當下，AI（人工智能）正以前所未有的廣度和深度介入科學研究，從預測蛋白質結構，到發現新型材料，AI似乎已成為科學加速的“萬能引擎”，展現出科學智能范式的巨大潛力。

作為科研工作者的新“搭子”，AI如何改變科研的路徑與節奏？怎樣合理、負責任地使用AI？怎樣激發科學智能開放平臺的作用？本期教育版，我們邀請幾位專家學者共同探討。

01

科學發現的路徑如何改變？

傳統科研始于“假設—驗證”，而現在，科學發現的路徑逐步轉向“數據—規律發現—智能生成—閉環迭代”

中國科學技術大學特任教授王翕君：傳統科研中，研究者往往基于經驗與直覺提出問題，始于“假設—驗證”。而現在，對一些學科而言，AI能主動在海量數據中發現規律，科學發現的路徑逐步轉向“數據—規律發現—智能生成—閉環迭代”的新范式，AI甚至可以按照目標需求，精準設計出想要的物質。

以我研究的框架材料為例，這類材料通過不同金屬節點、有機配體及連接方式的組合，能夠制造出海量結構，規模可達萬億級，遠超人類探索極限。在這一背景下，AI提供了突破口。一方面，機器學習可以快速預測材料的性能，省去大量真實實驗的試錯成本；另一方面，AI能從數據中提煉規律，把過去憑經驗的“直覺”變成可計算、可遷移的模型，讓材料設計更理性。

在此基礎上，生成式AI能進一步推動科研從“篩選已知”邁向“創造未知”——直接生成訓練數據之外的全新材料結構，實現圍繞目標性能的“逆向設計”。這意味著，AI不僅在加速求解問題，也在一定程度上拓展問題本身的邊界。

由此，AI在科研中的角色也在持續演進：從最初的計算工具，到輔助分析規律的研究工具，再到能夠參與乃至驅動自主探索的“科研伙伴”。

當然，AI并不會取代科學家。關鍵科學問題與機制的理解，依然離不開人的判斷與洞察。可以說，人類負責提出問題、把握方向，AI則在廣闊的數據與復雜空間中尋找可能的答案。兩者的協同，將為未來的科研創新提供更加堅實而廣闊的空間。

02

科研創新的效率是否提升？

特別擅長處理有明確答案、需要大量重復計算的工作

首都師范大學甲骨文研究中心教授莫伯峰：AI在完成文獻調研、實驗設計、數據分析等方面，大大提升了科研的效率，即便面對3000多年前的甲骨文，AI也能發揮很大作用。過去像甲骨綴合（把破碎的甲骨拼起來）、補合（恢復缺損圖像）這些工作，全靠少數專家的經驗。現在，AI提供了新的解決方案。

要讓AI真正幫上忙，關鍵是要選對結合點。甲骨文作為出土文獻，核心研究目標是復原文字材料和信息，而AI特別擅長處理有明確答案、需要大量重復計算的工作。它能識別人類難以察覺的細微特征，比如斷口的弧度、字體的筆觸角度等，為綴合和補合提供關鍵線索。

但AI也不是萬能的。甲骨文總量超16萬片、總字數超百萬，這一數字看起來不小，但對訓練AI大模型來說仍然不夠。所以在涉及深層語義判斷時，還需要人類專家把關。更為有效的方式是人機協同：把AI當作提速工具，用專家的判斷來審核和修正它的結果。

目前，綴合與補合只是AI輔助甲骨文研究的開始。隨著技術發展，甲骨文的分類、聚合、翻譯等工作也會逐步突破。未來研究者不僅要懂專業知識，還要提升數據處理能力，善于借助技術放大自己的研究優勢。

03

科研判斷力會被AI影響嗎？

降低部分科研門檻的同時，虛假引用、錯誤推理等風險值得關注

北京大學人工智能研究院研究員楊耀東：AI不只是幫科研人員寫代碼、看文獻、畫圖表，而是讓整個科研流程發生了變化：從人提出假設、做實驗、再分析結果的線性流程，漸漸走向人機協同、模型預測、自動實驗、反饋迭代的閉環系統。

這種變化帶來了幾個好處。第一，效率大幅提升，像材料、藥物、能源等領域，候選方案極多，傳統方法很難窮盡。AI可以快速篩選，把科研人員從重復試錯中解放出來，專心解決關鍵問題。第二，促進學科交叉融合，一個科學問題往往涉及物理、化學、生物、工程和計算，AI能在多源數據之間建立聯系。第三，降低部分科研門檻，有了開源模型和工具平臺，小團隊也能做大項目。

要注意的是，AI并不等于真正的科學理解。科學研究不僅要預測準，還要回答“為什么”。如果模型是黑箱、數據來源不清、實驗流程不可復現，AI給出的結論就可能帶來新的風險。尤其是生成式AI帶來的虛假引用、錯誤推理、低質量論文、數據泄露和學術責任不清等，都可能沖擊科研規范。

更深層的問題是，科研判斷力不能被工具邏輯取代。AI擅長在已有數據中找最優解，但什么問題值得研究、哪些結果具有科學意義，仍需要人來把關。

04

資源如何實現有效整合？

把科學家、AI工程師和產業力量連接在一起，使創新從單點突破走向系統化加速

復旦大學校長助理、上海科學智能研究院理事長吳力波：科學智能正從“以技術為中心”的1.0時代，邁向“以科學家為中心”的2.0時代。2.0時代是讓更多領域科學家成為主角，讓AI真正貫穿科研全過程。上海科學智能研究院與復旦大學共同創建星河啟智科學智能開放平臺，正是為了回應這一轉變。

