AI4S時代的科技情報領域研究圖景與范式重塑

中圖分類號：G351.1 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2025045

Abstract Withtherapid development ofartificial intellgence，anewresearch paradigm，\"Artificial Intelligence for Science（AI4S），\"has emergedandisreshaping the fundamental logicof scientificresearch.Exploring the impactof AI4Son researchinthe fieldofscientificandtechnical informationand itsresponse mechanisms willhelpprovide theoretical supportand guidance forthefuture developmentofscientificandtechnical information science.This articlereviews the landscape of scientific and technical informationresearch inthe AI4S era，conducts topic identification andevolutionanalysis basedonBerTopicandLLM，andsummarizes theresponsivenessandlimitationsof scientificand technical information research toAI4S.Furthermore，itdiscusses theparadigm shiftand problemreconstruction inthe fieldof scientificand technical informationunder the influenceofAI4S.Anew paradigmforscientificand technical informationresearch in the AI4Seraisproposedfromthe perspectivesoftheoreticallogic，rsearchobjects，researchperspectivesandfuctional positioning.Moreover，theshiftofresearch problems isanalyzed withrespect totraditionalandnewresearch tasks inthe fieldofscientificandtechnological information.Thestudyfindsthatcurrentresearch inthefieldofscientificandtechnical information focuses moreon\"leveraging readilyavailabledata intellgence to greatly facilitate intelligent information.\"Future research should explore information-based intelligence in-depth，fullyleveraging the leadingroleof scientific and technical information.

Keywords AI4S; scientific and technical information; research paradigm; topic evolution; problem reconstruction

2025年3月，《國務院政府工作報告》提出：深入實施“人工智能 + ”行動，7月31日召開的國務院常務會議中又進一步審議通過了《關于深入實施“人工智能 + ”行動的意見》，強調要推動人工智能在各領域的加快普及與深度融合，形成以創新帶應用、以應用促創新的良性循環。在“人工智能 + ”行動的整體框架下，科研領域成為重點融合方向之一，而科學智能（AIforScience，AI4S）這一人工智能驅動科學研究的新范式也正日益成為推動科技創新的新引擎。AI4S不僅是突破復雜科研瓶頸的關鍵路徑，更在深層次上重塑著科學研究的基本邏輯，科學研究正從依賴經驗的描述、理論的歸納與計算機模擬，向著以數據驅動、算法主導和生成推理為核心的新格局躍遷。大語言模型的涌現更使得科研過程愈發自動化、交叉化與協同化，催生出一系列面向復雜系統、多尺度建模與未知問題探索的全新研究范式。

近年來，AI4S在自然科學領域已產生了顯著影響。從數據處理和分析、到實驗設計和執行、再到促進跨學科合作，人工智能均已發揮了極大作用。與此同時，人工智能也正深刻重塑著社會科學的研究范式，形成了“AI4SS（AIfor SocialScience）”。科技情報作為社會科學的重要交叉領域，長期承擔著支撐科技決策、推動技術創新與引導政策制定的關鍵職能。AI4S的興起不可避免地對科技情報領域研究提出了新的挑戰。AI4S推動的數據范式轉變打破了以文獻為主的單一數據依賴，催生了多源異構數據融合的需求與可能，深刻影響著科技情報領域研究的數據獲取方式和知識組織對象。在技術手段層面，以深度學習、圖神經網絡、大語言模型為代表的新一代AI技術，使得科技情報領域研究的方法論面臨深刻變革。更為關鍵的是，AI4S對科學創新及知識生產邏輯的重新定義使得科技情報領域研究不得不面臨一些新的問題。AI4SS更是引發了科技情報領域研究對人工智能技術在社會問題中應用的思考。

可以預見的是，在AI4S推動科學邊界模糊化、研究問題呈現復雜交叉的趨勢下，科技情報領域研究面臨的不僅是方法工具的更新，更是研究范式與核心問題的重構。本研究將以此為出發點，系統回溯科技情報領域在邁人AI4S時代的研究圖景，厘清其發展脈絡與階段特征；繼而探討AI4S如何影響該領域研究范式的深層轉變；最后落腳于核心研究問題的重構，旨在為科技情報領域在智能化時代實現研究體系重塑與持續發展提供理論參考與實踐啟示。

