白春禮：人工智能促進(jìn)科學(xué)研究范式變革

白春禮（中國科學(xué)院原院長）|演講

AI for Science是科技界當(dāng)前非常熱的話題。AI如何促進(jìn)科學(xué)研究的發(fā)展？這次浦江論壇談到AI、AGI如何促進(jìn)科研范式的變革和躍遷。這個題目選得非常好，非常有價值，值得深入交流。

過去幾年，人工智能的發(fā)展進(jìn)入了明顯加速階段。關(guān)鍵突破不僅改變了技術(shù)本身，也開始影響科學(xué)研究的基本范式。我也在思考，人工智能發(fā)展的邊界是什么？它到底能走多遠(yuǎn)？對科學(xué)的影響到底是什么？是僅僅停留在革新科研方法上，還是能夠進(jìn)一步顛覆人類認(rèn)知世界的底層邏輯？圍繞這個問題，也圍繞這次年會的主題，我談幾點思考跟大家交流。

01

關(guān)于科研范式的歷史迭代與AI的變革浪潮

從科學(xué)研究歷史發(fā)展的長周期看，科學(xué)的發(fā)展本質(zhì)上是人類認(rèn)知工具不斷演進(jìn)的歷史。新的方法與工具幫助我們不斷突破認(rèn)知邊界。從實驗科學(xué)的興起到數(shù)學(xué)理論體系的建立，再到計算模擬與數(shù)據(jù)驅(qū)動科學(xué)的發(fā)展，人類不斷取得科學(xué)突破。

17世紀(jì)，以牛頓為代表的科學(xué)先驅(qū)，通過實驗方法和數(shù)學(xué)工具，將自然現(xiàn)象轉(zhuǎn)化為可度量、可計算的對象，塑造了經(jīng)典科學(xué)體系，帶動了科學(xué)極大繁榮。19世紀(jì)，以麥克斯韋為代表的理論物理學(xué)家，將電磁現(xiàn)象統(tǒng)一為一組方程，推動科學(xué)從經(jīng)驗描述走向抽象理論。愛因斯坦通過相對論重構(gòu)了時間與空間的基本認(rèn)知框架，使理論科學(xué)進(jìn)一步走向高度抽象與統(tǒng)一，形成又一次深刻的范式躍遷。這些都是科研范式變革的例子。

20世紀(jì)中葉，以馮·諾依曼為代表的科學(xué)家奠定了計算機體系，使人類可以通過數(shù)值模擬研究復(fù)雜系統(tǒng)。比如曼哈頓計劃中，科學(xué)家首次借助計算手段模擬核反應(yīng)過程。21世紀(jì)初，以人類基因組計劃為代表的大科學(xué)工程，推動科學(xué)進(jìn)入以數(shù)據(jù)為核心驅(qū)動的新階段。隨后，一大批“國之重器”重大科學(xué)基礎(chǔ)設(shè)施拔地而起，帶動科學(xué)探索不斷向前沿發(fā)展。

每一次重大科學(xué)革命的突破，都伴隨著認(rèn)知世界方式的轉(zhuǎn)變。當(dāng)下AGI的發(fā)展所能引發(fā)的變革，極有可能正站在這樣一個歷史轉(zhuǎn)折點上。科學(xué)研究體系當(dāng)前面臨三個結(jié)構(gòu)性的重組。

02

科學(xué)研究體系面臨的三個結(jié)構(gòu)性重塑

在AI for Science理念提出之前，科學(xué)研究已經(jīng)悄然發(fā)生了一些變化，為當(dāng)下的AI for Science奠定了方法論基礎(chǔ)。例如，計算模擬讓機器得以參與對世界的感知和推演，高通量實驗催生了數(shù)據(jù)洪流。在粒子物理領(lǐng)域，歐洲核子中心（CERN）的粒子對撞機每次實驗產(chǎn)生海量數(shù)據(jù)，很多成果需要經(jīng)過計算模型篩選，而不是依賴人工逐一剖析。當(dāng)科學(xué)研究需要先由機器進(jìn)行初步梳理，再由人類深度解讀時，科學(xué)研究本身就已經(jīng)發(fā)生了改變。這背后蘊藏著三個層面的結(jié)構(gòu)性重組。

1.科學(xué)發(fā)現(xiàn)的機制正在發(fā)生根本性轉(zhuǎn)變。

傳統(tǒng)科學(xué)研究遵循“提出假設(shè)—實驗驗證”路徑，高度依賴?yán)碚撚?xùn)練與經(jīng)驗積累，有時更靠長期積累的個人直覺，驗證后發(fā)表文章。人工智能深度介入科學(xué)實驗后，科學(xué)發(fā)現(xiàn)的起點正在前移，例如在材料科學(xué)、藥物研發(fā)、天體物理等領(lǐng)域，研究者往往首先面對海量數(shù)據(jù)，通過模型在高維空間中學(xué)習(xí)潛在結(jié)構(gòu)，再從模型生成假設(shè)并進(jìn)行驗證。科學(xué)發(fā)現(xiàn)路徑正從“假設(shè)—驗證”轉(zhuǎn)向“數(shù)據(jù)—模型—假設(shè)—驗證”。這個變化的本質(zhì)在于：假設(shè)這一核心任務(wù)不再完全由人類產(chǎn)生，而是部分由模型產(chǎn)生。

