近日，國務院印發《關于深入實施“人工智能+”行動的意見》，提出加快實施“人工智能+”科學技術行動，加快科學發現進程，率先建立基于AI的新型科研和研發范式，推動我國科技創新走在世界前列。展望“十五五”，AI for Science將成為我國科技體制變革和創新能力躍升的關鍵引擎，為實現整體科研和研發范式的智能化轉型，以及2035年建成世界科技強國的戰略目標奠定堅實基礎。
推動科研范式智能化轉型
首先，AI for Science的本質是通過人工智能解決過去無法解決的重大科學難題，加速原始創新步伐。例如，蛋白質結構預測這一生命科學領域的“世紀難題”正是通過AI技術取得了突破性進展。其次，AI for Science正在發展新的算法和工具以推動科研的根本性變革。新一代基于AI的科研工具不斷涌現，極大提升了科學計算與模擬的效率和精度。而AI for Science更為深遠的意義在于推動整體科研范式的智能化轉型。這不是個別機構、團隊的轉型，而是整個科研體系、產業格局的重塑。它將推動科學研究從“作坊模式”轉變為“平臺模式”。
然而，目前AI for Science所引發的這場革命，其廣度與深度尚未被國際社會充分認識。因此，這正是一個難得的機會。如果我國能夠有效把握，集中力量、系統推進，有望在未來5年內率先實現“平臺科研”的新范式，確保中國在全球科技創新中的引領地位。
架設智能科研“高速公路”
科學研究的范式變革，首先要依賴于堅實的科研基礎設施建設。正如高速公路之于現代經濟社會，智能化科研基礎設施是AI for Science發展的“底座”。近年來，我國已在科研基礎設施建設方面取得初步進展。例如，以玻爾空間站為代表的基礎科研平臺，集成了文獻、數據、計算、實驗等多種功能，能夠高效支撐科學任務的全流程管理，正迅速成為廣大科研工作者喜歡的工具。
此外，以Innovator+SciMaster為代表的通用科研大模型和智能體研發也取得一定突破，這些智能體不僅能夠掌握全學科知識，還具備自主創新和“干濕閉環”科研能力，在保持通用能力的同時，顯著提升了科學專業能力。
打造典型場景與亮點項目
AI for Science的推廣應用需要在重點領域、典型場景中率先突破，形成可復制、可推廣的“樣板工程”，帶動整體科研體系的轉型升級。
在材料領域，推動材料基因組工程利用AI對材料結構、性能和工藝的復雜關系進行建模和預測，大幅縮短新材料的研發周期，降低研發成本；在化學領域，有機合成是重要分支。AI驅動的有機合成路徑規劃與反應預測，能夠顯著提高新分子、新藥物的研發效率。智能化、高效率的催化劑設計和催化反應研究也已經取得了可喜的進步；在生命科學領域，AI for Science在蛋白質結構預測、基因編輯、藥物發現等領域展現出巨大潛力。基于AI的分子對接和藥物篩選平臺已成為新藥研發的核心工具，有望推動個體化醫療、精準診療等新模式發展。尤其值得關注的是，AI為建立有廣泛實際應用的虛擬細胞提供了可能。
釋放科學數據價值
科學研究的焦點正逐漸從“拼模型”轉向“拼數據”。過去10余年，科學界主要聚焦于模型創新，通過不斷提升模型的復雜性和能力，解決了諸如維數災難、對稱性、訓練穩定性、長程依賴等一系列難題。展望未來，數據的質量和多樣性正成為AI for Science進一步突破的核心，如何用好存量數據、布局增量數據成為制勝的關鍵。其中，存量數據主要包括文獻、專有語料、專業數據庫等，為AI模型的預訓練和知識獲取提供了基礎。與通用數據相比，科學數據呈現出更強的專業性，涉及復雜深層的學科知識和關聯關系，對數據處理和標注提出了更高要求。
增量數據是推動AI for Science持續突破的助推器。隨著自動化實驗平臺、高通量計算和智能傳感設備的普及，科學領域的增量數據產出能力大幅提升。其中，數據社區正在成為增量數據獲取和共享的重要平臺。通過如“科學導航”等門戶的搭建，打造科研人員、數據資源和創新力量有效協同的樞紐，以社區化方式推動科學數據的開放共享、精準標注和共建共治。
重塑我國科技創新體系
AI for Science不僅是技術路線的選擇，更是重塑我國科技創新體系的歷史性機遇。近年來，我國在AI for Science領域持續投入，無論在基礎工具和設施、典型應用場景，還是在實驗室智能化改造等方面，均取得了積極進展。
當前，AI驅動的科研范式變革為我國實現2035年世界科技強國目標提供了前所未有的戰略機遇，亟需在已有基礎上搶抓先機、統籌推進。為實現這一目標，需要從頂層設計、政策支持到一線科研人員協同創新，深入實施“人工智能+”科學技術行動，推動整體科研和研發范式智能化轉型，形成以AI為核心驅動力的科研創新生態。唯有把握機遇、持續突破，才能在新一輪科技革命中贏得全球競爭的主動權。
關鍵詞：
營業執照公示信息