以人工智能引领科研范式变革

　　纵观近代以来的科学史，科研范式大致经历了三次重大变革。一是以观察实验为核心的“经验范式”。这种范式以伽利略物理学为典型代表，强调对自然现象的描述、记录、总结和归纳。二是以数理模型为基础的“理论范式”。这种范式以牛顿力学和相对论为代表，强调通过数学建模对自然规律进行抽象和推演。三是以仿真模拟为标志的“计算范式”，强调利用电子计算机仿真科学实验，实现结果预测和可视化。这三种科研范式的变革主要体现在科研工具创新和效率优化方面，但本质上都遵循“观察—假设—验证”的传统研究逻辑。随着计算机软硬件设施升级迭代，数据积累和算力不断加强，推动科学研究从传统的以假设驱动转向基于海量数据驱动。这为人工智能引领科研范式变革奠定了重要基础。

　　近年来，人工智能大模型快速发展，开启了人工智能发展的新阶段，推动人工智能全面融入科学、技术和工程研究。随着以ChatGPT和DeepSeek为代表的人工智能大模型取得重大突破，由海量数据和庞大算力“双轮驱动”的“智能化科研”逐步成为新一轮科研范式的核心特征，其内在逻辑表现为“数据密集—智能涌现—人机协同”，具体体现出三方面特征。一是以智能挖掘替代假设检验。传统科学研究主要依托理论推导和实验验证，而人工智能强调通过对海量数据中隐含规律的挖掘与分析，构建起以数据驱动和算力驱动为核心的科学研究体系，进而实现精准科研。比如，2024年诺贝尔化学奖授予了在蛋白质结构预测上作出突出贡献的3位科学家，表彰他们开发的计算工具AlphaFold在蛋白质结构预测和计算设计领域的革命性影响。AlphaFold成功预测了几乎2亿种蛋白质结构，其对蛋白质结构的智能挖掘大大超过人类以往百年的科研积累，展现了人工智能在推动科学创新方面的重要作用。二是以多元知识耦合激发智能涌现。人工智能技术具有显著的赋能作用和“渗透”特征，能够打破学科壁垒，拓展科研边界，催生交叉学科研究，以“人工智能+”助力打造跨学科融合的创新生态系统，不仅能提高科研效率，更能够激发出新发现新知识。例如，华为云盘古大模型将思维链技术与策略搜索深度结合，极大地提升了数学能力、复杂任务规划能力以及工具调用能力，已在30多个行业、400多个场景中落地，有望协助众多产业研发创新的智能升级。三是人工智能逐步从“辅助工具”转变为“科研主体”，形成人机协同的科研组织模式。目前，人工智能大模型已逐步实现从发现问题、分析问题到解决问题的全流程覆盖。这并不是对人类科学家的取代，而是以新的范式协助人类提升科研效率。比如，在考古研究中结合人工智能技术，通过人机协同智能技术开发的文物虚拟修复，可以在不干预文物实体的前提下，实现对出土文物碎片的虚拟拼接、矫形、复原，大大提升文物复原等相关研究的工作效率，也可以根据不同研究和修复目的进行快速、无限次调整，以多种表达和展示满足不同受众和场景需求。

　　习近平总书记今年4月29日在上海考察时指出：“人工智能技术加速迭代，正迎来爆发式发展”。以人工智能引领科研范式变革，意味着科学研究范式需要实现以方法论变革为起点、以组织模式变革为载体、以价值体系变革为内核的革命性重构，从而推动科学研究向人机协同的方向发展。

　　从方法论视角看，人工智能突破了人类数百年来沿袭的“观察—假设—验证”的线性科学研究范式，催生出“数据密集—智能涌现—人机协同”的三元认知方法论，推动形成数据、算法、人类智慧相互激发的智能系统。这不仅能够突破传统科研受限于人力、时间及数据维度的瓶颈，可以将复杂问题转化为可计算任务，显著缩短研发周期；又有助于解决传统科研难以处理的多学科耦合问题，催生交叉创新，创造知识生产新范式；而且更擅长同时处理文本、图像、代码等异质信息，并在海量数据中捕捉隐性规律，形成超越人类直觉的创造力。比如，复旦大学联合上海人工智能实验室开发的跨学科大模型，整合物理、化学、生物等学科知识，在超导材料预测、台风路径模拟等方面都取得了更准确、更高效的成果。

　　从科研组织方式看，人工智能推动科研组织从“孤岛式创新”向“分布式智能网络”变革，使传统科研组织的“中心—外围”结构向“节点—网络”结构转变，形成了新的科研组织模式。网络中的各主体共同平等参与人类知识生产，形成人机协同的全新科研团队，创新形成“人类提出需求—人工智能生成路径—计算机自动验证”的全链条科研路径。与此同时，人工智能技术还催生出“科研开源”和“科研元宇宙”等方式，能够动态汇集全球专业人士实现24小时不间断跨国协作。例如，“欧洲开放科学云计划”和“欧洲高性能计算共同计划”链接多国资源，研究人员可共享人工智能算力与实验数据，推动跨国协作创新，成倍提升实验效率。

　　从价值体系看，人工智能推动科技与人文融合发展，对于实现人的自由全面发展具有重要意义。随着人工智能技术的发展，人类需要通过增强技术的人文维度来引导科技向善、为人类造福。人工智能破解了人文精神与科学技术融合的量化难题，极大拓展了科学研究的人文价值，让科技真正成为促进人类社会正向发展的动力。同时，人工智能对于海量数据和应用场景等方面的需求，进一步在资源获取、知识生产和成果评价方面推动科研范式向更加开放包容的方向发展，提高了科学研究的公平性。例如，越来越多的人工智能大模型选择开源，共同形成平台化工具体系，支持跨学科成果涌现，推动实现多学科协同的智能科研新范式。

