白春禮：人工智能促進(jìn)科學(xué)研究范式變革

白春禮（中國(guó)科學(xué)院原院長(zhǎng)）|演講

AI for Science是科技界當(dāng)前非常熱的話題。AI如何促進(jìn)科學(xué)研究的發(fā)展？這次浦江論壇談到AI、AGI如何促進(jìn)科研范式的變革和躍遷。這個(gè)題目選得非常好，非常有價(jià)值，值得深入交流。

過(guò)去幾年，人工智能的發(fā)展進(jìn)入了明顯加速階段。關(guān)鍵突破不僅改變了技術(shù)本身，也開(kāi)始影響科學(xué)研究的基本范式。我也在思考，人工智能發(fā)展的邊界是什么？它到底能走多遠(yuǎn)？對(duì)科學(xué)的影響到底是什么？是僅僅停留在革新科研方法上，還是能夠進(jìn)一步顛覆人類(lèi)認(rèn)知世界的底層邏輯？圍繞這個(gè)問(wèn)題，也圍繞這次年會(huì)的主題，我談幾點(diǎn)思考跟大家交流。

01

關(guān)于科研范式的歷史迭代與AI的變革浪潮

從科學(xué)研究歷史發(fā)展的長(zhǎng)周期看，科學(xué)的發(fā)展本質(zhì)上是人類(lèi)認(rèn)知工具不斷演進(jìn)的歷史。新的方法與工具幫助我們不斷突破認(rèn)知邊界。從實(shí)驗(yàn)科學(xué)的興起到數(shù)學(xué)理論體系的建立，再到計(jì)算模擬與數(shù)據(jù)驅(qū)動(dòng)科學(xué)的發(fā)展，人類(lèi)不斷取得科學(xué)突破。

17世紀(jì)，以牛頓為代表的科學(xué)先驅(qū)，通過(guò)實(shí)驗(yàn)方法和數(shù)學(xué)工具，將自然現(xiàn)象轉(zhuǎn)化為可度量、可計(jì)算的對(duì)象，塑造了經(jīng)典科學(xué)體系，帶動(dòng)了科學(xué)極大繁榮。19世紀(jì)，以麥克斯韋為代表的理論物理學(xué)家，將電磁現(xiàn)象統(tǒng)一為一組方程，推動(dòng)科學(xué)從經(jīng)驗(yàn)描述走向抽象理論。愛(ài)因斯坦通過(guò)相對(duì)論重構(gòu)了時(shí)間與空間的基本認(rèn)知框架，使理論科學(xué)進(jìn)一步走向高度抽象與統(tǒng)一，形成又一次深刻的范式躍遷。這些都是科研范式變革的例子。

20世紀(jì)中葉，以馮·諾依曼為代表的科學(xué)家奠定了計(jì)算機(jī)體系，使人類(lèi)可以通過(guò)數(shù)值模擬研究復(fù)雜系統(tǒng)。比如曼哈頓計(jì)劃中，科學(xué)家首次借助計(jì)算手段模擬核反應(yīng)過(guò)程。21世紀(jì)初，以人類(lèi)基因組計(jì)劃為代表的大科學(xué)工程，推動(dòng)科學(xué)進(jìn)入以數(shù)據(jù)為核心驅(qū)動(dòng)的新階段。隨后，一大批“國(guó)之重器”重大科學(xué)基礎(chǔ)設(shè)施拔地而起，帶動(dòng)科學(xué)探索不斷向前沿發(fā)展。

每一次重大科學(xué)革命的突破，都伴隨著認(rèn)知世界方式的轉(zhuǎn)變。當(dāng)下AGI的發(fā)展所能引發(fā)的變革，極有可能正站在這樣一個(gè)歷史轉(zhuǎn)折點(diǎn)上。科學(xué)研究體系當(dāng)前面臨三個(gè)結(jié)構(gòu)性的重組。

