人類科學(xué)家被簡單替代，而是體現(xiàn)了人工智能與人類科學(xué)家之間優(yōu)勢互補(bǔ)、相互促進(jìn)的協(xié)同關(guān)系，科研活動(dòng)主體正從“以人為主”向“人機(jī)共生”演變。

在該過程中，人類科學(xué)家在定義科學(xué)問題、提供領(lǐng)域知識(shí)、設(shè)定價(jià)值目標(biāo)和進(jìn)行倫理判斷等方面具有不可替代性。人工智能的優(yōu)勢則主要體現(xiàn)為大規(guī)模知識(shí)整合、復(fù)雜模式識(shí)別、跨域推理生成和動(dòng)態(tài)優(yōu)化。人與機(jī)器并非簡單的共存關(guān)系，而是圍繞科學(xué)問題形成了高度依賴、優(yōu)勢互補(bǔ)、協(xié)同演進(jìn)的共生關(guān)系。這一共生關(guān)系的效能高度依賴于人機(jī)協(xié)同機(jī)制的設(shè)計(jì)，包括人機(jī)交互界面的友好性、任務(wù)分配的適配性和協(xié)同決策過程的透明性。例如，在生命科學(xué)研究中，人工智能可以依托高通量算法完成潛在靶點(diǎn)篩選和藥物分子建模，科研人員則結(jié)合理論推理與臨床經(jīng)驗(yàn)對結(jié)果進(jìn)行甄別驗(yàn)證并推動(dòng)應(yīng)用轉(zhuǎn)化，由此實(shí)現(xiàn)理論探索與實(shí)踐創(chuàng)新的融合。

自主演化性

自主演化性體現(xiàn)為人工智能賦能科學(xué)研究具有持續(xù)學(xué)習(xí)、快速迭代和動(dòng)態(tài)優(yōu)化的內(nèi)在機(jī)制，其底層支撐在于人工智能的自動(dòng)化執(zhí)行能力與反饋驅(qū)動(dòng)的優(yōu)化機(jī)制。這一特征推動(dòng)科研體系從外部控制邏輯向內(nèi)部演化邏輯轉(zhuǎn)變，從依賴人工干預(yù)轉(zhuǎn)向在人類指令下自主執(zhí)行。傳統(tǒng)科研活動(dòng)大多依賴人工設(shè)計(jì)和階段性推進(jìn)，而人工智能的強(qiáng)化學(xué)習(xí)機(jī)制和智能體技術(shù)使科學(xué)研究多個(gè)環(huán)節(jié)的自動(dòng)化成為可能，科研流程由此從預(yù)設(shè)步驟的順序執(zhí)行，轉(zhuǎn)向數(shù)據(jù)反饋驅(qū)動(dòng)的動(dòng)態(tài)迭代，研究假設(shè)、實(shí)驗(yàn)方案和模型參數(shù)在閉環(huán)中持續(xù)調(diào)整優(yōu)化。

具體來說，該特征首先表現(xiàn)為研究循環(huán)的顯著壓縮。數(shù)據(jù)處理、模擬篩選和實(shí)驗(yàn)反饋之間可以更緊密地聯(lián)動(dòng)，從而縮短科研周期，提高試錯(cuò)效率。其次，科研任務(wù)組織形式也在變化，單一模型正逐步演化為由多個(gè)模塊、多個(gè)智能體和多個(gè)平臺(tái)構(gòu)成的協(xié)同系統(tǒng)。例如，基于大語言模型構(gòu)建的虛擬實(shí)驗(yàn)室平臺(tái)，已經(jīng)能夠在“首席科學(xué)家智能體”的協(xié)調(diào)下，組建由多個(gè)專家智能體構(gòu)成的虛擬科研團(tuán)隊(duì)，實(shí)現(xiàn)從假設(shè)生成到實(shí)驗(yàn)驗(yàn)證的高度自動(dòng)化。這表明，人工智能系統(tǒng)已開始在特定場景中獨(dú)立完成從假設(shè)提出、實(shí)驗(yàn)執(zhí)行到結(jié)果分析的完整科研閉環(huán)，標(biāo)志著自主演化正從單環(huán)節(jié)自動(dòng)化向全流程自主決策方向延伸。同時(shí)，算法模型隨著新數(shù)據(jù)的流入持續(xù)更新優(yōu)化，研究問題與方法隨著新發(fā)現(xiàn)而靈活調(diào)整，科學(xué)研究呈現(xiàn)出快速迭代、反饋驅(qū)動(dòng)的演化過程。需要強(qiáng)調(diào)的是，當(dāng)前的自主演化仍然是在人類設(shè)定的目標(biāo)函數(shù)、約束條件和評價(jià)標(biāo)準(zhǔn)下的有限自主演化，而非完全脫離人類監(jiān)督的自由演化。

