人工智能如何引领科研范式变革

科技发展的历史充分证明，技术进步是驱动科研范式演进的内在动力，也是引发科研范式变革的关键要素。例如，望远镜与显微镜等精密光学仪器使人类感官突破了生理局限，将宏观宇宙与微观世界纳入可观测范围，奠定了以观察和实验为基础的近代科学体系；光谱仪、离心机等精密测量仪器提供的标准化分析手段，促使科学研究从现象描述迈向规律归纳与理论建模；计算机技术使复杂系统的数值实验成为可能，大数据技术助推科学研究实现从“假设驱动”到“数据驱动”的转变，重塑了现代科学的研究路径与知识发现逻辑。当前，以深度学习为代表的新一代人工智能技术，将感知、识别、预测和优化等能力融入科学活动中，正加速推进科研范式步入以生成式人工智能、多模态大模型和智能体技术为核心的崭新阶段，有望实现颠覆性变革。

促进科研全链条融合。人工智能具备强大的数据整合、知识抽取与跨域协同能力，能够打通科学研究、技术开发、产业应用各环节的信息壁垒，将实验室的科学发现、技术端的研发突破、产业端的应用需求有效串联起来，实现知识、数据、资源的高效流转与智能协同，激活海量沉淀数据，降低跨领域协作成本、缩短成果转化周期，让研究成果更快进入开发，开发成果更快进入生产，实现“从实验室到工厂”的高效衔接。

重塑科研运行机制。人工智能正加速全面重构科研活动的运行机制，引领科学研究迈向高通量、高精度的新阶段。例如，中国科学技术大学精准智能化学全国重点实验室研制的“机器化学家”，突破传统化学研究依赖“专家灵感、单环节推进、小范围试错”的零散模式，升级为“数据驱动、全流程闭环、规模化探索、标准化落地”的智能研究模式，有力推动科研向规模化、自动化方向发展。在科研协作方面，人工智能进一步促进开放融合，催生集中式与分布式并举的新型协作机制，有效打破科研的组织与时空壁垒。

推动科研主体变革。当前科研主体正经历从“人力主导”到“人机协同”乃至“智能自主”的变革。人工智能从辅助工具逐步升级为自主科研主体，智能体将具备自主发现、推理与实验能力，实现从被动执行指令到主动拓展知识边界的重大转变，形成在人类战略引导和有效监督下自主探索的全新科研生态。同时，企业凭借数据、算力、资本等优势，从科研的需求与应用方逐渐转变为科研活动的主要参与者，在某些领域甚至成为主导者，推动科学研究与应用场景融合发展；智能工具、支撑平台和开源社区也将成为新型技术参与主体，丰富科研生态体系。

推动科研工具、方法升级。人工智能技术的突破，推动科研工具从被动分析向主动生成转变，不再局限于观测与模拟既有现象，而是能够自主设计新假设和新实验。此外，以物理仪器为中心的传统科研平台，将升级为集智能算力、规模化数据生成、综合实验能力于一体的复合型科研基础平台，通过“数据—工具—模型—智能体”全链路高效整合，实现更大范围开放互联与高效协同。

人工智能驱动的科研范式将科研竞争的关键要素由“经验、仪器、隐性知识”转变为“数据、算法、算力”并重，正在重构科研竞争逻辑。全球主要科技强国竞相强化战略部署，试图引领这一范式变革，抢占科技发展制高点，形成新的科技竞争优势。以美国为例，其全面推动人工智能驱动科研范式变革，在诸多前沿赛道布局。2025年11月，美国启动“创世纪计划”，明确提出以可比肩“曼哈顿计划”的紧迫性和战略雄心开展国家级科研动员，构建贯通“数据—模型—智能体—仿真—实验”的人工智能驱动科研体系；2026年7月，美国白宫科技政策办公室发布《科学：新的黄金时代》报告，进一步将“创世纪计划”作为国家人工智能赋能科学研究的旗舰行动。在美国能源部统筹下，美国将经年积累的大量沉淀数据整合打通、重新激活，成为训练大模型的重要数据来源，叠加高度集成的一体化算力、高端芯片的领先优势等，试图构筑基础科学领域的护城河，再造“科技铁幕”。

我国凭借数据规模、应用场景、人才资源、算力设施、举国体制等有利条件，在实现科技领域“非对称赶超”方面具有一定优势。但也要清醒认识到，当前我国的科研生产工具和生产关系难以适应智能化时代科研发展的迫切需求。

一是在算法算力数据供给方面，尽管我国算力资源总量位居世界前列，但面向科研场景的算力供给不足且分布不均衡，智能资源配置效能较低，智能化算力共享体系尚未建立，统一的数据标准与开放共享机制仍未形成，跨机构数据壁垒与异构数据整合难题较为突出。

