科学智能
定义
科学智能指以人工智能方法研究并解决自然科学问题的科研活动，涵盖两个方面：面向科学研究的 AI 技术创新，以及由 AI 驱动的科学研究本身，两者相互促进、深度融合。由上海科学智能研究院、复旦大学与施普林格·自然旗下机构联合发布的《科学智能白皮书2025》即采用这一定义，并把相关研究划为数学、物质科学、生命科学、地球与环境科学、工程科学、人文社会科学 6 个方向[3]。
北京市科学技术委员会等部门在政策文件中把人工智能赋能科学研究直接称为科学智能，并将其定性为加速科学研究的新型范式[4]。与之相对，传统科研长期依靠“提出假设—设计实验—验证假设”的试错路径，科学智能主张以模型预测先行筛选候选方案，再交由实验核验[5]。
原理
科学智能的基本思路是以数据驱动模型学习科学规律，再把物理约束、先验知识嵌入模型，使预测结果落在可验证的科学空间内[1]。就方法而言，大语言模型在物质科学、生命科学和社会科学中已成为通用科研工具，强化学习多用于工程系统控制、数学定理证明与物理模拟，计算机视觉则较多见于生命科学和地球环境研究。
在工程实现上，科研流程被重构为“读文献—做计算—做实验”的闭环：模型从文献与数据库中提取知识，计算模块给出候选结构或参数，实验数据再回流用于训练和修正模型[1]。这一闭环的支撑体系被概括为模型算法、高精度实验方法、替代文献的知识库与数据库、整合算力平台 4 类基础工具，外加面向能源、航天、化工、医药等领域的垂直应用[6]。
在具体任务中，模型通常先从已知样本中学习输入与目标性质的映射，再以不确定性估计指导下一步实验选择，从而在有限试错次数下逼近最优解[7]。以蛋白质为例，序列决定三维结构，模型通过学习已知结构数据即可从序列直接输出结构预测，替代部分耗时数年的衍射或电镜测定工作[5]。
发展历程
2018 年，鄂维南、汤超在北京大学提出 AI for Science 概念，将其定位为区别于理论范式与实验范式的新科研范式，切入点是用人工智能处理高维科学计算问题[1]。2020 年，鄂维南团队及合作者把机器学习、物理建模与高性能计算结合，获高性能计算领域奖项戈登·贝尔奖[6]。
2021 年，北京科学智能研究院成立，成为全球首个专注该领域的新型研发机构，并提出“四梁 N 柱”架构[6]。2022 年，首届科学智能峰会以线上方式举行[1]。2024 年，诺贝尔物理学奖与化学奖授予人工智能相关研究，科学智能由此获得科学界与公众的更广泛关注[8]。
2025 年 5 月 26 日，《科学智能白皮书2025》在上海发布，系统梳理了该领域的出版物、引用量与应用方向数据[3]。同年，北京市印发人工智能赋能科学研究高质量发展行动计划，将科学智能列入地方政策部署[4]。
应用
生命科学是应用较早的方向。深度思维(DeepMind)开发的 AlphaFold 系列模型以接近实验的精度预测蛋白质三维结构，并向科研界开放大量结构预测结果，被用于药物与疾病研究[5]。在物质科学与化学领域，模型被用于筛选分子与材料、预测性能，以缩短候选方案的探索周期。
在工程与高端装备方面，研究团队用多智能体协作打通设计、仿真、制造、试验全流程；据其公布的结果，某型火箭发动机从设计目标输入到热试车完成全流程用时 2 周[9]。在化学分析场景，“AI+黑灯实验室”以自动化装置承担重复性与高危实验，应用于丙烯腈样品分析等环节[9]。
平台层面，由北京科学智能研究院与企业联合推出的科研平台整合文献检索、计算与实验协同功能，服务全球科研用户超过 450 万人[2]。相关科研基础设施已在生物医药、新材料、高端装备、能源化工等领域落地[2]。
局限
科学数据是首要约束。科学智能所需数据来自精密仪器检测、超算仿真、传感网络与临床试验，单个样本成本高、获取周期长，且模态复杂，难以像通用大模型那样依靠互联网文本规模扩张；数据稀缺、标注标准不统一与数据孤岛同时存在[10]。
模型可信性与可复现性存在不足。深度模型常呈“黑箱”特征，训练过程中的随机性与超参数敏感性使结果难以独立复现；当模型无法说明预测依据时，研究者不易判断其在具体实验条件下是否适用[11]。
科学推理的严格性也尚未满足。科学智能的推理需要受守恒律、动力学方程与边界条件约束，而当前模型的思维链属涌现能力，难以保证每一步符合物理现实，误差在仿真与演化任务中还会累积放大；与之相伴的是，AI 发现新科学原理的验证体系尚未建立[10]。
学界的评述也指出，单纯扩大模型规模并不足以支撑科学发现，需要在表达能力与结构约束、数据驱动与物理先验、预测精度与可证伪性之间取得平衡，并保留科学赖以成立的认知基础[7]。
参见
参考资料
- 当AI成为一种全新的科研范式 [引用日期2026-10-29]
- 北京全面推动科学智能创新 [引用日期2026-10-29]
- 《科学智能白皮书2025》在沪“出炉”：中国在AI应用型创新领域实现跨越式增长 [引用日期2026-10-29]
- t20250711_4146595 [引用日期2026-10-29]
- 刷屏科技圈的科学智能，到底是什么？为什么它能改变科研的底层逻辑？ [引用日期2026-10-29]
- 专访北京科学智能研究院 [引用日期2026-10-29]
- s42005-026-02676-7(PDF) [引用日期2026-10-29]
- 上海科学智能研究院发布“科学智能十大前沿”领域 [引用日期2026-10-29]
- 北京市搭建领跑智能科研平台体系 [引用日期2026-10-29]
- 胡事民院士：AI4S难以照搬“大力出奇迹”的传统模型路线-清华大学 [引用日期2026-10-29]
- ai-maturity-scientific-data [引用日期2026-10-29]