计算与数据驱动，第四科研范式：变革“作坊式”研发现状

预测蛋白质功能、设计新材料、发现新靶点，AI for Science正在帮助人类科学家高效摘取科研树上“低垂的果实”。

大模型的深度认知能力和模型的自主能动性，驱动自动化的科学发现。未来的AI有望接管实验，科学家的角色将是衡量每个科学发现的价值。

但眼下，AI在真正突破人类认知边界、实现跨学科理论原创方面的能力依然不足，无法比拟人类顶尖科学家的颠覆性思维。

日前，多位青年科学家在上海科学智能研究院的一场AI for Science座谈会上提到，AI for Science最稀缺的是跨学科人才，要降低领域科学家使用AI的技术门槛。只有一群聪明人持续在一起思考和工作，才能碰撞出新的边界——在AI的新边界上定义出更具价值的科学问题，在科学的新边界上研发出更强大的AI模型，从而打破小作坊式的科研范式。

AI驱动自动化的科学发现

科学研究正进入计算和数据驱动的第四范式。

上海创智学院全时导师刘鹏飞表示，人类从事科学研究并不高效。其局限在于，人类的交流与思考存在“上下文缺失”，一次精彩的讨论很难在未来的工作中被精准“调用”。更重要的是，个体的生命有限，宏大科学问题所需的研究周期有时甚至需要几百年，这些复杂难题往往需要顶尖智慧跨越代际接力研究，但知识的代际传承并不容易。

随着学科的细分，知识壁垒迅速增高。即便同是数学研究，前沿研究方向的细微差别就可能导致双方在专业知识上无法充分互相理解。若要交叉学习，则耗费的时间成本巨大，“这是多么遗憾。如果能够互相理解，也许更容易创新。”刘鹏飞表示，将AI用于科研，只需规模化地投入算力，即可获得标准化的“AI实习生”。

这种科研范式的转变来自大模型的深度认知能力和模型的自主能动性。大模型能够系统阅读和理解海量科学文献，能动挖掘和拆解潜在科学问题，自主规划并驱动自动化实验平台。刘鹏飞认为，未来，AI将接管实验，人类科学家将从繁杂耗时的环节中解放出来。届时，科学发现的产出速度将远超价值转化的效率，科学家的角色将是衡量每个科学发现的价值，辨别真伪需求。

上海交通大学特聘教授洪亮横跨物理学院、计算机学院、材料学院、生科院、药学院等上海交大7个学院担任博导，同时也是天鹜科技首席科学家，他带领团队利用AI摘取“低垂的果实”，开发了全球首款由大模型设计且实现工业化生产的蛋白质。

蛋白质是生物制造的底层材料。过去，开发一款成功的蛋白质产品高度依赖科学家经验，过程漫长且试错成本高、成功率低。天鹜科技AI蛋白质设计平台Venus中，蛋白质预训练大模型学习自然界海量蛋白质序列中氨基酸的组装规则，功能预测监督学习模型用海量功能标注学习蛋白质序列和功能之间的关系，小样本主动学习模型利用少量湿实验数据微调大模型，实现特定场景下的精准预测。

“AI之于科学，不仅仅是降本提效，它可以创造人类之前创造不出的事物。”洪亮表示，AI并未解决一切传统难题，但它改变了科学家面对问题的视角，提供了更有力的工具，一些曾经的“硬骨头”现在也有机会啃下来。正如AI设计蛋白质，得益于覆盖极端环境的蛋白质数据库，以及具备高维统计和特征提取能力的大模型，AI帮助人类发现了自身也难以洞察的深层共性规律。

目前，新型研发机构上海科学智能研究院正在开发新的科学智能（AI for Science，AI4S）功能。上海科学智能研究院副院长程远介绍，当研究人员向大模型咨询如何改进实验方案时，模型不仅能提出优化建议，还能自动生成代码、跑通AI仿真预测的干实验并验证结果。目前已验证的案例显示，模型自动生成的方案在多项指标上甚至优于人类版本。“接下来可以想象，如果未来物理世界的湿实验也自动化了，我们的AI模型将不只是会写建模代码，还可以设计湿实验流程，那时候AI就能完全驱动自动化的科学发现。”

跨界定义新的科学问题和AI

像天鹜科技这样借助AI开展科学研究已非个例。2025年，由临港实验室牵头，联合上海人工智能实验室等研究机构打造的多智能体虚拟疾病生物学家系统“元生”在肝癌和结直肠癌治疗上分别提出新靶点GPR160和ARG2，并被动物实验验证。上海人工智能实验室青年科学家、科学智能中心负责人白磊介绍，未来将根据靶点推进药物研发工作。

为推动科研范式变革，去年7月，上海市经济和信息化委员会印发的《上海市进一步扩大人工智能应用的若干措施》提出，组织实施全市科学智能“百团百项”工程，力争2年内支持不少于100个团队、100个项目，推动AI人才、领域科学家和工程团队跨组织、跨领域协作，形成一批前沿原创性成果。

围绕高价值的前沿科学问题，去年初以来，上海部署54个“百团百项”项目，推广140多个科学智能工具供科学家调用，进一步打破小作坊式的科研范式，推动各类人才跨组织、跨学科合作。