這一判斷已在前沿科學(xué)中得到驗證。AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測上取得成功，獲得諾貝爾獎。在沒有傳統(tǒng)實驗數(shù)據(jù)的情況下，人工智能成功預(yù)測出2億多種蛋白質(zhì)結(jié)構(gòu)，解決了困擾生物學(xué)家多年的蛋白質(zhì)折疊問題。2025年的升級版AlphaFold3，不僅能精準(zhǔn)預(yù)測蛋白質(zhì)結(jié)構(gòu)，更能模擬蛋白質(zhì)與DNA、RNA和小分子配體復(fù)合物的相互作用，準(zhǔn)確率達(dá)98%。傳統(tǒng)結(jié)構(gòu)生物學(xué)研究發(fā)生了改變——這不僅是效率提升，更是從根本上改變了生命科學(xué)的研究路徑。科學(xué)家可以基于AI的精準(zhǔn)預(yù)測，直接靶向設(shè)計藥物分子。這是第一個結(jié)構(gòu)性重組。

2.科學(xué)組織的方式也在發(fā)生深刻變化。

機制變革的背后是組織模式的重塑。傳統(tǒng)科研組織以課題組為基本單元，由學(xué)術(shù)帶頭人統(tǒng)籌，依托人工團(tuán)隊開展知識生產(chǎn)。在人工智能與自動化實驗系統(tǒng)驅(qū)動下，一種全新的科研單元正在崛起——由人工團(tuán)隊、AI與自動化實驗平臺協(xié)同構(gòu)建的復(fù)合系統(tǒng)。在一些自動化實驗中，機器不僅承擔(dān)數(shù)據(jù)分析，還能自主規(guī)劃實驗條件、執(zhí)行實驗流程。這個趨勢在工業(yè)界與學(xué)術(shù)界均已落地實踐。

例如，Google研發(fā)的系統(tǒng)可在無人干預(yù)下完成數(shù)千次化學(xué)反應(yīng)實驗，并自動優(yōu)化反應(yīng)路徑。英國科學(xué)家打造的“機器人化學(xué)家”系統(tǒng)，能在封閉實驗環(huán)境中自主提出假設(shè)并開展驗證。中國科大也有很好的工作，上海人工智能實驗室開源的“虛擬科學(xué)家”系統(tǒng)，能夠模擬人類科學(xué)家的合作過程，研究科技創(chuàng)新規(guī)律。浦江實驗室開發(fā)的“書生”（InternSci）科學(xué)多模態(tài)大模型，具備跨模態(tài)科學(xué)解析引擎，能夠解析化學(xué)分子式、蛋白質(zhì)結(jié)構(gòu)、地震波信號等復(fù)雜科學(xué)數(shù)據(jù)。

這些實踐表明，科研活動的基本單元正從“人”向“人機系統(tǒng)”轉(zhuǎn)變。未來科研競爭的核心，或許不再是科研團(tuán)隊之間的較量，而是人機系統(tǒng)綜合能力的比拼。科研組織變革的問題需高度重視。從歷史經(jīng)驗看，組織變革的滯后往往是競爭力喪失的主要原因。

3.知識生產(chǎn)的方式也在轉(zhuǎn)型

長期以來，科學(xué)知識以論文為主要載體。提出新理論，通過文本描述，數(shù)據(jù)作為輔助支撐，發(fā)表文章，用文字標(biāo)注理論，數(shù)據(jù)作為附件。

但在人工智能時代，模型、數(shù)據(jù)、代碼本身也逐漸成為重要的知識承載方式。在部分領(lǐng)域，模型本身已成為核心科研成果，價值甚至超越論文。比如DeepSeek VL系統(tǒng)，支持文本、圖像、代碼多模態(tài)檢索，知識獲取效率提升40倍，其能力集中體現(xiàn)在對語言知識與推理的綜合呈現(xiàn)上。這一轉(zhuǎn)變不僅革新了知識的表達(dá)形式，還將深度重塑科研評價和科研傳播機制。美國硅谷的很多最新科研成果，不是發(fā)表在傳統(tǒng)期刊上，而是率先在開放社區(qū)或推特平臺上發(fā)表，以搶占先機。這些成果的表現(xiàn)形式包括論文、代碼、文本、模型。

