过去十年，在人工智能赋能科学研究（AI for Science）领域涌现了AlphaFold等备受瞩目的点状突破，近年随着技术的跃迁，论文数量也呈指数级增长。但是，科研效率仍未达到热门期待的线性提升，AI4S也未真正迎来大规模的范式变革。
不过，创新的气象正在涌现。今天，上海创智学院发布“创奇·智能新引擎”核心成果，正推动领域科学研究从“以人和经验为中心的手工模式”，迈向“以模型、系统和自动化为核心的智能化模式”。
人工智能是“年轻人的事业”，发布会上青年师生登台展示创新成果，有三位是入学不到一年的学生。（同下）
全栈赋能为领域科学提速护航
“我们正构建一套有组织的全栈式科研智能生产平台，推动全新的科研范式变革。”创智学院党委书记、常务副院长丁晓东说。
据介绍，该体系囊括了打通国产异构算力的基础设施，DaVinci‑Env能动数据基础设施、跨学科专家协作加工范式、ASI‑Evolve能动进化框架、开箱即用的TaaS 后训练平台，以及能从科研目标反推科研方案的自动化文献检索、创意生成与评价、方案规划、执行跟踪全流程科研操作系统”科研驾驶舱”，可覆盖凝聚态物理、生物医药、新能源等多个不同领域的科研任务，并与包含四个院士团队在内的多所高校开展合作验证。
已有不少科研团队体会到“新引擎”的系统性赋能。上海创智学院全时导师、华东师范大学教授朱通开发了包括假设生成、模拟仿真自驱动实验室以及表征和数据采集等一系列工具和智能体，贯穿化学和材料领域的研究流程，研发的化学反应机构模型积累了3.4亿完备基元反应数据库，支撑新一代重型可回收火箭燃料研发。
上海创智学院全时导师、复旦大学基础医学院特聘教授应天雷团队研发的NEXMed将药物研发从“概率游戏”升级为闭环系统，拥有Mobius自学习中枢、Immuniverse 超级免疫数据空间与 AURORA 高通量自动化实验助手，实现“基因—蛋白—功能”一体链条，日均产生五千余条实验数据，相较传统方式提高2-3个数量级。“近期进入成果转化的‘雾化吸入式广谱抗流感抗体’就由这一体系快速实现分子优化，加速研发进程。”应天雷说。
此外，科研能动性时代，安全必须贯通引擎全栈。前沿AI风险发现平台、模块化智能体安全工具箱和智能体动态安全测试风洞构成安全矩阵，支持未知前沿AI风险发现、智能体过程级安全防护和系统化安全水位测试，使安全成为运行体系的一部分。上海创智学院全时导师潘旭东说：“我们希望以技术落地将安全防范前置，打破安全治理滞后的困境。例如风险发现方面，只要科学家描述风险场景，就能自动生成可执行规模化风险测试沙盒，还可以扩展变体，自主探测新风险。”
把顶尖科学家思维提取复用
在AI for Science的实践中，上海创智学院的团队有这样一个共识：系统性提取并复用科学家智慧。而全时导师刘鹏飞领衔的“数据工厂”与一线科学家的深度共创已将这一理念变为现实。
团队正把“沉睡的科学数据”系统性地转化为 AI 可用的“高纯度”科学资产，成为“引擎燃料”。刘鹏飞说，科学家的思维是沉淀在论文字里行间、隐藏在实验记录背后、流淌在团队讨论之中的隐性认知，谁能把这种思维提取出来、复用起来，谁就能掌握 AI 驱动科研的制高点。
数据工厂独创了领域科学家沉淀经验、AI科学家设计Skill、AI智能体规模化执行“三段式数据工艺”，从简单信息过滤，到“同理可证”的认知补全，再到把整个研究过程“恢复”出来的环境数据都被视为珍贵的“富矿”。为了挖掘领域科学家的思维，刘鹏飞与应天雷团队每周坐在一起“挖矿”，专家将其对抗体研发的隐性判断标准贡献出来，数据工厂转化为可计算的“技能”，从十万多篇文献中自动化构建出超大规模梯度亲和力数据的“免疫数据宇宙”，每条数据均可溯源。
“最妙的是，不同背景的人在一起，你抬一下我抬一下，认知不断上台阶。”刘鹏飞说，过去科研工作者努力攀登站上巨人的肩膀再创新，而现在，AI辅助认知扩容、让顶尖科学家的思维得以复用，更多科学家可以站在100个巨人的肩膀上“面向价值的创造”开展工作。
在一线战场上长出顶尖人才
在创智学院，这套“新引擎”带来的，不只是前沿研究与产业转化的新路径，更是人才培养方式的系统性变革。现场的研究成果发布中，一大批博士生成为主角，7大发布的成果中，有三位分享人是入学不到一年的青年学子。
与传统“课程—实验—论文”循序渐进的培养方式不同，这里的学生更像是被直接推上“主战位”：从第一天开始就要面对“国家重大需求 + 产业化真实约束”的项目，在解决实际问题中学会如何设计系统、组织团队，以及如何向产业同行阐明技术价值。
在学院的“研创学”生态中，如今真正稀缺的并不是算力，而是能在这一操作系统里定义问题、组织资源、控制风险的人。谁能在这一运行体系上真正把握方向，谁就有机会成为这个时代最需要的AI科学家。
惠融配资提示：文章来自网络，不代表本站观点。