二是在学科交叉与人才需求方面，传统以单一学科为基础、以院系为边界的学科分类管理体系，难以适配智能时代快速融合的知识创新需求；现有学科设置相对固化且划分过细，缺乏有效的交叉融合载体与机制；科研评价与资源配置中的学科壁垒问题突出。

三是在主体协同与要素融通方面，开源社区、数据平台、科研智能体等新型知识主体或载体的协同运作不畅，各类创新主体智能化水平显著不足，功能也相对独立，各子系统之间缺乏开放共享与协同联动，尚未形成互补的创新体系，缺乏支撑全链条创新范式重塑的合力。

四是在体制机制与协同配套方面，现行的组织架构与制度安排明显滞后于人工智能驱动科研范式发展的进程，科研组织形式的灵活性与开放性不足，缺乏适应跨机构跨学科团队联合攻关机制，统一的数据管理和共享机制尚未确立，开源开放的基础设施组织和保障机制仍处于探索阶段，多方力量协同合作的平台化运作模式尚未建立，传统的科研资助体系、评价机制和组织方式难以满足开放开源需求。

2025年8月，国务院发布的《关于深入实施“人工智能+”行动的意见》，将“人工智能+”科学技术作为重点行动之一，提出“加快探索人工智能驱动的新型科研范式”。2025年10月，“十五五”规划建议提出“以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合”。我们要紧紧抓住这一实现跨越式赶超的重大历史机遇，深入推进人工智能引领科研范式变革。

加快推进智能化科研底座建设。

人工智能驱动的科研范式高度依赖先进自主的算法模型、超大规模的智能算力和高质量科学数据的供给与协同。

算法上，要聚焦人工智能引领科研范式变革的核心科学问题与技术原理，打造自主可控的理论与算法体系，加强科学基础模型与学科大模型的协同研发。

算力上，推动科研数据中心、高性能计算平台的系统布局与统筹协调，建立国家级人工智能驱动科学研究算力调度平台。数据上，完善科研数据标准体系与开放机制，构建国家科学数据共享网络，促进数据要素安全有序流动。

系统构建交叉学科融合模式。

在学科融合上，充分发挥人工智能强大的语义理解与知识图谱构建能力，打破不同学科间的语义障碍，鼓励跨学科知识流动与重组，形成动态网络式的学科协同体系，实现知识要素在学科间的自由组合与创新生成。

在双向赋能上，推动人工智能通用算法与各学科专用机理、实验方法深度融合，加速发展科学研究与人工智能相结合的闭环研究方法，形成适配不同学科知识特征的智能化科研方法工具集，为原始创新提供全新的方法论支撑。

在人才培养上，加快推进国家人才培养和发展体系的智能化变革，深化传统单一学科人才教育培养与管理体系改革，依托重大科技需求加强交叉型人才和团队建设，健全与之相适配的组织体系和管理体制，一体推进教育、科技、人才事业蓬勃发展，打造一支熟练掌握新范式的高素质人才队伍。

积极培育开放协同创新生态。

推动政府部门、科研院所、高等院校和领军企业协同共建智能化科研平台，完善跨主体、跨组织的数据、模型、算力、工具的互通共享机制，营造从人工智能驱动基础研究到技术开发与场景应用的全链条创新生态。

打造具有全球广泛影响力的开源开放新高地，加快建设国家级人工智能驱动科研的开源社区，探索代码贡献与算力激励有机结合的新型机制。

积极参与全球人工智能引领科研范式变革治理，主导科学数据质量、算法可复现性等关键标准的制定，积极参与并推动国际科学数据共享协议的实施，建立与全球主要科研机构和数据平台的紧密合作机制，提升我国在科研范式变革中的国际话语权和影响力。

逐步完善科研治理体系。

推动科研组织从刚性的科层制结构向柔性的网络化结构转变，加强适应人工智能驱动科学研究的新型组织管理理论与方法的探索，深化新型举国体制建设，尝试建立以任务为牵引的动态组织模式，协同开展攻关。

健全促进科研人才培养、科研活动组织、科研绩效考核等全方位立体化学科交叉融合的管理体制机制，探索将成果形态多元、贡献边界模糊、量化考核困难的新型人工智能科研成果纳入科学评价体系，切实激发科研范式变革的内生动力。

加强科研伦理、风险与安全建设，强化对可靠性和可信性的评估，建立人工智能驱动的科研范式伦理审查机制，强化数据、模型等方面的安全和风险防控，构建敏捷、前置的风险监测预警体系，确保人工智能引领科研范式变革在可控范围内发展，高效、安全、可靠地赋能知识创新体系建设。

本文来源于《求是》2026/17。陈凯华，中国科学院大学公共政策与管理学院特聘教授。文章观点不代表主办机构立场。

◆ ◆ ◆

编辑邮箱：sciencepie@126.com