看清蛋白質(zhì)的形狀才能理解疾病、設(shè)計(jì)藥物，全球大約三分之一的上市藥物靶向的都是致病相關(guān)的蛋白質(zhì)，2020 年新冠 mRNA 疫苗能在拿到病毒基因序列后 48 小時內(nèi)完成候選分子設(shè)計(jì)，前提之一就是科學(xué)家此前已經(jīng)看清了冠狀病毒刺突蛋白的三維結(jié)構(gòu)。AlphaFold 的出現(xiàn)大幅加速了蛋白質(zhì)結(jié)構(gòu)解析的效率，也讓 AI 輔助科研成為全球關(guān)注的焦點(diǎn)。
AlphaFold 能做到這一點(diǎn)，是因?yàn)榈鞍踪|(zhì)領(lǐng)域擁有五十多年標(biāo)準(zhǔn)化的數(shù)據(jù)積累、成熟統(tǒng)一的檢測手段和全球共享的數(shù)據(jù)庫，天然適合 AI 建模。
但在許多科研領(lǐng)域，數(shù)據(jù)條件遠(yuǎn)沒有這么好，AI 能否在這些領(lǐng)域同樣發(fā)揮作用，正在成為科學(xué)界和產(chǎn)業(yè)界共同關(guān)注的問題。
2025 年 8 月，國務(wù)院發(fā)布的《深入實(shí)施 " 人工智能 +" 行動的意見》中，明確提出 " 加快探索人工智能驅(qū)動的新型科研范式 "。7 月 18 日，2026 世界人工智能大會（WAIC）期間，智源研究院、中國科學(xué)院、深圳河套學(xué)院、清華大學(xué)四家機(jī)構(gòu)在 "AI for Science: Beyond the Concept"（科學(xué)智能：從概念走向?qū)嵺`）圓桌論壇上集中展示了各自的階段性成果。
四家機(jī)構(gòu)的探索方向各不相同，但 AI 能幫到科學(xué)家的地方已經(jīng)很具體了，讀懂雜亂的實(shí)驗(yàn)數(shù)據(jù)，操作精密儀器，管理實(shí)驗(yàn)流程。以往科研人員的大量時間花在了這些重復(fù)性事務(wù)上，壓縮這些時間，科學(xué)家才能把精力放到提出假設(shè)、設(shè)計(jì)實(shí)驗(yàn)和解讀結(jié)果上。
讀懂實(shí)驗(yàn)數(shù)據(jù)
今年 7 月，中國科學(xué)院上海硅酸鹽研究所的研發(fā)團(tuán)隊(duì)從兩千萬種候選配方中鎖定了一種新型合金催化劑，活性比市面上的商用催化劑高出 38%，而一次干實(shí)驗(yàn)篩選過程只需 30 分鐘。
這種催化劑用于析氫反應(yīng)，也就是用電把水分解成氫氣，是綠色氫能產(chǎn)業(yè)鏈上的關(guān)鍵材料。催化劑在日常生活中也很常見，比如汽車排氣管里的三元催化器，負(fù)責(zé)把發(fā)動機(jī)排出的一氧化碳和氮氧化物轉(zhuǎn)化成無害氣體；化肥廠用鐵基催化劑合成氨，全球近一半人口的糧食生產(chǎn)依賴這一工藝。
催化劑的性能直接決定一個化學(xué)反應(yīng)需要多少能量、花多長時間，但找到合適的催化劑一直是材料科學(xué)中最耗時的工作之一。傳統(tǒng)做法是在海量候選配方中反復(fù)試錯，研究人員合成一批材料，測試性能，分析數(shù)據(jù)，調(diào)整配方，候選配方在千萬量級時，一輪走下來往往需要幾個月。