交叉融合性

交叉融合性體現(xiàn)為人工智能賦能科學(xué)研究所具有的跨知識(shí)方法、資源和主體關(guān)系的重組特征。人工智能本身為數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)和各領(lǐng)域知識(shí)交叉作用的產(chǎn)物，其進(jìn)入科研過程之后，進(jìn)一步加速了不同學(xué)科之間的知識(shí)流動(dòng)和方法遷移，也推動(dòng)科研活動(dòng)突破傳統(tǒng)學(xué)科邊界、組織邊界和產(chǎn)學(xué)研邊界。對于許多傳統(tǒng)上分屬于不同學(xué)科的問題，在人工智能框架下可以被轉(zhuǎn)化為相近的數(shù)據(jù)建模、特征學(xué)習(xí)或優(yōu)化求解問題，從而獲得統(tǒng)一分析的可能。作為通用性技術(shù)平臺(tái)，人工智能不僅為不同學(xué)科提供了相對通用的算法工具和分析框架，也為創(chuàng)新鏈與產(chǎn)業(yè)鏈之間的數(shù)據(jù)共享、模型共建和任務(wù)協(xié)同提供了支撐。在此基礎(chǔ)上，跨學(xué)科、跨主體、跨領(lǐng)域協(xié)作機(jī)制加快形成，推動(dòng)科學(xué)研究由相對分割的學(xué)科和組織體系轉(zhuǎn)向更加融合協(xié)同的知識(shí)生產(chǎn)模式。

這一特征在復(fù)雜科學(xué)問題研究中表現(xiàn)得尤為突出。當(dāng)前前沿科學(xué)問題越來越具有多尺度、多變量和多機(jī)制耦合的特點(diǎn)，單一學(xué)科方法及單一類型主體往往難以獨(dú)立完成求解。人工智能通過統(tǒng)一的數(shù)據(jù)表示、通用模型架構(gòu)和跨場景遷移能力，增強(qiáng)了不同領(lǐng)域不同主體之間協(xié)同研究的可能性，推動(dòng)知識(shí)組織方式從學(xué)科分立轉(zhuǎn)向問題導(dǎo)向，并在學(xué)科交叉地帶催生新的研究方向和學(xué)科生長點(diǎn)。

資源密集性

資源密集性體現(xiàn)為人工智能賦能科學(xué)研究對數(shù)據(jù)資源、技術(shù)資源、基礎(chǔ)設(shè)施資源、人才資源等多元要素的高度依賴，強(qiáng)調(diào)該范式有效運(yùn)行需要重要的物質(zhì)條件。尤其是在構(gòu)建科學(xué)基礎(chǔ)模型、處理海量實(shí)驗(yàn)數(shù)據(jù)和開展復(fù)雜系統(tǒng)模擬時(shí)，資源供給能力往往直接決定研究活動(dòng)的廣度、深度和效率。

具體而言，數(shù)據(jù)密集體現(xiàn)為人工智能方法的有效運(yùn)行高度依賴高質(zhì)量、大規(guī)模、多模態(tài)的科學(xué)數(shù)據(jù)供給；技術(shù)密集體現(xiàn)為先進(jìn)算法、科學(xué)基礎(chǔ)模型和科研軟件工具鏈成為新的核心科研資源；基礎(chǔ)設(shè)施密集體現(xiàn)為強(qiáng)大算力、自動(dòng)化實(shí)驗(yàn)平臺(tái)和高速網(wǎng)絡(luò)構(gòu)成不可或缺的底層支撐。資源密集性不僅體現(xiàn)為硬件和算力投入，還體現(xiàn)為高質(zhì)量數(shù)據(jù)治理、科研支持能力和復(fù)合型人才供給的系統(tǒng)投入。人工智能賦能基礎(chǔ)研究已經(jīng)越來越依賴設(shè)施、數(shù)據(jù)和算法之間的系統(tǒng)耦合。因此，人工智能賦能科學(xué)研究不僅是方法問題，也是科研條件和制度安排問題。

開放生態(tài)性

開放生態(tài)性體現(xiàn)為人工智能賦能科學(xué)研究更依賴開放共享、平臺(tái)協(xié)同和多主體共建的科研環(huán)境。與傳統(tǒng)科研活動(dòng)中相對封閉的團(tuán)隊(duì)式運(yùn)行不同，人工智能時(shí)代的科研能力越來越多地建立在開源模型、開放數(shù)據(jù)、共享平臺(tái)和協(xié)同網(wǎng)絡(luò)的基礎(chǔ)上。模型社區(qū)、數(shù)據(jù)平臺(tái)、代碼倉庫和科研云設(shè)施，正在共同構(gòu)成新的科研生態(tài)基礎(chǔ)。

這一特征的形成可歸因于技術(shù)、資源和組織的多重因素。從技術(shù)上看，人工智能模型的訓(xùn)練、驗(yàn)證和優(yōu)化高度依賴高質(zhì)量數(shù)據(jù)和持續(xù)反饋，需要通過開放數(shù)據(jù)資源、共享模型工具、公開代碼框架和引入社區(qū)反饋，促進(jìn)模型在不同科研場景中的測試、修正和迭代。從資源上看，人工智能賦能科學(xué)研究具有顯著的資源密集特征，需要數(shù)據(jù)、算法、算力和實(shí)驗(yàn)設(shè)施等關(guān)鍵資源的協(xié)同供給，以打破資源孤島與平臺(tái)壁壘。從組織上看，復(fù)雜科學(xué)問題的求解越來越需要跨機(jī)構(gòu)、跨學(xué)科和跨部門合作。開放生態(tài)因而成為提高資源配置效率、促進(jìn)知識(shí)流動(dòng)和加速成果轉(zhuǎn)化的重要條件。人工智能驅(qū)動(dòng)的知識(shí)創(chuàng)新體系正在朝著平臺(tái)化、融合化和生態(tài)化方向演進(jìn)。因此，對于人工智能賦能科學(xué)研究而言，開放生態(tài)既是其現(xiàn)實(shí)運(yùn)行的重要條件，也是其未來持續(xù)演化的重要方向。

