8月21日，2026科学智能大会在北京海淀中关村国际创新中心开幕。近50位院士、80余位青年学者、百余场高水平学术报告，围绕“人工智能变革科研范式”这一主题展开交流。

　　“什么叫范式？坐在一屋子的科学家，大家都觉得用什么东西能解决问题，这就叫范式。”大会共同主席、北京科学智能研究院（AISI）院长李鑫宇在接受采访时说，“今天，大会上近3000名科学家都觉得AI能帮助他解决科学问题，那AI就真的成为了全新的科研范式。”

　　2018年，中国科学院院士鄂维南、汤超在北京大学首次提出“AI for Science”（下称AI4S）的概念；2022年，第一届科学智能峰会还只是在线上举行；而今天，这场从“峰会”升级为“大会”的学术聚会，已经成为中国AI4S领域规模最大的年度盛会。

　　“读、算、做”：科研工具的一次系统重构

　　理解AI4S的雄心，需要先理解它试图改变什么。

　　鄂维南表示，AI4S带来了三个“打破”：打破学科之间的界限、打破理论与实验之间的界限、打破科研与产业之间的界限。而这些“打破”的底层支撑，是一套被重新设计的科研基础设施。

　　2021年，鄂维南牵头成立全球首个专注于AI for Science领域的新型研发机构——北京科学智能研究院，并担任学术委员会主任。他提出了“四梁N柱”架构。“四梁”指的是被AI重构后的四大基础工具：基本原理和数据驱动的模型算法、高效率高精度的实验方法、替代文献的知识库和数据库、高度整合的算力平台。“N柱”则是能源、航天、化工、医药等所有需要被AI赋能的垂直领域。

　　将这套架构真正运转起来，靠的是一个更形象的闭环——“读文献—做计算—做实验”。

　　“过去这些模块是相互割裂的。”李鑫宇解释，读文献的效率有限，做计算的速度和精度难以两全，实验又是一个慢变量、高成本的事情，三者无法形成有效联动。“但今天，每一个模块的效率、精度都发生了变化，这就使得它们有可能完全串在一起。”

　　计算精度上去了，计算就可以指导实验；高通量的实验产出的数据不仅可以供人分析，还可以用来训练准确的模型。人工智能在文献吞吐上的能力，更让跨领域灵感获取成为可能。“以前一个人一辈子能深读的文献可能就百篇左右，现在AI可以大量吞吐文献内容，为一个任务可以从不同行业和领域汲取灵感。”

　　科学数据的“脱壳”：不让信息在转化中失真

　　如果说“读、算、做”是科研流程的再造，那么科学数据就是驱动这套流程运转的“燃料”。

　　2023年5月，AISI联合深势科技等机构研发的新一代AI驱动的科研知识库与智能体平台Science Navigator V1.0发布，成为AI for Science的重要基础设施。如今，这一平台已收录超2亿篇论文资源、1.6亿件专利、14万种期刊，覆盖26大学科领域，服务全球450万科研用户。

　　“科学数据是多模态的，科学数据的类型也是极度丰富的。”李鑫宇介绍，每个学科都有自己独特的表达方式，比如化学分子式、数学方程式、天文谱图、生物序列……这些专业符号在提高领域表达精度的同时，也造成了学科之间的知识鸿沟。想把过去人类已有的知识挖掘出来，就需要把各种学科的多模态数据做好，也就是科学数据与语料的构建。

　　这正是Science Navigator试图填补的“空白”：让大语言模型不仅能理解自然语言，也能理解化学分子式、实验图表、科学数据等多模态科学元素。

　　谈及科学数据的“Token化”，李鑫宇借用了中国工程院院士王坚的一个生动的比喻：

　　“就像小麦脱壳。你可以加工成全麦，也可以加工成精麦，有不同方式。但麦子脱完壳之后就没有了，同一颗麦子不可能加工成两个不同的东西。科研数据不一样，保留原始数据，你可以把它加工成不同的样子，蒸面包、做馒头、做全麦面包，不同的出发点需要不同的角度。”

　　而核心原则是不让科学数据在转化过程中失真。“我们希望在尽可能保证原有科学数据信息不丢失的情况下，让它用于模型的训练。”李鑫宇说，“至于到底跟什么模型对齐，是通用的还是专用的，这可能是最大的困难。”

　　不设边界，重新凝聚共识

　　人才，是AI4S生态中最活跃的变量。

　　李鑫宇表示，站在技术浪潮的前沿，很多东西还没有被条分缕析地变成教科书。这个时候，“不设边界的学习能力”和“快速动手实践的能力”，是青年学生最需要的。

　　AISI最近在做一项“Agentic Science Challenge”的比赛，由来自清华、北大、普林斯顿等高校老师们出题，参赛者用自己的Agent来解题。结果出乎意料，连续三期第一名都是同一位大一学生。

　　“非常有冲击性，他们是AI的原住民，是AI伴生起来的，脑海中没有那么多学科之间的界限和预设，随着他们的成长，能快速补充行业里的人才缺口。”

　　而对于产学研协作，李鑫宇认为关键在于“重新凝聚共识”。过去，解决一个科研问题未必能解决一个产业问题，科研对产业的帮助也有限；如今，科学供给能力显著提升，一些过去无解的问题有了解决的可能。

　　就在大会开幕当天，中关村（海淀）科学智能创新集聚区正式亮相，落地西三旗金隅科技园，将按“核心策源、中试验证、场景拓展”构建创新链条，从资金、平台、人才等多维度为AI4S产学研融合提供支撑。这也正是“重新凝聚共识”的地方实践——当科研供给能力提升，产业端的真实需求被看见，平台和集聚区就是让两边对接的桥梁。

　　“所以，我们今天能干的，远比我们今天可能想干的还要强大。”至于那个让所有人都为之振奋的“ChatGPT时刻”何时到来？李鑫宇说，“一定不会太远，也许三年，也许五年。但相比于传统动辄十年二十年的周期，已经大幅缩短了。”（记者 肖春芳）