編輯 | ScienceAI

2025 年 5月26日，復旦大學、上海科學智能研究院聯合施普林格·自然（Springer Nature） 旗下的自然科研智訊（Nature Research Intelligence）全球發布《科學智能白皮書2025》，報告首次運用2015-2024年全球科學智能多源大數據，近60位不同領域的科學家聯袂寫作，深入剖析AI與科學研究大融合之勢，全面探索7大科研領域、覆蓋28個方向、近90個科學智能前沿問題及突破路徑，以洞見前瞻未來，引領科學智能范式變革，應對全球挑戰。

《科學智能白皮書2025》中文完整版獲取鏈接：https://www.nature.com/collections/bfefgbacag?draft=collection&platform=oscar&target=content

AI驅動范式變革，全流程賦能科研

科學智能是面向科學研究的人工智能創新和人工智能驅動的科學研究的總和，體現了人工智能創新與科學研究雙向促進與深度融合。一方面，AI驅動的科學研究正在加快科學發現。其中，以DeepMind的AlphaFold為代表的AI技術，在蛋白質結構預測、新藥研發及疫苗設計領域實現重大突破；谷歌的GraphCast模型、華為「盤古」模型、復旦大學-上海科學智能研究院「伏羲」模型等AI氣象模型，顯著提升了全球天氣預報的準確性和時效性；AI驅動的核聚變等離子體控制與自動實驗室技術，也為能源與材料科學研究帶來革新。

另一方面，科學基礎理論和層出不窮的科學突破也推動AI底層技術和架構的不斷創新，比如根植于概率論和隨機過程的擴散模型，又如將先驗知識融入深度學習的前沿研究，在增強模型可解釋性的同時，也顯著提高了AI模型的泛化能力。

報告將AI相關領域劃分為AI核心（算法、機器學習等）與科學智能（AI for Science, AI4S）六大方向（數學、物質科學、生命科學、地球與環境科學、工程科學、人文社會科學）。

報告指出，在以上所有領域，科學智能正深刻重塑傳統科學研究范式，通過模型和數據驅動更有效地探索解空間從而生成假設，以及自動與智能化實驗等方式，全流程賦能科學研究，顯著提升科學發現的效率與精準性。

報告全面探討了科學智能在7大科研領域、28個前沿方向、近90個科學智能關鍵問題及突破路徑，例如如何構建跨尺度、超學科的科學智能模型、提升AI模型在科學研究中的泛化性和可解釋性，又如，如何推動AI拓展科學發現的創新邊界。為解決這些問題，科學家提出融合先驗知識的跨尺度建模、利用生成式模型和合成數據來彌補數據稀缺、建立跨學科知識圖譜與閉環強化學習系統，推動科學智能的進一步發展。此外，報告也重點關注了AI安全和AI倫理治理，強調構建內生安全機制和「以人為本」，確保AI技術在研發初期即嵌入安全防護能力,并和人類對齊。

通過科學家提出關鍵詞和出版物數據庫的匹配，可以發現在科學智能研究中最獲青睞的AI方法和技術。大語言模型（LLMs）已經成為物質科學、生命科學、社會科學等領域的通用科研工具。強化學習在工程系統控制、數學定理證明及物理模擬等復雜場景中占據主導地位。計算機視覺技術在生命科學和地球環境領域滲透顯著。此外，分布式學習、圖神經網絡、可解釋AI和邊緣智能在不同學科中均得到廣泛應用。

圖1.科學智能研究中最獲青睞的AI技術

科學智能引領AI科研，中國主導前沿創新

根據自然科研智訊（Nature Research Intelligence）提供的AI相關出版物數量、引用量以及自然指數（Nature Index） 等多源大數據統計顯示，2015至2024年間，全球人工智能和科學智能領域的學術出版物總量快速增長，科學智能異軍突起，2020年后加速成長，有力推動了人工智能研究整體的井噴態勢。如圖2所示，全球人工智能期刊論文數量在過去十年間激增近三倍——從30.89萬篇增至95.45萬篇，年均增長率為14%。人工智能核心領域（如算法、機器學習）占比從44%降至38%；科學智能占比相應提升了6個百分點，且其年均增長率從2020前的10%，提升至2020后的19%。尤其是在工程科學和生命科學領域，其年均增長率分別從2020年前的9%和15%，提升至2020年后的16%和29%。

圖2：AI出版物總量與構成（2015-2024，單位：千篇）

國別研究顯示，2015年至2024年間，全球人工智能出版物排名前五的國家/地區的格局發生了轉變（圖3）。中國增長勢頭尤為顯著，AI出版物總量從2015年的6.01萬篇上升至2024年的30.04萬篇，占全球總量29%。2018年，中國的出版物總量超越歐盟，居全球首位，2022年超越歐盟和美國的總和。印度也展現出明顯的追趕態勢，2015年其AI出版物總量為1.82萬篇（僅為美國的1/3），2024年提升至8.51萬篇，幾乎與美國（8.57萬篇）齊平。

圖3：AI出版物總量及趨勢（前五國家/地區）（2015-2024，單位：千篇）

從科研影響力看，美國優勢仍存。基于自然指數追蹤的高質量前沿研究期刊發表的AI相關論文引用量統計顯示，美國保持領先地位，2020年達到30.22萬次。中國引用量從2015年 的1.03萬 次 躍 升 至2020年 的14.48萬次，并于2021年首次超越歐盟。至2024年，中國的AI相關論文引用量占全球總量的40.2%，實現了對美國（占比42.9%）的快速追趕。

中國在AI應用型創新領域實現了從「跟隨者」到「引領者」的跨越。對專利、政策文檔與臨床試驗中的引用數據分析顯示，中國憑借持續高速增長，于2016年以2.32萬次的引用量超越歐盟（2.23萬次），2019年以2.60萬次超越美國（1.96萬次）。至2024年，中國占據了全球AI出版物在專利、政策文檔與臨床試驗中的引用達41.6%，遙遙領先。

就科學智能分領域AI出版物國別趨勢來看，中國在AI與地球環境科學和工程交叉領域擁有先發優勢（圖7、圖8）；2019年以來在AI與數學、物質科學和人文社科交叉領域發力超越，全球領先（圖4，圖5，圖9）。

在AI與生命科學交叉領域，歐盟與美國依舊保持優勢，中國位居第三。同時，印度在以上所有領域都呈現出追趕態勢，在地球與環境、工程和人文社科領域，目前已居全球第三。

值得注意的是，中美仍是全球最重要AI科研伙伴，盡管在2020年到達頂峰后合作有所下滑，至2024年，中美合作的AI出版物總量為1.22萬 篇，是2015年的兩倍（圖10）。

圖4：數學AI出版物趨勢（前五國家/地區）（千篇）

圖5：物質科學AI出版物趨勢（前五國家/地區）（千篇）

圖6：生命科學AI出版物趨勢（前五國家/地區）（千篇）

圖7：地球與環境科學AI出版物趨勢（前五國家/地區）（千篇）

圖8：工程AI出版物趨勢（前五國家/地區）（千篇）

圖9：人文社科AI出版物趨勢（前五國家/地區）（千篇）

圖10：AI出版物國際合作趨勢（前五國家/地區）（篇）