全球競逐AI4S新賽道：歐英美日戰略比較

當前，人工智能驅動科學研究（AI for Science，AI4S）作為繼經驗科學、理論科學、計算科學、數據科學之后的“第五科研范式”，正引發全球范圍內的。它不僅極大提升了科研效率，更在重構，已成為各國的關鍵戰略領域。

一、人工智能驅動科學研究政策進展

1.國內現狀

從國內來看，在政策層面，2023年，我國科技部會同自然科學基金委啟動“人工智能驅動的科學研究”（AI for Science）專項部署工作[1]，2025年《國務院關于深入實施“人工智能+”行動的意見》的首個重點行動“‘人工智能+’科學技術”提出“加快探索人工智能驅動的新型科研范式，加速‘從0到1’重大科學發現進程。”[2]

在實踐層面，上海人工智能實驗室的“書生科學發現平臺”[3]、中國科學院自動化研究所的“ScienceOne”[4]、北京科學智能研究院的“玻爾科研空間站”[5]等已經產生積極影響。近期，國家超算互聯網科學計算智能體也正式發布，覆蓋近百個高頻科研計算場景，涵蓋并支持三大學科和數十款計算軟件。[6]

2.國際現狀

從國際來看，歐盟、英國、美國、日本等也都紛紛布局，以搶占AI4S這一科研范式主導地位并加快科學研究創新，從而提升未來國際競爭力。

例如，2025年10月8日，歐盟發布“”（AI in Science Strategy），其目標是將歐盟打造為AI驅動科學創新的樞紐。該戰略圍繞創建歐洲科學AI資源中心（RAISE）平臺，從人才、算力、數據、資金以及合作等方面提出了具體的行動。[7]

2025年11月20日，英國發布《AI驅動科學研究戰略》（AI for Science Strategy）政策文件，圍繞發展AI驅動科學的前沿能力和確保英國兩大戰略目標提出15項具體行動。[8]

2025年11月24日，美國總統特朗普簽署《啟動創世紀計劃》（Launching The Genesis Mission）行政命令，提出舉全國努力，圍繞“美國科學與安全平臺”建設，加速將人工智能應用于具有變革性的科學發現，鞏固美國的技術主導地位和全球戰略領導地位。[9]為推動這一計劃的實施，美國能源部已啟動“針對國家安全的變革型AI能力”(Transformational AI Capabilities for National Security)[10]“變革型AI模型的合作伙伴”(Partnerships for Transformational Artificial Intelligence Models)[11]和“為創世紀計劃動員人才并發展推進科學與工程AI的美國勞動力”（Mobilizing Talent for the Genesis Mission and Developing an American Workforce to Advance Artificial Intelligence (AI) for Science and Engineering）[12]三個信息征詢請求（RFI）。2025年12月18日，已有24個機構/組織簽署合作備忘錄（MOU），包括OpenAI、谷歌、微軟等[13]。2026年1月27日，日本文部科學省與美國能源部簽署人工智能與計算機科學合作備忘錄，成為創世紀計劃的首個國際合作伙伴，具體參與者有美國的阿貢國家實驗室、日本理化研究所（RIKEN，日本頂級科研機構）、富士通等。[14]

2025年10月6日，在日本文部科學省科學技術·學術審議會信息委員會第44次會議上，日本科學技術振興機構（JST）研究開發戰略中心（CRDS）發布[15]，“提出以人工智能驅動科學研究創新的總體框架與未來方向，旨在通過AI4S戰略，加速人工智能在科學研究中的深度應用，構建‘人機共創’的科研生態。”[16]2025年12月23日，日本內閣府通過的《人工智能基本計劃：通過“可信賴的AI”實現“日本的重新崛起”》則明確提出“推動AI驅動科學研究計劃。”[17]

2026年1月14日，在文部科學省科學技術·學術審議會信息委員會的第45次會議上，文部科學省正式發布《推進AI4S基本戰略的政策方向》，將AI4S視為提升日本科研實力、應對人口減少與社會挑戰的關鍵手段，目標是在2030年代實現全國范圍內研究者均可利用AI進行高水平科研，并提出6大重點方向，包括推進AI研究與AI應用研究的先導性項目、構建支持AI驅動研究的數據生成與利用基礎設施、建設下一代信息基礎設施，包括計算資源與數據平臺、加強AI人才培養和產學與國際合作、確保大規模投資與政策環境、構建跨部門、跨領域的強力推進體制。[18]

