導語

在人工智能與科學研究深度融合的時代浪潮中，科學智能正以前所未有的速度重塑著人類探索世界的方式。

面對這一快速發展的前沿領域，一個核心問題擺在我們面前：AI與科學研究究竟如何深度融合，科學智能的發展現狀、趨勢和未來路徑是什么？

為回答這一關鍵問題，上海科學智能研究院、集智科學研究中心和阿里云首先聯合發布了《》，通過定性分析系統梳理出35個研究前沿，構建了涵蓋AI for Science、Science for AI和基礎設施三大維度的框架體系，初步勾勒出科學智能領域的發展藍圖。

在前期觀察之后，上海科學智能研究院進一步攜手復旦大學、施普林格·自然等權威機構，基于2015-2024年全球科學智能多源大數據，匯聚近60位不同領域科學家的智慧，推出《科學智能白皮書2025》。這份報告將前期的定性觀察升級為數據驅動的實證分析，用十年發展數據驗證趨勢判斷，深入剖析AI與科學研究大融合之勢，為科學智能的未來發展提供了更為精準和系統的答案。

兩份報告共同構成了對“科學智能如何引領范式變革、應對全球挑戰”這一時代命題的部分回應。

5月26日，上海科學智能研究院 聯合復旦大學、 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。

AI驅動范式變革，全流程賦能科研

科學智能（ AI for Science, AI4S）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30.8 9 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 27.39 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（ 8.5 7萬篇）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）

AI+Science 讀書會

AI+Science 是近年興起的將人工智能和科學相結合的一種趨勢。 一方面是 AI for Science，機器學習和其他 AI 技術可以用來解決科學研究中的問題，從預測天氣和蛋白質結構，到模擬星系碰撞、設計優化核聚變反應堆，甚至像科學家一樣進行科學發現，被稱為科學發現的“第五范式”。 另一方面是 Science for AI，科學尤其是物理學中的規律和思想啟發機器學習理論，為人工智能的發展提供全新的視角和方法。

集智俱樂部聯合斯坦福大學計算機科學系博士后研究員吳泰霖（Jure Leskovec 教授指導）、哈佛量子計劃研究員扈鴻業、麻省理工學院物理系博士生劉子鳴（Max Tegmark 教授指導），共同發起以”為主題的讀書會，探討該領域的重要問題，共學共研相關文獻。 讀書會已完結，現在報名可加入社群并解鎖回放視頻權限。

詳情請見：