03

科學(xué)研究體系的新特征

從認(rèn)識論角度，上述變化可以歸納為三個重要特征。

第一個特征：科學(xué)可能正在從“理解世界”走向“逼近現(xiàn)實”。傳統(tǒng)科學(xué)強調(diào)對自然規(guī)律的解釋能力，追求因果清晰與理論完備。在人工智能驅(qū)動的研究中，越來越多成果表現(xiàn)為“有效”卻難以完全解釋。深度學(xué)習(xí)模型在圖像識別、氣候預(yù)測等領(lǐng)域取得極高精度，但其內(nèi)部機制難以完全解釋。

例如氣候科學(xué)領(lǐng)域，科學(xué)家引入AI模型開展天氣預(yù)測，短期預(yù)測精度已超越部分傳統(tǒng)物理模型，但這些模型并未完全解釋氣候系統(tǒng)的物理機制。我去年訪問歐洲時，中科院大學(xué)大氣所的所長跟我同行，他們用自己開發(fā)的AI模型預(yù)測天氣，在歐洲一些小城市的預(yù)測比天氣預(yù)報要準(zhǔn)得多。復(fù)旦和上海智能研究院聯(lián)合開發(fā)的“伏羲”氣象預(yù)測模型也有很好效果，入選了2025年度中國十大氣象科技進(jìn)展。這表明科學(xué)的目標(biāo)正在變化：從解釋世界逐步走向逼近現(xiàn)實。

第二個特征：科學(xué)體系正從以因果邏輯為核心，逐步轉(zhuǎn)向“相關(guān)性與因果相結(jié)合”的混合體系。傳統(tǒng)科學(xué)研究強調(diào)通過理論解釋因果關(guān)系，人工智能則擅長從數(shù)據(jù)中發(fā)現(xiàn)模式與相關(guān)性。在很多場景中，我們可以在尚未完全理解機制的情況下實現(xiàn)高效預(yù)測。

比如藥物篩選領(lǐng)域，AI模型可以基于對分子結(jié)構(gòu)的學(xué)習(xí)預(yù)測藥效及毒性，而無需完全明晰其生物化學(xué)機制。2022年已有機構(gòu)借助AI設(shè)計的候選藥物順利進(jìn)入臨床試驗階段。這意味著相關(guān)性重新回歸科學(xué)體系核心，但同時也潛藏風(fēng)險：我們可能在不明緣由的情況下運用正確的結(jié)果。

第三個特征，也是最根本的一點：科學(xué)認(rèn)知主體的變化。傳統(tǒng)科學(xué)以人類為唯一認(rèn)知主體，而在人工智能時代，科學(xué)逐漸演變?yōu)槿祟惻c機器共同構(gòu)建的認(rèn)知系統(tǒng)。

例如在材料科學(xué)研究中，科學(xué)家利用AGI在數(shù)周內(nèi)篩選出數(shù)十萬種潛在材料候選，大幅縮短材料發(fā)現(xiàn)周期。在可控核聚變領(lǐng)域，AI通過實時控制等離子體穩(wěn)定性，讓人造太陽的商業(yè)化應(yīng)用邁出關(guān)鍵一步。中國科學(xué)院推出的“盤古”科學(xué)大模型構(gòu)建的數(shù)字細(xì)胞模型，實現(xiàn)了靶點發(fā)現(xiàn)全流程自動化。在這些過程中，知識生成并非完全由人類完成，而是人機協(xié)同的結(jié)果。知識生產(chǎn)主體正從人類轉(zhuǎn)向人機系統(tǒng)。

這些變化并不意味著一個邊界清晰的全新范式已然成型。我們當(dāng)下洞察的這些特質(zhì)，本質(zhì)上仍處于動態(tài)演進(jìn)過程，亟待在實踐中持續(xù)探索、不斷發(fā)掘。

04

目前面臨的挑戰(zhàn)和選擇

在科研范式轉(zhuǎn)型背景下，我們面臨新的機遇與挑戰(zhàn)，需要用新的視角和方法去面對。有幾點思考：

第一，AI for Science的競爭，本質(zhì)上是認(rèn)知體系的競爭。當(dāng)前討論往往集中在算法、算力與數(shù)據(jù)規(guī)模等要素上，但這些更多屬于實現(xiàn)層面的能力。從更深層看，真正的競爭在于不同的科研體系如何理解科學(xué)、如何認(rèn)識世界。比如是以模型為核心，通過高維空間中的模式逼近現(xiàn)實；還是以理論為核心，強調(diào)機制解釋與因果邏輯的嚴(yán)密性？是以數(shù)據(jù)驅(qū)動為主導(dǎo)，還是堅持從理論出發(fā)構(gòu)建認(rèn)知框架？這些看似方法層面的差異，實際上對應(yīng)不同的科學(xué)觀和認(rèn)知路徑，并將深刻影響未來科學(xué)的發(fā)展方向與知識結(jié)構(gòu)。AGI for Science的競爭歸根到底不是單一技術(shù)的競爭，而是誰能在新一輪范式轉(zhuǎn)型中率先形成穩(wěn)定且具有解釋力的認(rèn)知體系。