二、人工智能驅動科學政策的國際比較

、英國、美國和日本的AI4S戰略均圍繞數據、算力、算法（模型）和專業知識（人才）四大要素[19]展開布局，旨在通過國家層面資源整合，搶占第五科研范式主導權。但各經濟體側重點不同：歐盟強調開放共享與倫理治理、英國注重優先領域數據集與本土超級計算、美國以國家安全與大規模公私合作為核心、日本則突出高質量實驗數據與優勢領域的集中突破。

1.AI4S數據建設方面的舉措比較

歐盟在AI4S數據建設上，重點構建歐洲開放科學云（EOSC）作為共同歐洲研究與創新數據空間，并通過RAISE平臺與健康數據空間等其他歐洲共同數據空間聯動，提供高質量、AI-ready數據集，解決數據碎片化與共享障礙。

英國優先生成高價值、AI-ready數據集，強調FAIR原則（可發現、可訪問、可互操作、可重用），通過UKRI設施擴展實驗數據存儲，并試點挖掘“暗數據”，與行業合作構建聯邦存儲。

美國創世紀計劃的核心是構建“美國科學與安全平臺”，整合聯邦科學數據集（包括DOE國家實驗室的專有、公開、合成數據），標準化元數據與溯源，確保安全訪問與AI訓練可用。

日本則著力于發揮其在生命科學與材料科學等領域積累的高質量實驗數據優勢。其核心路徑是通過構建大規模自動化與云實驗室，實現研究系統的自動、自律與遠程化運行，以此大幅提升數據產出的效率與標準化程度，從而為AI學習與科學研究構建一個高質量、可持續的數據供給閉環。

2. AI4S算力建設方面的舉措比較

歐盟依托EuroHPC（European High Performance Computing）聯合體，推出AI Factories（為AI研發與訓練提供專用高性能計算基礎設施的集群設施）和Gigafactories（超大規模AI計算中心，配備數十萬塊專用芯片），優先保障歐盟資助項目訪問，解決學術界算力瓶頸與廠商鎖定。

英國通過AI研究資源（AIRR）提供全國統一的AI計算資源池，并投資建設Isambard-AI（全球頂級超算之一）和Dawn等專用超算系統。AIRR采用分級分配機制，優先支持AI驅動的科學研究，并探索聯邦集群網絡以實現資源共享。

美國動員了能源部17個國家實驗室超算、量子系統與云環境，構建集成發現平臺，提供高性能計算支持模型訓練與模擬。

日本通過戰略性擴展其高性能計算基礎設施（HPCI）并優化資源分配，以應對AI4S的算力需求。同時，著手規劃包括下一代學術信息網絡（次期SINET）在內的未來數據流通與管理架構，旨在構建一個高效、一體的計算與數據環境。

3. AI4S算法/模型建設方面的舉措比較

歐盟重點投入大型多模態前沿AI模型的研發，并建立系統化的AI模型監測與評估機制，以確保模型的透明性、可解釋性與在科學應用中的可信賴性，同時通過跨學科協作機制推動模型的適應與迭代。

英國在AI4S算法建設方面，主要聚焦于支持自主實驗室基礎設施和“AI科學家”探索性項目（如通過ARIA資助），并強調利用通用與專用AI科學工具的快速發展。

美國創世紀計劃提出開發領域特定基礎模型與AI智能體，支持假設測試、工作流自動化，通過平臺框架與伙伴關系加速模型迭代。

日本將開發日本原創的科學基礎模型與AI智能體置于核心地位，采取“項目型”與“挑戰型”雙軌并行的資助體系。前者旨在對生命科學、新材料等優勢重點領域進行集中投資，以期實現尖端模型的早期實裝與產業化；后者則面向更廣泛的研究群體，旨在激發萌芽研究，培育新的增長點。

4.AI4S人才建設方面的舉措比較

歐盟提出通過RAISE試點項目資助AI in science博士網絡和主題式卓越網絡（Networks of Excellence），以培訓下一代AI驅動科學研究人才；同時定期更新《研究中使用生成式AI的負責任使用活指南》，并建立JRC科學AI中心（與歐洲AI辦公室協作）來監測評估AI模型并支持研究人員能力提升，強調倫理與負責任AI素養的全面培養。