1研究現狀

1.1AI4S和AI4SS相關研究

AI4S是人工智能時代全球科研范式變革的核心方向。關于AI4S的解讀，鄂維南教授提出AI4S是一種新的研究范式，在這種范式下人們可以利用人工智能工具來提升科學研究的能力；美國普林斯頓大學的RobertoCar教授指出AI4S是利用機器學習和深度神經網絡等人工智能提供一套工具，以促進科學發現[2]；Berens等提出AI4S是面向科學研究的AI創新與AI驅動的科學研究的總和，體現了AI創新與科研的雙向融合促進[3]。近年來，AI4S在自然科學領域已取得了顯著的成績，如DeepMind推出的AlphaFold3實現了蛋白質結構高精度預測4。在材料科學領域，Tang等開發的MatterChat材料大模型將高分辨率的原子結構整合到LLMs中，提高了材料特性預測的性能[5]；谷歌DeepMind團隊則利用AI成功控制了核聚變反應中的等離子體，進一步推動了清潔能源革命。近年來，AI4S也逐漸向社會科學領域延伸，衍生了AI4SS（即AI驅動社會科學研究）。上?？茖W智能研究院聯合復旦大學、施普林格·自然旗下自然科研智訊發布的《科學智能白皮書2025》中提到，AI催生了“數據和機理雙驅動”新范式，能夠全面革新人文社科研究范式，AI帶給人文社科研究的影響主要包括提升數據挖掘與處理能力、復雜系統建模能力以及預測與決策能力[。目前，AI4SS已經在教育學、管理學、傳播學等社會科學領域研究中不斷滲透，如利用LLM智能體模擬社會運動中的輿論動態、AI賦能群體行為仿真與預測等[8]。

除了對AI4S和AI4SS的內涵與發展現狀進行討論之外，學者們也從不同視角對AI4S的機制、模式、技術等進行了深度思考。如李拓宇和吳佳一從知識生產模式視角分析了AI賦能科學研究的特征與機制，提出了AI4S的“AI + ”和“ + AI\"兩種模式[；蒲云強等運用元人種志方法分析了AI在科研中的賦能場景、方式與路徑，如大模型基于語義理解與多模態信息處理能力賦能復雜數據分析場景[1]；王飛躍和繆青海考慮到AI4S的跨學科特點，構建了一個大模型時代通用和統一的AI4S框架，以加強知識整合與資源利用[]； Xu 等對AI4SS和SocialScienceofAI進行了辨析與綜述，并討論了大語言模型在社會科學研究各個階段的應用，涵蓋從假設生成到假設驗證甚至同行評審的各個環節[12]。此類研究從多元視角對AI4S及AI4SS的理論基礎、應用模式與技術路徑的深人探索，不僅豐富了相關研究體系，也為推動人工智能賦能自然科學與社會科學研究的深度融合奠定了堅實基礎，從而對科技情報領域研究因應AI4S及AI4SS的變革提供了啟發。

1.2面向AI4S的科技情報領域發展研究

在推進國家創新驅動發展戰略與科技創新體系建設中，科技情報發揮著越來越核心的決策支持作用。從角色與職能來看，科技情報既是自然科學與社會科學的情報服務者，也是促進跨學科協同的整合者。AI4S和AI4SS帶來的研究范式變革也必然影響科技情報領域的研究邏輯，可以說AI4S能夠賦予科技情報領域更高層次的知識發現力，而AI4SS則能為科技情報注入更強的社會洞察力和戰略前瞻性。面向AI4S時代的到來，科技情報領域學者紛紛思考這一背景下的科技情報領域發展問題。如張智雄圍繞充分發揮科技文獻在AI4S中的價值和作用展開了討論，提出通過智慧數據體系建設、構建科技文獻知識AI引擎等措施打造領域AI4S的智能知識底座[3]；孫坦探討了支撐AI4S的科技文獻知識服務新任務，提出了樹立大文獻觀、建設“跨學科數據 +AI 驅動\"的知識密集型服務平臺等建議[3]；錢力等以促進AI4S科研范式與智能情報模式的快速發展為目的，構建了科技文獻數據資源建設數智化轉型的體系框架[14]。

綜上所述，當前關于AI4S與AI4SS的研究已初步形成多元視角，涵蓋理論框架、技術機制及應用實踐，科技情報領域也圍繞AI4S引發的資源建設與情報服務轉型等展開系列探索。然而，AI4S的本質是一種新的研究范式，應對這一變革，科技情報領域需要考慮的最基礎問題是：科技情報領域研究的問題域、研究邏輯與知識框架是否適應AI主導的科學研究新范式？但目前的研究更多的是從微觀應用層面討論AI4S影響下的科技情報服務模式與工具層面的適應性轉變，而未探討AI4S下科技情報領域乃至情報學如何進行轉變，如何在AI4S背景下重構研究基礎與問題域。有鑒于此，本研究擬對AI4S影響下科技情報領域的研究范式變革與問題轉向進行探討，旨在為深入思考該領域在新范式下的研究

