AI助力，加快“從0到1”重大科學發現進程——

人工智能如何賦能基礎研究（議政·委員說AI②）

本報記者 易舒冉 劉博通 白光迪 《人民日報》（2026年10月15日第18版）

中國科學院大連化學物理研究所長興島園區千噸級智能中試平台，具身智能設備在進行測試工作。新華社記者 潘昱龍攝

研究人員在位於上海的中國科學院生物與化學交叉研究中心細胞生物學袁鈞瑛院士實驗室做實驗。新華社記者 陳 朔攝

習近平總書記在加強基礎研究座談會上強調：“重視人工智能賦能基礎研究，開發科學基礎大模型和學科領域專業模型，建設智能化科研平台系統，促進各領域科學加速突破。”

如何利用人工智能加速“從0到1”重大科學發現進程？如何培養既深諳領域知識又掌握前沿人工智能技術的復合型人才？智能化科研平台系統如何建設？記者採訪了4位相關領域的全國政協委員。

——編  者

10月15日，《人民日報》第18版版面。

對話嘉賓：

喬  紅  全國政協委員、中國科學院院士

明  東  全國政協委員、九三學社中央科技專委會副主任

周志華  全國政協委員、南京大學副校長

趙曉光  全國政協委員、中國科學院自動化研究所研究員

人工智能為原創性科學發現創造更有利的條件

記者：人工智能在加速科學發現進程中可以發揮哪些關鍵作用？如何更好探索人工智能驅動的新型科研范式？

明東：長期以來，科學發現主要依賴科學家的專業洞察、理論推斷與持續的實驗驗証。受實驗條件、觀測手段和數據處理能力等因素限制，許多重大突破往往需要經歷漫長的探索周期。人工智能加速科學發現的關鍵在於其能夠為“數據解析、規律發現、假設生成、實驗設計和結果驗証”的科研鏈條提供更多支撐。它從單純的高效數據處理工具，逐步推進到數據分析、理論推演與實驗驗証協同驅動的人機協作模式，為“從0到1”的原創性科學發現創造更有利的條件。

以非侵入腦機接口為例，研究人員需要從頭皮腦電等極微弱、復雜、低信噪比的神經信號中識別患者的運動意圖、交流意圖或腦功能狀態。在這一過程中，人工智能不僅用於提高腦信號分類和意圖解碼的准確性，還能夠幫助研究人員識別神經活動與行為之間的潛在關系，發現新的神經表征規律。近年來，腦電數據集的建設以及新型神經信號分析算法的發展，推動形成了一系列面向神經功能評估、意圖識別、康復訓練等場景的無創腦機接口輔助診療新模式，並促進其逐步進入臨床應用。

周志華：人工智能可以重構科學發現路徑、提升原始創新效能，建議重點從以下3個方面發力。

優化科研統籌布局，提升基礎創新能力。糾正盲目跟風“大模型解決一切”的誤區，提升針對具體問題設計定制化算法解決方案的能力。重點支持一批面向重大科學難題的前瞻性、戰略性、原創性的基礎研究項目，統籌推進原始創新和關鍵核心技術攻關。

注重雙向科普，推動消除學科壁壘。構建跨學科的“雙向翻譯”與協作機制。一方面，由科學領域學者向人工智能研究者進行科學問題的抽象翻譯，將領域前沿關鍵問題表述為人工智能學者可理解的語言，便於其進行針對性的求解。另一方面，由人工智能科學家面向傳統領域學者開展科普，通過具體案例厘清技術邊界，消除對人工智能的恐懼或盲目神化，闡明人工智能作為輔助科學發現的工具本質。

強化數據治理，構建科學數據生態。構建國家級科學數據共享與服務平台，依托重點實驗室等重大科技平台，建立標准化的科學數據倉儲，制定各學科數據的採集、標注、存儲和共享標准，引入數據質量反饋機制，持續優化數據資產。同時完善數據安全與知識產權保護制度，保障數據安全合規高效流通。

變革培養模式，打造復合型人才隊伍

記者：人才是基礎研究發展的重要資源，如何打造一支熟悉科學智能新范式的高素質人才隊伍？

周志華：一體推進教育科技人才發展，著力打造與科學智能新范式相適應的人工智能專業人才培養體系，重點聚焦數學基礎、計算與程序能力、人工智能專業知識等方面，努力培養一大批深耕人工智能本身，厚植家國情懷、具有源頭創新能力、能解決關鍵科學難題的優秀科技人才。