小結(jié)

上述5個(gè)特征并非彼此孤立，而是在人工智能賦能科學(xué)研究的過程中相互支撐、相互耦合、共同作用，推動(dòng)科學(xué)研究逐漸形成高度動(dòng)態(tài)的復(fù)雜系統(tǒng)，并不斷實(shí)現(xiàn)研究范式的革新。其中，人機(jī)共生性，界定了該范式下科研活動(dòng)的運(yùn)行模式與主體間關(guān)系；自主演化性，揭示了其內(nèi)在運(yùn)行邏輯與核心動(dòng)力機(jī)制；交叉融合性，構(gòu)筑了學(xué)科融通、知識(shí)集聚的一體化格局與多主體協(xié)同創(chuàng)新能力；資源密集性，表征了范式高效運(yùn)轉(zhuǎn)所依托的多元資源投入的物質(zhì)基礎(chǔ)；開放生態(tài)性，體現(xiàn)了其依托開放共享、開源協(xié)同實(shí)現(xiàn)持續(xù)迭代與可持續(xù)演進(jìn)的發(fā)展路徑。正是在這5個(gè)特征的共同作用下，人工智能賦能科學(xué)研究由分散的技術(shù)應(yīng)用逐步演化為具有體系屬性的新型科研范式，并且其作為復(fù)雜系統(tǒng)的屬性將愈加凸顯。

3

人工智能賦能科學(xué)研究的支撐體系與架構(gòu)

為適應(yīng)人機(jī)共生、自主演化、交叉融合、資源密集與開放生態(tài)等新特征，亟待系統(tǒng)性重塑科學(xué)研究支撐體系與架構(gòu)，構(gòu)建面向人工智能賦能科學(xué)研究全流程的底座，通過實(shí)現(xiàn)物理設(shè)施、數(shù)據(jù)要素、智能方法與執(zhí)行主體的高效聯(lián)動(dòng)，全面支撐海量資源調(diào)度、多尺度機(jī)理建模與復(fù)雜任務(wù)執(zhí)行。

整體架構(gòu)

面向科研范式變革的復(fù)雜需求，整體架構(gòu)可劃分為5個(gè)功能互補(bǔ)的子系統(tǒng)：

1.基礎(chǔ)設(shè)施層，面向科研設(shè)施，提供大規(guī)模算力、存儲(chǔ)與實(shí)驗(yàn)環(huán)境的物理支撐；

2.數(shù)據(jù)資源層，面向科研知識(shí)，匯聚多模態(tài)科學(xué)數(shù)據(jù)，提供訓(xùn)練和驗(yàn)證的原料；

3.模型工具層，面向科研方法，構(gòu)建智能化的分析預(yù)測能力；

4.任務(wù)執(zhí)行層，面向科研主體，實(shí)現(xiàn)人類科學(xué)家與各類智能體的高效協(xié)同；

5.應(yīng)用場景層，面向科研問題，聚焦科學(xué)研究和產(chǎn)業(yè)研發(fā)的實(shí)際應(yīng)用，牽引體系的落地與價(jià)值實(shí)現(xiàn)（圖2）。

圖2 人工智能賦能科學(xué)研究的體系架構(gòu)

這5個(gè)功能層級并非靜態(tài)獨(dú)立，而是構(gòu)成了一個(gè)閉環(huán)系統(tǒng)。在向上賦能路徑中，基礎(chǔ)設(shè)施與數(shù)據(jù)資源共同孕育模型工具，進(jìn)而為多元主體的任務(wù)執(zhí)行提供支撐；在向下牽引路徑中，前沿應(yīng)用場景提出的復(fù)雜科研需求，直接驅(qū)動(dòng)底層基礎(chǔ)設(shè)施的調(diào)優(yōu)與數(shù)據(jù)模型的演進(jìn)。同時(shí)，應(yīng)用場景層在實(shí)踐中產(chǎn)生的新數(shù)據(jù)與新反饋持續(xù)反哺底層架構(gòu)，推動(dòng)算力、數(shù)據(jù)與模型的迭代升級。考慮到不同科學(xué)領(lǐng)域在研究對象、數(shù)據(jù)模態(tài)與知識(shí)體系上的顯著差異，整體架構(gòu)的設(shè)計(jì)必須兼顧通用性與領(lǐng)域適配性，各領(lǐng)域既依賴于通用的算力網(wǎng)絡(luò)與科學(xué)大模型底座，又需根據(jù)自身特定的科學(xué)問題，有選擇性地調(diào)用、組合不同層級的設(shè)施、資源與執(zhí)行主體。

基礎(chǔ)設(shè)施層

基礎(chǔ)設(shè)施層是人工智能賦能科學(xué)研究體系的物理基石。該層需突破單一算力中心的局限，構(gòu)建涵蓋數(shù)據(jù)集成平臺(tái)、軟件系統(tǒng)、計(jì)算硬件與機(jī)器人系統(tǒng)的支撐網(wǎng)絡(luò)。數(shù)據(jù)集成平臺(tái)負(fù)責(zé)海量多模態(tài)科學(xué)數(shù)據(jù)的清洗治理與高效分發(fā)；軟件系統(tǒng)整合操作系統(tǒng)、分布式文件、容器編排、工作流引擎及領(lǐng)域開發(fā)環(huán)境；計(jì)算硬件包含大規(guī)模圖形處理器/張量處理器（GPU/TPU）算力集群及新興計(jì)算架構(gòu)，提供海量算力與高速通信能力；機(jī)器人系統(tǒng)通過自動(dòng)化平臺(tái)實(shí)現(xiàn)虛擬模擬計(jì)算與物理真實(shí)實(shí)驗(yàn)的緊密銜接，支撐高通量實(shí)驗(yàn)的自主閉環(huán)執(zhí)行。

