中國(guó)科學(xué)院人工智能驅(qū)動(dòng)的科學(xué)研究發(fā)展現(xiàn)狀、問(wèn)題及對(duì)策

中圖分類號(hào) N092文獻(xiàn)標(biāo)識(shí)碼 A

自2015年左右起，以深度學(xué)習(xí)為代表的人工智能技術(shù)加速與各個(gè)科學(xué)領(lǐng)域匯聚，逐漸演變?yōu)橐环N通用型賦能工具，并展現(xiàn)出無(wú)可比擬的效率優(yōu)勢(shì)，形成人工智能驅(qū)動(dòng)的科學(xué)研究（AIForSciences，簡(jiǎn)稱AI4S）熱潮。托馬斯·伍德（ThomasWood）指出，利用現(xiàn)代人工智能技術(shù)，基因組學(xué)、藥物發(fā)現(xiàn)、氣候科學(xué)和天體物理領(lǐng)域的研究效率分別提升了 60% ： 50% 、 45% 和 55% [1]當(dāng)前，推進(jìn)AI4S發(fā)展已成國(guó)際共識(shí)，以美國(guó)為代表的西方國(guó)家在這一領(lǐng)域的投資力度不斷加大。針對(duì)這一新形勢(shì)，展開(kāi)了系統(tǒng)性部署。2022年12月，侯建國(guó)院長(zhǎng)在《人民日?qǐng)?bào)》撰文指出，當(dāng)前已進(jìn)入大科學(xué)和大融通時(shí)代，要“提高科學(xué)數(shù)據(jù)高效匯聚和分析服務(wù)能力，加快推進(jìn)數(shù)據(jù)和人工智能驅(qū)動(dòng)的科研范式變革”。為深入了解AI4S發(fā)展現(xiàn)狀、科研人員態(tài)度以及AI4S發(fā)展所面臨的問(wèn)題，對(duì)和十余位在AI4S領(lǐng)域取得突出成果的科學(xué)家進(jìn)行了訪談。其中，AI4S領(lǐng)域?qū)＜?位，3位；研究員6位，副研究員/副教授4位；所涉及學(xué)科包括物理學(xué)、大氣科學(xué)、生命科學(xué)、化學(xué)、材料學(xué)、醫(yī)學(xué)和計(jì)算機(jī)科學(xué)等。整體看，在制度化支持下，在AI4S領(lǐng)域取得了一系列突破性進(jìn)展，但也伴隨著諸多挑戰(zhàn)，包括意識(shí)層面的認(rèn)知局限、硬件設(shè)施的技術(shù)瓶頸、生態(tài)系統(tǒng)的不完善以及高端人才的短缺等。

一 當(dāng)前中國(guó)科學(xué)院AI4S發(fā)展態(tài)勢(shì)

中國(guó)學(xué)者對(duì)國(guó)際AI4S潮流的響應(yīng)極為迅速，約從2019年起，中國(guó)學(xué)者逐漸將深度學(xué)習(xí)技術(shù)廣泛應(yīng)用于科研活動(dòng)，與西方學(xué)者差距并不大。在中國(guó)AI4S發(fā)展過(guò)程中，發(fā)揮著重要作用，不僅較早地針對(duì)AI4S進(jìn)行專項(xiàng)資助，同時(shí)也展現(xiàn)出多學(xué)科等建制化優(yōu)勢(shì)。

1.較早對(duì)AI4S進(jìn)行建制化資助

在中國(guó)人工智能發(fā)展過(guò)程中，是重要推動(dòng)者之一，在國(guó)內(nèi)率先開(kāi)拓了機(jī)器翻譯、模式識(shí)別等研究領(lǐng)域。如1959年，語(yǔ)言研究所與計(jì)算技術(shù)研究所合作研發(fā)出我國(guó)第一個(gè)機(jī)器翻譯系統(tǒng)。2]此外，20世紀(jì)60年代末，自動(dòng)化研究所研究人員（如王傳善等）最早將“模式識(shí)別”引入中國(guó)。在中國(guó)的AI4S發(fā)展過(guò)程中，同樣是我國(guó)較早對(duì)AI4S進(jìn)行專項(xiàng)資助的機(jī)構(gòu)之一，是中國(guó)AI4S發(fā)展的重要先行者之一。如2019年，便發(fā)布了第一批探索計(jì)劃，其中包含利用深度學(xué)習(xí)推進(jìn)科學(xué)研究的相關(guān)項(xiàng)目。2021年9月，發(fā)布《網(wǎng)絡(luò)安全和信息化專項(xiàng)2022年度應(yīng)用示范項(xiàng)目申報(bào)指南》（以下稱《指南》），“‘大數(shù)據(jù) + 人工智能’科研范式變革應(yīng)用示范”是其重點(diǎn)支持方向之一。《指南》要求充分利用大數(shù)據(jù)、人工智能等信息技術(shù)，解決科技創(chuàng)新過(guò)程中的一些關(guān)鍵共性問(wèn)題，以提升知識(shí)發(fā)現(xiàn)及技術(shù)創(chuàng)新整體效率。同時(shí)，《指南》還強(qiáng)調(diào)要以國(guó)際知名數(shù)據(jù)庫(kù)為對(duì)標(biāo)對(duì)象，發(fā)展一批權(quán)威科學(xué)數(shù)據(jù)庫(kù)，以及一批特色科學(xué)數(shù)據(jù)庫(kù)，為AI4S發(fā)展奠定數(shù)據(jù)基礎(chǔ)。3]2022年起，國(guó)家自然科學(xué)基金委員會(huì)、中華人民共和國(guó)科學(xué)技術(shù)部（以下稱科技部）相繼發(fā)布AI4S發(fā)展計(jì)劃或?qū)ｍ?xiàng)，如2022年5月國(guó)家自然科學(xué)基金委員會(huì)“可解釋、可通用的下一代人工智能重大研究計(jì)劃”，2022年8月科技部科技創(chuàng)新2030—“新一代人工智能\"重大項(xiàng)目（新設(shè)“人工智能與科學(xué)深度結(jié)合”條目），以及2023年3月科技部和國(guó)家自然科學(xué)基金委員會(huì)聯(lián)合發(fā)布的“人工智能驅(qū)動(dòng)的科學(xué)研究”專項(xiàng)等，與網(wǎng)絡(luò)安全和信息化專項(xiàng)一起，共同構(gòu)成了中國(guó)AI4S資助計(jì)劃的主體框架

2.部分AI4S成果處于國(guó)際及國(guó)內(nèi)第一梯隊(duì)

依托建制化優(yōu)勢(shì)，在AI4S領(lǐng)域取得了一系列具有國(guó)際競(jìng)爭(zhēng)力的突破性進(jìn)展，部分成果處于國(guó)際和國(guó)內(nèi)第一梯隊(duì)。生命科學(xué)、化學(xué)與材料、分子動(dòng)力學(xué)和大氣科學(xué)等領(lǐng)域的原創(chuàng)性成果尤為突出。例如：（1）分子動(dòng)力學(xué)領(lǐng)域。2020年，計(jì)算技術(shù)研究所賈偉樂(lè)團(tuán)隊(duì)實(shí)現(xiàn)了1億原子每天1—2納秒的分子動(dòng)力學(xué)模擬，并獲得 2020 年高性能計(jì)算戈登·貝爾獎(jiǎng)。4]（2）生命科學(xué)領(lǐng)域。2023年，多學(xué)科交叉研究團(tuán)隊(duì)“指南針聯(lián)盟”構(gòu)建了世界上首個(gè)跨物種生命基礎(chǔ)大模型——GeneCompass。[5]（3）化學(xué)領(lǐng)域。2022年，中國(guó)科學(xué)技術(shù)大學(xué)江俊團(tuán)隊(duì)研發(fā)出全球首個(gè)機(jī)器人化學(xué)家平臺(tái)，覆蓋文獻(xiàn)閱讀、實(shí)驗(yàn)自主設(shè)計(jì)、材料開(kāi)發(fā)全流程，在軟硬件方面已超過(guò)歐美同類裝置。（4）材料科學(xué)領(lǐng)域。物理研究所劉淼團(tuán)隊(duì)開(kāi)發(fā)出無(wú)機(jī)晶體材料計(jì)算數(shù)據(jù)庫(kù)Atom-ly.net，該數(shù)據(jù)庫(kù)涵蓋35萬(wàn)余個(gè)無(wú)機(jī)晶體材料的第一性原理計(jì)算結(jié)果，超過(guò)同期美國(guó)的MaterialsProject數(shù)據(jù)庫(kù)（僅包含約15萬(wàn)個(gè)無(wú)機(jī)化合物的結(jié)構(gòu)信息）。一些AI4S成果也獲得了良好社會(huì)效益，如材料領(lǐng)域大模型CASMatChat在一個(gè)月內(nèi)便有了1萬(wàn)多用戶，[6材料數(shù)據(jù)庫(kù) Atomly.net的月訪問(wèn)量達(dá)1萬(wàn)人次，累計(jì)訪問(wèn)量超過(guò)20萬(wàn)人次。7]

