新华每日电讯记者 叶前 王君璐 鲍赫
回望人类科学求索之路，范式革新始终是突破未知的关键密钥。当前全球科学智能（AI for Science）业界主流共识认为，人工智能不再只是科研的单点辅助工具，正向科研基础设施演进，人机协同成为新科研范式的底色。
近日，记者在首都高校、实验室、生产车间走访调研发现，科学智能（AI for Science）正从概念热词走向科研一线，加速重构科研生产模式。
让AI当好实验室的“总调度”
戴纳科技的实验室内，机械臂在轨道间平稳移动，移液枪精准操作，培养箱自动开关——这是北京正在探索的自主实验室雏形：让AI当起“总调度”，从实验思路设计到设备调度，再到结果分析，全流程智能化。
“路径设计、样品处理、仪器操控、结果分析，全由AI自主完成。”戴纳科技董事长迟海鹏说，实验室还能自主学习迭代，向更高程度智能化演进。
自主实验室不是简单的“自动化+机器人”，作为科研范式变革的核心载体，它探索的是一整套全新模式：先用大模型设计实验思路、定方案，再靠统一的操作系统调度仪器设备，配合高质量科研数据，逐步打通从提出假设到实验验证的闭环。
AI“总调度”如何落地？深势科技做出了探索：为实验室装上“操作系统”。这家企业打造的Uni-Lab-OS自主实验操作系统改变过去人盯手操、数据散落的传统方式，将实验室运行全流程交由操作系统自主编排。这套系统并非把科学家“挤”出实验室，而是让他们从重复劳动中抽身，把精力留给真正的创新。
记者在中国科学院院士、北京大学干细胞研究中心主任邓宏魁团队研发的智能细胞化学重编程和克隆筛选平台看到，占地6平方米的设备能独立完成从指尖采血到干细胞培育的120多个步骤，全程无人干预，处理效率提升3倍，实验误差从最高10%降至1%以下。“标准化、闭环操作大大提升了实验精准度和效率。”邓宏魁说，他和团队用这项技术制备的胰岛细胞，已让多名1型糖尿病患者恢复血糖自主调控。
“从单点工具辅助到全流程自主科研，这是范式层面的升级。”中国科学院院士、北京大学常务副校长张锦表示，自主实验室未来可在实验密集型领域实现7×24小时无人值守运行，数倍提升科研通量、降低试错成本。
将AI嵌入真实科研场景
在2026世界人工智能大会上，中国科学院联合团队研发的磐石·科学基础大模型2.0发布，为科研工作者打造通用的“智能大脑”。它将通用知识推理能力与专用科学能力原生统一联合训练，破解了通用模型专业性不足、垂直领域模型通用性差的行业难题。
许多科研人员告诉记者，有了科学基础大模型，最直观的感受是“做研究的节奏变快了”：过去耗时数周的文献调研与综述整理，如今可在几小时内完成。目前，模型已配套建成一体化科研智能平台，汇聚8000余个专业科研工具，在天文、力学、化学等多个领域落地应用。
有了能力强的科学大模型，还需要让科研人员“摸得着、用得上”。北京科学智能研究院与深势科技联合打造的玻尔科研空间站让“科研大脑”走进实验场景。“我们更像是一个卖铲子的。”北京科学智能研究院院长李鑫宇打了个比方，“科学家是挖金矿的人，我们负责把最好的铲子递到他们手里。”
科研空间站能做什么？过去科研人员想复现一篇生命科学领域的论文，要折腾好几天搭建环境、下载数据、调试代码，现在交给空间站里的科研智能体，不再需要从数据库里大海捞针，可以直接跟全球科研文献“对话”，几十分钟就能跑完从文献检索到结果分析的全流程。
目前，玻尔科研空间站正服务全球超150所高校与科研机构，在真实科研任务中持续产生使用与反馈，让AI真正嵌入科研的日常。
用AI把数据洪流转化为科学发现
