2022 年底，ChatGPT 席卷全球，讓人們再一次領(lǐng)略到了 AI 的強(qiáng)大與驚艷。

如今，AI 已然成為當(dāng)今科技界最熱門的話題之一，它不但改變了人們的生活，同時也為科學(xué)研究帶來了更多可能，AI for Science（人工智能驅(qū)動的科學(xué)研究，亦稱 AI4S）應(yīng)運(yùn)而生。

作為一種將“AI”和“科研”深度融合的新興科技形態(tài)，AI for Science 利用 AI 技術(shù)學(xué)習(xí)、模擬、預(yù)測和優(yōu)化自然界和人類社會的各種現(xiàn)象和規(guī)律以解決各種科研問題，從而推動科學(xué)發(fā)現(xiàn)和創(chuàng)新，被稱為“科學(xué)研究第五范式”。

國內(nèi)層面，今年 3 月，科技部聯(lián)合自然科學(xué)基金委啟動“人工智能驅(qū)動的科學(xué)研究”（AI for Science）專項部署工作，布局“AI for Science”前沿科技研發(fā)體系。國際層面，特斯拉首席執(zhí)行官 Elon Musk 宣布成立人工智能公司 xAI，旨在建立理解自然規(guī)律的人工智能系統(tǒng)；谷歌前首席執(zhí)行官 Eric Schmidt 宣布成立 AI for Science 博后獎學(xué)金，目前已布局 9 所高校；微軟成立科學(xué)智能中心 AI4Science；NVIDIA 聯(lián)合 IIT 發(fā)布 AI for Science 公開課程......從國內(nèi)到全球，從學(xué)界到業(yè)界，AI for Science 儼然已成燎原之勢。

面對這場已經(jīng)到來的科技革命，2022 年，北京科學(xué)智能研究院（AISI）、深勢科技、高瓴創(chuàng)投聯(lián)合發(fā)布了第一版《AI4S 全球發(fā)展觀察與展望》，詳細(xì)闡述了 AI for Science 的發(fā)展歷史和技術(shù)現(xiàn)狀，并深入剖析了其在多個行業(yè)領(lǐng)域的原理與實踐，發(fā)布后便獲得了來自全球各行各業(yè)的廣泛認(rèn)可和支持。

作為新一代科創(chuàng)資源樞紐與智慧服務(wù)平臺，絡(luò)繹科學(xué)十分期待人工智能與科學(xué)研究的結(jié)合，依托絡(luò)繹科學(xué)開放社區(qū)，我們聯(lián)合了新型研發(fā)機(jī)構(gòu)、高校院所、OA 期刊等，以科研工作者需求為核心、以推動數(shù)據(jù)和相關(guān)學(xué)術(shù)資源公開共享為使命，為廣大科研工作者提供創(chuàng)新智慧科研服務(wù)解決方案。目前，憑借對 AI for Science 的價值認(rèn)可，絡(luò)繹科學(xué)也已打造出一系列 AI 驅(qū)動的科研生產(chǎn)力工具，助力科研成果價值放大，以促進(jìn)“產(chǎn)學(xué)研用”的交流融合。

為了推動 AI for Science 持續(xù)助力和拓展更多領(lǐng)域的科研邊界，同時讓國內(nèi)乃至全球更多從業(yè)者看到和看懂 AI for Science 中所蘊(yùn)藏的科研與商業(yè)機(jī)遇，北京科學(xué)智能研究院、深勢科技攜手絡(luò)繹科學(xué)聯(lián)合發(fā)布 2023 版《AI4S 全球發(fā)展觀察與展望》。

此次發(fā)布的 2023 版《AI4S 全球發(fā)展觀察與展望》（簡稱《展望》）在上一版的基礎(chǔ)上對已有內(nèi)容進(jìn)行大幅更新，并新增近一倍全新內(nèi)容，對過去一年的發(fā)展進(jìn)行追蹤并闡述其如何影響 AI for Science 的發(fā)展路徑，整理匯總數(shù)十家領(lǐng)先企業(yè)和科研機(jī)構(gòu)的經(jīng)驗方法，深入解析相關(guān)技術(shù)、產(chǎn)品、產(chǎn)業(yè)、政策的演化，并以全新的框架重新梳理 AI for Science 的要素、沿革、展望，詳盡描述其在各行各業(yè)的實踐。