3．跨機(jī)構(gòu)合作優(yōu)勢(shì)得到一定程度體現(xiàn)

AI4S研究往往需要整合各類資源（人力資源、數(shù)據(jù)資源、裝置資源、跨領(lǐng)域知識(shí)資源等），非常強(qiáng)調(diào)跨機(jī)構(gòu)合作。在這一方面，具有相對(duì)優(yōu)勢(shì)，不僅擁有100多家科研院所，還具備跨研究所協(xié)同攻關(guān)的優(yōu)良傳統(tǒng)，這些優(yōu)點(diǎn)在AI4S發(fā)展過(guò)程中得以體現(xiàn)。例如，為推動(dòng)數(shù)據(jù)智能驅(qū)動(dòng)的生命科學(xué)研究，在動(dòng)物研究所周琪院士的推動(dòng)下，組成交叉團(tuán)隊(duì)“指南針聯(lián)盟”，其成員包括計(jì)算機(jī)網(wǎng)絡(luò)信息中心、自動(dòng)化研究所、計(jì)算技術(shù)研究所、數(shù)學(xué)與系統(tǒng)科學(xué)研究院，以及北京基因組研究所等，通力協(xié)作成功構(gòu)建了大模型GeneCompass，集成人類和小鼠的超1.26億個(gè)單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)。這種超大規(guī)模數(shù)據(jù)集及網(wǎng)絡(luò)模型的構(gòu)建，是單個(gè)科研團(tuán)隊(duì)所無(wú)法完成的。中國(guó)科學(xué)技術(shù)大學(xué)“機(jī)器人化學(xué)家”團(tuán)隊(duì)，則匯聚了來(lái)自中國(guó)科學(xué)技術(shù)大學(xué)以及多個(gè)研究所的科研力量，其協(xié)作機(jī)構(gòu)包括深圳先進(jìn)技術(shù)研究院、山西煤炭化學(xué)研究所、計(jì)算技術(shù)研究所等。

二 關(guān)于AI4S獨(dú)特屬性的認(rèn)知與態(tài)度

AI4S被視作提升科研創(chuàng)新整體效率的關(guān)鍵途徑，已得到科學(xué)共同體的廣泛認(rèn)同，相當(dāng)多的科學(xué)家對(duì)其未來(lái)發(fā)展前景持積極樂(lè)觀的態(tài)度。與此同時(shí)，作為一種新型科研模式，科學(xué)家們對(duì)AI4S 的獨(dú)特屬性以及它所帶來(lái)的諸如成本高昂、與傳統(tǒng)推理文化差異顯著等新挑戰(zhàn)，也有著較為清晰的認(rèn)知。未來(lái)，隨著AI與科學(xué)研究匯聚的廣度和深度不斷拓展，AI4S與傳統(tǒng)科研范式之間“融合——調(diào)適——再融合”的螺旋式循環(huán)進(jìn)程將持續(xù)推進(jìn)，為整個(gè)創(chuàng)新系統(tǒng)持續(xù)注入新動(dòng)力。

1．對(duì)AI4S未來(lái)發(fā)展前景保持樂(lè)觀

隨著科學(xué)各個(gè)領(lǐng)域信息化進(jìn)程持續(xù)深人，科研數(shù)據(jù)量急劇增長(zhǎng)、計(jì)算參數(shù)愈發(fā)復(fù)雜，傳統(tǒng)方法已無(wú)力應(yīng)對(duì)這些挑戰(zhàn)。在此情形下，運(yùn)用深度學(xué)習(xí)技術(shù)開(kāi)展數(shù)據(jù)智能化分析，成為未來(lái)科學(xué)發(fā)展的重要趨勢(shì)。8]調(diào)研顯示，受訪科學(xué)家普遍看好AI4S的前景。如今，人工智能相關(guān)工具在眾多學(xué)科已實(shí)現(xiàn)較高程度的滲透，特別是生物學(xué)、天文學(xué)、環(huán)境科學(xué)、化學(xué)等數(shù)據(jù)密集型研究領(lǐng)域，與AI的結(jié)合愈加緊密。以合成生物學(xué)領(lǐng)域?yàn)槔ˋlphaFold在內(nèi)的蛋白質(zhì)模型已得到廣泛應(yīng)用；數(shù)學(xué)與系統(tǒng)科學(xué)研究院某研究員認(rèn)為，當(dāng)前許多生物學(xué)家在積極尋求與計(jì)算科學(xué)家的合作，科學(xué)家需接受AI4S已初步形成第五范式雛形這一現(xiàn)實(shí)；天文學(xué)領(lǐng)域亦如此，國(guó)家天文臺(tái)某研究員指出，機(jī)器學(xué)習(xí)等技術(shù)的廣泛應(yīng)用標(biāo)志著科學(xué)研究方法的根本性變革，借助人工智能可挖掘出此前數(shù)據(jù)中未被留意的模式，進(jìn)而加快科學(xué)發(fā)現(xiàn)的進(jìn)程；在氣候預(yù)測(cè)領(lǐng)域，與傳統(tǒng)的方程求解法相比，利用大模型能夠?qū)崿F(xiàn)更長(zhǎng)時(shí)間跨度的氣候預(yù)測(cè)：傳統(tǒng)的ENSO系統(tǒng)通常僅能預(yù)測(cè)未來(lái)6至8個(gè)月，最多12個(gè)月內(nèi)的氣候與天氣變化情況，而借助AI技術(shù)可將預(yù)測(cè)時(shí)段延長(zhǎng)至18個(gè)月。與此同時(shí)，大科學(xué)裝置中人工智能的應(yīng)用也在不斷深化。2024年，高能物理研究所正式推出面向高能物理領(lǐng)域的人工智能系統(tǒng)—“賽博士”（Dr.Sai），該系統(tǒng)可高效處理北京譜儀III（BESIII）這一大科學(xué)裝置所產(chǎn)生的數(shù)據(jù)，為相關(guān)科研工作提供有力支撐。[9]

2.AI4S是一項(xiàng)昂貴的研究活動(dòng)

AI4S 屬于“成本增量”型系統(tǒng)。在構(gòu)建AI4S系統(tǒng)時(shí)，通常要在已有的科研要素（如實(shí)驗(yàn)裝置）基礎(chǔ)上，新增數(shù)據(jù)處理、算力芯片、電力供給等成本項(xiàng)目，其智力、資源高度密集，為小型科研團(tuán)隊(duì)帶來(lái)一定挑戰(zhàn)。首先，AI4S的算力成本高昂。GPU芯片作為AI4S系統(tǒng)的基礎(chǔ)硬件，價(jià)格十分高昂，單塊芯片的價(jià)格高達(dá)十余萬(wàn)甚至數(shù)十萬(wàn)元人民幣。構(gòu)建一個(gè)中小型AI4S系統(tǒng)，通常需要十多塊算力芯片，而大型AI4S系統(tǒng)則需要幾十塊甚至上百塊算力芯片。其次，AI4S系統(tǒng)的能耗較高。一般每張GPU卡的功率約為400瓦，一天耗電量約為10度。如此一來(lái)，十多塊GPU卡一個(gè)月的耗電量可達(dá)3000度左右。對(duì)于中小型科研團(tuán)隊(duì)而言，無(wú)論是高昂的芯片購(gòu)置成本，還是較大的耗電量，都往往會(huì)構(gòu)成較為沉重的負(fù)擔(dān)。此外，AI4S系統(tǒng)的訓(xùn)練成本也頗高。這其中涵蓋搜集、篩選專業(yè)數(shù)據(jù)所需的費(fèi)用，以及對(duì)系統(tǒng)進(jìn)行持續(xù)訓(xùn)練與迭代所產(chǎn)生的開(kāi)支，多種費(fèi)用疊加，致使成本大幅攀升。一些大型AI4S模型，單次訓(xùn)練成本甚至能達(dá)到幾百萬(wàn)人民幣。同時(shí)，設(shè)備的運(yùn)維費(fèi)用也常常超出一些小型課題組的承受范圍。大氣物理研究所某研究員就曾指出，對(duì)AI4S模型持續(xù)開(kāi)展訓(xùn)練，是一項(xiàng)比較燒錢(qián)的工作。

