為什么AI還不會科學發現？這是人工智能的終極考題

“AI4S不是通用人工智能的一個應用，而是人工智能的終極考題。”上海人工智能實驗室主任、首席科學家周伯文在WAIC期間的演講中提出上述觀點。

在今年的世界人工智能大會（WAIC）現場，AI4S（AI for Science）的元素比往年更多，從位列“十大鎮館之寶”的天鶩科技AI蛋白質設計平臺（MatwingsVenus?）曉鶩?，再到各大高校、科研機構發布的科學智能產品……一個明確的信號是，當大語言模型的邊際效益遞減，資本與學術界共同將目光投向了AI4S這個被視為“科學研究第四范式”的戰場。

不過，與大模型、智能體動輒引爆消費級應用不同，AI for Science缺少面向C端的爆款產品，商業化周期普遍以年為單位計算，科研界、產業界和投資人士怎么看？

天騖科技的MatwingsVenus?）曉鶩?平臺。第一財經記者任玉明/攝

AI為什么還不會科學發現

每年WAIC都會發布眾多成果的上海人工智能實驗室（上海AI實驗室），今年也攜手高校、科研機構、醫院與產業伙伴，發布2026“與書生共創”十項科學智能聯合創新成果。

周伯文以《AGI的下一程：迎接科學元認知時刻》為主題發表演講。他認為，科學研究是下一個Coding（編程代碼），也是突破AI智能上限的終極考題。要突破當前人工智能的上限，模型必須從被動觀察走向主動干預，跨越“數據驅動、及時反饋、模仿正確”的局限，步入“世界交互、長程推理、善用失敗”的科學深水區。

正如Coding在過去一年半中提升了基礎模型的全面推理能力和治理水平一樣，人工智能用于科學研究，從科學研究中尋找密集的反饋信號，包括失敗信號，將進一步加速人工智能上限的突破。

“過去一年半，大模型越來越強，但是強在閉環的任務里，善于做那種有明確目標、有及時反饋、邊界清晰的任務，比如編程、翻譯、下棋都是這一類。在座很多科學家很清楚，我們科學研究是開放任務、沒有標準答案，反饋周期很長，失敗是常態，而且需要和物理世界交互。所以從這個意義上來講，我們認為AI4S不是通用人工智能的應用，而是人工智能終極考題，所以我們提出，Science是下一個Coding?！彼f。

除了上海AI實驗室，上海交通大學、復旦大學也在WAIC期間發布了多個AI4S的成果。

比如，上海交大材料科學與工程學院副教授饒梓元發布了輕合金大模型多智能體平臺“深量智研”。該平臺面向鎂合金、鋁合金等關鍵輕合金材料體系，構建AI-native的材料研發方式，以深度智能理解材料機理，以可解釋智能支撐研發決策，以可持續智能連接實驗驗證、工程放大與產業化落地，并將工藝、設備、成本、安全與規?；圃斓日鎸嵓s束納入推理過程。平臺貫通數據、模型、實驗與反饋，將每一次研發過程沉淀為可復用的知識資產，推動先進材料研發從經驗驅動邁向物理知識與數據雙輪驅動。

上?？茖W智能研究院也在WAIC期間發布了“神珍”科學多模態基礎模型。該模型立足于物質科學、生命科學、地球科學等多元學科場景，階段性實現了跨領域科學知識的統一表征與多模態融合理解。模型總參數約110億，面向DNA、RNA、蛋白質、小分子、地球系統和醫學影像六類科學數據，在一個統一模型中同時支持科學理解與多類結果生成。

“AI要從‘預測’下一個Token走向‘發現’未知的規律，而AI發現未知的科學規律將是超級智能的開始。這一進程的核心在于通過壓縮從高維空間運用和發現簡潔的機理，以及科學驗證的高效閉環。這將促進數字與物理世界的結合和新的模型架構的產生?！睆偷┐髮W特聘教授、上智院院長漆遠介紹，真實的科研是包含了文獻、假設、數據、模型、仿真、實驗及反饋的長鏈條過程，科學智能領域正著力發展能夠組織復雜研究流程的系統能力。