02

科學(xué)研究體系面臨的三個(gè)結(jié)構(gòu)性重塑

在AI for Science理念提出之前，科學(xué)研究已經(jīng)悄然發(fā)生了一些變化，為當(dāng)下的AI for Science奠定了方法論基礎(chǔ)。例如，計(jì)算模擬讓機(jī)器得以參與對(duì)世界的感知和推演，高通量實(shí)驗(yàn)催生了數(shù)據(jù)洪流。在粒子物理領(lǐng)域，歐洲核子中心（CERN）的粒子對(duì)撞機(jī)每次實(shí)驗(yàn)產(chǎn)生海量數(shù)據(jù)，很多成果需要經(jīng)過(guò)計(jì)算模型篩選，而不是依賴人工逐一剖析。當(dāng)科學(xué)研究需要先由機(jī)器進(jìn)行初步梳理，再由人類(lèi)深度解讀時(shí)，科學(xué)研究本身就已經(jīng)發(fā)生了改變。這背后蘊(yùn)藏著三個(gè)層面的結(jié)構(gòu)性重組。

1.科學(xué)發(fā)現(xiàn)的機(jī)制正在發(fā)生根本性轉(zhuǎn)變。

傳統(tǒng)科學(xué)研究遵循“提出假設(shè)—實(shí)驗(yàn)驗(yàn)證”路徑，高度依賴?yán)碚撚?xùn)練與經(jīng)驗(yàn)積累，有時(shí)更靠長(zhǎng)期積累的個(gè)人直覺(jué)，驗(yàn)證后發(fā)表文章。人工智能深度介入科學(xué)實(shí)驗(yàn)后，科學(xué)發(fā)現(xiàn)的起點(diǎn)正在前移，例如在材料科學(xué)、藥物研發(fā)、天體物理等領(lǐng)域，研究者往往首先面對(duì)海量數(shù)據(jù)，通過(guò)模型在高維空間中學(xué)習(xí)潛在結(jié)構(gòu)，再?gòu)哪Ｐ蜕杉僭O(shè)并進(jìn)行驗(yàn)證。科學(xué)發(fā)現(xiàn)路徑正從“假設(shè)—驗(yàn)證”轉(zhuǎn)向“數(shù)據(jù)—模型—假設(shè)—驗(yàn)證”。這個(gè)變化的本質(zhì)在于：假設(shè)這一核心任務(wù)不再完全由人類(lèi)產(chǎn)生，而是部分由模型產(chǎn)生。

這一判斷已在前沿科學(xué)中得到驗(yàn)證。AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)上取得成功，獲得諾貝爾獎(jiǎng)。在沒(méi)有傳統(tǒng)實(shí)驗(yàn)數(shù)據(jù)的情況下，人工智能成功預(yù)測(cè)出2億多種蛋白質(zhì)結(jié)構(gòu)，解決了困擾生物學(xué)家多年的蛋白質(zhì)折疊問(wèn)題。2025年的升級(jí)版AlphaFold3，不僅能精準(zhǔn)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，更能模擬蛋白質(zhì)與DNA、RNA和小分子配體復(fù)合物的相互作用，準(zhǔn)確率達(dá)98%。傳統(tǒng)結(jié)構(gòu)生物學(xué)研究發(fā)生了改變——這不僅是效率提升，更是從根本上改變了生命科學(xué)的研究路徑。科學(xué)家可以基于AI的精準(zhǔn)預(yù)測(cè)，直接靶向設(shè)計(jì)藥物分子。這是第一個(gè)結(jié)構(gòu)性重組。

