托馬斯·庫恩在《科學革命的結(jié)構(gòu)》中提出，科學的發(fā)展并非知識的線性積累，而是舊范式向新范式的顛覆與躍遷。2024年諾貝爾物理學獎和化學獎的公布，讓“人工智能賦能科學研究（AI for Science，簡稱AI4S）”從科學專業(yè)議題走向更廣泛的公共視野。

在實驗科學、理論科學、計算科學和數(shù)據(jù)密集型科學之后，越來越多研究者將AI4S視為“第五科研范式”。近兩年，AI4S以前所未有的速度持續(xù)發(fā)展演進，在更大范圍深刻重塑著人類探索未知的方法論。

如今，科學家開始以模型的視角重新審視蛋白質(zhì)、材料、氣候等等復雜系統(tǒng)，將這些復雜的物理實體映射進一個可計算、可搜索、可優(yōu)化、可驗證、可復用的數(shù)字空間。這從根本上擊穿了傳統(tǒng)知識生產(chǎn)的邊際成本。

它的快速進展還在不斷地提醒人們：AI早已不再只是用來查文獻、寫綜述、生成報告和制作PPT的輔助工具，而正在越來越深地介入科學問題的提出、假設(shè)生成、實驗設(shè)計、結(jié)果驗證乃至知識生產(chǎn)本身。

人類科技進步史表明，每一次科學方法的底層變革，必將引爆巨大的產(chǎn)業(yè)紅利。如同17世紀顯微鏡的誕生，不僅拓寬了列文虎克觀察生命的尺度，更直接催生了現(xiàn)代醫(yī)學與制藥工業(yè)；又如20世紀馮·諾伊曼架構(gòu)的計算范式，不僅讓圖靈機落地，更孕育了數(shù)十萬億美元的信息產(chǎn)業(yè)。AI4S同樣如此。它正通過將“知識生產(chǎn)”無縫嵌入產(chǎn)業(yè)流程，改寫著當下與未來的生產(chǎn)力格局。

如果要將AI4S帶來的生產(chǎn)力變革逐層分解，我們至少可以找出三重遞進的產(chǎn)業(yè)浪潮：一是，科學發(fā)現(xiàn)帶來的直接產(chǎn)業(yè)成果；二是，全鏈需求催生的產(chǎn)業(yè)生態(tài)；第三，也是最深層的一重——知識生產(chǎn)本身，正在演變?yōu)橐环N全新的產(chǎn)業(yè)形態(tài)。

第一重浪潮：全新范式的成果突破

AI4S使研究者能夠基于海量數(shù)據(jù)逆向生成科學假設(shè)、顯著提升科學實驗設(shè)計和運行水平、推動復雜系統(tǒng)與高維問題突破、促進跨學科深度融合，甚至進行全自動的“自驅(qū)動研究”。它能把候選分子從百萬級篩到千級、把材料搜索從“碰運氣”轉(zhuǎn)變?yōu)椤皩Ш绞健?、在虛擬空間中成千上萬次地完成特定環(huán)境偶發(fā)事件的模擬。

這種變革將原本高度依賴個體經(jīng)驗和長周期試錯的傳統(tǒng)科研，重塑為可計算、可迭代、可平臺化的工程體系，為眾多曾經(jīng)“不可試”“不可等”“不可解”“不可承受”的難題提供了全新的突破可能。

細數(shù)近年AI4S在材料工程、藥物發(fā)現(xiàn)、氣候科學等領(lǐng)域取得的重大突破，產(chǎn)業(yè)顛覆力已然令人咋舌：

谷歌DeepMind的GNoME一次性可預測220萬種新晶體結(jié)構(gòu)，相當于人類科學家過去800年的總和，形成了對固態(tài)電池材料、新型芯片材料傳統(tǒng)研發(fā)的降維打擊；微軟MatterGen能直接根據(jù)設(shè)計需求自動生成新材料，幾乎完全顛覆了傳統(tǒng)電池、催化劑、半導體等領(lǐng)域的研發(fā)路徑。

在藥物發(fā)現(xiàn)領(lǐng)域，傳統(tǒng)上從靶點發(fā)現(xiàn)到臨床前候選藥物確認需耗時4-5年，而AI能將其縮短至1-1.5年，被寄予打破新藥研發(fā)領(lǐng)域“雙十定律”（平均需要10億美元投入和10年研發(fā)周期）的厚望。

在氣象服務(wù)領(lǐng)域，谷歌DeepMind的GraphCast和GenCast、微軟的Aurora、英偉達的FourCastNet模型都展現(xiàn)出了對傳統(tǒng)頂尖數(shù)值天氣預報系統(tǒng)碾壓級的性能優(yōu)勢，而被多國氣象部門采購和引入。