發展拋磚引玉。

2步入AI4S時代的科技情報領域研究圖景回溯

為了更好地理解AI4S變革對科技情報領域的影響，首先需要明確步入AI4S時代的過程中科技情報領域研究關注了哪些問題，是否有一些研究方向因AI技術的介入而發生了明顯的偏移、融合或轉向，還可以評估當前科技情報領域研究體系對新范式的響應能力，也更能科學預判未來的研究走向和學科演進路徑。由于研究主題能夠直接表達領域研究問題和學術焦點，其詞匯的演化也能間接反映研究方法的更迭，是映射AI4S影響的重要載體，因此本研究以主題識別與演化分析為基礎回溯步入AI4S時代的科技情報領域研究圖景。

2.1近十年科技情報領域研究主題識別與演化分析

2.1.1數據獲取與預處理

近十年是人工智能技術飛速發展的關鍵時期，北京科學智能研究院發布的《科學智能（AI4S）全球發展觀察與展望》中提出2016年是AI4S的概念導入期[15]。因此，對這一時期科技情報領域的研究文獻進行梳理，能夠較為客觀和全面地反映科技情報領域在步人AI4S時代的整體研究概況與主題分布?；诖?，本研究從中國知網數據庫獲取2016年-2025年的科技情報領域相關期刊論文。在構建檢索策略時采取抽樣的方法，將期刊類型限定為CSSCI收錄期刊，為避免過多地檢索到圖書館學的論文，選取了與科技情報領域研究密切相關的期刊。此外，參考劉博文等的研究選取“科技\"“技術\"“科學\"作為主題詞，以便將檢索范圍限定在科技情報領域，形成的檢索式為：主題 （科技OR技術OR科學）AND期刊名稱 （情報學報OR情報科學OR情報雜志OR情報理論與實踐OR情報資料工作OR信息資源管理學報OR現代情報OR數據分析與知識發現）。然后，人工剔除部分關聯性不強的論文，主要包括綜述、報道、網絡用戶信息行為研究、圖書館建設研究等文獻，最后獲取有效文獻4950篇。

基于AI技術的重要變革節點，將近十年科技情報領域的研究文獻劃分為三個階段：2016年-2018年、2019年-2022年、2023年-2025年。首先，選取2018年為主要分界點，因為2018年BERT模型的發布標志著自然語言處理進人“預訓練 + 微調\"模式，是AI技術發展的重要里程碑。其次，以2022年為分界點，鑒于2022年底以ChatGPT為代表的生成式大語言模型爆發，2023年進入大語言模型快速發展的時期。據此劃分后，三個階段的文獻量分別為1217篇、2223篇、1510篇。最后，對各階段的論文進行摘要文本提取，并運用BerTopic進行主題建模，結合LLM進行主題歸納與主題演化分析。

2.1.2科技情報領域研究主題的階段性識別

運用BerTopic進行主題建模后，識別出各個階段的研究主題，每個主題對應一組密切相關的詞匯，進一步利用LLM形成更具解釋力的主題描述，同時基于代表性文檔識別每個主題下的細分子主題得到科技情報領域在三個時間段的研究主題分布情況（見表1、表2、表3）。從中可以看出，近十年科技情報領域的重點研究主題涉及專利文本挖掘與技術分析、人工智能方法的應用、科技情報體系與服務模式研究、競爭情報與國家安全情報研究、科技評價體系研究、科技政策分析、生成式AI與大語言模型在科技情報任務中的應用等。然而，不同時間段的研究主題各有側重，其中也不乏科技情報領域最為持續且深人的主題以及隨著AI變革涌現的新主題。但整體而言，AI4S已滲透至科技情報領域的諸多研究中，AI為科技情報領域研究提供了技術支撐，也拓展了該領域的研究邊界、研究對象與場景。

2.1.3步入AI4S時代的科技情報領域研究主題演化分析

在對三個階段的科技情報領域研究主題進行識別之后，根據相鄰階段研究主題的相似度可建立主題階段性演化圖譜（見圖1），圖中相鄰階段未建立連接的主題意味著沒有足夠的后續研究抑或后一階段新興的主題。通過進一步合并相似主題之后，可歸納出近十年科技情報領域的19類重點研究主題。由于主題建模后可將每篇文獻劃分到最相關的主題下，據此可以面向這19類主題繪制基于時序的科技情報領域研究主題演化氣泡圖（見圖2）。需要特別說明的是，這19類主題并非涵蓋了該領域的所有主題，因為主題建模難以識別出文獻量極少的主題，此類文獻會被判定為噪聲點。同樣，受限于主題建模的局限，圖2中一些年份未涵蓋某些主題，但這不代表該年完全沒有此類研究，而是此類研究相較于該年的其他研究占比較輕。

