人工智能正在驅動新的科研范式。政府、學術界、產業界都在高度關注這一跨學科、跨領域的新變革。本期我們邀請到國內著名高校、科研院所和智庫機構的7位青年學者，賈開、劉浩然、魏鈺明、吳東、楊超、楊晶、張輝，就此話題展開討論。

賈開

上海交通大學國際與公共事務學院長聘副教授

當前對于AI4Science的關注在一定程度上存在“錯位”問題

人工智能的快速進步正在帶來科研范式的轉變，或許同樣可被視為正在創造科學發現的又一個“黃金時代”。但要強調的是，這一轉變并不意味著是以AI技術來替代傳統科研工作，也不意味著是以AI工程師來替代傳統科研人員；恰恰相反，科學知識的積累、科研人員的訓練、科學空間的探索比以往任何時代都更為重要。以AlphaGeometry為例，其提升了歐氏幾何題目機器證明的效果，但這并不意味著平面幾何證明已經被“計算”替代，歐式幾何基本要素推理規則以及用于處理邊角關系的線性代數規則的總結仍然是關鍵前提。在這個案例中，人工智能對科研模式的沖擊在于改變了研究的方向和重點（即結構式變化），而非改變了研究本身，當然更不意味著“數據+算力”就是全部。由此我以為，當前對于AI4Science的關注在一定程度上存在“錯位”問題，關鍵的是結構變化而非科研本體的變化。

劉浩然

北京航空航天大學馬克思主義學院講師

人工智能對企業研發帶來巨大變革與機遇

黨的二十屆三中全會用三個“面對”概括了進一步全面深化改革的背景。其中“面對新一輪科技革命和產業變革”，指向的關鍵領域之一便是基于生成式人工智能所帶來的各方面革命性變化。AI4S（AI for Science）帶來了科研“第五范式”的廣泛討論，并在2024年的諾貝爾獎中大放異彩。企業作為重要的創新與研發主體，AI4R（AI for Research）也對企業的研發帶來巨大變革與機遇。AI作為生產力系統中的滲透性要素，可以與勞動者、勞動工具和勞動對象所組成的生產力系統的實體性要素進行深度融合，極大提高企業研發的生產力水平。研發平臺類企業的出現，可以憑借自身的數據優勢與專業分工，承擔企業的研發外包業務，提高了研發效率，降低了研發成本。企業AI4R完全可以根據用戶具體情況私人訂制產品和服務，從意圖與能力兩個方面真正實現“面向用戶”。從知識生產角度來說，AI4R不僅是“新范式”，也是“新螺旋”，完全可能創造出超出市場與用戶想象的全新的產品與服務供給，進而塑造“意料之外、情理之中”的新需求。

魏鈺明

清華大學智能社會治理研究院助理研究員

在人工智能驅動的科研新范式中找準“人”的定位

人工智能的快速發展深刻改變了傳統基于“觀察-假設-實驗-驗證”的實證科研范式。斬獲2024年諾貝爾化學獎的人工智能模型AlphaFold，可以在不借助實驗的情況下直接準確預測蛋白質結構。這在一定程度上意味著，人工智能已經打破人類在知識生產中的壟斷格局，甚至會扮演比人類更強大的角色。在人工智能驅動的科研新范式中，“人”還能做些什么？未來，每一位科研人員可能都需要把對自己的定位從“知識生產者”向“知識校驗者”偏移，著力對人工智能通過數據和知識萃取生成的理論假設進行邏輯論證和實驗檢驗，建立一個“先由人工智能提出理論，再由人類驗證理論，最后將驗證數據反饋給人工智能以進一步優化其生成能力”的動態反饋循環，實現人與人工智能在科研工作中的良性互動。

吳東

浙江大學管理學院副教授、博士生導師，浙江省之江青年社科學者

AI科研范式的三大挑戰

人工智能正在被引入到越來越多的企業和創新團隊中用于輔助研發，極大改變了原先單純依靠人類智能的模式。人工智能在提高試錯效率、降低研發成本、縮短研發周期、提升上市成功率等方面潛力巨大，也面臨研發范式轉變的重大挑戰。

一是人工智能介入研發活動的前提是訓練模型以及獲得海量數據，但數據作為應用方生成和擁有的核心資產，往往難以獲得且難以利用。

二是人工智能輔助研發的主導模式尚未出現，全球企業爭相投身于人工智能輔助研發探索，資源難以共享，缺乏統一標準，技術演進效率不高。

三是既懂專業領域研發知識又懂算法模型的多學科交叉復合型研發人才還比較緊缺，難以充分發揮算法模型優勢。搶抓人工智能技術戰略機會窗口，塑造人機協同研發新興范式將成為企業創新致勝的關鍵。

楊超

國務院發展研究中心創新發展研究部第二研究室主任???

AI4S驅動科研組織模式變革

人工智能可能驅動科研體系重構，形成以平臺化的AI工具為核心的中心化體系。人工智能已經展現出在科研領域的巨大潛力，以AlphaFold為代表的人工智能結合機器學習和物理建模將工具處理原子的數量從上千個提升到上億甚至上百億，極大地提高了科研的效率。未來，人工智能的進步將提升其在科研領域的通用性，使其成為科研的必要條件。研究機構、科研人員、科研項目和科研設施均無法離開人工智能開展工作，從而導致掌握人工智能的機構成為最重要的創新主體和創新體系的核心。最終，掌握人工智能的大企業可能將扮演數字經濟中平臺企業類似的角色，高校、院所和其他科研機構將圍繞人工智能企業開展科研。

楊晶

中國科學技術發展戰略研究院副研究員

推動人工智能科研平臺建設，賦能各個基礎科學研究

人工智能作為解決重大科學問題的新型科研工具，具有融合變量、耦合眾智，突變和涌現的特征，為科研范式躍遷提供了新動能。當前，人工智能正在推動科學研究從傳統的“作坊模式”轉向“平臺模式”，展現出有效優化科研各環節效率、節約科研成本、加速科研與產業對接、培養跨學科交叉人才和兼具科學、技術與工程能力人才等諸多優勢。為了適應以上發展趨勢，需要加快形成我國人工智能資源戰略，重視人工智能驅動科學研究的基礎設施頂層設計，進一步整合計算、科學數據、算法、軟件、網絡等資源。集中力量研發“通專融合”的基礎模型，建立國內創新生態系統，賦能藥物研發、生物育種、新材料研發、能源研發、電子技術、環境科學等關鍵領域。

張輝

中國科學技術大學公共事務學院特任副研究員

大模型時代企業研發模式的“危”與“機”

大模型驅動的生成式人工智能（GenAI）在革新模型提供商研發流程的同時，也不同程度上改變了模型使用商的研發模式和業務流程。

一方面，大模型提供商隨著Codex、AlphaCode等代碼大模型生成代碼的入庫率越來越高，在大幅度提升研發效率的同時，更顯高技能程序員的不可替代性，人智交互的團隊知識創造模式改變了軟件工程管理模式。

另一方面，各領域的模型使用商引入GenAI直接推動其研發流程革新。其一，GenAI可增加企業創意設計的決策空間，進一步強化企業的差異化競爭策略。其二，GenAI可大幅度縮減研發方案測試周期，間接提升產品研發成功率和轉化率。其三，GenAI的知識“幻覺”倒逼企業增設知識矯正崗位或部門，并增加檢索增強服務（RAG）等新技術研發投入。其四，GenAI可為工業制造的復雜問題提供整體性的全新解決方案，大幅度降低企業研發成本。

HAPPY NEW YEAR

( 新年初始，萬象更新 )

文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com