幫助這個團(tuán)隊(duì)把幾個月壓縮到 30 分鐘的工具，是中科院組織多個研究所聯(lián)合研發(fā)的磐石 · 科學(xué)基礎(chǔ)大模型 2.0（ScienceOne Omni）。磐石要解決的一個核心問題是，不同學(xué)科的數(shù)據(jù)長得完全不一樣，分子結(jié)構(gòu)是三維坐標(biāo)，光譜是一維波形，蛋白質(zhì)是氨基酸序列，科學(xué)圖像是像素矩陣。
磐石的做法是先把這些格式各異的數(shù)據(jù)統(tǒng)一編碼成模型能處理的形式，再用全球 1.7 億篇科技文獻(xiàn)、中科院科學(xué)語料庫做對齊訓(xùn)練，讓模型在不同學(xué)科之間建立關(guān)聯(lián)，最后針對具體科研任務(wù)輸出結(jié)果。訓(xùn)練數(shù)據(jù)包含 800 萬條科學(xué)推理樣本，平臺集成了 8000 余個專業(yè)科研工具和技能庫。
因?yàn)槟芸鐚W(xué)科處理數(shù)據(jù)，磐石的應(yīng)用范圍遠(yuǎn)不止催化劑。在力學(xué)工程領(lǐng)域，磐石與中科院力學(xué)研究所合作，將高鐵氣動問題的仿真分析時間從數(shù)小時壓縮到了秒級響應(yīng)，數(shù)據(jù)稀缺場景下關(guān)鍵參數(shù)誤差降低 42%。在天文領(lǐng)域，磐石與國家天文臺合作構(gòu)建了恒星參數(shù)智能反演工具鏈，稀有天體的識別準(zhǔn)確率相比現(xiàn)有方法提升約 50%。在日常科研中最耗時間的文獻(xiàn)調(diào)研環(huán)節(jié)，過去一輪系統(tǒng)性的文獻(xiàn)梳理通常需要幾天甚至幾周，磐石 2.0 把這個過程壓縮到了 20 分鐘左右。
目前磐石已落地 50 余家中科院內(nèi)研究所和 30 余家院外機(jī)構(gòu)，算力體系基于華為智算實(shí)驗(yàn)室解決方案，已適配昇騰等芯片。
磐石覆蓋的這些學(xué)科有一個共性，它們的數(shù)據(jù)雖然格式各異，但都有成熟的文獻(xiàn)體系和公式可以參照，AI 建模有據(jù)可依。
還有一些學(xué)科沒有這樣的條件，實(shí)驗(yàn)數(shù)據(jù)來自不同類型的設(shè)備，格式和維度各不相同，甚至連統(tǒng)一的標(biāo)注標(biāo)準(zhǔn)都還沒建立起來，AI 建模很難找到可靠的起點(diǎn)。
但即使在這樣的條件下，AI 也開始產(chǎn)出嚴(yán)肅的科研成果。例如，神經(jīng)科學(xué)領(lǐng)域。
2026 年 6 月，北京智源人工智能研究院與清華大學(xué)聯(lián)合團(tuán)隊(duì)在《科學(xué)》（Science）期刊上發(fā)表了一項(xiàng)研究，首次證實(shí)記憶可以反向調(diào)控睡眠，正向記憶讓睡眠更連續(xù)，負(fù)向記憶加劇睡眠碎片化，為抑郁癥、焦慮癥伴隨的睡眠障礙提供了新的干預(yù)思路。
支撐這項(xiàng)研究數(shù)據(jù)分析的，是智源自研的多模態(tài)神經(jīng)科學(xué)大模型悟界 · Brain μ（讀作 Brain-m ü）。
面對這樣的數(shù)據(jù)困境，智源自研的悟界 · Brain μ 走了一條不同的路，借助已經(jīng)訓(xùn)練好的多模態(tài)模型作為參照系。雷博解釋，大腦是一個高維的存在，每種檢測設(shè)備只能捕捉它的一個低維投影，就像從不同角度拍同一棟建筑，每張照片都只有一部分信息。Brain μ 利用語言和視覺的多模態(tài)模型已有的表征空間，把神經(jīng)科學(xué)各個模態(tài)的稀疏數(shù)據(jù)對齊進(jìn)來，讓模型學(xué)到一個比單一模態(tài)更完整的大腦表征。