表12016年-2018年科技情報領域的研究主題分布

從圖1和圖2來看，在步人AI4S的進程中，科技情報領域的研究主題呈現出明顯的階段性演化趨勢，經歷了“基礎構建-融合升級-智能躍遷\"的總體發展路徑，研究主題不斷拓展深化，既體現了技術演進（如人工智能、大語言模型）的驅動作用，也反映了科技情報對國家戰略、安全和產業發展需求的主動響應。同時，圖2清晰地揭示了科技情報領域最持續、最核心的研究主題，如專利分析、文獻挖掘、技術評價與情報服務體系研究。然而，不同階段對這些問題的應對方式和研究重點發生了明顯變化，從方法論到工具鏈，逐步向更高層次的智能化、系統化、戰略化推進。

表22019年-2022年科技情報領域的研究主題分布

表32023年-2025年科技情報領域的研究主題分布

在2016年-2018年，科技情報領域研究處于人工智能應用的奠基與探索階段，研究主題以基礎方法探索和服務機制建設為主。這一時期的研究重點包括科技文獻計量、專利分析、技術指標體系構建、數據挖掘與人工智能方法探索等，表現出對基礎工具和方法的強烈依賴。同時，該階段也初步關注了大數據、區塊鏈等新興技術在情報服務中的應用，并著手構建科技資源共享機制、競爭情報服務與科技情報服務智庫建設等應用支撐系統。整體而言，這一階段的研究主要著眼于工具開發、基礎能力培育以及服務框架雛形的建立，為后續的融合創新和智能化升級奠定了基礎。

圖1近十年科技情報領域的研究主題階段性演化情況

圖2基于時序的科技情報領域研究主題演化氣泡圖

進入2019年-2022年，科技情報領域研究開始步人融合與智能化發展階段，研究視角逐漸從單一的計量或分析方法，轉向知識體系的整合構建與智能方法的引入。如AI賦能的科技文獻挖掘方法、領域知識圖譜的構建與應用等，標志著技術手段從輔助分析向深層理解與結構化組織邁進。此外，這一階段研究開始強調情報工作的系統化發展路徑，關注國家安全、產業競爭、數據平臺建設等更具戰略導向和應用價值的主題，推動科技情報從傳統的信息支持職能向知識支撐、決策輔助與戰略預警等多重功能拓展?？梢钥闯?，這一階段是科技情報由“方法驅動\"轉向“智能融合”與“體系構建”的關鍵轉型期。

進入2023年-2025年，科技情報領域研究迎來了深度智能化與風險治理并重的轉型躍遷期。生成式人工智能（AIGC）的迅速發展，使科技情報領域研究不僅聚焦于技術賦能，更轉向對其潛在風險、倫理治理及其對情報工作帶來的范式變革進行深入反思。研究主題中出現了“人工智能賦能科技情報工作理論探討\"“生成式AI的風險與治理”“大語言模型在科技情報領域的應用”等前沿議題，顯示出學界對新技術沖擊下科技情報理論、實踐、倫理的多維思考。同時，在專利文本挖掘、數據要素市場體系構建[、國家安全情報體系等方向上，科技情報領域研究更加聚焦于高質量知識發現、科技資源要素化流通以及服務國家戰略治理等核心問題。這一階段的研究呈現出智能躍遷與戰略深化并行、多元融合與規范治理并重的總體態勢。

2.2 AI賦能科技情報場景的研發實踐

在AI4S范式推動下，科技情報領域的業界研發實踐不斷展現出從感知、理解到推理與生成的全流程智能化特征，為研究范式的重構提供了現實支撐。近年來，多個代表性研發成果相繼出現，充分體現了人工智能技術對科技情報各個環節的深度賦能。如Aminer平臺以其對海量科研文獻和學者數據的整合能力，結合AI智能體每日篩選與生成論文摘要的機制，展現了AI在科研動態快速感知與知識精簡表達方面的應用成效；中國科學院文獻情報中心開發的SciAIEngine則在文獻分類、實體識別、摘要語步識別、定義句提取等環節，通過深度學習對文獻內容進行語義層面的挖掘，實現了細粒度科技信息的結構化理解與深度推理；“科情頭條”平臺依托支持超長文本處理的垂直大模型，在問答、提綱與專報生成等任務中構建了多任務學習機制，體現了生成式AI在情報內容主動生成中的突破性價值；而“天目”開源情報平臺則以異構數據處理與知識圖譜為支撐，融合媒體、論壇、智庫等多源內容，通過目標畫像、要素關聯與態勢感知等模塊推動情報分析由靜態整合走向動態決策支持。

這些研發實踐是AI4S影響下科技情報領域研究的落地場景，既能為從理論到實踐的范式重構提供基礎，也有助于識別科技情報領域研究在AI4S下仍需解決的問題。

2.3科技情報領域研究對AI4S的響應能力與局限性

從近十年科技情報領域研究主題的演化情況以及行業研發實踐案例來看，科技情報領域對AI4S這一新興范式的響應能力是迅速且逐步深化的?？梢哉f初步具備了應對AI4S挑戰的能力，未來有望成為推動AI4S規范發展、引導科學研究范式轉型的重要力量。然而，面向AI4S的整體性適應與深入推進，本領域研究仍存在一些局限：