不難看出，AI的介入顯著激活了前沿科學研究的產(chǎn)業(yè)化“爆款”體質(zhì)，使科學研究重新成為產(chǎn)業(yè)部門“點金術(shù)”的來源。這也是為何國內(nèi)外科技巨頭近年聚焦生命科學、材料學等AI4S最為活躍的領(lǐng)域，紛紛布局AI4S實驗室的原因——意在實現(xiàn)對前沿領(lǐng)域商業(yè)價值的提前卡位。

第二重浪潮：全鏈貫穿的產(chǎn)業(yè)需求

如果說第一重浪潮來自科學發(fā)現(xiàn)的直接變現(xiàn)，那么從更宏觀的產(chǎn)業(yè)鏈視角來看，第二重浪潮則源于AI4S運行機制本身為整個上下游帶來的巨大“賣水人”機遇。

AI4S將大規(guī)模數(shù)據(jù)、算力、工程系統(tǒng)和科研問題前所未有地耦合在一起。任何一項AI4S突破，都不是單一模型的勝利。這背后，需要高質(zhì)量科學數(shù)據(jù)、專業(yè)模型、算力平臺、自動化實驗系統(tǒng)、儀器接口、標準體系、驗證平臺、以及能夠承接科研成果的中試和產(chǎn)業(yè)化能力的支撐配套。

具體來說，有沒有AI-Ready的高質(zhì)量數(shù)據(jù)體系？能不能閉環(huán)進行自動實驗和自動驗證？模型輸出可不可以自動轉(zhuǎn)化成工藝參數(shù)？……一切旨在把科學發(fā)現(xiàn)變成可生產(chǎn)、可監(jiān)管、可交付產(chǎn)品的技術(shù)節(jié)點，都在爆發(fā)強勁的產(chǎn)業(yè)需求。

圍繞這一核心，一個全新AI4S的產(chǎn)業(yè)生態(tài)正在成型：科學數(shù)據(jù)服務(wù)、自動化實驗室、新材料中試平臺、高性能計算服務(wù)、專業(yè)模型工具鏈、儀器數(shù)據(jù)接口與標準化平臺領(lǐng)域都已經(jīng)成為了全新的產(chǎn)業(yè)方向和風投競逐的戰(zhàn)場。

多家投資機構(gòu)估算，整個AI4S市場及周邊配套市場將催生萬億級市場。這個判斷未必是簡單意義上押注某個單一市場的爆發(fā)，更確切的理解應(yīng)是數(shù)據(jù)、算力、模型、實驗、工程化和行業(yè)應(yīng)用多個環(huán)節(jié)疊加形成的系統(tǒng)性機遇。

換言之，AI4S不是一個孤立賽道，而是一組新產(chǎn)業(yè)基礎(chǔ)設(shè)施的集合。萬億規(guī)模的共識正是嗅覺敏銳的資本市場對下一代工業(yè)基礎(chǔ)設(shè)施價值的提前定價。

第三重浪潮：知識生產(chǎn)的“新工業(yè)化”

前述兩重機遇固然矚目，但如果我們將視線從具體的發(fā)現(xiàn)和產(chǎn)品上移開，去審視AI4S正在對“知識生產(chǎn)”本身的深層解構(gòu)，會發(fā)現(xiàn)一個更具顛覆性的趨勢：

AI4S賦予了知識生產(chǎn)直接的生產(chǎn)力價值，使“研究本身”即成為了一種全新的產(chǎn)業(yè)形態(tài)。

這也是AI4S帶來的第三重、也是影響最為深遠的產(chǎn)業(yè)浪潮。具體來說，過去基礎(chǔ)研究和產(chǎn)業(yè)轉(zhuǎn)化之間往往存在漫長鏈條：研究需要論文發(fā)表，發(fā)表之后需要工程驗證和復現(xiàn)，工程化之后還要經(jīng)過產(chǎn)業(yè)界量產(chǎn)才能進入市場。上述的每一個環(huán)節(jié)不僅伴隨極高的時間損耗和資本消耗，更難免會遭遇“卡殼”甚至脫節(jié)的風險。

但在AI4S的強力推動下，“發(fā)現(xiàn)—驗證—量產(chǎn)”這三個步驟被無縫壓縮進“數(shù)據(jù)—模型—驗證”的數(shù)字閉環(huán)之中。知識在生成之初，就已經(jīng)歷了應(yīng)用約束和驗證篩選。這不僅提升了知識生產(chǎn)的效率，還極大壓縮了從基礎(chǔ)研究到產(chǎn)業(yè)轉(zhuǎn)化的鏈路。

這種轉(zhuǎn)變的意義甚至不亞于AI4S對科研范式的重塑。AI不僅彌合了研究與產(chǎn)業(yè)之間那條漫長而模糊的鴻溝，也從技術(shù)上根本性地消解了傳統(tǒng)科學不利于轉(zhuǎn)化的弊病。

而這背后的本質(zhì)原因在于：經(jīng)由AI4S，科學發(fā)現(xiàn)與產(chǎn)業(yè)應(yīng)用之間的“中間態(tài)”消失了。