當(dāng)模型掌握了這個高維表征之后，就可以實(shí)現(xiàn)不同模態(tài)之間的轉(zhuǎn)換，比如輸入一段成本低廉的腦電數(shù)據(jù)，輸出信息量更大但設(shè)備昂貴的功能性磁共振成像（fMRI）圖像，對缺少高端設(shè)備的基層醫(yī)療機(jī)構(gòu)來說，醫(yī)生有可能借助 AI 做到原本只有大型三甲醫(yī)院才能做出的診斷。
配套的 BrainToken 數(shù)據(jù)平臺整合了人類、猴和小鼠三個物種的數(shù)據(jù)，覆蓋從腦電到雙光子鈣成像等主要神經(jīng)科學(xué)模態(tài)。在與北京生命科學(xué)研究所的合作中，悟界 · Brain μ 對超過 5000 晚小鼠睡眠數(shù)據(jù)完成了自動化標(biāo)注和分析，超過 12 個月的分析結(jié)果經(jīng)過雙向驗(yàn)證，與專業(yè)睡眠神經(jīng)科學(xué)博士的人工判斷保持較高一致性。模型訓(xùn)練覆蓋超過 7 萬晚睡眠記錄。據(jù)智源研究院介紹，團(tuán)隊(duì)聯(lián)合華為，使用昇騰超節(jié)點(diǎn)完成了悟界 · Brain μ 的推理適配與優(yōu)化，全流程支撐了 12 個月的自動化分析。
AI 開始管理實(shí)驗(yàn)室
做材料研究，需要用不同儀器獲取材料的成分、結(jié)構(gòu)和形貌信息。深圳河套學(xué)院副院長歐陽萬里在圓桌論壇上說，就像給人做體檢需要心電圖、B 超、CT 各種設(shè)備，材料的 " 體檢 " 也離不開掃描電子顯微鏡、X 射線衍射儀、能譜儀等一系列精密儀器。這些儀器的操作極度依賴人，研究人員需要手動制備樣品，手動控制儀器軟件，反復(fù)調(diào)整參數(shù)等待出圖，再手動分析數(shù)據(jù)，不同設(shè)備之間的軟件系統(tǒng)相互封閉。
深圳河套學(xué)院聯(lián)合蘇州國家實(shí)驗(yàn)室推出的靈鑒（AuraID）多智能體無人表征平臺，選擇了一條不同的路。這套系統(tǒng)不要求儀器廠商開放軟件接口，讓智能體以與人類專家一樣的方式操作設(shè)備界面，觀察屏幕圖像，點(diǎn)擊按鈕，讀取數(shù)據(jù)，調(diào)整參數(shù)。
在掃描電子顯微鏡的測試中，靈鑒接管操作后，一開始拍出的圖像噪點(diǎn)明顯，系統(tǒng)自動調(diào)整加速電壓和放大倍率，圖像逐步清晰，最終停在最佳參數(shù)上，自動完成圖像捕獲和顆粒粒徑分析。
目前靈鑒已覆蓋 6 類精密儀器、10 余種表征模態(tài)，在 micro-CT（微型計(jì)算機(jī)斷層掃描）對準(zhǔn)任務(wù)中，AI 獨(dú)立完成率從 1.0 版本的 33% 提升到 2.0 版本的 80%，晶體結(jié)構(gòu)解析的工作量減少 50.6%，微觀形貌分析耗時從 9 分鐘縮短到 7.5 分鐘。同一套操作規(guī)則可以支持能源材料、納米材料和金屬材料三類不同樣本的表征。
深圳河套學(xué)院代表王智慧表示，合成側(cè)的自動化已經(jīng)有不少科研機(jī)構(gòu)在推進(jìn)，但表征側(cè)的無人化和智能化還是空白，靈鑒切入的正是這個環(huán)節(jié)。
