預測蛋白質功能、設計新材料、發現新靶點，AI for Science正在幫助人類科學家高效摘取科研樹上“低垂的果實”。

大模型的深度認知能力和模型的自主能動性，驅動自動化的科學發現。未來的AI有望接管實驗，科學家的角色將是衡量每個科學發現的價值。

但眼下，AI在真正突破人類認知邊界、實現跨學科理論原創方面的能力依然不足，無法比擬人類頂尖科學家的顛覆性思維。

日前，多位青年科學家在上海科學智能研究院的一場AI for Science座談會上提到，AI for Science最稀缺的是跨學科人才，要降低領域科學家使用AI的技術門檻。只有一群聰明人持續在一起思考和工作，才能碰撞出新的邊界——在AI的新邊界上定義出更具價值的科學問題，在科學的新邊界上研發出更強大的AI模型，從而打破小作坊式的科研範式。

AI驅動自動化的科學發現

科學研究正進入計算和數據驅動的第四範式。

上海創智學院全時導師劉鵬飛表示，人類從事科學研究並不高效。其局限在於，人類的交流與思考存在“上下文缺失”，一次精彩的討論很難在未來的工作中被精准“調用”。更重要的是，個體的生命有限，宏大科學問題所需的研究週期有時甚至需要幾百年，這些複雜難題往往需要頂尖智慧跨越代際接力研究，但知識的代際傳承並不容易。

隨著學科的細分，知識壁壘迅速增高。即便同是數學研究，前沿研究方向的細微差別就可能導致雙方在專業知識上無法充分互相理解。若要交叉學習，則耗費的時間成本巨大，“這是多麼遺憾。如果能夠互相理解，也許更容易創新。”劉鵬飛表示，將AI用於科研，只需規模化地投入算力，即可獲得標準化的“AI實習生”。

這種科研範式的轉變來自大模型的深度認知能力和模型的自主能動性。大模型能夠系統閱讀和理解海量科學文獻，能動挖掘和拆解潛在科學問題，自主規劃並驅動自動化實驗平臺。劉鵬飛認為，未來，AI將接管實驗，人類科學家將從繁雜耗時的環節中解放出來。屆時，科學發現的產出速度將遠超價值轉化的效率，科學家的角色將是衡量每個科學發現的價值，辨別真偽需求。

上海交通大學特聘教授洪亮橫跨物理學院、電腦學院、材料學院、生科院、藥學院等上海交大7個學院擔任博導，同時也是天鶩科技首席科學家，他帶領團隊利用AI摘取“低垂的果實”，開發了全球首款由大模型設計且實現工業化生產的蛋白質。

蛋白質是生物製造的底層材料。過去，開發一款成功的蛋白質產品高度依賴科學家經驗，過程漫長且試錯成本高、成功率低。天鶩科技AI蛋白質設計平臺Venus中，蛋白質預訓練大模型學習自然界海量蛋白質序列中氨基酸的組裝規則，功能預測監督學習模型用海量功能標注學習蛋白質序列和功能之間的關係，小樣本主動學習模型利用少量濕實驗數據微調大模型，實現特定場景下的精准預測。

“AI之於科學，不僅僅是降本提效，它可以創造人類之前創造不出的事物。”洪亮表示，AI並未解決一切傳統難題，但它改變了科學家面對問題的視角，提供了更有力的工具，一些曾經的“硬骨頭”現在也有機會啃下來。正如AI設計蛋白質，得益於覆蓋極端環境的蛋白質資料庫，以及具備高維統計和特徵提取能力的大模型，AI幫助人類發現了自身也難以洞察的深層共性規律。

目前，新型研發機構上海科學智能研究院正在開發新的科學智能（AI for Science，AI4S）功能。上海科學智能研究院副院長程遠介紹，當研究人員向大模型諮詢如何改進實驗方案時，模型不僅能提出優化建議，還能自動生成代碼、跑通AI仿真預測的幹實驗並驗證結果。目前已驗證的案例顯示，模型自動生成的方案在多項指標上甚至優於人類版本。“接下來可以想像，如果未來物理世界的濕實驗也自動化了，我們的AI模型將不只是會寫建模代碼，還可以設計濕實驗流程，那時候AI就能完全驅動自動化的科學發現。”

跨界定義新的科學問題和AI

像天鶩科技這樣借助AI開展科學研究已非個例。2025年，由臨港實驗室牽頭，聯合上海人工智慧實驗室等研究機構打造的多智能體虛擬疾病生物學家系統“元生”在肝癌和結直腸癌治療上分別提出新靶點GPR160和ARG2，並被動物實驗驗證。上海人工智慧實驗室青年科學家、科學智能中心負責人白磊介紹，未來將根據靶點推進藥物研發工作。

為推動科研範式變革，去年7月，上海市經濟和資訊化委員會印發的《上海市進一步擴大人工智慧應用的若干措施》提出，組織實施全市科學智能“百團百項”工程，力爭2年內支持不少於100個團隊、100個專案，推動AI人才、領域科學家和工程團隊跨組織、跨領域協作，形成一批前沿原創性成果。

圍繞高價值的前沿科學問題，去年初以來，上海部署54個“百團百項”專案，推廣140多個科學智能工具供科學家調用，進一步打破小作坊式的科研範式，推動各類人才跨組織、跨學科合作。

2025年初，上海人工智慧實驗室面向全球發佈“AGI4S攀登者行動計畫”，支持具有領域變革性潛力提案。該計畫收到500多個提案，遴選出的30多個共建專案正在納入“百團百項”工程，攀登科技突破的高峰。