2025年初，上海人工智能实验室面向全球发布“AGI4S攀登者行动计划”，支持具有领域变革性潜力提案。该计划收到500多个提案，遴选出的30多个共建项目正在纳入“百团百项”工程，攀登科技突破的高峰。

“我们最想追求的，是研发最前沿的AGI技术，赋能科学家实现诺奖级突破与跨学科交叉创新。”白磊表示，当前，AI在提升科研工作流的效率、辅助生成实验方案与创意等领域已取得成果，但在真正突破人类认知边界、产生跨学科原创理论方面，能力依然不足。即便是顶尖模型，在模型评测中，其科研创新能力的评分也仅为中等水平，无法比拟人类顶尖科学家的颠覆性思维。

尽管AI for Science的前景光明，但仍然存在现实的技术瓶颈。刘鹏飞同样表示，一些容易“灌水”的研究方向是AI发挥其认知与能动性的优势领域，在需要高度发散思维的研究领域AI仍显不足。随着AI能力的强化，融入人类认知的AI将为科研带来更多机遇。眼下最令他感慨的，是跨领域认知融合的难度。“AI for Science最需要的是跨学科人才。”刘鹏飞表示，如果能构建有效机制加速认知融合，就有望产出更具价值的科研成果。

为了推动跨学科合作，上海科学智能研究院旗下星河启智科学智能开放平台的众研社区通过重大科学问题导向的匹配机制，促成科学家、AI研究人员与工程师等跨专业人才协同合作。该平台可快速组织交叉学科团队，推动科研合作从个体创新走向群体智慧。

“如果每周或每月只靠零散的几个小时交流，不同领域的人永远无法真正理解彼此。”程远说，“我们希望把科学家和AI工作者集中起来，重新定义科学问题和AI问题。搞AI的人告诉科学家需要什么数据、这些数据为何重要；搞科学的人告诉AI研究者，模型应该解决什么关键科学问题、对模型有哪些具体需求。”一群聪明人持续在一起思考和工作，两拨人才能碰撞出新的边界，在AI的新边界上定义出更具价值的科学问题，在科学的新边界上研发出更强大的AI模型。

把更多机会留给年轻人

领域科学家将AI纳入科研的成本高昂，在有限的学术评价周期内，如果难以兑现科研成果，现实的科研压力反而令他们对AI望而却步。因此，一个集成化在线工作平台的价值更加凸显：预备好的模型与工具链让领域科学家实现“开箱即用”。科学家仅需上传数据，跑出初步结果后进入湿实验闭环验证，为科研提速。

为了降低领域科学家使用AI的技术门槛，除了线下活动，上海科学智能研究院开发的星河启智平台汇聚了智能体广场、模型广场、数据广场等，支持自由组合和定制智能体功能，模型广场联合40多家机构，覆盖12个科学场景的200个多模态科学智能模型供用户“开箱即用”，AI费米平台为科学大模型提供真实世界的验证闭环，推动干湿实验对接与需求匹配。

MCP是一种模型上下文协议，旨在实现大语言模型与外部数据源和工具的集成。“大家都在用智能体做科学发现，但通用智能体的MCP不懂科学数据、工具和实验装置，没有统一管理复杂的科研流程，因此难以高效支撑科研场景。”目前白磊正牵头开发针对科研场景的SCP（科学智能上下文协议）和工具链，借助SCP可连接千余种实验工具与设备，支持远程协同实验与实时数据分析，提升科研效率。在SCP支撑下，上海人工智能实验室研发的Intern Discovery平台已集成上线1600个科学工具、模型和数据库，科学家无需部署即可调用这些工具，推动智能化的科学研究。

澎湃科技从上海市经济和信息化委员会获悉，为进一步推进AI for Science，下一步，上海将建设科学智能公共算力专区，供科学家调度使用，破解算力昂贵难题。同时打通干湿实验壁垒，推进干湿结合的自动化实验室共建共享，提升科学智能公共服务平台能级，面向生命科学与生物技术、物质科学与新材料、地球科学、数学和量子、工程技术等重大战略领域，集成数据、模型、工具、智能体，接入公共算力专区，汇聚科研语料，打通语料换算力机制，以科学智能公共服务平台这一科学家在线工作平台吸引更多科研团队共创，让更多国际人才参与“百团百项”工程，在上海创新创业。

计算机领域创新节奏快，通常由富有活力的年轻人主导一线开发，领域科学家往往需要深厚的知识积累。“计算机确实就是年轻人干出来的，要给予35岁以下的年轻计算机人才更多机会，可以把领域科学家的年龄放宽一点。”洪亮认为，在组建AI for Science项目团队时，应让具备一线技术能力的年轻计算机人才牵头项目执行，发挥年轻人的创造力。

“我们要相信年轻人，相信青年科学家，所以我们要求 ‘百团百项’的项目负责人要在40多岁以下。我们希望把更多机会给到年轻人，让他们有机会崭露头角。”上海市经济和信息化委员会相关负责人表示，2025年上海将AI科学家的积极性发动起来，接下来要进一步调动领域科学家的积极性，提出前沿科学问题，叠加AI的力量，做出颠覆性创新。未来将打通“百团百项”工程与上海“东方英才”人才计划，在管理制度上要建立项目经理人制度，定期打磨项目，筛选和培育一批重大IP和颠覆性项目，更大力度支持青年科学家发展。