3.AI4S研究需有明確的“問(wèn)題意識(shí)'

AI4S 強(qiáng)調(diào)提出、探索與求解新的科學(xué)問(wèn)題，而非僅限于算力資源合理匹配、算法優(yōu)化迭代等技術(shù)層面的問(wèn)題。因此，AI4S考驗(yàn)的是一個(gè)國(guó)家在計(jì)算機(jī)技術(shù)與科學(xué)水平方面的綜合實(shí)力，提出和引導(dǎo)好的科學(xué)問(wèn)題在此過(guò)程中至關(guān)重要。當(dāng)前，人工智能大多充當(dāng)解題工具，無(wú)法主動(dòng)、自發(fā)地提出新問(wèn)題，其本質(zhì)是借助計(jì)算機(jī)及人工智能等工具，輔助求解特定情境下的科學(xué)問(wèn)題。一個(gè)成功的AI4S系統(tǒng)，需要一個(gè)具有高研究?jī)r(jià)值的科學(xué)問(wèn)題來(lái)統(tǒng)領(lǐng)，從而有效融合算力、算法、數(shù)據(jù)等各個(gè)創(chuàng)新要素。數(shù)學(xué)與系統(tǒng)科學(xué)研究院某研究員指出，問(wèn)題意識(shí)是首要的，一個(gè)成功的AI4S系統(tǒng)，需要有科學(xué)問(wèn)題將設(shè)備和人才凝聚起來(lái)。科學(xué)問(wèn)題是否明晰、前沿、合理，解題路徑與思路是否清晰，都是AI4S能否取得原創(chuàng)性突破的關(guān)鍵要素，這極大地考驗(yàn)著一個(gè)國(guó)家的整體科學(xué)水平。微波與天線研究所某教授同樣指出，清晰界定所要研究的問(wèn)題是AI4S研究進(jìn)程中最為困難的部分。相比于資金、設(shè)備、數(shù)據(jù)等具體困難，前沿科學(xué)問(wèn)題更為抽象，難以被清晰定義。

4.AI4S呈現(xiàn)出較為明顯的學(xué)科交叉屬性

AI4S具有顯著的學(xué)科交叉屬性，整體呈現(xiàn)出“以專業(yè)領(lǐng)域?yàn)橹鳎?jì)算機(jī)領(lǐng)域?yàn)檩o”的特征。這種學(xué)科交叉屬性體現(xiàn)在AI4S研究者的學(xué)科背景、研究團(tuán)隊(duì)成員構(gòu)成，以及科研團(tuán)隊(duì)協(xié)作等多個(gè)方面。首先，優(yōu)秀的AI4S研究者通常具備跨學(xué)科背景（計(jì)算機(jī)科學(xué)、數(shù)學(xué)以及其他特定學(xué)科等），其碩士、博士專業(yè)背景往往并非計(jì)算機(jī)科學(xué)，而是在攻讀博士學(xué)位或工作后，才開(kāi)始接觸并學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)相關(guān)理論，并嘗試將其應(yīng)用于解決自身專業(yè)領(lǐng)域中的問(wèn)題。同時(shí)，AI4S 團(tuán)隊(duì)主要由專業(yè)領(lǐng)域科學(xué)家主導(dǎo)，并配備一定數(shù)量的計(jì)算機(jī)專業(yè)人員。在科研過(guò)程中，專業(yè)領(lǐng)域的科學(xué)家往往發(fā)揮著重要的指導(dǎo)和引領(lǐng)作用。從跨機(jī)構(gòu)合作層面看，AI4S 團(tuán)隊(duì)對(duì)于跨機(jī)構(gòu)合作的需求十分迫切，尤其是對(duì)于一些中小型AI4S團(tuán)隊(duì)而言，常常需要外部支持，包括吸收跨機(jī)構(gòu)研究人員參與科研項(xiàng)目、獲取算力以及專業(yè)數(shù)據(jù)等。例如，理論物理研究所某研究員在構(gòu)建材料數(shù)據(jù)庫(kù)時(shí)，受課題組自身算力所限，便選擇與其他省市的材料實(shí)驗(yàn)室開(kāi)展合作，由對(duì)方提供部分算力。國(guó)家天文臺(tái)某研究員也指出，在構(gòu)建天文學(xué)領(lǐng)域AI4S系統(tǒng)期間，積極與在數(shù)學(xué)、計(jì)算機(jī)領(lǐng)域頗具優(yōu)勢(shì)的山東大學(xué)相關(guān)研究人員展開(kāi)合作，并主動(dòng)聯(lián)合三峽大學(xué)、武漢大學(xué)、山東大學(xué)等共同培養(yǎng)博士生，形成AI4S人才梯隊(duì)并彌補(bǔ)資源短板。

5.對(duì)傳統(tǒng)科研角色體系及文化帶來(lái)新沖擊

AI4S給傳統(tǒng)的科研角色分配與科研文化帶來(lái)了全新沖擊。首先，在傳統(tǒng)科研模式下，科學(xué)家常常要獨(dú)自負(fù)責(zé)科學(xué)數(shù)據(jù)處理工作，涵蓋從實(shí)驗(yàn)數(shù)據(jù)的收集、整理到驗(yàn)證的整個(gè)流程。然而，AI4S運(yùn)行所需數(shù)據(jù)量較大，單靠科學(xué)家個(gè)人往往難以有效應(yīng)對(duì)，因此對(duì)專業(yè)數(shù)據(jù)處理人員的需求較為強(qiáng)烈。為確保數(shù)據(jù)的高質(zhì)量和高可信度，通常需要這類人員掌握數(shù)據(jù)處理和學(xué)科專業(yè)領(lǐng)域兩方面的知識(shí)。其次，在借助人工智能工具輔助科研時(shí)，應(yīng)注意“推理文化弱化”以及“信息繭房效應(yīng)\"等現(xiàn)象。一方面，人工智能的應(yīng)用在一定程度上可能導(dǎo)致科學(xué)家過(guò)于關(guān)注數(shù)據(jù)之間的相關(guān)性分析，從而削弱了因果推理等傳統(tǒng)科研方法的使用。計(jì)算技術(shù)研究所某研究員指出，未來(lái)科研領(lǐng)域?qū)?shù)據(jù)的依賴程度將不斷加深，這與傳統(tǒng)科研重視第一性原理、強(qiáng)調(diào)邏輯推理的方式存在顯著差異。另一方面，機(jī)器輸出結(jié)果具有收斂性，這可能致使其與更廣泛的知識(shí)背景以及意義體系之間產(chǎn)生斷裂，進(jìn)而引發(fā)“繭房效應(yīng)”。優(yōu)秀的科研人員應(yīng)當(dāng)突破“繭房”，進(jìn)行更深入、更廣泛的思考。2018年，IainM.Cockbum等人指出，科學(xué)家往往難以基于整體學(xué)科背景來(lái)解析人工智能的創(chuàng)新意義，或是無(wú)法將其納入整個(gè)知識(shí)體系之中進(jìn)行評(píng)估。[10]

三 中國(guó)科學(xué)院AI4S發(fā)展所面臨的挑戰(zhàn)

作為一種新興研究模式，當(dāng)前AI4S在發(fā)展進(jìn)程中仍面臨諸多挑戰(zhàn)。這些挑戰(zhàn)既包含意識(shí)以及國(guó)際競(jìng)爭(zhēng)層面的問(wèn)題，如短期功利主義思想、國(guó)際科技博弈引發(fā)的科研生態(tài)安全隱患等；也涉及AI4S與傳統(tǒng)科研模式之間所形成的非調(diào)適性，例如科研資助體制、人才培養(yǎng)及招募方式難以契合AI4S的發(fā)展需求等。為有力推動(dòng)AI4S向縱深發(fā)展，需要全面梳理并深人認(rèn)識(shí)這些挑戰(zhàn)的具體表現(xiàn)形式與內(nèi)容，從而為AI4S的未來(lái)高效發(fā)展提供更好保障。