面對人工智能賦能科學(xué)研究中的海量數(shù)據(jù)與算力需求，基礎(chǔ)設(shè)施層需滿足高并發(fā)低延遲的數(shù)據(jù)傳輸、面向科學(xué)計(jì)算優(yōu)化的異構(gòu)彈性調(diào)度、完善的容錯(cuò)機(jī)制與安全保障，并建立統(tǒng)一的標(biāo)準(zhǔn)化接口規(guī)范，以打破各類實(shí)驗(yàn)設(shè)備與高性能計(jì)算設(shè)施間的壁壘，保障從數(shù)據(jù)采集、模型訓(xùn)練到結(jié)果分析的全鏈條自動(dòng)化執(zhí)行。

數(shù)據(jù)資源層

數(shù)據(jù)資源處于人工智能賦能科學(xué)研究的核心地位，是驅(qū)動(dòng)前沿科學(xué)發(fā)現(xiàn)和模型構(gòu)建的戰(zhàn)略性基礎(chǔ)要素。人工智能驅(qū)動(dòng)的科研新范式依賴于多類核心數(shù)據(jù)資源的規(guī)模化匯聚：科學(xué)文獻(xiàn)數(shù)據(jù)用于提取知識(shí)圖譜與發(fā)現(xiàn)研究模式；科學(xué)測試數(shù)據(jù)用于支撐模型訓(xùn)練與性能評估；科學(xué)實(shí)驗(yàn)數(shù)據(jù)源自物理學(xué)、化學(xué)、生物學(xué)等領(lǐng)域的實(shí)際實(shí)驗(yàn)過程；數(shù)值模擬數(shù)據(jù)通過計(jì)算模型生成；人工智能生成數(shù)據(jù)由模型直接產(chǎn)出；產(chǎn)業(yè)與應(yīng)用數(shù)據(jù)則反映科研成果在實(shí)際應(yīng)用中的表現(xiàn)，推動(dòng)科學(xué)研究與產(chǎn)業(yè)需求緊密結(jié)合。

人工智能賦能科學(xué)研究對數(shù)據(jù)資源層提出了可用性、流通性和安全性等關(guān)鍵需求，涵蓋自動(dòng)化數(shù)據(jù)清洗與標(biāo)準(zhǔn)化、分布式存儲(chǔ)與高效索引，以及數(shù)據(jù)確權(quán)與隱私保護(hù)等方面。不同類型的科研數(shù)據(jù)并非相互獨(dú)立，而是通過多模態(tài)融合方式催生科學(xué)知識(shí)的形成。隨著人工智能從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)并生成新數(shù)據(jù)，新數(shù)據(jù)通過實(shí)驗(yàn)驗(yàn)證進(jìn)一步豐富整個(gè)科學(xué)數(shù)據(jù)生態(tài)系統(tǒng)，形成持續(xù)推動(dòng)科學(xué)數(shù)據(jù)生態(tài)完善與發(fā)展的良性循環(huán)。

模型工具層

模型工具層作為認(rèn)知單元與智能核心，為科學(xué)研究提供智能化的分析、預(yù)測與發(fā)現(xiàn)能力。該層主要由科學(xué)基礎(chǔ)大模型、學(xué)科專用大模型和工具平臺(tái)3個(gè)核心部分組成?？茖W(xué)基礎(chǔ)大模型作為通用底座，承擔(dān)跨領(lǐng)域知識(shí)融合與科學(xué)發(fā)現(xiàn)助手的職能；學(xué)科專用大模型針對特定領(lǐng)域進(jìn)行深度優(yōu)化，融入專業(yè)知識(shí)并執(zhí)行特定科研任務(wù)；工具平臺(tái)則提供研究工具集、開發(fā)環(huán)境與實(shí)驗(yàn)支撐，保障模型落地與應(yīng)用。

模型工具層需要實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)學(xué)習(xí)與知識(shí)指導(dǎo)推理的深度融合，并具備跨領(lǐng)域知識(shí)遷移、多尺度建模能力及持續(xù)學(xué)習(xí)更新機(jī)制。該層賦予科研活動(dòng)3種核心能力：

1.跨尺度分析能力，在統(tǒng)一框架內(nèi)處理微觀粒子到宏觀系統(tǒng)問題；

2.科學(xué)假設(shè)生成能力，通過對存量知識(shí)庫的重組與分析自主生成可驗(yàn)證的新觀點(diǎn)；

3.復(fù)雜系統(tǒng)模擬能力，突破傳統(tǒng)方法的計(jì)算瓶頸，針對氣候演變或生命過程等高動(dòng)態(tài)復(fù)雜系統(tǒng)提供長周期、高精度模擬與預(yù)測。

