战略科学家对话：AI+科学，数据和人才是关键

“当前，人工智能与科学探索同时展现出无尽的可能边界，当两者开始交汇，正激发出无限想象。把握这一历史性机遇，或将推动人类认知边界的突破。”

在2025世界人工智能大会（WAIC 2025）科学前沿全体会议上，上海人工智能实验室主任、首席科学家周伯文教授以《无尽的前沿：AGI与科学的交叉口》为题作主旨报告，并发出倡议：让以“书生Intern大模型”为代表的先进人工智能，成为科学家的助手，成为全人类的助手！上海人工智能实验室（上海AI实验室）推出的『书生』科学多模态大模型Intern-S1、『书生』科学发现平台Intern-Discovery等一系列通专融合实践，将进一步助力科研突破与产业创新。

会上的圆桌环节可谓“星光熠熠”：中国科学院院士、昌平实验室主任谢晓亮，上海创新药物研发中心主任、美国国家工程院院士孙勇奎，中国科学院院士、清华大学教授胡事民，合肥实验室副主任、杰出研究员罗毅，广州实验室副主任、研究员陈新文，崖州湾实验室副主任、首席科学家陈凡等战略科学家齐聚一堂。他们立足各自科学研究领域，围绕“科学与人工智能的前沿交叉”这一主题展开讨论，许多过去难以攻克的科学难题，将有望随着AI的加入迎刃而解。

共识：AI正在革新科学研究范式

随着AlphaFold等成果的不断迭代，在AI+生命科学领域，全球的科研人员正在参与一场研究范式变革。国内最顶尖的科学家在这方面有哪些最新进展？

谢晓亮介绍了其团队近期的一项突破：研究人员发明了一个与人类基因组和蛋白质调控相关的底层技术，从而生成了大量全新的数据。“课题组与AI专家展开合作，对数据进行深度挖掘，成功发现了一批全新的疾病靶点。”

孙勇奎则从新药研发的角度，对AI重塑科研范式寄予厚望。新药研发长期面临着“三十定律”的结构性瓶颈，即每个新药背后平均需要耗费10年时间、投入10亿美元，但成功率只有10%，尤其二期临床的失败率高达70%到85%。“目前上海创新药物研发中心正在布局与全国AI研究机构的合作，以提高新药研发的成功率。”

在病毒研究方面，陈新文认为，AI不仅能加速新药研发，还能实时揭示病毒变异规律。当前，广州实验室正借力AI工具，推动病毒变异从微观到宏观，乃至到群体的综合性研究。他笃信，随着技术的升级，“未来传染病预警能够像天气预报一样精准”。

传统科研受限于人类认知边界与实验条件，而AI则通过海量数据挖掘、复杂关系建模和自主推理能力，全流程赋能科学发现，提升研究效率与精准性。

罗毅介绍了合肥实验室的“AI化学家”，经过三年的迭代，它已经能自动完成80%的化学实验。他还分享了一则案例，实验室一名偏理论研究的同学，在AI的辅助下，仅用六个月便研发出了一款具有领先性的防阻燃材料，“由此看来，AI能够帮助科学家实现跨学科的重大发现”。

民以食为天，当农业研究与AI结合后，同样产生了奇妙的“化学反应”。陈凡所在的崖州湾实验室，近期联合上海人工智能实验室、中国农业大学等单位，推出生物育种领域首个自主科学发现系统“丰登·基因科学家”，自主发现了数十个基因新功能，并已获田间实验证实。“通过AI加速育种周期，可以实现水稻‘好吃又高产’。”

未来：AI+科学深度融合，数据和人才是关键

人工智能与科学发现的结合，既提升了人工智能的应用水平，也带动了科学研究范式从经验主导向数据驱动转型。如何推动两者进一步融合？科学家们认为数据与人才是两个关键因素。

“当前人工智能已在CT成像、人脸识别等领域大显身手，但这只是相对浅层的应用。”在谢晓亮看来，未来“AI+生命科学”的制高点将是高质量的数据，“在细胞和分子层面不断挖掘高质量数据，并用AI分析和生产出新的知识，以此推动生命科学研究往更深处发展”。

针对当前生命科学领域文本类数据已经“不够用”的现实困境，孙勇奎分享了解决思路，“进一步挖掘人类的生物数据并同步建立新数据生成机制，可以更好地开展AI训练，甚至让AI自行检索全球科研成果，提出更具潜力的假说并加以验证，进而提高药物研发成功率。”陈新文团队则正推动“黑灯实验室”的建设，“计划未来三到五年内建立一个涵盖临床与组学信息的完整数据链，为AI在生命科学领域的大规模应用打下基础”。

科学智能必须实现跨学科的交叉融合，才能帮助科研人员持续拓宽研究边界。“这首先要把各学科的专业数据转化成AI能够理解和处理的格式。而科研领域对数据的精度要求极高，微小误差就会影响科研结果。”据介绍，胡事民正带领团队着力开发高效、好用的工具，方便各领域科研用户使用。

在此基础上，罗毅提出行业要建立规范化、规模化的数据生态系统。“当前科研数据主要分散在高校、企业、科研院所等机构中，‘数据孤岛’的问题日益显著。各方要深度协同，统一数据标准、打破数据壁垒，在保护隐私和产权的前提下实现数据流通，才能为AI深度赋能科学发现奠定坚实的数据基础。”

受数据异构性壁垒、专业语义理解瓶颈等因素制约，传统通用大模型在处理科学数据时常面临显著挑战。上海AI实验室创新采用科学多模态架构打造Intern-S1，实现了对科学数据的深入理解与高效处理，在化学、材料、地球等多学科专业任务基准上超越了顶尖闭源模型Grok-4。以Intern-S1为基础研发的Intern-Discovery，进一步整合了50家顶尖科研机构的专业数据，集成了200多个科学数据集，提供200余个科学发现智能体，帮助科研人员一站式跑完从假设提出到实验验证的完整科研流程。

“创新是第一动力、人才是第一资源”。在AI for Science领域，几位战略科学家不约而同强调了人才的重要性。孙勇奎呼吁，要加快相关学科与人工智能交叉领域的复合型人才培养，“鼓励不同学科背景深度合作，引导开展交叉研究”。胡事民则感慨：“中国拥有全球最丰富的科研人员，如果都能积极拥抱AI，那么科学智能的未来将令人期待！”