在 AI for Science 迎來飛速發(fā)展的 2023 年，新版《展望》通過內(nèi)容方面的重構(gòu)全面呈現(xiàn) AI for Science 在科學(xué)多領(lǐng)域的應(yīng)用與發(fā)展，助力從業(yè)者更好地了解 AI for Science 的應(yīng)用現(xiàn)狀與未來趨勢，共同推動 AI for Science 領(lǐng)域的融合創(chuàng)新，蝶變前行。

創(chuàng)新提出 AI4S“四梁 N 柱”發(fā)展框架與新基建思路

科學(xué)技術(shù)是第一生產(chǎn)力。在過去的數(shù)百年里，科學(xué)技術(shù)的發(fā)展歷經(jīng)了多次系統(tǒng)性危機(jī)，危機(jī)的解決讓科學(xué)技術(shù)實現(xiàn)質(zhì)的飛躍，科學(xué)借助新工具的應(yīng)用和普及帶來生產(chǎn)力的提升；如今 AI 時代已經(jīng)到來，AI 在計算機(jī)視覺、自然語言處理，自動駕駛等領(lǐng)域大放異彩，但是 AI 要想從一套“數(shù)據(jù)處理”工具走向更加通用的“智慧”，科學(xué)技術(shù)是必經(jīng)之路。

顯然，AI for Science 將會是 AI 的下一個主戰(zhàn)場，它將極大地拓展 AI 和 Science 的邊界，賦能技術(shù)和工業(yè)的各個方面，助力加快走完科學(xué)研究和技術(shù)創(chuàng)新之間的“最后一公里”，也將助力研究人員從紛亂的自然和社會特征之中抽絲剝繭，發(fā)現(xiàn)事物背后的關(guān)鍵規(guī)律。

圖｜AI for Science 的“四梁 N 柱”架構(gòu)（來源: 北京科學(xué)智能研究院）

此次 2023 版《展望》首先概述了 AI for Science 原理與發(fā)展框架，并提出了“四梁 N 柱”觀點。

《展望》指出，在原有的科學(xué)基礎(chǔ)設(shè)施上，AI for Science 時代下的基礎(chǔ)設(shè)施將有四個方面的全面突破。其一，基本原理與數(shù)據(jù)驅(qū)動的算法模型和軟件系統(tǒng)；其二，高效率、高精度的實驗表征系統(tǒng)；其三，替代文獻(xiàn)的數(shù)據(jù)庫與知識庫系統(tǒng)；其四，高度整合的算力平臺系統(tǒng)，此四個方面概括為 AI for Science 的“四梁”。

而將 AI for Science 落地于廣泛場景中的具體實踐，這些垂直領(lǐng)域的應(yīng)用和技術(shù)則稱為“N 柱”，比如生命科學(xué)、材料科學(xué)、能源、氣象等眾多領(lǐng)域。

完成“四梁 N 柱”的系統(tǒng)建設(shè)，一方面，要面臨著高度抽象化的領(lǐng)域知識門檻；另一方面，還要擺脫“作坊模式”推動科研向“平臺模式”轉(zhuǎn)變，這其中科學(xué)問題與工程問題互相交織和影響，因此，推動科學(xué)家與工程師的充分協(xié)作是高效實現(xiàn) AI for Science 時代科研基礎(chǔ)設(shè)施建設(shè)的關(guān)鍵因素。

發(fā)展階段層面，《展望》指出，按照行業(yè)整體需要解決的問題，可以把 AI for Science 的歷史和未來十年可預(yù)見的發(fā)展大致分為三個時期：以科學(xué)家為主導(dǎo)的“概念導(dǎo)入期”（2016-2021）、以科學(xué)家和工程師協(xié)作為標(biāo)志的“大規(guī)?；A(chǔ)設(shè)施建設(shè)期”（2021-2026），和以工程師為主導(dǎo)的“成熟應(yīng)用期”（2026 年及以后），三個時期的演進(jìn)也是人們對 AI for Science 開發(fā)程度不斷加深、使用范圍不斷擴(kuò)大的過程。

AI for Science 的發(fā)展不僅取決于 AI 算法的應(yīng)用，還取決于大量經(jīng)典算法的改進(jìn)和提升。算法迭代層面會經(jīng)歷從“簡單模擬”到“智能化搜索”3 個階段：1.0 階段的關(guān)鍵詞是“模仿”，即基于實驗的思路，在實驗基礎(chǔ)上進(jìn)行簡單的外推和擴(kuò)大；2.0 階段的關(guān)鍵詞是“預(yù)測”，即有邊界地預(yù)測，有明確、可驗證的置信區(qū)間；3.0 階段的關(guān)鍵詞是“搜索”，即算法可以非常準(zhǔn)確的對真實場景進(jìn)行建模，并在此基礎(chǔ)上根據(jù)特定需求設(shè)計并返回所需結(jié)果。