1．出現(xiàn)一定的“為AI而AI\"現(xiàn)象

“為AI而AI\"現(xiàn)象是指部分學(xué)者和機(jī)構(gòu)在尚未充分掌握AI4S運(yùn)行特點(diǎn)與規(guī)律的情況下盲目跟風(fēng)，一定程度上造成“有設(shè)備，無(wú)研究”“有數(shù)據(jù)，無(wú)創(chuàng)新”等問(wèn)題。首先是“有設(shè)備，無(wú)研究”現(xiàn)象。一些科研機(jī)構(gòu)在缺乏明確研究目標(biāo)、科學(xué)問(wèn)題以及配套專業(yè)人才的情況下，盲目建立大數(shù)據(jù)學(xué)院、算力中心等，大量購(gòu)買(mǎi)、囤積計(jì)算機(jī)設(shè)備、算力芯片等，最終造成資源浪費(fèi)。其次是“重算力/數(shù)據(jù)，輕算法”現(xiàn)象。受當(dāng)前一些“大力出奇跡”式宣傳的影響，一些機(jī)構(gòu)認(rèn)為只要擁有海量數(shù)據(jù)便可以實(shí)現(xiàn)知識(shí)創(chuàng)新，致使過(guò)度關(guān)注算力與數(shù)據(jù)建設(shè)，對(duì)算法的重視程度不夠。關(guān)鍵原因在于原創(chuàng)算法研發(fā)非常困難，而數(shù)據(jù)積累與算力構(gòu)建相對(duì)簡(jiǎn)單。最后是“重重復(fù)勞動(dòng)、輕前沿創(chuàng)新”現(xiàn)象。AI4S不應(yīng)被“簡(jiǎn)單化”，即將已有的或是開(kāi)源的人工智能算法套用到特定場(chǎng)景中，將已解決的問(wèn)題重復(fù)計(jì)算，而不是針對(duì)新的未知問(wèn)題，來(lái)構(gòu)建原創(chuàng)算法。計(jì)算技術(shù)研究所某研究員指出：“AI4S要解決增量知識(shí)問(wèn)題，而非存量知識(shí)問(wèn)題，而現(xiàn)在出現(xiàn)了一個(gè)不好的現(xiàn)象，即收集一堆數(shù)據(jù)，然后把已解決的科學(xué)問(wèn)題再用數(shù)據(jù)處理一遍，造成資源和人力的浪費(fèi)。”AI4S的根本目的是以新方式來(lái)解決新問(wèn)題，而非僅用新方式復(fù)現(xiàn)已被證明的知識(shí)。

2.軟硬件自主化程度待提高

硬件與軟件是AI4S的關(guān)鍵構(gòu)成要素。目前，我國(guó)AI4S在軟硬件方面對(duì)外依賴程度仍然相對(duì)較高。在硬件層面，英偉達(dá)算力芯片憑借其在計(jì)算性能、運(yùn)算精度、穩(wěn)定性以及兼容性等方面的顯著優(yōu)勢(shì)，成為眾多科研機(jī)構(gòu)與研究團(tuán)隊(duì)構(gòu)建AI4S基礎(chǔ)體系時(shí)的主要算力供給來(lái)源。近年來(lái)，英偉達(dá)芯片的可購(gòu)買(mǎi)數(shù)量受到美國(guó)“芯片禁令”限制，一定程度上致使算力芯片價(jià)格上漲，增加了課題組負(fù)擔(dān)。當(dāng)前，如華為昇騰芯片、寒武紀(jì)AI芯片等國(guó)產(chǎn)算力芯片替代進(jìn)程正在加快，但整體看仍存在一些問(wèn)題，包括計(jì)算能力不足、穩(wěn)定性欠佳、可擴(kuò)展性不強(qiáng)、調(diào)試精度不夠以及應(yīng)用生態(tài)有待完善等。交叉信息學(xué)院助理教授吳翼指出，與英偉達(dá)芯片相比，利用國(guó)產(chǎn)算力芯片開(kāi)展科學(xué)模型訓(xùn)練，模型迭代通常需要2至3倍的時(shí)間，在速度和效率方面還有很大的提升空間。在軟件方面，國(guó)內(nèi)AI4S 系統(tǒng)的搭建往往基于Pytorch 和 TensorFlow等西方機(jī)器學(xué)習(xí)平臺(tái)，許多科研團(tuán)隊(duì)在構(gòu)建具體應(yīng)用算法時(shí)，常常依托國(guó)外的底層框架。根據(jù)中國(guó)科學(xué)技術(shù)信息研究所2025年發(fā)布的《AIforScience創(chuàng)新圖譜》，“大部分AI forScience 領(lǐng)域套件基于Pytorch 框架開(kāi)發(fā)，部分則基于TensorFlow 和Jax 框架。”[11]盡管我國(guó)正積極致力于構(gòu)建獨(dú)立自主的科學(xué)應(yīng)用平臺(tái)，如華為MindSpore，但與之相配套的計(jì)算應(yīng)用生態(tài)還未發(fā)展完善。尤其需要注意的是，國(guó)外機(jī)器學(xué)習(xí)平臺(tái)的核心代碼并不對(duì)外開(kāi)放，進(jìn)而陷入“僅能使用，難以創(chuàng)新”的困境。要從根本上實(shí)現(xiàn)AI4S自主發(fā)展，離不開(kāi)硬件、軟件以及生態(tài)的協(xié)同發(fā)展與相互促進(jìn)。

3.數(shù)據(jù)庫(kù)建設(shè)及安全待強(qiáng)化

專業(yè)數(shù)據(jù)庫(kù)在AI4S發(fā)展過(guò)程中扮演著非常關(guān)鍵的角色，數(shù)據(jù)規(guī)模與質(zhì)量影響著模型輸出結(jié)果的精確性與準(zhǔn)確性。美國(guó)、歐洲、日本等通過(guò)長(zhǎng)期積累，已在許多學(xué)科領(lǐng)域形成“數(shù)據(jù)庫(kù)壟斷”。例如，熱力學(xué)領(lǐng)域的主流數(shù)據(jù)庫(kù)為瑞典于1981年創(chuàng)建的Thermo-Calc，已有30余年積累；天文學(xué)領(lǐng)域，國(guó)內(nèi)一些數(shù)據(jù)庫(kù)尚無(wú)法與 AstrophysicsData System（美國(guó)）、SIMBAD（法國(guó)）、VizieR（法國(guó)）、SDSS（美國(guó)）等媲美；合成生物學(xué)領(lǐng)域，世界主流數(shù)據(jù)庫(kù)為美國(guó)基因本體聯(lián)合會(huì)所建立的GeneOntology，以及日本京都大學(xué)的KEGG。雖然我國(guó)正加速推進(jìn)自主數(shù)據(jù)庫(kù)建設(shè)，但由于發(fā)展時(shí)間較晚，與國(guó)外相比尚存在一定差距，當(dāng)前國(guó)內(nèi)許多AI4S團(tuán)隊(duì)往往是基于國(guó)外數(shù)據(jù)庫(kù)進(jìn)行模型訓(xùn)練，因此存在數(shù)據(jù)自主與安全問(wèn)題。理論物理研究所某研究員指出，如果國(guó)外的一些關(guān)鍵數(shù)據(jù)庫(kù)不開(kāi)源，則會(huì)在一定程度上導(dǎo)致AI4S研究的卡脖子現(xiàn)象。化工系某副教授強(qiáng)調(diào)，近兩年一些國(guó)外數(shù)據(jù)庫(kù)已對(duì)國(guó)內(nèi)學(xué)者進(jìn)行一定限制，且購(gòu)買(mǎi)成本較高。以美國(guó)材料數(shù)據(jù)庫(kù)MaterialProject為例，國(guó)內(nèi)許多科研團(tuán)隊(duì)使用其開(kāi)源數(shù)據(jù)，一旦開(kāi)源停止，則會(huì)影響材料科學(xué)研究進(jìn)程。2025年4月，美國(guó)國(guó)家癌癥研究所的SEER數(shù)據(jù)庫(kù)，以及美國(guó)國(guó)立衛(wèi)生研究院的“人類基因型-表型數(shù)據(jù)庫(kù)”dbGaP等關(guān)鍵數(shù)據(jù)平臺(tái)，已經(jīng)禁止中國(guó)學(xué)者訪問(wèn)，對(duì)中國(guó)的生命科學(xué)研究帶來(lái)較大不確定性。此外，國(guó)外數(shù)據(jù)庫(kù)的核心數(shù)據(jù)往往不會(huì)公開(kāi)，尤其是美國(guó)已制定相關(guān)政策，阻斷中國(guó)科研工作者訪問(wèn)其中關(guān)鍵部分，或是限制數(shù)據(jù)庫(kù)開(kāi)放時(shí)間。同時(shí)，國(guó)外的一些數(shù)據(jù)庫(kù)還具有一定的監(jiān)控功能，會(huì)記錄下數(shù)據(jù)庫(kù)訪問(wèn)者信息，并基于此了解、推斷科研團(tuán)隊(duì)的最新研究動(dòng)向，不利于我國(guó)科研安全。已對(duì)科學(xué)數(shù)據(jù)庫(kù)建設(shè)進(jìn)行了前瞻部署，在《網(wǎng)絡(luò)安全和信息化專項(xiàng)2022年度應(yīng)用示范項(xiàng)目申報(bào)指南》中，專門(mén)設(shè)有“權(quán)威科學(xué)數(shù)據(jù)庫(kù)和特色科學(xué)數(shù)據(jù)庫(kù)”部分。然而，支持力度仍需加強(qiáng)，資助時(shí)間亟待進(jìn)一步延長(zhǎng)。

