科学研究的范式正发生深刻变革。从经验观察、理论推导、计算模拟到如今的数据驱动，人工智能正在成为推动科学发现的新引擎。在日前召开的人工智能赋能科学座谈会上，多位专家学者深入探讨了这个转变的深层原因、现实意义与未来前景。 传统科研模式面临的瓶颈日益凸显。上海创智学院全时导师刘鹏飞指出，人类从事科学研究的效率并不理想。其根本局限在于知识的代际传承困难。宏大科学问题往往需要跨越几代人的接力研究，但由于学科细分导致知识壁垒迅速增高，即便在同一学科领域，前沿研究方向的微小差异也可能造成专业人士之间的理解障碍。此外，人类交流与思考中存在的"上下文缺失"现象，使得过往的精彩讨论难以在未来工作中被精准调用，大量宝贵的研究经验和思想资源因此被浪费。 人工智能的介入为这些难题提供了新的解决方案。大模型具备的深度认知能力和自主能动性，使其能够系统阅读和理解海量科学文献，主动挖掘和拆解潜在的科学问题，并自主规划和驱动自动化实验平台。刘鹏飞表示，通过规模化投入算力，可以获得标准化的"人工智能实习生"，这种科研范式的转变将大幅提升科学发现的效率。 实践案例充分验证了人工智能在科学研究中的价值。上海交通大学特聘教授洪亮团队利用人工智能设计了全球首款由大模型设计且实现工业化生产的蛋白质。传统蛋白质开发高度依赖科学家经验，过程漫长且试错成本高、成功率低。而天鹜科技开发的人工智能蛋白质设计平台Venus，通过蛋白质预训练大模型学习自然界海量蛋白质序列中的氨基酸组装规则，结合功能预测监督学习模型和小样本主动学习模型，实现了特定场景下的精准预测。这充分说明，人工智能不仅能降低成本、提高效率，更能创造人类之前难以创造的事物。 上海科学智能研究院的最新进展继续展示了人工智能在科学研究中的潜力。该院副院长程远介绍，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、运行人工智能仿真预测的干实验并验证结果。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。这预示着未来物理世界的湿实验也将实现自动化，人工智能的应用范围将进一步拓展。 然而，人工智能在科学研究中的应用仍存在明显短板。专家指出，当前人工智能在真正突破人类认知边界、实现跨学科理论原创上的能力依然不足，无法比拟人类顶尖科学家的颠覆性思维。这意味着人工智能目前主要在"低垂的果实"领域发挥作用，对于需要创新性思维基础理论研究，人类科学家仍然不可替代。 为了利用人工智能在科学研究中的潜力，与会专家强调了跨学科人才培养的紧迫性。多位青年科学家指出，人工智能赋能科学最稀缺的是跨学科人才，需要降低领域科学家使用人工智能的技术门槛。只有一群聪慧的研究者持续在一起思考和工作，才能碰撞出新的边界——在人工智能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人工智能模型。这种良性互动有望打破传统的"作坊式"科研范式，推动科学研究向更加开放、高效、协作的方向发展。
科研变革不仅是工具的更新，更是组织方式和评价体系的重塑；虽然计算和数据驱动正在改变科研模式，但真正的突破仍取决于对科学问题的准确判断、对证据的严格把关以及长期坚持。要发挥AI的效率优势，需要在普及应用与保持高标准之间找到平衡，通过开放协作和严谨验证，推动科技创新的持续发展。