《展望》指出，目前正處于 2.0 階段，未來幾年內(nèi) AI for Science 的相關(guān)領(lǐng)域都將會完成 2.0 階段的算法升級，而后將逐漸進(jìn)入到智能化設(shè)計的 3.0 階段，最終實現(xiàn) AI for Science 廣泛普及。

圖｜AI for Science 的相關(guān)要素（來源：2023 版《AI4S 全球發(fā)展觀察與展望》）

AI for Science 的發(fā)展既包含 AI 行業(yè)的要素，也包含科學(xué)領(lǐng)域的要素，更需要來自產(chǎn)業(yè)和公共管理側(cè)的發(fā)展要素，所有這些要素相互交織影響，共同促成 AI for Science 發(fā)展的正反饋。

近十年來，AI 的強(qiáng)大之處大家有目共睹，但其“黑箱”屬性也向來被學(xué)界詬病，即能知其然卻不能知其所以然?！墩雇分赋?，由于 Science 本身的客觀存在性，將 Science 與 AI 融合為 AI 提供了絕佳的“驗證”步驟，讓 AI 在特定領(lǐng)域內(nèi)能產(chǎn)出“可解釋”的成果，而這不亞于為人類發(fā)現(xiàn)新的科學(xué)原理。

而在科學(xué)領(lǐng)域，從“數(shù)據(jù)”中可以提煉出經(jīng)驗性“原理”，亦可以使用“原理”來仿真模擬出“數(shù)據(jù)”，因此“數(shù)據(jù)”和“原理”在一定程度上能夠接近無損轉(zhuǎn)化。

圖｜AI for Science 系統(tǒng)工程（來源：深勢科技）

AI for Science 在模型驅(qū)動和數(shù)據(jù)驅(qū)動深度融合的過程更像是一個系統(tǒng)化的工程，不僅需要原理層面的創(chuàng)新，也需要從基礎(chǔ)設(shè)施、產(chǎn)品、場景交互的全方面變革，各個場景可能都需要龐大的團(tuán)隊來支撐和完成，同時這也意味著巨大的空間和機(jī)會。

AI4S 在多個領(lǐng)域的產(chǎn)研實踐

新版《展望》著重介紹了 AI for Science 在生命科學(xué)、材料科學(xué)、能源、半導(dǎo)體、地球與環(huán)境等眾多領(lǐng)域及細(xì)分領(lǐng)域的產(chǎn)研實踐。整體而言，在具體的實踐中，如何更好地構(gòu)建 AI-Science 之間的紐帶是核心的創(chuàng)新點，而這在不同的科學(xué)場景中其思路也不盡相同。

生命科學(xué)領(lǐng)域，在過去的十余年間，大量基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的理解基因調(diào)控的方法被開發(fā)出來，AI 在驅(qū)動藥物研發(fā)和個性化醫(yī)療中取得新突破。如今，AI 正在藥物研發(fā)、疾病篩查、生物學(xué)機(jī)制研究等方面發(fā)揮著越來越重要的作用，未來，隨著 AI 的滲透，很多疾病的通路和影響因素將不再神秘，最終有望介導(dǎo)人類健康乃至整個生命科學(xué)領(lǐng)域的系統(tǒng)進(jìn)步和重大突破。

圖｜藥物研發(fā)的主要環(huán)節(jié)（來源：2023 版《AI4S 全球發(fā)展觀察與展望》）

以藥物研發(fā)為例，新藥開發(fā)過程是個多環(huán)節(jié)、漫長且昂貴的流程，每個環(huán)節(jié)的效率提高都有巨大的商業(yè)價值。如今，將 AI 與底層生物機(jī)制結(jié)合的新范式（AI for Life Science），正在從底層技術(shù)的突破為整個行業(yè)注入嶄新活力，帶來更多機(jī)會。

在 AI for Life Science 范式下，藥物研發(fā)過程中的大部分實驗可以像汽車、飛機(jī)等工業(yè)領(lǐng)域?qū)崿F(xiàn)仿真模擬，通過計算手段進(jìn)行測試和篩選，再通過真實實驗進(jìn)一步的驗證和篩選，能夠大幅減少真實實驗帶來的時間和經(jīng)濟(jì)成本的消耗。