任務(wù)執(zhí)行層

任務(wù)執(zhí)行層是連接科研問題與科研方法的關(guān)鍵樞紐，面向科研主體采用多元化組織形式，實(shí)現(xiàn)從傳統(tǒng)人類主導(dǎo)到人機(jī)智能協(xié)同的范式轉(zhuǎn)變。該層由人類科學(xué)家、人機(jī)協(xié)同系統(tǒng)和智能體等構(gòu)成：人類科學(xué)家，作為核心決策者，主導(dǎo)科學(xué)問題定義、方向把控與最終的科學(xué)洞察；人機(jī)協(xié)同系統(tǒng)，實(shí)現(xiàn)專家知識(shí)與機(jī)器算力的深度融合；智能體，代表高階自動(dòng)化執(zhí)行力，能夠獨(dú)立承擔(dān)特定任務(wù)，還可動(dòng)態(tài)演化為分工處理綜合性研究難題的多智能體群。

為保障多元主體協(xié)同運(yùn)轉(zhuǎn)，任務(wù)執(zhí)行層需建立靈活的任務(wù)分配與交互架構(gòu)，構(gòu)建支持意圖理解、知識(shí)傳遞與決策反饋的雙向溝通體系，并劃定清晰的責(zé)任邊界。該層的核心價(jià)值在于將科研能力從純?nèi)肆︱?qū)動(dòng)轉(zhuǎn)變?yōu)槿藱C(jī)智能混合驅(qū)動(dòng)，通過不同執(zhí)行主體依據(jù)任務(wù)特點(diǎn)的靈活組合，實(shí)現(xiàn)從問題識(shí)別、方案設(shè)計(jì)、實(shí)驗(yàn)執(zhí)行到結(jié)果分析的全流程智能化重構(gòu)。

應(yīng)用場景層

應(yīng)用場景層是人工智能技術(shù)與前沿科學(xué)問題的關(guān)鍵結(jié)合點(diǎn)，既是整個(gè)科研體系構(gòu)建的邏輯起點(diǎn)，也是最終效能檢驗(yàn)的重要落點(diǎn)。當(dāng)前，應(yīng)用場景已廣泛覆蓋粒子物理與核物理學(xué)、化學(xué)、材料科學(xué)、生命科學(xué)、生物醫(yī)藥、網(wǎng)絡(luò)空間安全、天文學(xué)、空間科學(xué)、遙感科學(xué)和深地科學(xué)等基礎(chǔ)前沿學(xué)科，并深度延伸至產(chǎn)業(yè)研發(fā)實(shí)踐之中。應(yīng)用場景層呈現(xiàn)出高度多樣性，涵蓋跨學(xué)科共性應(yīng)用與領(lǐng)域特性應(yīng)用：共性應(yīng)用，聚焦多模態(tài)高維數(shù)據(jù)解析、大型科學(xué)裝置智能操控和隱蔽關(guān)聯(lián)規(guī)律挖掘等；特性應(yīng)用，將人工智能技術(shù)與特定學(xué)科屬性深度耦合，如高能物理極端條件下的實(shí)時(shí)決策、生命科學(xué)多尺度耦合模型和生物醫(yī)藥逆向生成設(shè)計(jì)等。

應(yīng)用場景在不同學(xué)科中的創(chuàng)新價(jià)值呈現(xiàn)出顯著的層次性。在范式變革層面，各場景的共性在于將數(shù)據(jù)驅(qū)動(dòng)與物理約束、領(lǐng)域知識(shí)有機(jī)結(jié)合，促進(jìn)科研全流程智能化。在效率提升層面，不同場景能夠根據(jù)學(xué)科特點(diǎn)顯著縮短科研周期。在能力增強(qiáng)層面，研究精度從定性描述提升至定量預(yù)測，決策方式從依賴專家經(jīng)驗(yàn)轉(zhuǎn)向數(shù)據(jù)循證。對于已有成熟方法的領(lǐng)域，人工智能發(fā)揮“錦上添花”的提升作用；對于傳統(tǒng)方法難以解決的問題，人工智能則發(fā)揮“雪中送炭”的突破作用，二者共同構(gòu)成人工智能賦能科學(xué)研究的完整圖景。

4

推動(dòng)人工智能賦能科學(xué)研究范式變革的對策建議

在前文對人工智能賦能科學(xué)研究的內(nèi)涵、特征與支撐體系分析基礎(chǔ)上，結(jié)合我國發(fā)展基礎(chǔ)、現(xiàn)實(shí)短板與戰(zhàn)略需求，本文進(jìn)一步從基礎(chǔ)設(shè)施、數(shù)據(jù)資源、模型工具、任務(wù)執(zhí)行、應(yīng)用場景與組織治理等關(guān)鍵環(huán)節(jié)出發(fā)，提出推動(dòng)人工智能賦能科學(xué)研究健康有序發(fā)展的對策建議。

夯實(shí)智能化科研基礎(chǔ)設(shè)施底座

針對當(dāng)前我國科研體系中存在的算力分散、設(shè)施孤島化和統(tǒng)籌協(xié)同不足等結(jié)構(gòu)性瓶頸問題，須按照關(guān)于體系化布局建設(shè)重大科技基礎(chǔ)設(shè)施、建設(shè)智能化科研平臺(tái)系統(tǒng)的重要部署，加快建設(shè)支撐人工智能賦能科學(xué)研究的自主可控智能化科研平臺(tái)系統(tǒng)。

1

加強(qiáng)國家級基礎(chǔ)設(shè)施頂層規(guī)劃，建設(shè)全要素集成的閉環(huán)科研平臺(tái)