2.科學(xué)組織的方式也在發(fā)生深刻變化。

機(jī)制變革的背后是組織模式的重塑。傳統(tǒng)科研組織以課題組為基本單元，由學(xué)術(shù)帶頭人統(tǒng)籌，依托人工團(tuán)隊(duì)開(kāi)展知識(shí)生產(chǎn)。在人工智能與自動(dòng)化實(shí)驗(yàn)系統(tǒng)驅(qū)動(dòng)下，一種全新的科研單元正在崛起——由人工團(tuán)隊(duì)、AI與自動(dòng)化實(shí)驗(yàn)平臺(tái)協(xié)同構(gòu)建的復(fù)合系統(tǒng)。在一些自動(dòng)化實(shí)驗(yàn)中，機(jī)器不僅承擔(dān)數(shù)據(jù)分析，還能自主規(guī)劃實(shí)驗(yàn)條件、執(zhí)行實(shí)驗(yàn)流程。這個(gè)趨勢(shì)在工業(yè)界與學(xué)術(shù)界均已落地實(shí)踐。

例如，Google研發(fā)的系統(tǒng)可在無(wú)人干預(yù)下完成數(shù)千次化學(xué)反應(yīng)實(shí)驗(yàn)，并自動(dòng)優(yōu)化反應(yīng)路徑。英國(guó)科學(xué)家打造的“機(jī)器人化學(xué)家”系統(tǒng)，能在封閉實(shí)驗(yàn)環(huán)境中自主提出假設(shè)并開(kāi)展驗(yàn)證。中國(guó)科大也有很好的工作，上海人工智能實(shí)驗(yàn)室開(kāi)源的“虛擬科學(xué)家”系統(tǒng)，能夠模擬人類(lèi)科學(xué)家的合作過(guò)程，研究科技創(chuàng)新規(guī)律。浦江實(shí)驗(yàn)室開(kāi)發(fā)的“書(shū)生”（InternSci）科學(xué)多模態(tài)大模型，具備跨模態(tài)科學(xué)解析引擎，能夠解析化學(xué)分子式、蛋白質(zhì)結(jié)構(gòu)、地震波信號(hào)等復(fù)雜科學(xué)數(shù)據(jù)。

這些實(shí)踐表明，科研活動(dòng)的基本單元正從“人”向“人機(jī)系統(tǒng)”轉(zhuǎn)變。未來(lái)科研競(jìng)爭(zhēng)的核心，或許不再是科研團(tuán)隊(duì)之間的較量，而是人機(jī)系統(tǒng)綜合能力的比拼。科研組織變革的問(wèn)題需高度重視。從歷史經(jīng)驗(yàn)看，組織變革的滯后往往是競(jìng)爭(zhēng)力喪失的主要原因。

3.知識(shí)生產(chǎn)的方式也在轉(zhuǎn)型

長(zhǎng)期以來(lái)，科學(xué)知識(shí)以論文為主要載體。提出新理論，通過(guò)文本描述，數(shù)據(jù)作為輔助支撐，發(fā)表文章，用文字標(biāo)注理論，數(shù)據(jù)作為附件。

但在人工智能時(shí)代，模型、數(shù)據(jù)、代碼本身也逐漸成為重要的知識(shí)承載方式。在部分領(lǐng)域，模型本身已成為核心科研成果，價(jià)值甚至超越論文。比如DeepSeek VL系統(tǒng)，支持文本、圖像、代碼多模態(tài)檢索，知識(shí)獲取效率提升40倍，其能力集中體現(xiàn)在對(duì)語(yǔ)言知識(shí)與推理的綜合呈現(xiàn)上。這一轉(zhuǎn)變不僅革新了知識(shí)的表達(dá)形式，還將深度重塑科研評(píng)價(jià)和科研傳播機(jī)制。美國(guó)硅谷的很多最新科研成果，不是發(fā)表在傳統(tǒng)期刊上，而是率先在開(kāi)放社區(qū)或推特平臺(tái)上發(fā)表，以搶占先機(jī)。這些成果的表現(xiàn)形式包括論文、代碼、文本、模型。