AI for Life Science 的其他應(yīng)用，比如，當(dāng)今比較熱門的 CAR-T 細(xì)胞療法，CAR 分子的胞外結(jié)構(gòu)域中識別抗原的單鏈抗體片段十分重要 ，AI 技術(shù)可被應(yīng)用于學(xué)習(xí)抗體片段規(guī)律，對抗體親和力或人源化性質(zhì)進(jìn)行預(yù)測和推薦；再比如，Cas9 是 CRISPR-Cas9 基因編輯技術(shù)的重要組成部分，AI 算法可用于尋找毒性更弱的 Cas9 酶，同時還可以借助 AI 在酶設(shè)計中的應(yīng)用，嘗試對已知的 Cas9 酶進(jìn)行優(yōu)化和改造。

合成生物學(xué)領(lǐng)域，AI for Science 的設(shè)計與合成生物學(xué)的工程模式相輔相成，共同打造“假設(shè)、構(gòu)建、測試、學(xué)習(xí)”的閉環(huán)（DBTL），并且還有可能基于自動化實驗室利用 AI 對于實驗的定量設(shè)計來反向補(bǔ)充數(shù)據(jù)庫，以及探索更多的規(guī)律，突破理性設(shè)計的瓶頸。

今后，AI for Science 有望實現(xiàn)全基因組水平定制化工廠的設(shè)想，完成實驗室的小規(guī)模理性化設(shè)計到大規(guī)模制備工藝的生產(chǎn)，甚至有可能實現(xiàn)從底層對于微生物系統(tǒng)的模擬搭建到宏觀的海洋系統(tǒng)甚至生態(tài)系統(tǒng)的模擬，真正推演出類似“蝴蝶效應(yīng)”的過程。

圖｜AI for Science 推動材料研發(fā)范式不斷演進(jìn)（來源：2023 版《AI4S 全球發(fā)展觀察與展望》）

材料科學(xué)領(lǐng)域，從原子和分子出發(fā)，根據(jù)需求優(yōu)化和設(shè)計創(chuàng)新材料，這是一個綜合了物理、化學(xué)、工程學(xué)等的跨學(xué)科領(lǐng)域，然而，現(xiàn)階段新材料研發(fā)主要依靠大量的實驗試錯，費(fèi)時費(fèi)力。AI for Science 可以從第一性原理出發(fā)，預(yù)測材料成分分布和微觀結(jié)構(gòu)的多尺度特征，并整合現(xiàn)有材料的數(shù)據(jù)庫、專家知識和人工智能方法，將計算和實驗結(jié)合可以縮小材料創(chuàng)新的搜索空間，加速材料創(chuàng)新進(jìn)程，目前研究人員已成功利用 AI for Science 方法進(jìn)行了關(guān)鍵問題的攻堅。

半導(dǎo)體領(lǐng)域，半導(dǎo)體技術(shù)是信息時代的基礎(chǔ)，未來發(fā)展已形成了兩條不同的路線：一條是為了解決隨著器件尺度不斷減小、新制程的開發(fā)愈發(fā)困難的現(xiàn)狀；另一條是開發(fā)除硅基半導(dǎo)體之外的新材料體系和工藝路線。在這里，AI for Science 一方面可通過對微尺度的高效高精度建模，助力相關(guān)新材料和器件體系的開發(fā)和應(yīng)用，并通過工藝仿真、預(yù)測、搜索優(yōu)化流程為工藝的改進(jìn)提供助力；另一方面，可借助高性能計算、物理建模和機(jī)器學(xué)習(xí)相結(jié)合的方式通過仿真模擬等手段對半導(dǎo)體材料的工藝進(jìn)行模擬，加速工藝的商業(yè)化應(yīng)用，此外，在化學(xué)拋光等方面也可以結(jié)合高通量實驗發(fā)掘最有效的拋光液材料。

除此之外，《展望》還列舉了 AI for Science 一系列應(yīng)用案例以及產(chǎn)業(yè)方觀點。比如，寧德時代利用 AI 來研究鋰金屬負(fù)極和鈣鈦礦相變等問題，使用了深度勢能與先進(jìn)表征結(jié)合來研究這些材料的分子細(xì)節(jié)，從而能夠在分子層面理解材料性能的變化，為材料設(shè)計和優(yōu)化提供了理論指導(dǎo)，同時這種研究方法也大幅提高了研究效率。