（1）當前科技情報領域研究仍較多地依賴“從已有問題出發\"的邏輯。文本挖掘、知識圖譜、AIGC、大語言模型等AI技術的作用更多地服務于已有的問題和框架，而非在方法論上推動研究范式的根本轉變。AI技術并未真正改變情報研究的問題提出方式和知識發現機制。換言之，當前的AI工具還不能在復雜的、動態變化的情報環境中自主做出判斷和調整，無法像一個真正智能的“系統”，自己發現問題、做決策并靈活應對各種突發情況，以致于在面對越來越復雜的應用場景時顯得力不從心。

（2）缺乏系統性的AI4S情報模型支持?？萍记閳箢I域研究多集中于某類數據、某一時間窗、某一技術線，缺乏宏觀-中觀-微觀的統籌機制。難以支持從\"技術-產業-政策-社會\"系統性地分析。換言之，研究往往是零散和局限的，沒有形成一個全面系統的框架。由于缺乏這種系統性的思維和模型，科技情報領域研究難以全面理解和把握技術、產業、政策和社會之間的相互影響和動態變化，無法深入理解和預測整個系統的發展趨勢。

（3）尚未形成針對AI生成內容在情報分析中可用性、可靠性、可解釋性等方面的系統性評估框架，容易導致知識服務的對象無法完全信任和有效利用AI的分析結果，這正是AI4S范式下科技情報領域研究面臨的主要挑戰之一。

（4）戰略性和前瞻性研究仍顯薄弱。雖然科技情報領域的研究主題在方法和應用上不斷擴展，但真正具有戰略洞察力、問題導向性和范式引領性的前沿研究仍較少。如科技情報領域研究在理論建構、功能定位和問題意識轉變上響應不足，尚未形成與AI4S深度融合的科技情報領域研究體系。

（5）多模態數據融合不足。目前科技情報領域的研究多集中于文本（專利、論文、技術報告）分析，較少對圖像、視頻、音頻、圖表等多模態數據的聯合挖掘和融合分析。不同模態間語義關聯難以準確捕捉，導致信息整合不完整，影響對技術全貌和動態趨勢的理解。

3AI4S時代科技情報領域研究范式變革

從近十年科技情報領域的研究主題演化以及研發實踐來看，面向AI4S的科技情報領域研究不僅面臨技術工具的升級，更迎來了研究范式和問題意識的深層重構需求。

3.1理論邏輯的轉變：從“情報感知-情報洞察-情 報刻畫”到“情報感知-情報洞察-情報自適應-情報 刻畫”

科技情報領域關于基礎理論體系的研究較多地圍繞科技情報體系的三元能力展開：情報感知能力、情報洞察能力與情報刻畫能力[18]。其中情報感知是對情報用戶需求、情報對象和情報任務的認識與解讀[\"；情報洞察是將情報感知轉換為情報認知的理解與推演過程；情報刻畫則是對情報產品的呈現與推送。然而，當前的三元能力體系更多地是一種被動響應的模式。在AI4S范式下，生成式AI與大語言模型驅動的科學研究不能僅停留在解決已有問題的層面上。大語言模型在上下文感知、少樣本學習和交互式調整等方面的突出能力為科技情報實現動態響應提供了基礎。未來在更加復雜的任務情境中，科技情報領域研究需要轉變理論邏輯，探索如何在AI賦能下提高主動發現問題、生成應對策略并持續迭代優化的能力。并且，除了研究如何實現從知識資源到全局性智慧情報決策的自動化轉化以外，還要思考如何通過情報影響和塑造決策者的認知與理解方式，幫助決策者構建對情勢的整體認識和判斷，從而更深層次地影響決策過程。此類研究可概括為情報自適應能力研究，與原有的三元理論體系融合實現科技情報理論邏輯的進化。

3.2研究對象的轉變：從單類型與局部的數據對象轉向多模態、多層次、全鏈條的系統性科技情報對象

從近十年科技情報領域研究圖景來看，研究對象主要涵蓋如專利或科技論文為代表的單一類型的數據，或特定時間窗口的某技術領域數據。針對這些零散的技術數據，借助AI工具開展文本挖掘、技術的分析與預測。然而，AI4S不只是把AI當作工具支持數據處理任務，而是把AI融入科學研究的全過程。因此，未來科技情報領域的研究應整合多模態數據類型，覆蓋“技術-產業-政策-社會\"的全鏈條數據，以此來拓展AI的感知與理解能力，提升其情境理解與趨勢判斷的深度與精度。換言之，AI4S時代科技情報領域研究需要基于系統化的對象理解技術與產業鏈、政策、社會之間的復雜耦合關系，以此來支撐智能化的跨域推理與全局決策。