4．建制化優(yōu)勢(shì)尚需進(jìn)一步提升

具備建制化優(yōu)勢(shì)和完善學(xué)科體系，成功實(shí)施了一些跨所和跨機(jī)構(gòu)的大型AI4S合作項(xiàng)目，但也面臨一些挑戰(zhàn)。例如，數(shù)據(jù)合作不夠順暢、大型AI4S合作項(xiàng)目數(shù)量較少，以及“合而不作”現(xiàn)象等。首先是跨機(jī)構(gòu)合作機(jī)制尚不健全。數(shù)學(xué)與系統(tǒng)科學(xué)研究院某研究員談道，當(dāng)前AI4S課題組的跨機(jī)構(gòu)合作主要建立在科學(xué)家的私人關(guān)系之上，在無(wú)大型課題引導(dǎo)的情況下，單純依靠科學(xué)家個(gè)人來(lái)尋求協(xié)作，往往難以推動(dòng)AI4S研究的高效、持續(xù)進(jìn)行。其次是面臨數(shù)據(jù)共享難題。一些研究機(jī)構(gòu)將數(shù)據(jù)視為核心競(jìng)爭(zhēng)力，共享意愿與動(dòng)力不足，這一現(xiàn)象不僅存在于院內(nèi)各機(jī)構(gòu)之間，同樣存在于院內(nèi)與院外機(jī)構(gòu)的合作之中。例如，一些科學(xué)家在使用國(guó)家氣象局?jǐn)?shù)據(jù)庫(kù)過(guò)程中，往往需要國(guó)家層面的協(xié)調(diào)。此外，協(xié)作同步性亦是阻力之一，跨機(jī)構(gòu)合作中會(huì)出現(xiàn)工作步調(diào)不一致現(xiàn)象，從而導(dǎo)致“有合無(wú)作”。例如，負(fù)責(zé)數(shù)據(jù)處理的團(tuán)隊(duì)無(wú)法在規(guī)定時(shí)間內(nèi)給出高質(zhì)量專業(yè)數(shù)據(jù)，使AI4S課題組陷入有算法、無(wú)數(shù)據(jù)困境。最后，公共基礎(chǔ)設(shè)施（如算力）共享機(jī)制有待完善。許多科研團(tuán)隊(duì)自主購(gòu)置算力等基礎(chǔ)設(shè)施，造成資源浪費(fèi)與重復(fù)建設(shè)。在這一方面，國(guó)外超算運(yùn)營(yíng)模式給我們提供了一些新啟示，如美國(guó)能源部的超算設(shè)施由國(guó)家出資建設(shè)與運(yùn)營(yíng)，相關(guān)運(yùn)營(yíng)經(jīng)費(fèi)（包括電力等）全部由國(guó)家承擔(dān)，科研工作者可通過(guò)提交使用申請(qǐng)，經(jīng)專家評(píng)審?fù)ㄟ^(guò)后免費(fèi)獲得一定機(jī)時(shí)。這種模式使算力基礎(chǔ)設(shè)施獲得較高使用率，并可快速構(gòu)建、擴(kuò)大應(yīng)用生態(tài)。

5.資助強(qiáng)度及模式有待進(jìn)一步改善

AI4S成本高昂，而當(dāng)前的資助方式尚存在諸多不完善之處。一是資助強(qiáng)度待提高。我國(guó)對(duì)AI4S項(xiàng)目的資助，大型項(xiàng)目一般在300—500萬(wàn)元之間，小型項(xiàng)目一般為80萬(wàn)元左右。如科技部與國(guó)家自然科學(xué)基金委員會(huì)的“人工智能驅(qū)動(dòng)的科學(xué)研究”專項(xiàng)，培育型項(xiàng)目（共25個(gè)）每項(xiàng)資助額金約為80萬(wàn)元，重點(diǎn)型項(xiàng)目（10余個(gè)）每項(xiàng)資助金額為300萬(wàn)元。網(wǎng)絡(luò)安全和信息化專項(xiàng)資助金額相對(duì)較高，第一批“大數(shù)據(jù) + 人工智能”科研范式變革應(yīng)用示范項(xiàng)目（不超過(guò)10項(xiàng)），每項(xiàng)資助金額為200—500萬(wàn)元，權(quán)威科學(xué)數(shù)據(jù)庫(kù)每項(xiàng)（不超過(guò)5項(xiàng)）資助100—200萬(wàn)元，而特色科學(xué)數(shù)據(jù)庫(kù)每項(xiàng)資助30—50萬(wàn)元。然而，對(duì)于AI4S而言（如芯片購(gòu)買(mǎi)、平臺(tái)搭建、數(shù)據(jù)庫(kù)建設(shè)等），資助力度仍不足。二是資助持續(xù)性不足。AI4S的發(fā)展，尤其是數(shù)據(jù)庫(kù)建設(shè)需長(zhǎng)期支持，但當(dāng)前對(duì)數(shù)據(jù)庫(kù)資助的持續(xù)性還需要進(jìn)一步加強(qiáng)，如《網(wǎng)絡(luò)安全和信息化專項(xiàng)2022年度應(yīng)用示范項(xiàng)目申報(bào)指南》“權(quán)威科學(xué)數(shù)據(jù)庫(kù)和特色科學(xué)數(shù)據(jù)庫(kù)”部分，每項(xiàng)資助周期僅為2年。三是資助時(shí)效性待加強(qiáng)。AI4S屬于前沿性研究，往往要求資助能夠快速、及時(shí)響應(yīng)其最新發(fā)展（如新算法訓(xùn)練等），但當(dāng)前項(xiàng)目申請(qǐng)時(shí)間跨度過(guò)大，從準(zhǔn)備到提交，再到下發(fā)資金，往往要花費(fèi)1一2年時(shí)間，致使一些前沿性AI4S研究項(xiàng)目陷入“立項(xiàng)即落后”局面。四是警惕大項(xiàng)目中的“合而不作”現(xiàn)象。多團(tuán)隊(duì)參與的AI4S科研項(xiàng)目（尤其是算法類項(xiàng)目），會(huì)出現(xiàn)資助金額過(guò)度分散問(wèn)題，不利于主申請(qǐng)方集中精力進(jìn)行長(zhǎng)時(shí)間深人研究，還會(huì)導(dǎo)致科研帶頭人為維持實(shí)驗(yàn)室運(yùn)行而疲于尋求新項(xiàng)目。

6.AI4S人才培養(yǎng)與招募面臨挑戰(zhàn)