在國家層面設(shè)立統(tǒng)籌推進(jìn)機(jī)制，強(qiáng)化大科學(xué)裝置、國家實(shí)驗(yàn)室與超算、智算中心的互聯(lián)互通，打破部門間、機(jī)構(gòu)間的物理設(shè)施與數(shù)字系統(tǒng)壁壘，形成建制化的協(xié)同創(chuàng)新合力。通過制定統(tǒng)一的設(shè)施建設(shè)標(biāo)準(zhǔn)與接口規(guī)范，統(tǒng)籌解決算力建設(shè)的瓶頸問題，避免資源碎片化。

2

構(gòu)建跨區(qū)域、跨機(jī)構(gòu)的算力統(tǒng)籌與彈性調(diào)度機(jī)制

依托國家一體化算力網(wǎng)絡(luò)，建立跨區(qū)域、跨機(jī)構(gòu)的算力彈性統(tǒng)籌與統(tǒng)一調(diào)度機(jī)制，開發(fā)支持大規(guī)模并行計(jì)算和異構(gòu)算力高效協(xié)同的軟件框架，實(shí)現(xiàn)算力資源的按需分配與動(dòng)態(tài)流轉(zhuǎn)，推動(dòng)計(jì)算框架與科學(xué)大模型的深度適配。

3

強(qiáng)化底層關(guān)鍵硬件自主可控

加大對國產(chǎn)大規(guī)模GPU/TPU算力集群、新興異構(gòu)計(jì)算硬件及底層操作系統(tǒng)的協(xié)同攻關(guān)力度，構(gòu)建兼容開放的自主化基礎(chǔ)設(shè)施標(biāo)準(zhǔn)體系，逐步擺脫對國外單一算力的依賴。

構(gòu)建高質(zhì)量科學(xué)數(shù)據(jù)供給體系

當(dāng)前，我國科學(xué)數(shù)據(jù)仍呈現(xiàn)碎片化狀態(tài)，面臨標(biāo)準(zhǔn)不一、權(quán)屬界定不清、共享動(dòng)力不足等問題。亟須從標(biāo)準(zhǔn)規(guī)范、流通共享與高質(zhì)量數(shù)據(jù)庫建設(shè)發(fā)力，全面提升科學(xué)數(shù)據(jù)的供給質(zhì)量與效率。

1

健全標(biāo)準(zhǔn)規(guī)范，推進(jìn)科學(xué)數(shù)據(jù)管理的智能化與標(biāo)準(zhǔn)化

加快出臺(tái)國家層面的科學(xué)數(shù)據(jù)分類分級標(biāo)準(zhǔn)與統(tǒng)一的元數(shù)據(jù)管理體系，建立涵蓋自動(dòng)采集、智能清洗標(biāo)注與合規(guī)存儲(chǔ)的全流程數(shù)據(jù)管理規(guī)范，提升異構(gòu)科學(xué)數(shù)據(jù)的機(jī)器可讀性、互操作性與可靠性。

2

完善確權(quán)與評價(jià)激勵(lì)機(jī)制，打破數(shù)據(jù)流通共享壁壘

探索建立科學(xué)數(shù)據(jù)產(chǎn)權(quán)確權(quán)、安全流通與貢獻(xiàn)評價(jià)機(jī)制，將高質(zhì)量開源數(shù)據(jù)集的構(gòu)建與共享貢獻(xiàn)納入核心學(xué)術(shù)評價(jià)體系，通過制度設(shè)計(jì)激勵(lì)產(chǎn)學(xué)研各界主動(dòng)打破數(shù)據(jù)壁壘。

3

統(tǒng)籌國家級數(shù)據(jù)庫建設(shè)，平衡跨域協(xié)同與隱私安全

集中建設(shè)自主可控的國內(nèi)開源科學(xué)數(shù)據(jù)倉庫與多模態(tài)公共語料庫，引入聯(lián)邦學(xué)習(xí)、差分隱私等隱私保護(hù)技術(shù)實(shí)現(xiàn)科學(xué)數(shù)據(jù)安全流轉(zhuǎn)；同時(shí)，積極參與國際科學(xué)數(shù)據(jù)共享協(xié)議，構(gòu)筑具備全球競爭力的開放科學(xué)數(shù)據(jù)生態(tài)系統(tǒng)。

打造可信智能科研工具與開源協(xié)作生態(tài)

當(dāng)前智能科研工具體系在處理復(fù)雜科學(xué)問題時(shí)面臨可解釋性弱、物理一致性差等挑戰(zhàn)，且專用的底層研發(fā)工具鏈相對匱乏，亟須系統(tǒng)布局涵蓋模型算法、開發(fā)環(huán)境與開源協(xié)作平臺(tái)的完整自主可控工具生態(tài)。

1

統(tǒng)籌布局自主可控的基礎(chǔ)與專用協(xié)同的模型矩陣

系統(tǒng)構(gòu)建自主可控的“共性底座+領(lǐng)域?qū)＞倍嘣Ｐ途仃圀w系，集中攻關(guān)跨領(lǐng)域科學(xué)基礎(chǔ)大模型，同時(shí)支持各學(xué)科開發(fā)深度內(nèi)化專家知識(shí)的學(xué)科專用大模型，全面提升應(yīng)對小樣本、多尺度復(fù)雜科學(xué)問題的求解效能。