03

科學(xué)研究體系的新特征

從認(rèn)識(shí)論角度，上述變化可以歸納為三個(gè)重要特征。

第一個(gè)特征：科學(xué)可能正在從“理解世界”走向“逼近現(xiàn)實(shí)”。傳統(tǒng)科學(xué)強(qiáng)調(diào)對(duì)自然規(guī)律的解釋能力，追求因果清晰與理論完備。在人工智能驅(qū)動(dòng)的研究中，越來(lái)越多成果表現(xiàn)為“有效”卻難以完全解釋。深度學(xué)習(xí)模型在圖像識(shí)別、氣候預(yù)測(cè)等領(lǐng)域取得極高精度，但其內(nèi)部機(jī)制難以完全解釋。

例如氣候科學(xué)領(lǐng)域，科學(xué)家引入AI模型開(kāi)展天氣預(yù)測(cè)，短期預(yù)測(cè)精度已超越部分傳統(tǒng)物理模型，但這些模型并未完全解釋氣候系統(tǒng)的物理機(jī)制。我去年訪問(wèn)歐洲時(shí)，中科院大學(xué)大氣所的所長(zhǎng)跟我同行，他們用自己開(kāi)發(fā)的AI模型預(yù)測(cè)天氣，在歐洲一些小城市的預(yù)測(cè)比天氣預(yù)報(bào)要準(zhǔn)得多。復(fù)旦和上海智能研究院聯(lián)合開(kāi)發(fā)的“伏羲”氣象預(yù)測(cè)模型也有很好效果，入選了2025年度中國(guó)十大氣象科技進(jìn)展。這表明科學(xué)的目標(biāo)正在變化：從解釋世界逐步走向逼近現(xiàn)實(shí)。

第二個(gè)特征：科學(xué)體系正從以因果邏輯為核心，逐步轉(zhuǎn)向“相關(guān)性與因果相結(jié)合”的混合體系。傳統(tǒng)科學(xué)研究強(qiáng)調(diào)通過(guò)理論解釋因果關(guān)系，人工智能則擅長(zhǎng)從數(shù)據(jù)中發(fā)現(xiàn)模式與相關(guān)性。在很多場(chǎng)景中，我們可以在尚未完全理解機(jī)制的情況下實(shí)現(xiàn)高效預(yù)測(cè)。

比如藥物篩選領(lǐng)域，AI模型可以基于對(duì)分子結(jié)構(gòu)的學(xué)習(xí)預(yù)測(cè)藥效及毒性，而無(wú)需完全明晰其生物化學(xué)機(jī)制。2022年已有機(jī)構(gòu)借助AI設(shè)計(jì)的候選藥物順利進(jìn)入臨床試驗(yàn)階段。這意味著相關(guān)性重新回歸科學(xué)體系核心，但同時(shí)也潛藏風(fēng)險(xiǎn)：我們可能在不明緣由的情況下運(yùn)用正確的結(jié)果。

第三個(gè)特征，也是最根本的一點(diǎn)：科學(xué)認(rèn)知主體的變化。傳統(tǒng)科學(xué)以人類(lèi)為唯一認(rèn)知主體，而在人工智能時(shí)代，科學(xué)逐漸演變?yōu)槿祟?lèi)與機(jī)器共同構(gòu)建的認(rèn)知系統(tǒng)。

例如在材料科學(xué)研究中，科學(xué)家利用AGI在數(shù)周內(nèi)篩選出數(shù)十萬(wàn)種潛在材料候選，大幅縮短材料發(fā)現(xiàn)周期。在可控核聚變領(lǐng)域，AI通過(guò)實(shí)時(shí)控制等離子體穩(wěn)定性，讓人造太陽(yáng)的商業(yè)化應(yīng)用邁出關(guān)鍵一步。中國(guó)科學(xué)院推出的“盤(pán)古”科學(xué)大模型構(gòu)建的數(shù)字細(xì)胞模型，實(shí)現(xiàn)了靶點(diǎn)發(fā)現(xiàn)全流程自動(dòng)化。在這些過(guò)程中，知識(shí)生成并非完全由人類(lèi)完成，而是人機(jī)協(xié)同的結(jié)果。知識(shí)生產(chǎn)主體正從人類(lèi)轉(zhuǎn)向人機(jī)系統(tǒng)。

