导语


在人工智能与科学研究深度融合的时代浪潮中,科学智能正以前所未有的速度重塑着人类探索世界的方式。


面对这一快速发展的前沿领域,一个核心问题摆在我们面前:AI与科学研究究竟如何深度融合,科学智能的发展现状、趋势和未来路径是什么?


为回答这一关键问题,上海科学智能研究院、集智科学研究中心和阿里云首先联合发布了《AI X Science十大前沿观察》,通过定性分析系统梳理出35个研究前沿,构建了涵盖AI for Science、Science for AI和基础设施三大维度的框架体系,初步勾勒出科学智能领域的发展蓝图。


在前期观察之后,上海科学智能研究院进一步携手复旦大学、施普林格·自然等权威机构,基于2015-2024年全球科学智能多源大数据,汇聚近60位不同领域科学家的智慧,推出《科学智能白皮书2025》。这份报告将前期的定性观察升级为数据驱动的实证分析,用十年发展数据验证趋势判断,深入剖析AI与科学研究大融合之势,为科学智能的未来发展提供了更为精准和系统的答案。


两份报告共同构成了对“科学智能如何引领范式变革、应对全球挑战”这一时代命题的部分回应。

图片


5月26日,上海科学智能研究院联合复旦大学、施普林格·自然(Springer Nature) 旗下的自然科研智讯(Nature Research Intelligence)全球发布《科学智能白皮书2025》,报告首次运用2015-2024年全球科学智能多源大数据,近60位不同领域的科学家联袂写作,深入剖析AI与科学研究大融合之势,全面探索7大科研领域、覆盖28个方向、近90个科学智能前沿问题及突破路径,以洞见前瞻未来,引领科学智能范式变革,应对全球挑战。



AI驱动范式变革,全流程赋能科研




科学智能(AI for Science, AI4S)是面向科学研究的人工智能创新和人工智能驱动的科学研究的总和,体现了人工智能创新与科学研究双向促进与深度融合。
一方面,AI驱动的科学研究正在加快科学发现。其中,以DeepMind的AlphaFold为代表的AI技术,在蛋白质结构预测、新药研发及疫苗设计领域实现重大突破;谷歌的GraphCast模型、华为“盘古”模型、复旦大学-上海科学智能研究院“伏羲”模型等AI气象模型,显著提升了全球天气预报的准确性和时效性;AI驱动的核聚变等离子体控制与自动实验室技术,也为能源与材料科学研究带来革新。
另一方面,科学基础理论和层出不穷的科学突破也推动AI底层技术和架构的不断创新,比如根植于概率论和随机过程的扩散模型,又如将先验知识融入深度学习的前沿研究,在增强模型可解释性的同时,也显著提高了AI模型的泛化能力。
报告将AI相关领域划分为AI核心(算法、机器学习等)与科学智能六大方向(数学、物质科学、生命科学、地球与环境科学、工程科学、人文社会科学)。报告指出,在以上所有领域,科学智能正深刻重塑传统科学研究范式,通过模型和数据驱动更有效地探索解空间从而生成假设,以及自动与智能化实验等方式,全流程赋能科学研究,显著提升科学发现的效率与精准性。
报告全面探讨了科学智能在7大科研领域、28个前沿方向、近90个科学智能关键问题及突破路径,例如如何构建跨尺度、超学科的科学智能模型、提升AI模型在科学研究中的泛化性和可解释性,又如,如何推动AI拓展科学发现的创新边界。为解决这些问题,科学家提出融合先验知识的跨尺度建模、利用生成式模型和合成数据来弥补数据稀缺、建立跨学科知识图谱与闭环强化学习系统,推动科学智能的进一步发展。此外,报告也重点关注了AI安全和AI伦理治理,强调构建内生安全机制和“以人为本”,确保AI技术在研发初期即嵌入安全防护能力, 并和人类对齐。
通过科学家提出关键词和出版物数据库的匹配,可以发现在科学智能研究中最获青睐的 AI 方法和技术大语言模型(LLMs)已经成为物质科学、生命科学、社会科学等领域的通用科研工具。强化学习在工程系统控制、数学定理证明及物理模拟等复杂场景中占据主导地位。计算机视觉技术在生命科学和地球环境领域渗透显著。此外,分布式学习、图神经网络、可解释 AI 和边缘智能在不同学科中均得到广泛应用。
图1.  科学智能研究中最获青睐的AI技术