AI4S人才培養(yǎng)一定程度上面臨著“招人難”“留人難”挑戰(zhàn)。首先是AI4S團(tuán)隊(duì)“招人難”問(wèn)題。數(shù)學(xué)與系統(tǒng)科學(xué)研究院某研究員指出，在AI4S人才招募過(guò)程中，存在著跨學(xué)科人才認(rèn)同度低的問(wèn)題。這具體表現(xiàn)為，研究機(jī)構(gòu)在招聘時(shí)，通常更傾向于與本機(jī)構(gòu)傳統(tǒng)優(yōu)勢(shì)學(xué)科相匹配的人才。然而，對(duì)于AI4S這種具有交叉性質(zhì)的研究來(lái)說(shuō)，實(shí)際上非常需要不同跨領(lǐng)域人才之間的協(xié)作配合，但其中部分跨領(lǐng)域人才所屬的學(xué)科，往往并非招聘單位的傳統(tǒng)優(yōu)勢(shì)學(xué)科，這就導(dǎo)致這些人才在招聘過(guò)程中往往處于劣勢(shì)地位。其次是AI4S團(tuán)隊(duì)面臨的“留人難”問(wèn)題。AI4S人才通常是AI與其他專業(yè)領(lǐng)域的交叉性人才，在規(guī)劃職業(yè)生涯時(shí)，他們往往更傾向于具有高薪特點(diǎn)的AI領(lǐng)域，這一現(xiàn)象對(duì)AI4S人才的培養(yǎng)極為不利。同時(shí)，AI4S人才培養(yǎng)本身也困難重重。以數(shù)據(jù)庫(kù)建設(shè)為例，數(shù)據(jù)處理工作不僅會(huì)耗費(fèi)大量時(shí)間，而且很難從中產(chǎn)生新理論或新發(fā)現(xiàn)。學(xué)生或研究人員基于數(shù)據(jù)處理工作難以發(fā)表文章，這使得他們持續(xù)進(jìn)行數(shù)據(jù)庫(kù)研究的動(dòng)力不足。

7.相比西方頂尖AI4S團(tuán)隊(duì)仍有進(jìn)步空間

與國(guó)際領(lǐng)先的AI4S團(tuán)隊(duì)相比，仍面臨團(tuán)隊(duì)規(guī)模有限、資助來(lái)源單一以及軟文化建設(shè)不足等挑戰(zhàn)。目前，AI4S研究團(tuán)隊(duì)規(guī)模尚需加強(qiáng)，小型團(tuán)隊(duì)往往10人左右，而中大型團(tuán)隊(duì)一般為20人，且往往包含大量在讀碩士和博士研究生。相比之下，美國(guó)的一些頂尖AI4S團(tuán)隊(duì)成員數(shù)量往往較多，尤其是像DeepMind和微軟等，其AI4S科研團(tuán)隊(duì)科研人員數(shù)量多、多學(xué)科交叉性強(qiáng)，團(tuán)隊(duì)力量較強(qiáng)大。同時(shí)，美國(guó)AI4S團(tuán)隊(duì)的資助來(lái)源更加多樣化，一些頭部科技企業(yè)，如谷歌和微軟等，向這一領(lǐng)域投入了大量資金，形成了自上而下（政府資助）與自下而上（企業(yè)自研）相結(jié)合的資助模式。相比之下，目前AI4S研究團(tuán)隊(duì)尚主要依賴于政府縱向支持，企業(yè)與科研機(jī)構(gòu)之間的合作不充分。此外，DeepMind與Nature等著名期刊建立了良好的合作關(guān)系，這也是其AI4S研究成果能夠在全球范圍內(nèi)形成較大影響力的原因之一，在科學(xué)前沿領(lǐng)域，媒體宣傳等軟實(shí)力日益成為科技競(jìng)爭(zhēng)力的重要組成部分。

四 中國(guó)科學(xué)院AI4S未來(lái)發(fā)展建議

隨著人工智能數(shù)據(jù)處理與邏輯推理能力的提升，未來(lái)AI4S與科學(xué)研究融合的深度與廣度將進(jìn)一步拓展，并極大提高科學(xué)研究的整體效率。作為國(guó)家在科學(xué)技術(shù)方面的最高學(xué)術(shù)機(jī)構(gòu)，以及全國(guó)自然科學(xué)與高新技術(shù)的綜合研究與發(fā)展中心，應(yīng)充分發(fā)揮其在前沿技術(shù)、跨學(xué)科團(tuán)隊(duì)資源、數(shù)據(jù)積累等方面的優(yōu)勢(shì)，為推動(dòng)AI4S發(fā)展提供更好的制度條件，使成為中國(guó)AI4S發(fā)展的引領(lǐng)性力量，深度助力新一輪科技與產(chǎn)業(yè)革命。為更好地推進(jìn)AI4S的發(fā)展，應(yīng)在遵循AI4S自身發(fā)展規(guī)律、滿足國(guó)家重大戰(zhàn)略需求的基礎(chǔ)上，突破現(xiàn)有體制中所存在的一些障礙，實(shí)現(xiàn)科學(xué)研究向智能范式的轉(zhuǎn)變。

1．尊重AI4S發(fā)展規(guī)律，強(qiáng)化“持久戰(zhàn)\"預(yù)期和問(wèn)題導(dǎo)向

在AI4S發(fā)展過(guò)程中，出現(xiàn)一定程度的短期功利主義現(xiàn)象，對(duì)AI4S發(fā)展規(guī)律，以及未來(lái)所可能遇到的困難，認(rèn)識(shí)尚不充分。首先，應(yīng)堅(jiān)持長(zhǎng)期思維。AI4S 的未來(lái)發(fā)展不會(huì)一帆風(fēng)順，仍面臨諸多挑戰(zhàn)，例如成果落地難、跨場(chǎng)景適應(yīng)性差、可解釋性弱等，甚至存在大量“AI幻想”等，因此，對(duì)于未來(lái)AI4S的發(fā)展，應(yīng)做好“持久戰(zhàn)”預(yù)期，避免“熱跟風(fēng)，冷放棄”兩種極端觀念，進(jìn)行長(zhǎng)期、持續(xù)支持。其次，應(yīng)重視問(wèn)題意識(shí)。AI4S不僅關(guān)涉AI，更關(guān)乎科學(xué)，科學(xué)往往是引領(lǐng)性因素，在AI4S發(fā)展過(guò)程中，首先要有問(wèn)題意識(shí)，問(wèn)題是否新穎、前沿，是否具有引領(lǐng)性，往往決定著整個(gè)AI4S系統(tǒng)的價(jià)值與意義。因此，在創(chuàng)建AI4S團(tuán)隊(duì)或研究機(jī)構(gòu)時(shí)，應(yīng)首先評(píng)估其是否擁有明確的科學(xué)問(wèn)題意識(shí)，不能“為AI而AI”。再次，應(yīng)強(qiáng)化戰(zhàn)略導(dǎo)向。AI4S的發(fā)展應(yīng)和國(guó)家戰(zhàn)略需求結(jié)合起來(lái)，樹(shù)立使命意識(shí)和國(guó)家責(zé)任意識(shí)。作為國(guó)家隊(duì)，未來(lái)AI4S的發(fā)展，應(yīng)心系“國(guó)家事”，肩扛“國(guó)家責(zé)”，與國(guó)家急需任務(wù)與場(chǎng)景（如航空航天、半導(dǎo)體設(shè)計(jì)與制造等）緊密結(jié)合起來(lái)，積極擔(dān)負(fù)歷史和社會(huì)責(zé)任。有意義的AI4S研究，一定是在明確的前沿科學(xué)問(wèn)題或國(guó)家重大戰(zhàn)略需求問(wèn)題的引導(dǎo)下展開(kāi)的。

2.以課題帶學(xué)科方式引導(dǎo)AI4S發(fā)展，打破機(jī)構(gòu)間合作壁壘

當(dāng)前AI4S發(fā)展所面臨的一個(gè)突出問(wèn)題在于：科研團(tuán)隊(duì)“小而散”，跨機(jī)構(gòu)合作機(jī)制尚有待進(jìn)一步完善，尤其是較大型、跨機(jī)構(gòu)合作型AI4S項(xiàng)目數(shù)量仍較少。AI4S研究具有非常鮮明的跨學(xué)科特征，尤其是需要專業(yè)領(lǐng)域科學(xué)家與計(jì)算機(jī)科學(xué)家的合作，同時(shí)對(duì)高質(zhì)量數(shù)據(jù)匯繳要求較高，而院內(nèi)機(jī)構(gòu)間以及院內(nèi)外合作過(guò)程中存在一些壁壘，在很大程度上影響了高質(zhì)量AI4S 研究成果的出現(xiàn)。為促進(jìn)AI4S相關(guān)資源的整合，可充分發(fā)揮的多學(xué)科優(yōu)勢(shì)，通過(guò)“以課題帶學(xué)科”方式，推進(jìn)重點(diǎn)領(lǐng)域AI4S的發(fā)展，具體而言可嘗試組建“AI4S國(guó)家實(shí)驗(yàn)室”，打造國(guó)家級(jí)AI4S突擊隊(duì)。“AI4S國(guó)家實(shí)驗(yàn)室”具有如下特征：一是明確關(guān)鍵問(wèn)題。不僅要具有學(xué)科前沿性，還需滿足國(guó)家重大戰(zhàn)略需求，體現(xiàn)的國(guó)家責(zé)任與使命牽引。二是推動(dòng)資源整合。可設(shè)立院級(jí)別的大型AI4S課題進(jìn)行集中攻關(guān)，使各個(gè)研究機(jī)構(gòu)、領(lǐng)域的科學(xué)家加入其中，進(jìn)行深度合作，盡最大可能整合人才、算力、算法、數(shù)據(jù)等資源。三是機(jī)制靈活。“AI4S國(guó)家實(shí)驗(yàn)室”既可以是實(shí)體形式，有自己的獨(dú)立建制，也可以是虛體形式，圍繞重點(diǎn)任務(wù)或項(xiàng)目臨時(shí)組建。