這些變化并不意味著一個(gè)邊界清晰的全新范式已然成型。我們當(dāng)下洞察的這些特質(zhì)，本質(zhì)上仍處于動(dòng)態(tài)演進(jìn)過(guò)程，亟待在實(shí)踐中持續(xù)探索、不斷發(fā)掘。

04

目前面臨的挑戰(zhàn)和選擇

在科研范式轉(zhuǎn)型背景下，我們面臨新的機(jī)遇與挑戰(zhàn)，需要用新的視角和方法去面對(duì)。有幾點(diǎn)思考：

第一，AI for Science的競(jìng)爭(zhēng)，本質(zhì)上是認(rèn)知體系的競(jìng)爭(zhēng)。當(dāng)前討論往往集中在算法、算力與數(shù)據(jù)規(guī)模等要素上，但這些更多屬于實(shí)現(xiàn)層面的能力。從更深層看，真正的競(jìng)爭(zhēng)在于不同的科研體系如何理解科學(xué)、如何認(rèn)識(shí)世界。比如是以模型為核心，通過(guò)高維空間中的模式逼近現(xiàn)實(shí)；還是以理論為核心，強(qiáng)調(diào)機(jī)制解釋與因果邏輯的嚴(yán)密性？是以數(shù)據(jù)驅(qū)動(dòng)為主導(dǎo)，還是堅(jiān)持從理論出發(fā)構(gòu)建認(rèn)知框架？這些看似方法層面的差異，實(shí)際上對(duì)應(yīng)不同的科學(xué)觀和認(rèn)知路徑，并將深刻影響未來(lái)科學(xué)的發(fā)展方向與知識(shí)結(jié)構(gòu)。AGI for Science的競(jìng)爭(zhēng)歸根到底不是單一技術(shù)的競(jìng)爭(zhēng)，而是誰(shuí)能在新一輪范式轉(zhuǎn)型中率先形成穩(wěn)定且具有解釋力的認(rèn)知體系。

第二，科技界需要以更大力度推動(dòng)科研組織體系的變革。現(xiàn)有科研體系很大程度上仍以學(xué)科劃分、PI結(jié)構(gòu)以及論文評(píng)價(jià)為基礎(chǔ)。這一模式在傳統(tǒng)科學(xué)階段發(fā)揮了重要作用，但在AI for Science時(shí)代其適應(yīng)性正受到挑戰(zhàn)。隨著科學(xué)問(wèn)題日益復(fù)雜以及人工智能深度參與科研過(guò)程，未來(lái)的科研組織將更加面向重大問(wèn)題，強(qiáng)調(diào)跨學(xué)科協(xié)同，并以人機(jī)系統(tǒng)作為基本運(yùn)行單元。這不僅意味著組織形式的變化，也將帶來(lái)科研評(píng)價(jià)方式、資源配置邏輯以及人才培養(yǎng)路徑的系統(tǒng)性調(diào)整。這種變革面臨巨大而復(fù)雜的挑戰(zhàn)，會(huì)打破原有結(jié)構(gòu)，需要科研領(lǐng)導(dǎo)者具有戰(zhàn)略決心。