科学智能引领AI科研,中国主导前沿创新




根据自然科研智讯(NatureResearch Intelligence)提供的AI相关出版物数量、引用量以及自然指数(NatureIndex) 等多源大数据统计显示, 2015至2024年间,全球人工智能和科学智能领域的学术出版物总量快速增长,科学智能异军突起,2020年后加速成长,有力推动了人工智能研究整体的井喷态势。如图2所示,全球人工智能期刊论文数量在过去十年间激增近三倍——从30.89万篇增至95.45万篇,年均增长率为14%。人工智能核心领域(如算法、机器学习)占比从44%降至38%;科学智能占比相应提升了6个百分点,且其年均增长率从2020前的10%,提升至2020后的19%。尤其是在工程科学和生命科学领域,其年均增长率分别从2020年前的9%和15%,提升至2020年后的16%和29%。
图2.  AI出版物总量与构成(2015-2024,单位:千篇)
国别研究显示,2015年至2024年间,全球人工智能出版物排名前的国家/地区的格局发生了转变(图3)。中国增长势头尤为显著,AI出版物总量从2015年的6.01万篇上升至2024年27.39万篇占全球总量29% 2018年,中国的出版物总量超越欧盟,居全球首位,2022年超越欧盟和美国的总和。印度展现出明显的追赶态势,2015年其AI出版物总量为1.82万篇(仅为美国的1/3),2024年提升至8.51万篇,几乎与美国(8.57万篇)齐平。
图3.  AI出版物总量及趋势(前五国家/地区)(2015-2024,单位:千篇)
从科研影响力看,美国优势仍存。基于自然指数追踪的高质量前沿研究期刊发表的 AI 相关论文引用量统计显示,美国保持领先地位2020年达到30.22万次中国引用量从2015 年 的 1.03 万 次 跃 升 至 2020 年 的14.48 万次,并于 2021 年首次超越欧盟。至 2024 年,中国的 AI 相关论文引用量占全球总量的 40.2%,实现了对美国(占42.9%)的快速追赶。
国在AI应用型创新领域实现了跟随者“引领跨越专利、政策文档与临床试验中的引用数据分析显示,中国凭借持续高速增长,于2016年以2.32万次的引用量超越欧盟(2.23万次),2019年以2.60万次超越美国(1.96万次)。至2024年,中国占据全球AI出版物在专利、政策文档与临床试验中的引用达41.6%,遥遥领先。
就科学智能分领域AI出版物国别趋势来看,中国在AI与地球环境科学和工程交叉领域拥有先发优势(图7、图8);2019年以来在AI与数学、物质科学和人文社科交叉领域发力超越,全球领先(图4,图5,图9)。在AI与生命科学交叉领域,欧盟与美国依旧保持优势,中国位居第三。同时,印度在以上所有领域都呈现出追赶态势,在地球与环境、工程和人文社科领域,目前已居全球第三。值得注意的是,中美仍是全球最重要AI科研伙伴,尽管在2020年到达顶峰后合作有所下滑,至 2024 年,中美合作的 AI 出版物总量为 1.22 万 篇,2015 年的两倍(图10)。
图4.  数学AI出版物趋势(前五国家/地区)(千篇)
图5.  物质科学AI出版物趋势(前五国家/地区)(千篇)
图6.  生命科学AI出版物趋势(前五国家/地区)(千篇)
图7. 地球与环境科学AI出版物趋势(前五国家/地区)(千篇)
图8. 工程AI出版物趋势(前五国家/地区)(千篇)
图9.  人文社科AI出版物趋势(前五国家/地区)(千篇)
图10.  AI出版物国际合作趋势(前五国家/地区)(篇)

AI+Science 读书会


AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science,机器学习和其他 AI 技术可以用来解决科学研究中的问题,从预测天气和蛋白质结构,到模拟星系碰撞、设计优化核聚变反应堆,甚至像科学家一样进行科学发现,被称为科学发现的“第五范式”。另一方面是 Science for AI,科学尤其是物理学中的规律和思想启发机器学习理论,为人工智能的发展提供全新的视角和方法。
集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖(Jure Leskovec 教授指导)、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣(Max Tegmark 教授指导),共同发起以“AI+Science”为主题的读书会,探讨该领域的重要问题,共学共研相关文献。读书会已完结,现在报名可加入社群并解锁回放视频权限。

图片

详情请见:
人工智能和科学发现相互赋能的新范式:AI+Science 读书会启动


点击“阅读原文”,报名读书会

内容中包含的图片若涉及版权问题,请及时与我们联系删除