支持人工智能專業博士研究生在讀期間跨學科攻讀一個基礎學科專業碩士學位，同時支持基礎學科專業博士生攻讀人工智能專業碩士學位。探索構建跨學科融合的人才培養新模式，系統化培養既深諳領域知識又掌握前沿人工智能技術的“雙語”科學家。

打破傳統學科評價的邊界桎梏，在學位獲取、職稱晉升、績效考核等環節，針對跨學科人才設置專門評價標准，破解跨學科人才的評價困境。同時優化科研評價導向，建立鼓勵探索、寬容失敗的評價體系，弱化短期指標導向，支持科研人員聚焦基礎科學領域的重大問題及面向產業需求的關鍵難題開展研究，營造有利於原始創新的制度環境。

明東：科研智能化能顯著提升知識獲取、信息處理、方案設計乃至成果產出各環節的效率，對年輕科研人員而言，這既是難得的成長加速器，也帶來了不容忽視的挑戰。如果從問題提出、技術路線設計到結果解釋和論文撰寫都過度依賴人工智能，就可能導致獨立思考能力、批判性思維和科研倫理意識的弱化。

年輕科研人員應在充分認識人工智能能力邊界的基礎上，探索與人工智能協同發展的成長路徑。一是要回歸科學研究服務社會進步的本源意義，立足所在學科的核心邏輯與專業積累，將人工智能作為提升效率的協同工具，而非替代獨立思考的捷徑。二是要堅持個體在科研過程中的主體地位，持續培養自身的科學判斷力與批判性思維，對人工智能生成的結果保持審慎態度，做好各環節的把關與驗証。三是要對科研工作的全流程負責，尤其在數據收集與解析環節深入探究現象背后的規律與成因，嚴格遵守科研誠信與倫理規范，確保人工智能輔助下的科研產出真實可信、經得起檢驗。

建設智能化科研平台系統，促進各領域科學加速突破

記者：近年來，國家不斷加強對基礎研究的支持保障，優化布局建設重大科技基礎設施。當前，建設智能化科研平台系統需要從哪些方面著手？

趙曉光：在推動智能化科研平台系統建設中，目前仍存在交叉學科聯合攻關難、科學數據獲取代價高、結構化困難等問題。

建議分學科打造可信閉環小模型，夯實平台專業數據底座。遵循科研數據可發現、可訪問、可互操作、可重用原則，統一元數據、儀器日志、數據脫敏、失敗樣本留存等規范標准。針對通用大模型存在的幻覺、專業機理缺失問題，立足物理、化學、生物等學科自身科學原理，建設學科專屬可信小模型，打造多學科人工智能專家系統，提升智能化科研平台運算、推理、分析結果的精准度。

健全標准與制度保障，保障平台落地應用。加快建立適配科研場景的人工智能軟硬件技術標准，完善數據採集、標注、使用相關治理規則。兼顧創新發展與風險防控，以包容審慎的治理思路，完善相關法律法規，為智能化科研平台技術試驗、場景落地提供制度保障，實現技術閉環向產業商業閉環延伸，釋放平台價值。

喬紅：智能化科研平台不僅需要數字空間中的演算，也需要物理空間中的精准實踐，而具身智能正是賦能智能化科研平台系統從數字空間進入物理空間的關鍵橋梁。

在多場景、多任務、異構本體中可實現高性能（以下簡稱“多、多、高”）的具身智能系統，是國際科技競爭的重要方向。我國“多、多、高”具身智能正處於一個關鍵的基礎科研階段，探索具身智能基礎研究的中國方案勢在必行。這是解決現有數據驅動路徑依賴大數據、大算力、高能耗等瓶頸問題的重要途徑，也是實現人類對機器人長遠夢想的重要依托。需要立足多學科交叉基礎研究，通過數學、信息、神經等深度融合，研究具身智能機理自主進化，形成新型機器人大腦機理和新型世界模型。應發揮舉國體制優勢，依托國家層面統籌組織科技專項，匯聚國內頂尖科學家與頭部創新企業，建設開放共享、安全可靠的具身智能基礎理論與科研平台系統。

“多、多、高”具身智能系統將為智能化科研平台在物理空間中精准、可靠、安全地完成科研實踐活動，提供重要的高性能物理系統平台，無需重新改造現有實驗環境，可快速部署應用於類場景、類任務甚至隨機場景、隨機任務的科學研究，完成高安全風險、高操作精度和高通量作業要求的實驗操作，助推多領域科研實踐創新突破。