2

完善適配多學(xué)科的通用算法與基礎(chǔ)工具鏈

集中力量攻關(guān)具備跨域泛化能力的通用智能算法框架，系統(tǒng)構(gòu)建涵蓋跨尺度數(shù)值模擬、高通量協(xié)同篩選、復(fù)雜系統(tǒng)自動(dòng)化控制等核心模塊的基礎(chǔ)科研工具鏈，通過開發(fā)低代碼運(yùn)行環(huán)境和標(biāo)準(zhǔn)化應(yīng)用編程接口（API），降低領(lǐng)域科學(xué)家調(diào)用前沿人工智能技術(shù)的門檻。

3

培育開源共建的協(xié)作生態(tài)

依托國家級平臺(tái)建設(shè)面向全球開放的人工智能賦能科學(xué)研究算法庫、高質(zhì)量預(yù)訓(xùn)練模型社區(qū)與開源科研軟件托管倉庫，鼓勵(lì)計(jì)算機(jī)領(lǐng)域?qū)＜遗c基礎(chǔ)學(xué)科科學(xué)家共同參與，形成工具集眾創(chuàng)共享、模型算法持續(xù)演進(jìn)的協(xié)作生態(tài)。

建立人機(jī)協(xié)同的智能科研執(zhí)行體系

針對科研范式從人力主導(dǎo)向人機(jī)混合驅(qū)動(dòng)演進(jìn)的趨勢，必須從執(zhí)行層面重塑科研任務(wù)的實(shí)現(xiàn)路徑，構(gòu)建以人類科學(xué)家為核心、智能體高效協(xié)同的現(xiàn)代化執(zhí)行體系。

1

制定人機(jī)協(xié)同的任務(wù)協(xié)作規(guī)范

明確智能化科研場景下各執(zhí)行主體的責(zé)任邊界，建立涵蓋意圖理解、任務(wù)拆解、自動(dòng)執(zhí)行與人工復(fù)核的標(biāo)準(zhǔn)協(xié)作流程。在保障人類科學(xué)家對戰(zhàn)略方向與關(guān)鍵結(jié)果具有絕對決策權(quán)的同時(shí)，充分釋放人工智能在數(shù)據(jù)解析與規(guī)?；囧e(cuò)中的執(zhí)行潛能。

2

加快科學(xué)智能體的自主研發(fā)與規(guī)模應(yīng)用

設(shè)立專項(xiàng)攻關(guān)計(jì)劃，重點(diǎn)支持具備自主學(xué)習(xí)、邏輯推理與實(shí)驗(yàn)規(guī)劃能力的科學(xué)智能體開發(fā)。推動(dòng)各類智能體工具深度嵌入科研一線場景，將科研人員從繁雜的代碼編寫、文獻(xiàn)海選與基礎(chǔ)數(shù)據(jù)處理中解放出來，使其將更多精力投入原創(chuàng)性科學(xué)問題攻關(guān)。

3

推進(jìn)多智能體協(xié)同網(wǎng)絡(luò)建設(shè)

順應(yīng)智能體系統(tǒng)演化趨勢，探索構(gòu)建分工明確、高效聯(lián)動(dòng)的多智能體協(xié)作網(wǎng)絡(luò)平臺(tái)。通過多智能體在假設(shè)生成、實(shí)驗(yàn)執(zhí)行、結(jié)果驗(yàn)證等不同環(huán)節(jié)的接力協(xié)同，打通科研任務(wù)的全自動(dòng)執(zhí)行閉環(huán)，實(shí)現(xiàn)復(fù)雜綜合性科研問題從單點(diǎn)突破向系統(tǒng)級并行求解的跨越。

強(qiáng)化重大場景牽引與敏捷安全治理

面對當(dāng)前場景耦合較淺、需求牽引不足等痛點(diǎn)，亟待以國家重大需求為導(dǎo)向加速前沿應(yīng)用拓展，并將敏捷治理、科研倫理與誠信建設(shè)作為底線支撐內(nèi)化于場景拓展之中。

1

聚焦國家重大需求發(fā)布戰(zhàn)略級場景清單

錨定國際科技前沿與國家戰(zhàn)略部署，動(dòng)態(tài)發(fā)布國家級重大應(yīng)用場景任務(wù)指南，鼓勵(lì)科研機(jī)構(gòu)與行業(yè)領(lǐng)軍企業(yè)聯(lián)合攻堅(jiān)，帶動(dòng)算力設(shè)施、數(shù)據(jù)資源與智能化工具的體系化協(xié)同與迭代升級。

2

推動(dòng)科學(xué)研究與產(chǎn)業(yè)場景的深度融合

全面打通前沿科學(xué)發(fā)現(xiàn)向產(chǎn)業(yè)化應(yīng)用的智能轉(zhuǎn)化鏈路，通過建立科研院所與科技領(lǐng)軍企業(yè)的場景共建與數(shù)據(jù)共通機(jī)制，推動(dòng)研究成果在材料創(chuàng)制、藥物研發(fā)等真實(shí)工業(yè)場景中實(shí)現(xiàn)規(guī)模化落地，并依托產(chǎn)業(yè)端反饋數(shù)據(jù)反哺科研底座，形成雙向賦能的良性生態(tài)。