3．推動(dòng)數(shù)據(jù)庫(kù)、應(yīng)用平臺(tái)建設(shè)，助力AI4S自主生態(tài)的構(gòu)建

專業(yè)數(shù)據(jù)庫(kù)以及應(yīng)用平臺(tái)是AI4S系統(tǒng)中的兩個(gè)基礎(chǔ)性支撐要素，同時(shí)也是我國(guó)AI4S發(fā)展過(guò)程中的弱項(xiàng)，尤其是高質(zhì)量的、基于濕試驗(yàn)數(shù)據(jù)形成的專業(yè)數(shù)據(jù)庫(kù)，直接決定著AI4S模型輸出的質(zhì)量與精度，且需要較長(zhǎng)期的積累與完善。同時(shí)，作為中國(guó)自然科學(xué)與高技術(shù)綜合研究發(fā)展中心，還應(yīng)積極構(gòu)建AI4S基礎(chǔ)性、通用性應(yīng)用平臺(tái)，打破國(guó)外AI4S數(shù)據(jù)庫(kù)及應(yīng)用生態(tài)壟斷。數(shù)據(jù)庫(kù)建設(shè)方面，首先可選擇關(guān)鍵學(xué)科領(lǐng)域或特色學(xué)科領(lǐng)域，依托相應(yīng)研究所，構(gòu)建適合AI4S發(fā)展要求的領(lǐng)域型及通用型數(shù)據(jù)庫(kù)，特別是應(yīng)通過(guò)全面調(diào)研，編制我國(guó)的緊缺數(shù)據(jù)庫(kù)清單，并進(jìn)行針對(duì)性部署；其次是加快高質(zhì)量數(shù)據(jù)匯繳進(jìn)度，在確保敏感科研數(shù)據(jù)安全情況下，提高數(shù)據(jù)使用率與流傳率，將“死數(shù)據(jù)\"轉(zhuǎn)變?yōu)榉螦I4S發(fā)展的“活數(shù)據(jù)”。在這一過(guò)程中，應(yīng)編制符合AI4S發(fā)展需求的高質(zhì)量科研數(shù)據(jù)匯繳指南，建立并完善數(shù)據(jù)匯繳標(biāo)準(zhǔn)及要求，使匯繳數(shù)據(jù)質(zhì)量能夠滿足AI4S發(fā)展要求。AI4S應(yīng)用平臺(tái)建設(shè)方面，首先是與國(guó)產(chǎn)算力芯片企業(yè)合作，基于國(guó)產(chǎn)設(shè)備構(gòu)建AI4S應(yīng)用生態(tài)，供不同領(lǐng)域科學(xué)家深度開(kāi)發(fā)；其次是通過(guò)“以數(shù)據(jù)換服務(wù)”方式吸引科研力量入駐，可通過(guò)向平臺(tái)使用者提供訓(xùn)練數(shù)據(jù)（有償或無(wú)償）、相互交換數(shù)據(jù)等舉措，吸引AI4S研發(fā)人員加入其中，或是利用自身的算力優(yōu)勢(shì)，向用戶提供機(jī)時(shí)。

4．積極與企業(yè)展開(kāi)合作，利用企業(yè)優(yōu)勢(shì)構(gòu)建“科研創(chuàng)新聯(lián)合體”

高科技企業(yè)（如谷歌、微軟、華為等）是當(dāng)前AI4S發(fā)展的重要推動(dòng)者，甚至是引領(lǐng)者，尤其在算力供給方面往往擁有優(yōu)勢(shì)。因此，相關(guān)科研機(jī)構(gòu)可積極與企業(yè)進(jìn)行人才、算力等方面的合作，降低科研成本，構(gòu)建“科研-產(chǎn)業(yè)科研聯(lián)合體”。應(yīng)嘗試打破已有障礙，包括科研經(jīng)費(fèi)設(shè)置、產(chǎn)權(quán)共享機(jī)制、人才培養(yǎng)方式等。例如：（1）在項(xiàng)目經(jīng)費(fèi)條目設(shè)置上，允許、鼓勵(lì)項(xiàng)目承擔(dān)者購(gòu)買(mǎi)、使用企業(yè)的機(jī)時(shí)；（2）在合作機(jī)制層面，通過(guò)人才共享、產(chǎn)權(quán)共享、數(shù)據(jù)共享、平臺(tái)共享、實(shí)驗(yàn)共享等方式，與AI相關(guān)企業(yè)合作；（3）在發(fā)展路徑層面，相關(guān)科研機(jī)構(gòu)可借鑒企業(yè)發(fā)展經(jīng)驗(yàn)，加快AI4S成果的市場(chǎng)化進(jìn)程，或直接與企業(yè)合作，推進(jìn)應(yīng)用試點(diǎn)工作，強(qiáng)化場(chǎng)景應(yīng)用驅(qū)動(dòng)，通過(guò)工藝擴(kuò)展、產(chǎn)品試制等方式加快AI4S成果落地。當(dāng)前，一些科研機(jī)構(gòu)，已與華為等展開(kāi)AI4S領(lǐng)域合作。例如，根據(jù)《人民日?qǐng)?bào)》報(bào)道，上海藥物研究所已與華為云合作開(kāi)發(fā)出盤(pán)古藥物分子大模型；[12]大連化學(xué)物理研究所與華為合作，基于華為昇騰平臺(tái)，開(kāi)發(fā)出智能化工大模型等。［13]

5.根據(jù)AI4S發(fā)展的特點(diǎn)及規(guī)律，嘗試建立分類資助機(jī)制

應(yīng)根據(jù)不同類型AI4S研究活動(dòng)，建立分類資助機(jī)制。首先，對(duì)青年科研人員進(jìn)行“幫扶式資助”。如統(tǒng)籌發(fā)展“科研公益池”（包括算力、數(shù)據(jù)等），鼓勵(lì)問(wèn)題明確、基礎(chǔ)好的青年科研人員申請(qǐng)“綠色通道”，若通過(guò)則可贈(zèng)予機(jī)時(shí)等，使研究活動(dòng)能夠及時(shí)、順利開(kāi)展。其次，對(duì)算法創(chuàng)新活動(dòng)應(yīng)強(qiáng)化團(tuán)隊(duì)聚焦型資助。并非所有的AI4S活動(dòng)都需要通過(guò)多團(tuán)隊(duì)方式加以推進(jìn)，如算法創(chuàng)新更依賴于少數(shù)科學(xué)家的長(zhǎng)期研究或天才智慧，因此可將由傳統(tǒng)的多團(tuán)隊(duì)、分散型資助方式，集中支持一家或兩家單位并進(jìn)行持續(xù)資助。另外，對(duì)數(shù)據(jù)庫(kù)建設(shè)等基礎(chǔ)性工作進(jìn)行長(zhǎng)期資助，對(duì)于材料科學(xué)、物理學(xué)、化學(xué)、天文學(xué)、航空與航天、生物學(xué)、醫(yī)藥學(xué)、氣候科學(xué)、海洋科學(xué)等的優(yōu)勢(shì)學(xué)科，可制定數(shù)據(jù)庫(kù)長(zhǎng)期資助規(guī)劃（如以5年甚至10年期為資助周期），為AI4S發(fā)展打厚基底，并在職稱評(píng)估、人員配備、成果評(píng)價(jià)等方面提供有針對(duì)性的扶持政策，保證研究隊(duì)伍穩(wěn)定性與積極性。