“我們最想追求的，是研發最前沿的AGI技術，賦能科學家實現諾獎級突破與跨學科交叉創新。”白磊表示，當前，AI在提升科研工作流的效率、輔助生成實驗方案與創意等領域已取得成果，但在真正突破人類認知邊界、產生跨學科原創理論方面，能力依然不足。即便是頂尖模型，在模型評測中，其科研創新能力的評分也僅為中等水準，無法比擬人類頂尖科學家的顛覆性思維。

儘管AI for Science的前景光明，但仍然存在現實的技術瓶頸。劉鵬飛同樣表示，一些容易“灌水”的研究方向是AI發揮其認知與能動性的優勢領域，在需要高度發散思維的研究領域AI仍顯不足。隨著AI能力的強化，融入人類認知的AI將為科研帶來更多機遇。眼下最令他感慨的，是跨領域認知融合的難度。“AI for Science最需要的是跨學科人才。”劉鵬飛表示，如果能構建有效機制加速認知融合，就有望產出更具價值的科研成果。

為了推動跨學科合作，上海科學智能研究院旗下星河啟智科學智能開放平臺的眾研社區通過重大科學問題導向的匹配機制，促成科學家、AI研究人員與工程師等跨專業人才協同合作。該平臺可快速組織交叉學科團隊，推動科研合作從個體創新走向群體智慧。

“如果每週或每月只靠零散的幾個小時交流，不同領域的人永遠無法真正理解彼此。”程遠說，“我們希望把科學家和AI工作者集中起來，重新定義科學問題和AI問題。搞AI的人告訴科學家需要什麼數據、這些數據為何重要；搞科學的人告訴AI研究者，模型應該解決什麼關鍵科學問題、對模型有哪些具體需求。”一群聰明人持續在一起思考和工作，兩撥人才能碰撞出新的邊界，在AI的新邊界上定義出更具價值的科學問題，在科學的新邊界上研發出更強大的AI模型。

把更多機會留給年輕人

領域科學家將AI納入科研的成本高昂，在有限的學術評價週期內，如果難以兌現科研成果，現實的科研壓力反而令他們對AI望而卻步。因此，一個集成化線上工作平臺的價值更加凸顯：預備好的模型與工具鏈讓領域科學家實現“開箱即用”。科學家僅需上傳數據，跑出初步結果後進入濕實驗閉環驗證，為科研提速。

為了降低領域科學家使用AI的技術門檻，除了線下活動，上海科學智能研究院開發的星河啟智平臺彙聚了智能體廣場、模型廣場、數據廣場等，支持自由組合和定制智能體功能，模型廣場聯合40多家機構，覆蓋12個科學場景的200個多模態科學智能模型供用戶“開箱即用”，AI費米平臺為科學大模型提供真實世界的驗證閉環，推動幹濕實驗對接與需求匹配。

MCP是一種模型上下文協議，旨在實現大語言模型與外部數據源和工具的集成。“大家都在用智能體做科學發現，但通用智能體的MCP不懂科學數據、工具和實驗裝置，沒有統一管理複雜的科研流程，因此難以高效支撐科研場景。”目前白磊正牽頭開發針對科研場景的SCP（科學智能上下文協議）和工具鏈，借助SCP可連接千餘種實驗工具與設備，支持遠程協同實驗與即時數據分析，提升科研效率。在SCP支撐下，上海人工智慧實驗室研發的Intern Discovery平臺已集成上線1600個科學工具、模型和數據庫，科學家無需部署即可調用這些工具，推動智能化的科學研究。

記者從上海市經濟和資訊化委員會獲悉，為進一步推進AI for Science，下一步，上海將建設科學智能公共算力專區，供科學家調度使用，破解算力昂貴難題。同時打通幹濕實驗壁壘，推進幹濕結合的自動化實驗室共建共用，提升科學智能公共服務平臺能級，面向生命科學與生物技術、物質科學與新材料、地球科學、數學和量子、工程技術等重大戰略領域，集成數據、模型、工具、智能體，接入公共算力專區，彙聚科研語料，打通語料換算力機制，以科學智能公共服務平臺這一科學家線上工作平臺吸引更多科研團隊共創，讓更多國際人才參與“百團百項”工程，在上海創新創業。

電腦領域創新節奏快，通常由富有活力的年輕人主導一線開發，領域科學家往往需要深厚的知識積累。“電腦確實就是年輕人幹出來的，要給予35歲以下的年輕電腦人才更多機會，可以把領域科學家的年齡放寬一點。”洪亮認為，在組建AI for Science專案團隊時，應讓具備一線技術能力的年輕電腦人才牽頭專案執行，發揮年輕人的創造力。

“我們要相信年輕人，相信青年科學家，所以我們要求 ‘百團百項’的專案負責人要在40多歲以下。我們希望把更多機會給到年輕人，讓他們有機會嶄露頭角。”上海市經濟和資訊化委員會相關負責人表示，2025年上海將AI科學家的積極性發動起來，接下來要進一步調動領域科學家的積極性，提出前沿科學問題，疊加AI的力量，做出顛覆性創新。未來將打通“百團百項”工程與上海“東方英才”人才計畫，在管理制度上要建立專案經理人制度，定期打磨專案，篩選和培育一批重大IP和顛覆性專案，更大力度支持青年科學家發展。

來源：中國澎湃新聞