模型、平台都备齐了，可好不好用，最终要看在真实科研场景里能不能解决问题。北京瞄准高能物理、材料科学、医疗健康、生命科学、量子科技、生物育种六大重点领域，推动AI从实验室里的技术变成科研一线工作者真正能用得上的工具。
在怀柔科学城，高能同步辐射光源这台“超级显微镜”每天产出的实验数据，能堆满几百个硬盘。过去，科研人员守着电脑一点点分析数据，耗神费力不说，稍不留神就可能漏掉关键信息。“数据解析复杂耗时、门槛很高。”中国科学院高能物理研究所多学科研究中心副主任赵丽娜说，“很多时候实验做完了，数据解析却要拖上几天甚至几周。”
变革来自团队自主研发的“智慧光源大脑”平台，相当于给大科学装置配了一位AI数据解析专家——测出衍散射数据几秒之后就能完成解析。科研人员做完实验很快能拿到初步分析结果，及时调整优化实验方案，不断提升宝贵机时的利用效率、加速成果产出。
不只是快。“智慧光源大脑”还致力于把衍射、散射、吸收谱、成像这几类原本需要不同软件处理的实验数据，整合到一个“大脑”里。目前，平台正陆续部署到高能同步辐射光源的多个实验线站上。从能源材料到生物医药，越来越多的科研工作者将感受这种“边采边解析”的便利。
在生命科学前沿领域，清华大学张强锋团队走出了一条“自己做实验、自己开发算法、跨尺度解析问题”的创新路径，不仅研发了多种RNA结构测序技术，还搭建了对应的AI分析工具。
从高能物理到生命科学，人工智能正在各领域扎根生长，把数据洪流转化为实实在在的科学发现。
建设全球科学智能创新中枢
一个个单点上的突破令人振奋，如何才能把这些创新要素有效整合，真正转化为推动科研进步的系统力量？北京尝试搭建要素齐全、协同顺畅的科学智能创新生态，让数据、人才、资本、产业形成合力。
近日印发的《北京市加快推进人工智能赋能科学研究实施方案（2026—2028年）》，为建设全球科学智能创新中枢绘就“施工图”。围绕自主实验室体系、科学模型体系、科学数据底座、高价值场景应用、创新生态五大方向部署18项具体任务，构建“设施承载、模型驱动、数据支撑、场景牵引、生态保障”的闭环发展格局。
统筹实验室、模型、数据、应用、生态五大要素，关键在人。在中关村学院、中关村人工智能研究院，人工智能与相关基础学科深度交叉融合。成立不到2年，这里已经涌现一批科学智能成果，并孵化出多家“AI+”企业。在北京中关村学院院长、中关村人工智能研究院理事长刘铁岩看来，北京通过建设国家级人工智能学院、跨学科育人、专项引才等举措，持续为科学智能发展输送复合型人才。
范式变革，正在北京多地铺开。海淀区集聚AI4S领域核心机构10余家、创新企业30余家，形成覆盖基础研究到成果转化的创新体系；怀柔科学城依托重大科技基础设施，推动科研设施、科学数据、创新团队和产业项目高效对接……
科学智能快速发展的背后，是北京多年积淀的创新“家底”。数据显示，北京全社会研发投入强度多年保持在6%以上，基础研究投入比重保持在16%左右，连续9年稳居“自然指数－科研城市”全球首位。2025年全市人工智能企业突破2500家，核心产业规模超4500亿元，为科学智能产业化提供了坚实基础。
北京市科委、中关村管委会相关负责人表示，下一步将牵头抓好政策落地实施，持续完善科学智能创新生态，探索打造全球科学智能创新中枢。
新范式变革将带来什么？从科学智能大会上的前沿碰撞，到实验室里日夜运转的仪器设备；从一套能自主迭代的大模型，到科研人员通过手机端收到的实验反馈——当人工智能真正嵌入“读文献、做计算、做实验”的科研全链条，科研的边界正在被重新塑造。
宝利配资提示：文章来自网络，不代表本站观点。