3.3研究視角的轉變：從AI單向賦能到AI與科技情報的雙向互動

目前，科技情報領域更多地將人工智能視為提升情報分析效率、豐富情報產品的輔助工具，是一種AI單向賦能的過程。然而，正如Berens等對AI4S的定義，它是面向科學研究的AI創新與AI驅動的科學研究的總和，是AI創新與科研的雙向融合[3]，這種雙向互動意味著需要將具有類人認知和語言能力的人工智能視為社會實體進行研究，映射到科技情報領域體現為情報反哺AI的過程。一方面，在生成式AI與大語言模型迅速發展的當下，科技情報領域研究需要轉變AI賦能的思維方式與方法，研究重點應從選擇和優化算法轉向如何使大模型與情報任務匹配，如何利用智能體實現科技情報領域的多任務協同處理。另一方面，科技情報領域研究需要深度思考如何為AI的發展提供高質量的情報數據、知識體系和應用場景，從而推動AI算法優化、模型訓練和智能推理能力提升；如何利用科技情報領域在科研評價中的專業優勢，形成對AI生成內容可用性、可靠性、可解釋性等方面的系統性評估標準與框架體系，提升AI生成內容的質量保障，進而推動AI在科技情報等各個領域的合理應用與風險控制。

3.4功能定位的轉變：從“輔助決策”到“戰略引導”

傳統科技情報研究聚焦于科技發展趨勢的識別、技術熱點的追蹤，以及為宏觀科技管理和戰略決策提供依據，其研究邏輯以文獻計量、情報分析與專家判斷為核心方法，具有較強的事后總結與輔助支撐屬性。然而，在AI4S快速發展的背景下，大語言模型、知識圖譜、多智能體系統等新興智能技術正在深刻改變科技情報的認知基礎和研究工具體系，使得科技情報領域研究具備更強的實時感知、前瞻洞察、復雜推演與動態反饋能力。那么，未來科技情報領域的研究功能也不應停留在“輔助決策”的定位，而是向著“戰略引導”的方向演進。具體而言，科技情報領域應聚焦于依托大模型、智能體和知識圖譜的“智能協同型”服務研究，探索如何通過對話交互、任務分解、多Agent合作等方式建構具備環境感知、自主規劃、動態反饋和任務協同能力的新一代科技情報系統，使其嵌人科研活動、管理流程和政策調整的過程中。此類研究的目的是形成科技情報與AI4S深度融合的“戰略引導型\"智能服務體系，將科技情報服務從被動響應轉變為主動引領，從單一結果提供轉變為持續迭代優化的戰略咨詢過程。

4AI4S時代科技情報領域研究問題重構

科技情報領域的傳統研究任務主要包括：判斷情報的實用價值，包括情報的可靠性、先進性、可行性和適用性；分析重要技術的發展歷史和現狀，總結成敗的經驗教訓;掌握科技的水平動態，包括科技發展水平、動向和效果；引進先進技術；預測科學技術的發展遠景;吸取先進的管理經驗[20]。然而，在AI4S時代背景下，除了傳統的研究任務以外，科技情報領域衍生了諸多新型研究任務。這些新型研究任務包括：引領科技發展方向、促進跨領域的科技情報融合、構建科技安全與倫理治理體系、構建多主體協同的智能科技情報體系等。科技情報領域在完成傳統研究任務時主要遵循步人AI4S時代前的舊研究范式，解決的研究問題以淺層次的情報分析和模式化的情報體系構建為主。在AI4S的影響下，不僅新增了面向傳統研究任務的新問題，還衍生了面向新增研究任務的新問題。那么，在AI4S時代，如何基于科技情報領域的新研究范式重構研究問題值得深度思考。基于此，本研究提出了科技情報領域研究問題重構的體系框架（見圖3）。

4.1 傳統研究問題的弱化

隨著AI4S時代的到來，科技環境和信息技術發生深刻變革，科技情報領域的一些傳統問題因其方法單一、視角局限，難以滿足復雜動態的科技創新需求和智能化發展的要求，需要被逐漸弱化。具體而言：（1）科技文獻計量領域的基礎統計類研究，如引文分析、共詞分析、基于論文/專利數量的研究趨勢分析、作者合作網絡分析等，因為情報價值在于解釋和洞察，不在于基礎的統計操作，此類分析已完全能夠被AI算法和大模型取代。（2）低層次的情報可靠性驗證，僅針對單一數據源或已知信息進行查重和驗證，缺乏對多源異構信息的深度評估。（3）靜態的技術先進性分析，僅依據固定時間窗口的單一維度的技術參數或文獻發表數量分析技術先進性，具有一定的滯后性且缺乏對技術動態演進的綜合評估。（4）線性的技術趨勢預測，科學技術的發展難免會出現突變現象，線性預測難以提供準確的前瞻。（5技術指標體系構建的模板化研究，如技術成熟度模型的模板化構建、以專利或論文數量為核心的評價指標設定、基于主觀經驗的指標權重計算等。此類研究往往參照通用模型，容易忽視不同領域的特征差異。（6基礎型科技情報服務系統建設，包括情報服務門戶設計、科技情報服務系統模塊整合等。此類研究已經成為“工程任務”，在智能體飛速發展的當下可完全交由AI完成。（7AI工具驅動型淺層信息分析，此類研究往往只停留在利用AI進行科技文獻分類、關鍵詞提取、單純的技術主題識別等層面，而這些也正在被具有強大語義表示與理解能力的大語言模型取代。