6．重視復(fù)合型人才發(fā)展，為AI4S人才培養(yǎng)與招聘提供綠色通道

AI4S發(fā)展需要學(xué)科交叉型人才，但當(dāng)前學(xué)科交叉型人才培養(yǎng)與招募過(guò)程，仍然存在一些制度性障礙。因此，應(yīng)建立更為靈活的AI4S人才培育與招聘機(jī)制，擴(kuò)大AI4S人才貯備池。例如，在研究生招生過(guò)程中，可根據(jù)AI4S發(fā)展的需要，適當(dāng)增加跨學(xué)科人才錄用數(shù)量，或開(kāi)辟人才引進(jìn)“綠色通道”，避免因不符合本機(jī)構(gòu)優(yōu)勢(shì)學(xué)科要求而被拒絕；建立靈活的AI4S人才臨聘制度，對(duì)于急需的AI4S人才（如算法構(gòu)建、數(shù)據(jù)處理、設(shè)備維護(hù)等方面），科研機(jī)構(gòu)或課題組可以以項(xiàng)目或任務(wù)需求為導(dǎo)向，采取靈活的短期人才合作制度，向其他科研機(jī)構(gòu)臨借或臨聘相關(guān)人才；同時(shí)，積極與企業(yè)聯(lián)合培養(yǎng)AI4S人才，如設(shè)立科研機(jī)構(gòu)與企業(yè)聯(lián)合培養(yǎng)博士研究生制度，或合作共建博士后工作站等；此外，對(duì)于數(shù)據(jù)處理或數(shù)據(jù)庫(kù)建設(shè)的研究生，要適當(dāng)放寬論文發(fā)表要求，將數(shù)據(jù)收集與處理方面的工作納入畢業(yè)考核和評(píng)估體系。

五 結(jié)語(yǔ)

2022 年，DeepMind 創(chuàng)始人戴密斯·哈薩比斯（Demis Hassabis）在接受《麻省理工科技評(píng)論》采訪時(shí)表示：“我們將看到一種全新的科學(xué)復(fù)興，AI技術(shù)將會(huì)變得更加復(fù)雜，并被應(yīng)用于廣泛的科學(xué)領(lǐng)域。”[14]從整體趨勢(shì)看，積極推進(jìn)人工智能與科學(xué)各領(lǐng)域的匯聚與融合，已成為國(guó)際共識(shí)，特別是美國(guó)、歐盟、日本等均在加速布局AI4S發(fā)展與應(yīng)用。如2024年8月，美國(guó)國(guó)家科學(xué)基金會(huì)通過(guò)“人工智能與地球科學(xué)合作”項(xiàng)目，提高對(duì)地震動(dòng)力學(xué)、自然資源及氣候變化、地球科學(xué)建模、海洋物理領(lǐng)域的認(rèn)識(shí)與研究；2024年10月，美國(guó)能源部宣布未來(lái)3年投入6700萬(wàn)美元，用于資助橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室等推進(jìn)AI4S 相關(guān)研究；2023年7月，日本文部科學(xué)省宣布投入2.12億美元，開(kāi)發(fā)可應(yīng)用于材料和醫(yī)學(xué)領(lǐng)域的生成式人工智能等。作為國(guó)家戰(zhàn)略科技力量，在搶占世界科技制高點(diǎn)過(guò)程中，應(yīng)充分利用人工智能等新工具、新方法，引領(lǐng)科研范式變革，尋求前沿科技突破點(diǎn)。作為一種新研究模式，AI4S目前在發(fā)展過(guò)程中依然面臨諸多挑戰(zhàn)，與已有科研制度（人才制度、資助方式、合作機(jī)制等）產(chǎn)生一定的非調(diào)適性，未來(lái)應(yīng)在尊重AI4S 發(fā)展規(guī)律基礎(chǔ)上，為其發(fā)展提供更好的制度條件和資源，使成為中國(guó)AI4S發(fā)展的制度創(chuàng)新先行者、原創(chuàng)成果引領(lǐng)者，以及應(yīng)用生態(tài)構(gòu)建者。

參考文獻(xiàn)

[1] Wood， T. AI in science and research[EB/OL]. （2024-07-23）[2025-02-10]. https： //fastdatascience.com/ai-in-research/.

[2］林軍，岑峰．中國(guó)人工智能簡(jiǎn)史：從1979到1993[M]．北京：人民郵電出版社，2003，20—83.

［3］網(wǎng)信工作網(wǎng)．關(guān)于網(wǎng)絡(luò)安全和信息化專項(xiàng)2022年度應(yīng)用示范項(xiàng)目申報(bào)的通知[EB/OL]．（2021-09-18）[2025-05-06]．http：//www.digital.cas.cn/jsjz/sswwxzx/202304/t20230425_ 4939755.html.

[4] Jia，W.，Wang，H.，Chen，M.，et al. Pushing the limit of molecular dynamics with abinitio accuracy to 1OO milion atoms with machine learning[ C]. Piscataway： Proceedings ofthe International Conference for High Performance Computing， Networking， Storage and A-nalysis. 2020，1—14.

[5] Yang，X.，Liu， G.， Feng，G.，et al. GeneCompass： Deciphering universal gene regulato-ry mechanisms with a knowledge-informed cross-species foundation model[J]. Cell Re-search，2024，（34）： 830—845.

[6] Chen，Z. -Y.，Xie，F(xiàn). -K.，Wan，M.，et al. MatChat：A large language model and ap-plication service platform for materials science[J]. Chinese Physics B，2023，32（11）： 118104.

[7］劉淼，孟勝．Atomly．net數(shù)據(jù)平臺(tái)及其在無(wú)機(jī)化學(xué)中的應(yīng)用[J]．中國(guó)科學(xué)：化學(xué)，2023，53（1） ：19——25.

[8]Haupt， S. E.，Gagne，D. J.，Hsieh，W. W.，et al. The history and practice of AI in theenvironmental sciences[J]. Bulltin of the American Meteorological Society，2O22，103（5）：1351—1369.

[9］高能物理研究所實(shí)驗(yàn)物理中心．高能物理首個(gè)人工智能系統(tǒng)“賽博士”上線［EB/OL]. （2024-07-08）[2025-02-10]. http：//www.ihep.ac.cn/xwdt2022/gnxw/hotnews/2024/202407/t20240708_ 7213922.html？ LMCL vQeIywamp;LMCL τ=τ F4YFKF.

[10]Cockburn，I.，Henderson，R.，Stern，S. The impact of artificial intelligence on inovation[EB/OL].（2018-03-01）[2023-01-04]. htps： //www. nber. org/system/files/working_papers/w24449/w24449. pdf

[11］中國(guó)科學(xué)技術(shù)信息研究所.AI for Science 創(chuàng)新圖譜[R].2025，56.

［12］谷業(yè)凱．人工智能產(chǎn)業(yè)化應(yīng)用加速［N]．人民日?qǐng)?bào)，2023-03-25：第5版.

[13］大連化學(xué)物理研究所．大連化物所發(fā)布智能化工大模型［EB/OL]．（2024-03-24）[2025-04-11]. http： //www. syb. cas. cn/ydhz/kjdt/202403/t20240326_ 7054067.html.

[14]Exclusive interview with DeepMind CEO Hassabis： We will see a new kind of scientific renais-

sance[EB/OL].（2022-04-11）[2023-01-04]. https：//inf.news/en/tech/7c1c228cc 869c8d841417f204afdd656.html.

Research on the Current Situation， Problems and Countermeasures of AI4S Development at the Chinese Academy of Sciences

WANG Yanyu， SHU Xinyu

Abstract： Since 2O19， the Chinese Academy of Sciences has promoted the application and demonstration of artificial intelligence in the scientific field through a series of supportive projects， and has achieved a series of original achievements that are internationally advanced or domestically leading. The construction and development of the AI4S system has its own unique attributes， such as high cost， strong interdisciplinary attributes，and the need for problem awareness guidance. At present， the relevant AI4S research teams of the Chinese Academy of Sciences are still facing a series of challenges， such as the phenomenon of “AI for AI”，a slightly higher degree of dependence on external hardware such as computing chips，self-construction of databases and data security to be strengthened. To promote the high-quality development of AI4S， institutional reforms should be carried out in the cultivation of new scientific thinking， integration of resources and various innovative elements， as well as funding and talent cultivation.

Keywords： Chinese Academy of Sciences，AI for Sciences， disciplinary convergence， artificial intelligence