作为人类的“第二大脑”，AI for Science正在全世界内引发科研范式的深刻变革，也成为全国两会期间代表委员关注的线日，在全国政协十四届四次会议第二次全员会议上，全国政协委员、中国科学院院士周志华发言建议，以AI引领科研范式变革。

　　3月8日，全国政协委员、工业与信息化部原副部长王江平在接受科技日报记者正常采访时直言，人工智能已从科研辅助工具升级为推动科学技术进步的核心驱动力，未来更将深刻重塑科研范式与产业业态。

　　会场内外代表委员认为，人工智能无疑为全球科学技术革命注入全新动能，但对其赋能科研遇到的困境和问题也不容忽视。

　　AlphaFold模型助力两位非生命科学领域研究者斩获2024年诺贝尔奖；“大原子模型计划”可大范围的应用于半导体、合金、有机分子等多类材料体系研发……

　　在周志华看来，放眼国内外，人工智能赋能科学研究的阶段性成果已经充分证明，人工智能不仅能加速求解长期悬而未决的重大科学难题，还有望重构科学发现的基本路径。

　　然而，在AI for Science助力科研成果如潮水般持续涌现的背后，也出现了新的问题。周志华介绍，由于缺乏权威、标准化、大规模的科学数据集，以及受科学数据的获取成本高、标准不统一、共享行为少等因素影响，目前，AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象尤为突出。

　　算力资源浪费同样得到了王江平的关注。他在履职调研中发现，在材料探索图形网络（GNoME）模型预测的38万种稳定材料中，仅有736种完成实验验证，验证率不足0.2%。“这在某种程度上预示着，AI单日产生的预测成果，往往需要人类用10年甚至更长时间才能完成全面验证，这造成了科研资源与算力资源的低效占用。”王江平说。

　　他告诉记者，更令人担忧的是，大量预测成果最终仅停留在学术论文层面，未能实现产业化落地，既无法释放其应有的产业价值，还会造成资源浪费与转化梗阻的双重问题。

　　王江平将此现状比喻为“堰塞湖”——上游AI预测能力汹涌澎湃，下游验证与产业化通道狭窄不畅，“湖水”不断积聚却难以泄流。

　　在王江平看来，造成AI赋能科学研究出现“梗阻”的原因综合而复杂。其中，预测模型自身存在局限、缺乏统一标准与评估体系、实验验证能力严重不足是三个关键因素。要实现“对症下药”，需要系统性的对策建议。

　　那么，我国布局AI for Science前沿科学技术研发体系，应该聚焦哪些领域发力，怎样破除现有瓶颈？

　　在周志华看来，首先要加强政策引导，提升基础创造新兴事物的能力。他建议，优化AI领域科学研究的统筹布局，加大对AI算法基础研究的支持力度，重点支持一批具有前瞻性、战略性的基础研究项目，鼓励科研人员开展原创性研究。同时，带领企业和社会资本参与AI算法基础研究，形成多元化的投入机制。

　　面对既懂科研又通AI的复合型人才缺乏困局，周志华建言，从源头构建“人工智能赋能科学研究”复合型创新人才教育培训体系，支持高水平研究型大学试点设立“博士+硕士”双学位项目，让博士研究生在攻读AI专业博士学位期间，跨学科攻读一个科学专业硕士学位，探索构建跨学科融合的研究生培养新模式。

　　王江平则建议，推进构建高质量数据集、高价值知识中心及AI预测成果评估标准体系三大核心载体。他建议，在重点行业建立公共高价值数据共享中心，构建高精度、长序列、多模态的公共数据集，减少重复劳动。同时，有关部门要建立权威的AI预测结果评估体系，为成果筛选与流转提供依据。

　　王江平呼吁，推动AI for Science与AI for R&D协同发展。前者聚焦基础科学突破，解决“卡脖子”问题；后者侧重解决技术落地的工程化问题。他表示，推行“揭榜挂帅”机制，由企业出题，科研机构攻关，并探索政府沙盒监管，赋予研发环节自主权，激发创新活力。

　　人民网北京3月10日电 （记者栗翘楚）“我很希望和汽车的无人驾驶一样，在流程工业公司里面实现AOP的L3、L4级。”中控创始人、宁波工业互联网研究院创始人兼院长褚健做客《人民会客厅》时，描绘了制造业绿色转型的未来图景。…

　　人民网北京3月10日电 （记者栗翘楚）“让‘看不见的手’自己转起来，让AI减碳变成企业内生的市场行为。”中国电子信息产业发展研究院党委书记、副院长刘近日做客《人民会客厅》时，用这样一句话点出了人工智能赋能制造业绿色转型的关键。…

　　关于人民网报社招聘招聘英才广告服务合作加盟版权服务数据服务网站声明网站律师信息保护联系我们人民日报违法和不良信息举报电话举报邮箱：

　　人 民 网 股 份 有 限 公 司 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用