科研创新困境与 AI 技术崛起，科学智能如何赋能科学研究？

上海人工智能实验室主任、清华大学惠妍讲席教授周伯文在 2025 年中关村论坛上发表了有关“AI 怎样改变所有学科？从‘工具的革命’到‘革命的工具’”的讲话。周教授指出，科学研究是研究者、研究工具和研究对象一切关系的总和，当前的 AI for Science 在单点取得了可观的进展，实现了工具层面的革新，人工智能帮助科学研究已经成为普遍共识。

现实困境：科学突破性创新放缓

经历了科学探索的漫长历程，人类目前正面临一个矛盾的现状：一方面，全球科研论文与专利数量呈爆发式增长；另一方面，突破性成果的影响力却在持续衰减。2023 年《自然》杂志的一项多学科论文平均影响力相关研究显示，过去七十年间，尽管全球科研论文发表数量和专利数量持续增长，但其实际影响力却快速下降。这一现象广泛存在于生命、物理、社会等学科领域，也包括计算机科学。

这一现象的背后，是学科细分导致的 “信息孤岛” 困境 —— 当科学 “大厦” 被分割为无数独立的 “小房子”，研究者被困于单一领域的深井，跨学科融合的缺失便将使颠覆性创新愈发艰难。传统研究工具在面对复杂系统时的低效，更凸显了科研范式变革的迫切性。

与此同时，人工智能领域却正在加速发展。自 2012 年以来，arXiv 平台上的人工智能相关研究论文数量已呈现指数级增长，且在去年获得诺奖。在这样的背景下，如何促进人工智能与科学研究深度融合？如何打通各学科的“小房子”之间的壁垒？如何让每个领域的研究工作带来更大影响力？这无疑对研究者和研究工具提出了更高的要求。

AI 破局：“工具的革命”进行时

如今，运用人工智能帮助科学研究已经成为普遍共识。在生命科学、数学、生物、材料科学等具体领域，用人工智能助力科学研究已经不再是新鲜事——科学研究“工具的革命”已经悄然发生。在这个重要的时间节点上，如何系统性思考，进行顶层设计，面向 Science 与 AI 进行有组织的科研，是需要思考和讨论的重要话题。

对此，周教授代表上海人工智能实验室提出了对 AI4S 的体系化思考。周教授认为，AI 对所有科研工作的作用都可以归纳为它如何帮助研究对象、研究工具，以及研究者三个层面。完整的科学研究过程不仅包含计算环节，还涉及多个重要方面：

• 首先是对研究对象，即 AI 如何提升对研究对象的观察、理解和表征，这些表征最终都会转化为数据（AI for Data）。在这些数据的表征、理解、获取和修改等各个环节，AI 分别能发挥哪些作用是一个重要问题，同时也是重大机会。

• 其次是研究工具，即如何利用人工智能更高效地解决计算问题（AI for Computation）。2024 年诺贝尔化学奖得主，DeepMind 公司 CEO Demis Hassabis 在诺奖颁奖典礼上总结了适合 AI 发展的科研领域的三个标准：第一，存在巨大的组合搜索空间；第二，具备清晰明确的目标函数；第三，拥有大量可靠数据，或者具有高效准确合成数据的方法。这些标准都可以被归纳为研究工具。

• 最后是研究者（AI for Innovator），即科学家本身。科学研究的天花板往往取决于研究者自身的认知局限。随着学科划分越来越细，要做出具有重大影响力的工作，仅靠单一领域的专业知识和经验已经远远不够。

如何帮助科学家提出更好的问题、找到更有价值的研究方向，都是 AI for Science 应该着力解决并且可能带来巨大回报的领域。更多 AI4S 相关资讯、各领域科研灵感、科研助力，欢迎联系和鲸获取。

和鲸科技深耕人工智能与数据科学十年，以推动 AI for Science 科研范式改革为使命，依托旗下数据科学协同平台 ModelWhale，开启了全方位的创新实践。近年来更是联合众多科研组织与机构，全面推进 AI for Science 在垂直领域创新应用，为赋能国家创新体系建设添砖加瓦。

和鲸 ModelWhale 已面向科研机构、高校及专业领域企业及个人打造专属科学智能应用，致力于为人工智能科研团队、学者提供科研支持与助力。欢迎您点击这里（建议您在 PC 端打开）或联系和鲸工作人员免费体验。

和鲸 ModelWhale 大模型应用平台即将正式发布，欢迎您参与AI应用调研，赢取 ModelWhale 大模型应用平台内测资格！

https://heywhale.feishu.cn/share/base/form/shrcneEkjnyB5GEnYzG8Tpf7xNg