英國計劃5年內培訓1000+名AI4S博士，擴展獎學金與職業路徑，支持跨學科團隊。

美國通過AI研究獎學金、實習與學徒計劃，動員DOE下屬約4萬名科學家與工程師，并通過專屬人才信息征詢請求（RFI）推動AI4S人才管道建設。

日本在人才戰略上采取“全層級培養”與“國際化吸引”雙輪驅動。在國內，系統性培育從頂級科學家、數據科學家到廣大研究者的多層次人才，并推動研究人員的素養提升與技能再培訓。在國際上，則通過戰略性國際合作與打造有吸引力的研發環境，積極延攬海外頂尖人才。同時，強力推動“產學橋接”，將科研成果向產業界轉移，并配套創業支持機制，旨在形成“科研-產業”良性循環，以解決社會課題并強化經濟競爭力。

三、結語

人工智能驅動科學研究（AI4S）正成為決定未來科學競爭力和國家實力的核心領域。它不僅能極大提升研究的效率與生產力，更有可能徹底改變科學發現的范式，加速從0到1的重大突破。各國紛紛將AI4S上升為國家戰略，表明這一方向已不再是技術趨勢，而是關乎長期科技主導權與經濟、社會韌性的戰略博弈。

從國際比較來看，可以看出，在所有要素中，被賦予重要地位。因為無論數據如何豐富、算力如何強大、模型如何先進，如果沒有足夠數量和質量的、真正懂得如何與AI深度協同的科研人員，一切基礎設施都難以發揮最大效能。可以說，未來，誰能率先建成AI-ready的科研人才大軍，誰就將在下一輪科學革命中占據主動。

參考文獻

[1] 科技部啟動"人工智能驅動的科學研究"專項部署工作. https://www.gov.cn/xinwen/2023-03/27/content_5748495.htm

[2] 國務院關于深入實施“人工智能+”行動的意見. https://www.gov.cn/zhengce/content/202508/content_7037861.htm

[3] 見官網：https://discovery-home.intern-ai.org.cn/home

[4] 見官網：https://www.scienceone.cn/

[5] 見官網：https://www.bohrium.com/

[6] 國家超算互聯網科學計算智能體亮相. https://www.xinhuanet.com/tech/20260105/31e6a7f8dd524c1093a3b69203e06cd0/c.html

[7] European Commission.A European Strategy for Artificial Intelligence in Science. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELLAR:4559c9e2-a426-11f0-97c8-01aa75ed71a1

[8] AI for Science Strategy. https://www.gov.uk/government/publications/ai-for-science-strategy/ai-for-science-strategy

[9] Launching The Genesis Mission. https://www.whitehouse.gov/presidential-actions/2025/11/launching-the-genesis-mission/

[10] Transformational AI Capabilities for National Security. https://sam.gov/workspace/contract/opp/d594e20add7145bd9dd71684d7fc06e2/view

[11] Partnerships for Transformational Artificial Intelligence Models. https://sam.gov/opp/18575cee90e74b11bbe963d7750408d8/view

[12] Request for Information (RFI) on Mobilizing Talent for the Genesis Mission and Developing an American Workforce to Advance Artificial Intelligence (AI) for Science and Engineering. https://sam.gov/workspace/contract/opp/1f6ee2898b724568b4816de787d0b8f6/view

[13] Energy Department Announces Collaboration Agreements with 24 Organizations to Advance the Genesis Mission. https://www.energy.gov/articles/energy-department-announces-collaboration-agreements-24-organizations-advance-genesis

[14] Japan becomes 1st country to join Trump's Genesis Mission innovation plan. https://asia.nikkei.com/business/science/japan-becomes-1st-country-to-join-trump-s-genesis-mission-innovation-plan

[15] AI for Science / 概念と方向性. https://www.mext.go.jp/content/20251006-mxt_jyohoka01-000045188_01.pdf

[16] 李染秋. 日本發布“AI for Science”戰略藍圖：以AI驅動科學研究革新. https://mp.weixin.qq.com/s/MoN785-bGmmJMXSkgwHZcA

[17] 人工知能基本計畫. https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20251223.pdf

[18] AI for Science の推進に向けた基本的な戦略方針の方向性について. https://www.mext.go.jp/content/20260114-mxt_jyohoka01-000046711_5.pdf

[19] 秦錚. 人工智能驅動的科學研究：特征、趨勢及建議. http://cn.casted.org.cn/channel/newsinfo/10540

[本文為教育部國別和區域研究基地中國教育科學研究院國際教育研究中心成果]

本文由中國教育科學研究院“教育國際前沿”課題組負責人張永軍整理，編輯劉強。