　　当前，我国在人工智能驱动科研范式变革方面积极探索，在科学知识生产方面形成三个方面的实践路径。一是充分发挥制度优势，形成模块化的科研组织攻关能力。聚焦国家战略急需、应用导向鲜明、最终用户明确的攻关任务，通过“揭榜挂帅”机制等推动实现科研攻坚的动态组队。比如，建设“模速空间”人工智能大模型专业孵化和加速平台，已入驻100余家人工智能大模型企业；又如，在合肥综合性国家科学中心的量子通信攻关中，加强企业主导的产学研深度融合，将基础研究团队、工程转化主体与人工智能算力支持机构进行实时耦合，大大缩短了核心技术的突破和应用周期。二是充分利用应用场景丰富的优势，将其转化为人工智能数据增强优势。突出应用导向是我国人工智能发展的重要优势，更加丰富多元的数据有利于提升技术创新能力和模型准确率。我国拥有庞大且多元的市场，丰富的应用场景和不同的区域发展程度有助于形成“梯度增强学习”优势，为人工智能技术发展提供了天然“试验场”。三是将中华文化与人工智能的模型思维进行整合。中华文化中的整体思维与人工智能复杂系统建模有着内在一致性，二者的融合有利于打破定性与定量分析的传统界限，拓展科研视野和应用边界。比如，一些科研团队借助人工智能图谱技术，将《黄帝内经》等典籍与历代医案构建成结构化的知识网络，实现中医理论体系的数字化建构。总的来看，我国在科学知识生产方面的实践路径，体现了以人工智能引领科研范式变革的创新。

　　习近平总书记指出：“人工智能带来前所未有发展机遇，也带来前所未遇风险挑战。”以人工智能引领科研范式变革，在拓展人类认知广度和深度的同时，也面临着数据安全、道理伦理、结果评判等方面的诸多争议。在数据安全方面，将进一步加剧敏感数据的泄露风险，同时也会产生数据归属不清、数据资产流失等问题；在道德伦理层面，将模糊人类和计算机对知识生产贡献的边界，不可避免会引发对人工智能是否具有科研主体资格的讨论；同时，必须保持高度警惕，严防资本将人工智能异化为工具，坚决避免科研沦为资本扩张的附庸，防止其加剧社会资源分配失衡。在结果评判方面，将对传统科研同行评审制度提出新的挑战，同时针对人工智能科研成果的评价体系尚未建立，这将引发关于人工智能参与研发的专利主权的讨论；此外，人工智能预测结论难以进行人为评判，如何判断其可信度、是否能够直接应用于实践等，还值得进一步讨论。积极应对这些风险挑战，需要在深刻把握人工智能发展趋势和规律基础上，从政策支持、人才培养、国际合作、治理框架、标准规范等多方面发力，为推动人类科研范式变革贡献中国方案。

打造国家科研算力中枢网。算力是人工智能发展的核心要素之一。人工智能在各领域的快速应用发展，也增加了对高算力的需求。为此，应坚持全国一盘棋，以“东数西算”工程为基础，统筹推动建设人工智能驱动的科研创新联合体。可在有条件的地区设置人工智能技术制高点，实现高量级算力自主可控，实现对算力和数据资源的智能调度；加强科研数据安全保障，在提高数据开放共享水平的同时保障数据持续处于有效保护、合法利用、有序流动状态；综合运用好科研财政、金融保险、成果孵化平台等政策支持手段，搭建国家级智能科研网络体系。

建立人机协同的科研体制。人机协同将是未来科学研究的一个重要趋势。顺应这一发展趋势，要在国家级科研项目中探索引入人工智能科学家岗位，大力创新科研流程、科研模式和评价体系，推进科研活动中的人机协同，并加快推进对人类与人工智能合作成果贡献的量化评估；推进人工智能全学段教育和全社会通识教育，培育以青年为主体的人工智能科研人才梯队；重视科研智能化过程中对人的就业支持、工作保障和评价机制，重视在人机协同科研中坚持人的主体地位。

发起开放合作的国际科研联盟。开放创新生态能够激发创新主体活力、促进创新要素流动和有机配置、改善创新环境及提升国家与地区的创新能力。以人工智能引领科研范式变革，要以开放包容心态融入全球科研协作浪潮，积极推进我国先进科技同国际科研前沿接轨。可以“数字丝绸之路”为载体，构建逐步开放的国际科研数据公开平台，有序向其他发展中国家开放人工智能大模型和数据共享，积极参与针对数据主权、算法责任、成果分配等的国际人工智能规则制定，打造科研国际公共品，推动形成新型国际科研共同体。

提升人工智能科研治理能力。加快制定科研领域人工智能通用技术的国家标准，针对人工智能贡献比例及学术责任承担等问题增设相关责任条款，出台针对人工智能科研的政策制度、应用规范、伦理准则；在数据、算法、模型等层面发布细分技术指导和备案规范，加快打造中国自主可控的人工智能科研工具链。出台针对人工智能科研项目的伦理影响预评估制度，推行人工智能算法分级披露机制，对高风险领域建立全周期人工智能行为审计报告。完善应对人工智能科研风险的技术监测、风险预警和应急响应体系，针对人工智能科研成果和应用孵化落地实施分级“沙盒监管”制度，允许在可控范围进行容错纠错，确保人工智能在科研应用中安全、可靠、可控。