从「工具」到「搭档」，AI4S 走过深水区 | 2025年终回顾

37 0 0

文章摘要

2025年见证了AI4Science（AI4S）从辅助工具向科研搭档的实质性转变。在这一年里，AI技术已深度嵌入科研全流程：从文献阅读、数据分析到假设生成和成果呈现，科学家们普遍体验到效率的显著提升。吴琦教授等学者指出，AI不仅承担了论文润色、会议纪要整理等基础工作，更通过多模态技术参与核心研究环节，使研究者能聚焦创造性思维。这种变化标志着科研范式正在经历根本性重构——李国杰院士称之为”让思维成为可工程化对象”的革命，其核心在于将人类从低效试错中解放。

在学科交叉领域，AI展现出突破传统认知边界的能力。AlphaFold 3和虚拟细胞模型等突破性成果，通过将专业数据转化为AI可理解要素，实现了不同学科间的实质性贯通。樊隽轩教授观察到，这种”认知红利”已转化为实际生产力，特别是在需要多学科协同的复杂问题域。张清鹏教授强调，香港大学开发的肿瘤微环境虚拟模型，使研究者能在数字空间探索传统实验难以触及的作用机制，为精准医疗开辟新路径。

科研自动化（Automation）成为最具前瞻性的发展方向。尽管如张晓峰教授所言，当前AI Scientist尚处初级阶段，但杜沅岂等年轻学者已开始探索开放世界的自动化发现。袁粒教授描绘的理想图景中，AI应具备自主提出假设、设计实验、分析失败原因的全流程能力，这种”博士生级”的科研智能体虽未成熟，却指明了未来十年的演进方向。

模型能力与领域知识的深度融合被视为关键挑战。许东教授指出，当前AI专家与学科专家之间存在明显知识鸿沟，真正突破需要建立长期协同机制。这一观点与鄂维南院士提出的”超级实验室“构想不谋而合——通过开源共享生态，整合数据、模型和实验流程，构建规模化智能科研基础设施。冷静文教授以上海交大的实践为例，说明计算机体系结构已从算力支撑转型为科学发现的基础平台。

能耗与通用智能构成两大技术瓶颈。黄典研究员指出，只有突破这些限制，AI才能实现普惠化应用。在应用场景方面，国务院《人工智能+》行动将科学技术列为首要领域，制药、材料等高度依赖机理探索的产业，以及半导体等需要多学科协同的工程领域，被认为最具突破潜力。薛贵荣预测2026年AI4S将在数理化生等基础学科催生重大成果，而张佳钇则强调自动化实验平台和标准化接口对实现闭环科研的决定性作用。

评测体系的革新同样值得关注。随着AI独立完成的研究进入学术评审流程，传统的创新性、影响力评估标准面临重构。香港科大的实践表明，当科研动作空间（action space）足够丰富时，智能体已能在计算机领域实现端到端研究，但在需要湿实验的学科仍受限制。这种差异凸显了科研方法工程化对AI4S发展的重要性。

多位学者提及2025年虽无诺奖级突破，但大模型持续迭代正潜移默化改变科研方法。从DeepSeek的架构创新到Gemini的假设生成能力，技术进步正在三个层面同步推进：替代传统分析方法、提升既有流程效率，以及像AlphaFold那样重构学科认知框架。正如李国杰院士所言，未来科学发现将呈现”AI提案-人类判读-协同优化”的螺旋上升模式，这场认知革命才刚刚拉开序幕。