清華大學(xué)生命科學(xué)學(xué)院教授、膜生物學(xué)全國重點(diǎn)實(shí)驗(yàn)室主任俞立在圓桌論壇上介紹了黑燈實(shí)驗(yàn)室在生命科學(xué)領(lǐng)域的落地思考。
2025 年 12 月，清華大學(xué)正式成立生命科學(xué)人工智能研究中心，為這一方向的落地提供了機(jī)構(gòu)基礎(chǔ)。黑燈實(shí)驗(yàn)室的概念源自制造業(yè)的 " 黑燈工廠 "，生產(chǎn)線無需人值守，燈都不用開。俞立把這個思路引入科研，讓大模型直接集成進(jìn)科研儀器，數(shù)據(jù)采集的同時完成分析，結(jié)果進(jìn)入數(shù)據(jù)庫反哺模型訓(xùn)練，形成不需要人持續(xù)干預(yù)的循環(huán)。
俞立透露，他的團(tuán)隊(duì)兩年前開始引入大模型輔助實(shí)驗(yàn)流程，具體做法是讓學(xué)生在設(shè)計(jì)實(shí)驗(yàn)之前先和大模型充分討論方案，把可能遇到的問題提前排查一遍。去年，團(tuán)隊(duì)進(jìn)一步部署智能體管理全鏈條。
引入大模型后，在團(tuán)隊(duì)擴(kuò)大 20 人的情況下，實(shí)驗(yàn)成本反而降低了 25%。圍繞這一方向，俞立已經(jīng)在杭州等地建設(shè)了配套研究機(jī)構(gòu)，配備冷凍電鏡、大規(guī)模算力和存儲等基礎(chǔ)設(shè)施，聚集了化學(xué)家、生物學(xué)家、醫(yī)生和工程師在同一個空間里協(xié)作。按照俞立的設(shè)想，過去做一款新藥需要 10 年和 10 億美元，隨著 AI 深度介入科研流程，將來有可能壓縮到 3 個月和 300 萬美元。
磐石的跨學(xué)科建模、Brain μ 的腦科學(xué)信號分析、靈鑒的儀器操控、俞立的黑燈實(shí)驗(yàn)室，這些成果跑通都離不開算力的支撐。
此外，對于國內(nèi)科研機(jī)構(gòu)而言，算力自主創(chuàng)新的重要性還要再加一層。
科學(xué)計(jì)算涉及大量敏感數(shù)據(jù)和核心研究成果，依賴自研算力底座，既是保障數(shù)據(jù)安全的現(xiàn)實(shí)需要，也是提升國內(nèi)科研整體競爭力的基礎(chǔ)條件。華為科研軍團(tuán)推出的智算實(shí)驗(yàn)室和智慧科研兩套解決方案，就在這一方向上做了探索，前者解決算力調(diào)度和數(shù)據(jù)管理，后者打通科研全流程，目前已服務(wù)全國 20 多個重點(diǎn)實(shí)驗(yàn)室。
在嘉庚創(chuàng)新實(shí)驗(yàn)室，華為參與共建的物質(zhì)科學(xué)智能算力平臺已經(jīng)投入運(yùn)行，將材料模擬和分子篩選等任務(wù)的計(jì)算效率提升了 20%。從優(yōu)質(zhì)算力的供給到科研全流程的數(shù)字化，軟硬自研的技術(shù)生態(tài)正在為科學(xué)智能的落地提供越來越完整的支撐。
AlphaFold 證明了在數(shù)據(jù)條件最好的領(lǐng)域，AI 可以拿到諾獎級的成果，而這四家機(jī)構(gòu)正在做的事可能沒有多么耀眼，但卻更為重要。它們要讓 AI 在數(shù)據(jù)條件遠(yuǎn)沒有那么好的地方也能幫上忙，讓科學(xué)家少花一些心力在重復(fù)勞動上，多留一些時間給那些只有人才能想清楚的問題。