3

構(gòu)筑敏捷治理防線

針對人工智能在科研中可能觸發(fā)的模型幻覺與知識(shí)污染、敏感科研數(shù)據(jù)泄露及技術(shù)濫用等新型安全風(fēng)險(xiǎn)，建立場景驅(qū)動(dòng)的敏捷治理框架。在堅(jiān)守國家科技安全與數(shù)據(jù)主權(quán)底線的前提下，實(shí)行包容審慎的分類監(jiān)管與動(dòng)態(tài)審查機(jī)制，為人工智能在各類前沿科研場景中的應(yīng)用探索提供安全、可控的制度保障與試錯(cuò)空間。

4

強(qiáng)化科研倫理與誠信建設(shè)

加快制定人工智能賦能科學(xué)研究的倫理準(zhǔn)則與誠信規(guī)范，明確人工智能生成內(nèi)容在學(xué)術(shù)成果中的使用與標(biāo)注要求，將倫理審查嵌入智能科研平臺(tái)與評價(jià)體系，防范成果歸屬爭議及新型學(xué)術(shù)不端等風(fēng)險(xiǎn)。

推進(jìn)適應(yīng)智能化的科研組織模式變革

人工智能賦能科研不僅是技術(shù)工具的升級，更是對傳統(tǒng)科研生產(chǎn)關(guān)系的系統(tǒng)性重塑。面對新范式下人機(jī)共生、自主演化、交叉融合、資源密集和開放生態(tài)等核心特征，科學(xué)研究正從單點(diǎn)式的自由探索向高度復(fù)雜的工程化協(xié)作轉(zhuǎn)變。因此，必須圍繞新需求，研究構(gòu)建適配人工智能賦能科學(xué)研究的組織模式，打破單一學(xué)科建制與封閉的條塊化管理，以科研組織模式變革為核心，全面重構(gòu)創(chuàng)新主體協(xié)同網(wǎng)絡(luò)、評價(jià)導(dǎo)向與人才生態(tài)，為新科研范式提供堅(jiān)實(shí)的體制機(jī)制保障。

1

構(gòu)建打破學(xué)科壁壘的融合創(chuàng)新聯(lián)合體

針對交叉融合性，應(yīng)改變現(xiàn)有科研機(jī)構(gòu)條塊分割的治理結(jié)構(gòu)，探索建立以重大科學(xué)問題為導(dǎo)向的動(dòng)態(tài)網(wǎng)絡(luò)式創(chuàng)新組織。鼓勵(lì)人工智能領(lǐng)域的算法專家與基礎(chǔ)學(xué)科科學(xué)家組建深度對接的跨界攻關(guān)團(tuán)隊(duì)，通過機(jī)制創(chuàng)新促進(jìn)跨域知識(shí)的流動(dòng)與重組，形成要素融通的建制化科研合力。

2

建立適配智能范式的新型科技評價(jià)機(jī)制

堅(jiān)決破除唯論文的單一學(xué)術(shù)評價(jià)導(dǎo)向，將高質(zhì)量開源數(shù)據(jù)集構(gòu)建、通用算法優(yōu)化、科學(xué)基礎(chǔ)大模型訓(xùn)練及共性工具軟件開發(fā)等實(shí)質(zhì)性支撐工作，全面納入科研人員的核心學(xué)術(shù)評價(jià)與晉升體系，以此激發(fā)多元?jiǎng)?chuàng)新主體參與人工智能賦能科學(xué)研究基礎(chǔ)生態(tài)建設(shè)的內(nèi)生動(dòng)力。

3

打造支撐新型組織運(yùn)轉(zhuǎn)的復(fù)合人才梯隊(duì)

突破傳統(tǒng)單一學(xué)科的教育桎梏，依托科研組織變革牽引人才培養(yǎng)模式升級。系統(tǒng)布局“人工智能+學(xué)科”培養(yǎng)模式，加快引育兼顧領(lǐng)域知識(shí)與人工智能技能的復(fù)合型人才。同時(shí)在日?？蒲薪M織訓(xùn)練中強(qiáng)化嚴(yán)謹(jǐn)?shù)倪壿嬐蒲菀?，防范青年學(xué)者因過度依賴智能工具而導(dǎo)致的科學(xué)直覺退化與底層機(jī)理探究能力弱化風(fēng)險(xiǎn)。

致謝：本文在研究過程中得到中國科學(xué)院學(xué)部人工智能賦能科學(xué)研究咨詢項(xiàng)目學(xué)科組多位院士專家的指導(dǎo)，在此表示衷心感謝。

作者簡介

陳凱華中國科學(xué)院大學(xué)公共政策與管理學(xué)院長聘體系特聘教授。主要研究領(lǐng)域?yàn)閲覄?chuàng)新體系、科研智能管理與政策、創(chuàng)新計(jì)量學(xué)、創(chuàng)新管理科學(xué)與工程等。

楊 碩中國科學(xué)院大學(xué)公共政策與管理學(xué)院特別研究助理（博士后）。主要研究領(lǐng)域?yàn)閯?chuàng)新擴(kuò)散、新興產(chǎn)業(yè)政策、科研智能管理與政策等。

文章來源

陳凱華, 李赫揚(yáng), 劉泓欣, 等. 人工智能賦能科學(xué)研究：內(nèi)涵、特征與體系. 中國科學(xué)院院刊, 2026, 41(6): 1206-1219.

DOI: 10.3724/j.issn.1000-3045.20260505004.

本刊發(fā)表的所有文章，除另有說明外，文責(zé)自負(fù)，不代表本刊觀點(diǎn)。