平臺的首要作用是降低科學家使用AI的門檻。它圍繞真實的科研路徑，搭建了覆蓋數據、模型、算力、實驗、智能體和協作社區的全套基礎設施。目前，星河啟智科學智能開放平臺已匯聚400多個科學模型與工具、22PB（千萬億字節）的高價值數據以及5億篇文獻專利，科學家無需深究技術細節，就能調用前沿模型開展研究。

我們還推出了以“大圣”為載體的科研智能體系統。它能理解科學問題，輔助完成從文獻分析、假設生成到實驗驗證的全流程任務。近期，“大圣”上線了自定義實驗室功能，科學家可以根據自己的研究方向，搭建專屬工具鏈。

平臺的第二重作用是促進跨學科、跨地域、跨領域融合。傳統科研中，不同學科的數據、模型和方法往往互不相通，協作困難。星河啟智科學智能開放平臺通過統一的模型倉庫和數據基礎設施，讓不同領域的成果能夠被共享、復用和組合。

更深層看，平臺扮演著科學智能生態的樞紐角色。它把科學家、AI工程師和產業力量連接在一起，讓數據和方法在體系內流動復用，使創新從單點突破走向系統化加速，為AI驅動的科研范式變革提供可持續的制度支持。

05

怎樣建好并用好智能平臺？

鼓勵開放共享，彌合產研鴻溝

北京中關村學院院長、中關村人工智能研究院理事長劉鐵巖：平臺多，不等于夠用、好用，更不等于真有用。去年，中關村學院調研了北京30多家材料企業，梳理出100項“卡脖子”問題。調研發現，用當前主流科學智能技術，只有20%的問題有望得到解決。剩下的，因為企業數字化程度低、數據缺失、算法精度不夠，暫時無解。這讓我們清醒地看到：“AI賦能科研”不能只喊口號、搭平臺，基礎設施欠賬、技術局限、產研鴻溝等都真實存在。

再說科學智能體和智能工具的開放共享。表面看這是技術問題，深層次看，其實不是沒有手段打通，而是缺乏打通的動力。一個機構為什么要把自己的數據、平臺開放出來？如果這個問題沒有制度性回答，“開放共享”就只能停留在倡議層面。

要破局，建議從三方面入手：一是大力推動產業數字化，以產業真需求牽引科學研究方向。科研不能停留在“先研究，再轉化”的模式，要讓產業反饋進入研究循環，補上“最后一公里”。二是構建開放共享的鼓勵機制，讓共享在一定程度上成為被認定的科研貢獻，比如可以作為立項和結題的條件，建立類似論文引用的計量體系等。三是由公共力量率先搭建跨學科協作的底層基礎設施。科學智能體和智能工具的用戶，專業性強且分散于各學科。由于市場體量不足，因此可考慮國家戰略投入先行，再逐步引入市場機制。

總之，打通數據和智能體接口是表層，重構激勵機制是中層，讓科研真正面向國家需求、面向產業真問題才是根本。

鏈接

“第一作者必須是AI”的征文引熱議

“第一作者必須是AI。”2025年，華東師范大學發布的一則征文通知，在學術界激起千層浪。這場要求以AI作為科研論文寫作主體的社會實驗，以近乎“極限測試”的方式，引導我們直面一個問題：當AI深度介入知識生產，AI輔助寫作的倫理邊界在哪里，學術研究的底線該劃在哪里？

“我們希望通過這樣的方式，研究AI寫作的公眾接受度、技術可行性、質量科學性和學術規范。”實驗發起人、華東師范大學終身教授袁振國說。

征文發布后，爭議也隨之而來。支持者認為這是AI時代學術規范的“破冰實驗”，反對者則憂心這是人類在科研中的“主動退位”。“當前論文的AI滲透率較高，很多學生用AI輔助寫作卻不敢標注，這種‘地下狀態’才是對學術規范的更大破壞。”華東師范大學智能教育實驗室主任張治表示，“與其視而不見，不如正面回應。”

實驗收集了820篇“AI一作”研究論文。評審發現，AI在選題策劃、大綱生成、數據分析、文獻速讀與邏輯梳理等方面展現出較好的能力。但局限同樣不容忽視：大模型擅長在已有數據中進行“碎片重組、跨域遷移”，能夠生成“似真”的創新文本，卻缺乏真正的創造欲與價值判斷。

“基于這樣的底層邏輯，AI在科研寫作中的合理應用場景，還是應該集中于非核心的環節。”張治表示，在論文寫作中，人類應當承擔問題提出者、工具選擇者、指令設計者與質量把關者的角色。

“AI的使用底線，本質上是學術誠信與責任歸屬的底線。原創性底線不可突破，透明性底線必須堅守——所有AI使用行為均應完整披露，需在論文中明確說明工具名稱、應用范圍及人工審核過程。此外，責任歸屬底線不容模糊，無論AI參與程度深淺，人類作者都應對最終成果負全部責任。”張治說。

這場實驗的意義或許不在于得出結論，而在于推動形成一個共識：當論文寫作中，人類與AI的協同成為一種新的現象，唯有善用AI賦能、堅守學術誠信，方能守護學術研究的本真價值。

“人類使用AI輔助論文寫作，絕非讓渡主體性，而是探索一種全新的科研分工，即讓AI去處理數據的廣度，讓人類來守住思想的深度與價值的溫度。”北京大學副校長初曉波說。

《人民日報》記者丁雅誦采訪整理

來源：《人民日報》（2026年05月17日 第 05 版）

新媒體編輯：常暢

如需交流可聯系我們