不只是高校和科研機構在探索AI4S的可能性，在今年的十大鎮館之寶中，來自企業界的天鶩科技的曉鶩?提供了一個以智能體為中心的對話式蛋白質設計平臺。

用戶通過自然語言提出功能需求，AI完成序列設計，隨后自動銜接自動化實驗室，驅動機器人完成樣品制備、蛋白純化、功能檢測，實驗結果直接回流到下一輪AI迭代。

天鶩科技創始人兼首席科學家、上海交通大學特聘教授洪亮對第一財經介紹，曉鶩?有別于AlphaFold（DeepMind公司開發的基于深度學習的人工智能程序）預測蛋白結構。

“得益于底層的功能標簽數據庫，可以直接從蛋白序列預測其功能，通過干濕迭代實現蛋白產品端到端交付，將傳統蛋白質研發周期從2至5年大幅縮短至2至6個月，實驗樣本從萬次減至百次，單個樣本成功率從1%提升至30%?！?/p>

耐心資本賦能

過去以AlphaFold2為代表的AI4S，本質上是利用深度學習對特定科學數據（如蛋白質結構）進行擬合與預測，依然屬于“干實驗（Dry Lab）”范疇；而在2026 WAIC上多位業內嘉賓的一個共識，是AI智能體開始接管實驗室機械臂，實現“干濕閉環”的自主科研。這種躍遷壓縮了科研周期。以往需要數年、耗資數百萬美元的新藥靶點探索或新材料試錯，在智能體協同下正被縮短至數周甚至數天。

同時，AI4S從技術研發到商業化落地通常需要5~10年，傳統的風險投資基金難以承受這一周期，國有戰略資本與產業巨頭的“耐心資本”正在成為主導力量，為AI4S提供跨越“死亡之谷”的生態底座。

作為上海三大先導產業以及未來產業的戰略投資者、生態構建者，今年，上海國投公司首度圍繞AI4S設置了比賽。7月16日，上海國投路演中心亮相，作為該中心建成投運后的首場標桿活動，第一屆“申智杯”人工智能創新大賽AI4S科學智能應用、AI算力與計算架構兩大賽道決賽同時啟動。

參賽代表上海交通大學材料科學與工程學院特聘教授竇紅靜告訴第一財經，他們這個參賽團隊是一個典型的醫工交叉領域，利用團隊積累的材料和AI相互結合的優勢，希望解決癌癥臨床治療問題。

“為什么說AI4S特別重要？因為作為材料工科來說，技術就是細胞標記或蛋白的這種標記，探針技術我們可能5~10年以前就能達到，但是這些海量的數據怎么去分析，甚至做到診斷的時候，可能在百萬個樣本細胞里面只對100個或1000個去診斷分析，就能得到具有整體代表性的結果?！彼龑τ浾呓忉?，這都是AI的發展給研究者帶來的推演助力，包括整個高通量的統計、定量分析等，甚至現在開發出一個智能體，自動讓它高通量去運作，也是得益于AI4S平臺，“我覺得工科的科學家們可以更多地去跟人工智能領域的專家合作，才能有一個更好的未來”。

就在WAIC閉幕當天，申智杯成果發布暨頒獎儀式在WAIC現場舉行。第一財經從上海國投公司獲悉，自5月20日開放報名以來，大賽共吸引來自30余個國家和地區的1451支團隊參賽，其中海外團隊116支，參賽陣容涵蓋頭部科技企業、“雙一流”高校、國家級科研院所、初創團隊及獨立開發者。每個賽道獎金池100萬元，其中一等獎獎金20萬元，二等獎每名獎金10萬元，三等獎每名獎金8萬元，四大賽道獎金總額達400萬元。賽事落地后，圍繞獲獎及重點項目的專業驗證、投資對接和產業轉化已經同步啟動。

上海國投公司黨委副書記、總裁戴敏敏表示，上海國投公司將常態化舉辦“申智杯”大賽，打造“賽事孵化—技術突破—產業落地”全鏈條科創服務體系，為“申智杯”大賽的所有參賽團隊、創新項目提供全方位、全鏈條、精準化的賦能支持。并進一步打通資本對接、資源鏈接、產業鏈場景開放、政策落地輔導、成果轉化“五位一體”的服務通道。

來源：第一財經