第二，科技界需要以更大力度推動科研組織體系的變革。現(xiàn)有科研體系很大程度上仍以學(xué)科劃分、PI結(jié)構(gòu)以及論文評價為基礎(chǔ)。這一模式在傳統(tǒng)科學(xué)階段發(fā)揮了重要作用，但在AI for Science時代其適應(yīng)性正受到挑戰(zhàn)。隨著科學(xué)問題日益復(fù)雜以及人工智能深度參與科研過程，未來的科研組織將更加面向重大問題，強調(diào)跨學(xué)科協(xié)同，并以人機系統(tǒng)作為基本運行單元。這不僅意味著組織形式的變化，也將帶來科研評價方式、資源配置邏輯以及人才培養(yǎng)路徑的系統(tǒng)性調(diào)整。這種變革面臨巨大而復(fù)雜的挑戰(zhàn)，會打破原有結(jié)構(gòu)，需要科研領(lǐng)導(dǎo)者具有戰(zhàn)略決心。

第三，中國的優(yōu)勢和機遇在于科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新的融合能力。我國在若干領(lǐng)域已具備很強的原始創(chuàng)新能力，同時擁有大規(guī)模科學(xué)數(shù)據(jù)資源，這提供了重要條件。中國還具備完整的產(chǎn)業(yè)體系和豐富的應(yīng)用場景，能夠使新技術(shù)在更大范圍內(nèi)快速驗證和迭代。未來的競爭或許不在于某一個環(huán)節(jié)的領(lǐng)先，而在于能否在科學(xué)、工程與產(chǎn)業(yè)之間構(gòu)建起高效聯(lián)動機制，實現(xiàn)持續(xù)迭代與系統(tǒng)優(yōu)化。伯文主任剛才也講，我們?nèi)斯ぶ悄軐嶒炇乙裁嫦驈?到100，不僅是0到1，這方面要加強合作。

第四，在人工智能時代，要強化哲學(xué)與科學(xué)之間的深度對話。過去一段時間，隨著技術(shù)快速發(fā)展，社會普遍將人文科學(xué)在一定程度上邊緣化。但從科學(xué)發(fā)展長周期看，真正重大的突破往往伴隨著對基本概念和認(rèn)知框架的反思。在人工智能深度介入科學(xué)研究的背景下這個問題更加突出。比如，在自動化科研系統(tǒng)中，如果算法生成了錯誤結(jié)論，責(zé)任應(yīng)如何界定？我一個禮拜前長了麥粒腫，查了一個人工智能模型，問怎么處理，它說熱敷；我又查另一個模型，它說冷敷。我不知道到底熱敷好還是冷敷好，沒敢動，結(jié)果麥粒腫越長越大。后來到醫(yī)院問大夫，大夫說你剛長的時候熱敷，長大了就該冷敷。假如我搞錯了，這責(zé)任是誰的？是人工智能模型的編制者，還是平臺，還是我自己？哲學(xué)不應(yīng)只是事后的反思，而應(yīng)參與科學(xué)命題的形成，通過對基礎(chǔ)概念、隱含前提以及科研范式的反思，幫助識別哪些問題值得提出。

在科學(xué)問題里，必然與價值判斷、社會后果和長期風(fēng)險交織在一起。在人工智能、生命科學(xué)等領(lǐng)域，哲學(xué)不應(yīng)停留于事后的評判，而應(yīng)與科學(xué)研究同步介入，通過對價值、目標(biāo)、責(zé)任邊界和人類處境的討論，參與塑造技術(shù)發(fā)展的方向。科學(xué)家與哲學(xué)家的結(jié)合，不僅提升認(rèn)知深度，更是為了在“無人區(qū)”探索中保持理性自覺，確保科技進(jìn)步始終服務(wù)于人類整體福祉。

我在報告最后再次強調(diào)：在AI迅速發(fā)展的同時，人文思考不可或缺。科學(xué)不僅關(guān)乎能力，更關(guān)乎方向；不僅關(guān)乎發(fā)現(xiàn)，更關(guān)乎抉擇。我們在推動技術(shù)進(jìn)步的同時，更需以理性與善意擁抱科學(xué)，審慎思考它將引領(lǐng)人類駛向何方。

我就講這么多，謝謝大家！

（注：本文所有圖來自白春禮院士在第二屆浦江AI學(xué)術(shù)年會上的演講，內(nèi)容未經(jīng)本人編輯和許可，僅供學(xué)習(xí)交流。）

Deep Science預(yù)印本