第三，中國(guó)的優(yōu)勢(shì)和機(jī)遇在于科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新的融合能力。我國(guó)在若干領(lǐng)域已具備很強(qiáng)的原始創(chuàng)新能力，同時(shí)擁有大規(guī)模科學(xué)數(shù)據(jù)資源，這提供了重要條件。中國(guó)還具備完整的產(chǎn)業(yè)體系和豐富的應(yīng)用場(chǎng)景，能夠使新技術(shù)在更大范圍內(nèi)快速驗(yàn)證和迭代。未來(lái)的競(jìng)爭(zhēng)或許不在于某一個(gè)環(huán)節(jié)的領(lǐng)先，而在于能否在科學(xué)、工程與產(chǎn)業(yè)之間構(gòu)建起高效聯(lián)動(dòng)機(jī)制，實(shí)現(xiàn)持續(xù)迭代與系統(tǒng)優(yōu)化。伯文主任剛才也講，我們?nèi)斯ぶ悄軐?shí)驗(yàn)室也面向從1到100，不僅是0到1，這方面要加強(qiáng)合作。

第四，在人工智能時(shí)代，要強(qiáng)化哲學(xué)與科學(xué)之間的深度對(duì)話。過(guò)去一段時(shí)間，隨著技術(shù)快速發(fā)展，社會(huì)普遍將人文科學(xué)在一定程度上邊緣化。但從科學(xué)發(fā)展長(zhǎng)周期看，真正重大的突破往往伴隨著對(duì)基本概念和認(rèn)知框架的反思。在人工智能深度介入科學(xué)研究的背景下這個(gè)問(wèn)題更加突出。比如，在自動(dòng)化科研系統(tǒng)中，如果算法生成了錯(cuò)誤結(jié)論，責(zé)任應(yīng)如何界定？我一個(gè)禮拜前長(zhǎng)了麥粒腫，查了一個(gè)人工智能模型，問(wèn)怎么處理，它說(shuō)熱敷；我又查另一個(gè)模型，它說(shuō)冷敷。我不知道到底熱敷好還是冷敷好，沒(méi)敢動(dòng)，結(jié)果麥粒腫越長(zhǎng)越大。后來(lái)到醫(yī)院?jiǎn)柎蠓颍蠓蛘f(shuō)你剛長(zhǎng)的時(shí)候熱敷，長(zhǎng)大了就該冷敷。假如我搞錯(cuò)了，這責(zé)任是誰(shuí)的？是人工智能模型的編制者，還是平臺(tái)，還是我自己？哲學(xué)不應(yīng)只是事后的反思，而應(yīng)參與科學(xué)命題的形成，通過(guò)對(duì)基礎(chǔ)概念、隱含前提以及科研范式的反思，幫助識(shí)別哪些問(wèn)題值得提出。

在科學(xué)問(wèn)題里，必然與價(jià)值判斷、社會(huì)后果和長(zhǎng)期風(fēng)險(xiǎn)交織在一起。在人工智能、生命科學(xué)等領(lǐng)域，哲學(xué)不應(yīng)停留于事后的評(píng)判，而應(yīng)與科學(xué)研究同步介入，通過(guò)對(duì)價(jià)值、目標(biāo)、責(zé)任邊界和人類(lèi)處境的討論，參與塑造技術(shù)發(fā)展的方向。科學(xué)家與哲學(xué)家的結(jié)合，不僅提升認(rèn)知深度，更是為了在“無(wú)人區(qū)”探索中保持理性自覺(jué)，確保科技進(jìn)步始終服務(wù)于人類(lèi)整體福祉。

我在報(bào)告最后再次強(qiáng)調(diào)：在AI迅速發(fā)展的同時(shí)，人文思考不可或缺。科學(xué)不僅關(guān)乎能力，更關(guān)乎方向；不僅關(guān)乎發(fā)現(xiàn)，更關(guān)乎抉擇。我們?cè)谕苿?dòng)技術(shù)進(jìn)步的同時(shí)，更需以理性與善意擁抱科學(xué)，審慎思考它將引領(lǐng)人類(lèi)駛向何方。

我就講這么多，謝謝大家！

（注：本文所有圖來(lái)自白春禮院士在第二屆浦江AI學(xué)術(shù)年會(huì)上的演講，內(nèi)容未經(jīng)本人編輯和許可，僅供學(xué)習(xí)交流。）

Deep Science預(yù)印本