這就能精準解釋為什么哈薩比斯可以一邊拿諾貝爾獎，一邊通過創(chuàng)立的Isomorphic Labs融資6億美元的原因。因為在AI4S范式下，諾獎級的科學成果與可銷售的產(chǎn)品，在物理形態(tài)上甚至可以是同一個文件。這在現(xiàn)代科技史上具有劃時代意義——它意味著知識的生產(chǎn)不再只是產(chǎn)業(yè)化遙遠的起點，而本身就已具備完整的生產(chǎn)力屬性。

類似地，前文提到的GNoME生成的不只是某個晶體結(jié)構(gòu)的理論，而是220萬個可被下游直接篩選的候選結(jié)構(gòu)，GraphCast的成果也不在于發(fā)現(xiàn)大氣動力學的新方程，而是各國氣象局可以立刻替換的推理模型。

這為產(chǎn)業(yè)帶來深刻的結(jié)構(gòu)性變化?！鞍l(fā)論文”和“辦公司”之間的時滯，正在以肉眼可見的速度消失。鮮明的例子是，近兩年國內(nèi)科研團隊在將AI4S論文送上頂級期刊后，普遍會同步成立公司進行產(chǎn)業(yè)落地。這種此前非常罕見的現(xiàn)象，而今正越來越成為AI4S領(lǐng)域的常態(tài)。

或許，這種“研究即產(chǎn)品”的特性，源于計算機學科“研究對象和研究方法合一”的獨特基因，通過AI4S的方法論載體，外溢至一切可被數(shù)字化表征的學科領(lǐng)域。與此同時，它還將軟件“零邊際成本復制”的底層邏輯，第一次注入到“知識生產(chǎn)”這項古老而昂貴的人類活動中，使之終于成為可被“工業(yè)化”變革的對象。

如此，“可計算的科學對象”與“工程化的研究流程”深度結(jié)合，徹底將知識生產(chǎn)從個人靈光一現(xiàn)的“手工時代”，拉入到標準化、高通量、可擴展的“大工業(yè)時代”，從而使知識生產(chǎn)本身，成為了極具爆發(fā)想象力的產(chǎn)業(yè)?！@正是AI4S第三重浪潮的關(guān)鍵所在。

AI4S：正在開啟的全新生產(chǎn)力紀元

誠然，AI4S仍在早期階段。在前述那些知名的成功案例背后，AI4S從科學可行到工程可行、商業(yè)可行、監(jiān)管可行，中間還普遍隔著工藝穩(wěn)定性、成本控制、產(chǎn)業(yè)配套和市場準入等多重門檻。在許多學科領(lǐng)域，還面臨著高質(zhì)量、可復用的數(shù)據(jù)稀缺，自動化實驗平臺建設(shè)成本高昂，模型結(jié)果的可重復性和可解釋性檢驗等問題。

然而，趨勢已然明晰。如同19世紀，蒸汽機讓人的體力被機器放大；20世紀，計算機讓人的腦力被計算放大；21世紀，AI4S可能正在推動著一場更加深刻的變革——讓“發(fā)現(xiàn)”本身的價值被AI放大。

沿著這一脈絡(luò)看，我們能更清晰地發(fā)現(xiàn)這三重浪潮呈現(xiàn)的遞進線索：

第一重，是AI4S加速科學發(fā)現(xiàn)，使新藥、新材料、新模型等成果更為驚艷；

第二重，是圍繞數(shù)據(jù)、算力、模型、實驗和中試平臺形成新的基礎(chǔ)設(shè)施；

第三重，則是知識生產(chǎn)本身開始被工程化、平臺化和資產(chǎn)化。

它們?nèi)卟⒉还铝⒋嬖?，發(fā)現(xiàn)提供新的可能，基礎(chǔ)設(shè)施提升轉(zhuǎn)化效率，而知識生產(chǎn)方式的重構(gòu)，則讓發(fā)現(xiàn)從少數(shù)項目中的偶發(fā)突破，逐漸走向可組織、可迭代、可驗證的連續(xù)過程。當知識生產(chǎn)越來越多地被納入這一“新工業(yè)化”的工程流程，科學發(fā)現(xiàn)就不再只是產(chǎn)業(yè)源頭的活水，而轉(zhuǎn)變?yōu)橐粭l能持續(xù)生成新產(chǎn)業(yè)、新工具和新基礎(chǔ)設(shè)施的磅礴河流。

正如開篇庫恩所斷言的：舊范式的顛覆必將孕育新世界的規(guī)則?；蛟S這正是AI4S最令人期待之處，不只是科學新紀元的開啟，更是一個全新生產(chǎn)力時代的到來。

（作者錢學勝為智能系統(tǒng)博士、復旦大學智慧城市研究中心高級研究員、《科學畫報》編委會人工智能專委會副主任委員）