再比如，英矽智能基于生成對抗網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)、預(yù)訓(xùn)練模型及其他機(jī)器學(xué)習(xí)技術(shù)，構(gòu)建高效的 AI 藥物研發(fā)平臺 Pharma.AI，并成功開發(fā)出臨床前候選化合物 ISM001-055，這是全球首個由 AI 發(fā)現(xiàn)具有全新靶點和全新分子結(jié)構(gòu)的候選藥物，也是該靶點目前唯一一個臨床階段的在研管線，是真正意義上的“first in class”藥物。

產(chǎn)業(yè)方觀點，在清流資本看來，投資像 AI for Science 這樣的前沿科學(xué)領(lǐng)域是一種“雙贏”策略。就社會角度而言，這些投資為人類解決重大科學(xué)問題、推動科技進(jìn)步，提供了強(qiáng)大的動力；就經(jīng)濟(jì)角度而言，新技術(shù)和新科學(xué)往往帶來范式的轉(zhuǎn)變，創(chuàng)新了產(chǎn)品和服務(wù)，顛覆了既有的市場，為投資者帶來了巨大的商業(yè)價值和金融回報。

圖｜AI 和科學(xué)數(shù)據(jù)、科學(xué)計算發(fā)展歷程（來源：AISI & DP Technology）

從生命的基本組成（蛋白質(zhì)），到世界工業(yè)的基本要素（材料），再到各個科學(xué)技術(shù)領(lǐng)域，AI for Science 不僅是解決具體問題的有力工具，更是重新定義科學(xué)問題的系統(tǒng)性思路。

《展望》指出，AI for Science 的巨大想象空間存在于如何更好地利用 AI 算法將科學(xué)計算和物理模型相連接，進(jìn)而指導(dǎo)科學(xué)和產(chǎn)業(yè)創(chuàng)新，AI 的力量在于其具有解決復(fù)雜問題，從而推動科學(xué)研究和技術(shù)發(fā)展的巨大潛力，此時，科研的瓶頸就不僅是“如何解決問題”，也是“如何定義問題，如何選擇工具” 。

因此，對問題的深刻認(rèn)識是解決問題的第一步。AI for Science 算法的原始創(chuàng)新，不僅來自日新月異的 AI 模型，更來自科學(xué)家們對具體科學(xué)挑戰(zhàn)的剖析、拆解、分診，如此才能最大化 AI 在科學(xué)領(lǐng)域的效能。

在 AI 時代，成功往往是毅力、探索以及投入資源實現(xiàn)長期目標(biāo)的結(jié)果，AI 在科學(xué)中取得有意義突破的路徑通常是間接和不可預(yù)測的，這需要塑造其未來的人理解并接受這一長期旅程的本質(zhì)。

例如，作為 AI 基礎(chǔ)設(shè)施領(lǐng)域的先驅(qū)，NVIDIA 的圖形處理器（GPU）已成為全球機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架的重要組成部分，然而 NVIDIA 在 AI 領(lǐng)域的旅程卻始于電子游戲這一完全不同的領(lǐng)域，通過不斷推動圖形處理的極限以滿足日益增長的游戲行業(yè)需求，NVIDIA 無意中為如今的 GPU 加速 AI 打下了基礎(chǔ)；此外，AI for Science 領(lǐng)域的先驅(qū)者 DeepMind 和 OpenAI 也并非是在一夜之間取得了令人矚目的成就。

這些例子凸顯了 AI 發(fā)展和實施科學(xué)進(jìn)步的一個重要方面，即政策制定者和資本配置者都需要長期視角，只有兩者的長期承諾才能實現(xiàn) AI 在推動科學(xué)突破方面的變革潛力，正如諺語“羅馬不是一天建成的”，見證的這場 AI for Science 驅(qū)動的科學(xué)技術(shù)革命亦是如此。

結(jié)語

誠然，AI for Science 的發(fā)展之路也必將充滿荊棘，它的成長需要各行各業(yè)的從業(yè)者打破壁壘、凝聚共識，撥云見日的路上，真理與泡沫、洞見與偏見的差別均在毫厘之間，2023 版《展望》希望陪伴每一位關(guān)心和關(guān)注 AI for Science 的從業(yè)者見證這場發(fā)生在眼下的科技革命，從花開花落走向碩果累累。

道阻且長，行則將至！