圖3AI4S時代的科技情報領域研究問題重構體系框架

4.2AI4S時代面向傳統研究任務的新問題

AI4S時代科技情報領域的傳統研究任務不會消失，而是會不斷衍生新的任務，從而不斷拓寬科技情報的研究范疇。在面對傳統研究任務時，由于研究范式的變革，研究問題面臨著被重構的挑戰?？萍记閳箢I域的傳統研究任務重點在于評估情報價值、掌握科技發展動態、預測科學技術前景、增強科技創新管理等。在AI賦能下，這些傳統任務的完成將變得更加高效和智能，但與之相隨的是新問題的誕生。具體包括：（1）AI賦能的科技情報可持續性價值評估。針對這一研究問題，需要思考的是在AI4S時代如何借助深度學習、生成式AI、大語言模型對科技情報的價值進行動態、可持續的評估，實時監測情報在不同時間段、不同環境和不同用戶需求下的價值表現，評估其長期有效性、環境適應性以及對創新活動的持續推動力。（2）AI賦能的科技動態實時追蹤與動態感知。針對這一問題需要探索如何在AI賦能下動態感知全球科技領域的新興趨勢、熱點技術和突發變化，及時捕捉科技創新鏈條中的關鍵節點和潛在機會，提高科技情報的響應速度。（3）大模型驅動的先進技術預測與戰略布局。針對這一問題需要探索如何利用大模型的推理和生成能力，進行精準的先進技術預測，如技術交叉融合的潛力預測等，為企業和政府提供前瞻性創新戰略指導。（4）自適應與持續學習的智能情報系統。針對這一問題需要思考面對快速變化的科技動態，如何借助AI的能力搭建具備自適應能力的持續學習型情報分析系統，使其能夠實時捕捉科技演進、政策調整、產業趨勢等動態，并根據外部環境的變化自動更新分析模型。

4.3AI4S時代面向新增研究任務的新問題

在AI4S時代，科技情報領域新增了一些新的研究任務，這些研究任務重點在于通過前瞻引領、跨域融合、安全治理與多主體協同，構建一個智能化、開放化、可持續的科技情報新體系。相應地，為更好地應對這些任務，科技情報領域產生了諸多新的研究問題，包括但不限于以下內容：（1）AI4S時代科技情報領域研究的范式革新與理論重構。此問題下首先需要探索如何形成與AI4S深度融合的科技情報學科體系，并在理論模型構建、范式創新和問題意識上形成突破；其次需要思考科技情報方法論的革新，新的方法論并非簡單依賴AI技術替代原有方法，而是立足科技情報學在信息價值評估、知識組織、跨域關聯、趨勢研判等方面的學科優勢，將其與智能感知、大語言模型、知識圖譜、復雜系統建模等新技術深度結合，形成具有情報學特色的智能化方法體系。（2）AI4S時代的戰略引導型科技情報研究。針對該研究問題，要重點探索如何利用生成式AI、智能體提升對顛覆性技術、重大變革趨勢的戰略識別與預警能力，實現對科技格局的前瞻性判斷和對戰略布局的主動引領。（3）AI輔助科技戰略決策的可信性與解釋性研究。針對這一研究問題著重圍繞人工智能尤其是生成式大語言模型在科技戰略情報分析中的透明性構建機制、增強可解釋性算法設計，以及驗證其輸出結果的準確性與穩定性等方向展開。（4）AI4S時代的科技情報數據治理與倫理規范。重點聚焦大語言模型在科技情報生成、理解與決策支持中所引發的新型治理與倫理問題。如研究大模型參與下的科技情報數據采集、標注與訓練過程中的數據質量控制與合規性管理，探討大模型在科技領域中潛在的算法偏見、技術濫用等倫理風險，構建具有科技領域特色的透明、可解釋、可問責的治理體系。（5）AI賦能的跨領域協同科技創新。針對這一研究問題需要關注AI驅動的情報融合機制，探索如何打通不同學科領域間的信息壁壘，實現情報的高效整合與關聯。（6）基于多智能體的科技情報體系構建。聚焦于如何利用大語言模型和多智能體構建具備理解力、推理力和任務協同能力的智能情報分析模型和復雜任務導向下的科技情報系統。

