科研智能发展报告（2025年）

科研创新是经济增长的内生动力，但传统科研范式面临人类认知瓶颈、高维复杂性、实验试错成本高昂和数据价值利用不充分等局限。科研智能应运而生，推动科研范式向“第五范式”跃迁，成为全球科技竞争的新焦点。

主要经济体纷纷出台政策支持科研智能发展，美国通过国家工程化牵引、共享科研基础设施和跨机构组织机制布局；欧盟以欧洲一体化协同为主线，建设算力、数据、人才与资金网络；中国在“算力与数据底座—组织化项目群—区域试点示范”的联动机制下推动科研范式升级。

科研智能关键技术包括科研数据、科研计算、科研模型、科研智能体和自动化实验室。科研数据强调FAIR原则，科研计算关注并行效率优化、异构计算与资源调度，科研模型从通用大模型走向面向科学知识表达、科研推理与科研对象表征的专用/增强模型体系，科研智能体模拟或辅助研究人员进行研究，自动化实验室实现物理实验执行自动化。

科研智能在基础科学和产业研发中应用显著。在生命科学领域，AI正从结构与互作理解、变异效应评估到调控预测，逐步解析生命机制；在化学领域，AI通过自动化实验室打通“设计—执行—分析—学习”闭环，并引入化学基本约束与可行性约束提升闭环可信度；在地球与空间科学领域，AI正推动气象预报模拟与地球观测基础模型化，并赋能天文巡天与空间天气研究；在数学领域，AI在自动定理证明、竞赛级难题求解和结构发现与猜想生成方面取得进展。产业研发方面，AI加速医药、材料、先进制造与工程设计等关键产业的研发进程，通过“数据驱动的靶点识别+生成式分子设计”提升医药研发效率，以“AI决策+机器人执行”的闭环加速材料研发，通过约束感知生成式设计和AI代理模型与加速仿真推动先进制造与工程设计，并赋能芯片研发与设计。

发展挑战包括数据与知识基础薄弱、算法与可靠性不足、工程化与产业化基础薄弱、组织、人才与体制匹配不足，以及科研伦理与安全治理框架尚未成熟。未来展望包括科研范式从人机协同加速迈向自主科研，模型体系走向大小模型协同与多模态机理深度融合，科研基础设施平台化演进为“科研资源即服务”，产业化与场景规模化推动千亿级应用赛道系统崛起，以及可信与治理体系致力于构建负责任的创新生态。