5結語

AI尤其是生成式AI給科技情報領域研究提供了新的研究對象（尤其是生成式行動者）新的研究方法和工具、新的智能系統組件。目前領域研究主要是試圖充分利用新的智能系統組件，即利用現成的數據智能極大地便利智能情報的實現，也就是利用生成式AI生成內容的能力“生成\"情報，而情報智能的實現則有待繼續探索，如情報（而不是數據）與智能的結合或基于情報的智能是怎樣的、如何實現。

本研究從范式轉型的角度，初步勾勒了步入AI4S時代的科技情報領域研究圖景，圍繞AI4S引發的科技情報領域研究范式變革與研究問題重構展開了初步討論。從理論層面，有助于為科技情報領域研究提供新的視角與理論框架；在實踐層面，有助于推動科技情報領域研究與人工智能的深度融合，創造一種人機共融、跨界交匯、智能引領的科技情報領域研究新生態。未來，AI技術將不斷取得新突破，科技情報領域研究不僅要致力于“智能情報”，還應致力于“情報智能”，充分發揮學科先進性，在促進科技創新的進程中發揮主導和引領作用。

參考文獻：

[1]中國政府網.國務院常務會議解讀|我國部署深人實施“人工智能+\"行動[EB/OL].[2025-07-31].ttps：//ww.gov.cn/zhengce/202507/content_7034734.htm.

[2]Zhao W.ApaneldisussiononAIforsiencetheopportunities，chaengesandreectionsJ]NationalScienceRevi，24，11（8）：119.

[3]BerensP，CranmerK，LawrenceND，etal.AIforscience：anemerging agenda[J].arXiv preprintarXiv：233.04217，2023.

[4]AbramsonJ，dlerJ，DungerJ，etal.Accuratestructurepredictionofbiomolecularinteractions withlphaFold3J.ature，2024，630（8016）：493-500.

[5]TangY，XuW，CaoJ，etalaterchat：AmultimodalllmformaterialsienceJ].arXivpreprintarXiv：2502.37，025.

[6]TraceyBDichiA，ChervonyiY，etalTowardspracticalreinforcementleaningfortokamakmagneticcontrolJ]FusionEngineering and Design，2024，200：114161.

[7]上?？茖W智能研究院.科學智能白皮書2025[R].上海：復旦大學，2025.

[8]陳志敏，吳力波.未來已來：2025人文社會科學智能發展藍皮書[R].上海：復旦大學出版社，2025.

[9]李拓宇，吳佳一.人工智能賦能科學研究的機制與模式分析——基于知識生產模式視角[J/OL].科學學研究，1-17[2025-04-22].https：//doi.org/10.16192/j.cnki.1003-2053.20250422.001.

[10]蒲云強，唐川，鄧航宇，等.元人種志視角下人工智能驅動科學研究（AI4S）的多維路徑分析[J].情報雜志，2025，44（7）：181-191，207.

[11］王飛躍，繆青海.平行科學：大模型時代AI4S的前沿技術與框架體系[J].人民論壇·學術前沿，2024（14）：64-79.

[12]XuR，SunY，RenM，etal.AIforsocialscienceandsocialsienceofAI：AsurveyJ].InformationProceingamp;angent，2024，61（3）：103665.

[13］孫坦，張智雄，周力虹，等.人工智能驅動的第五科研范式（AI4S）變革與觀察[J].農業圖書情報學報，2023，35（10）：4-32.

[14］錢力，劉志博，劉細文，等.科技文獻數據資源建設模式數智化轉型研究——中國科學院文獻情報中心的實踐探索[J].圖書情報工作，2025，69（10）：4-13.

[15］北京科學智能研究院.科學智能（AI4S）全球發展觀察與展望2023版[R].北京：2023.

[16]劉博文，夏義堃，巴志超.科技情報場景下數智融合方法的應用特征與發展趨勢研究[J].情報學報，2025，44（5）：629-644.

[17]周文杰，楊陽.數據要素管理[M].北京：知識產權出版社，2025

[18]張昱，曾文.復雜信息環境下的科技情報體系能力建設[J].情報理論與實踐，2024，47（8）：29-33，106.

[19]趙柯然，王延飛.信息迷霧的情報感知研究[J].情報理論與實踐，2021，44（3）：1-5，12.

[20]鄭守瑾.科技情報學[M].北京：中國鐵道出版社，1986.

作者簡介：曹樹金，山東理工大學特聘教授，中山大學信息管理學院教授，博士生導師；曹茹燁，鄭州大學信息管理學院講師。