近日，世界互聯網大會人工智能專委會，召開了“人工智能賦能科學研究研討會”，與會專家一致認為，人工智能技術的發展正深刻改變著科學研究的方法和手段，過去形成的科研壁壘，在AI面前正逐漸消失。而“人工智能驅動的科學研究”有望成為我國科研突破的重大機遇。

機遇與突破

AI賦能科學研究

專家認為，我國在互聯網發展上有豐富的經驗，還擁有龐大的數據體量、多樣化的應用場景，以及良好的工程技術教育，這些都為AI與科學的深度融合提供了有力支撐，也為我國成為世界主要科學中心和創新高地提供了新的機遇。

中國工程院院士 王堅：我個人覺得是非常大的機遇，因為它本質的問題是過去形成的科學研究的方法、國內外的壁壘，在一個新的技術面前就會發生一次非常大的變化。從某種意義上講，在這一次變革當中，大家又拉到了同一條起跑線上。

中國新一代人工智能發展戰略研究院執行院長 龔克：我覺得要突破過去的在我們人才觀里陳舊的觀念。第一要突破資歷的觀念，我們在人工智能看到的是一批血氣方剛的年輕人，他們是真正驅動人工智能向前發展的重要人才。另外就是我們根深蒂固的是學科人才觀念，非常狹義看待人才的觀念，在人工智能時代不對了。人工智能作為一個革命性的工具，它帶來的最為重要的變化就是突破了這些界限，所以我們在人才吸引上，不能拘泥于過去這種學科邊界看人才。

AI融入科學研究帶來怎樣的變革？

你是否想象過，僅僅通過幾滴血，就能提前預知數百種疾病的潛在風險？

2024年，復旦大學科研團隊憑借“人類健康與疾病蛋白質組圖譜”的突破性研究成果，讓這一夢想成為現實。在人工智能算法的助力下，醫生只需通過簡單的血漿蛋白組檢測，就能提前診斷和預測疾病。那么，這項疾病早篩技術究竟是如何實現的呢？

AI打造疾病早篩技術

幾滴血預測百種病

這幾天，復旦大學的科研團隊正在對“人類健康與疾病蛋白質組圖譜”進行優化和改進。據了解，這項研究最初只是針對阿爾茨海默病及其他類型癡呆，此前科研團隊利用大數據和人工智能算法，對近1500種血漿蛋白質進行篩選分析，發現了11種可預測未來癡呆風險的血漿蛋白質。

復旦大學附屬華山醫院神經內科副主任 郁金泰：我們通過驗血發現，這些蛋白質變化，用AI算出疾病苗頭，最早能提前15年發現阿爾茨海默病等疾病的跡象。就像蝴蝶從毛毛蟲變成了會飛的樣子，不是基因變了，而是蛋白質表達不同。

這項科研成果迅速在世界醫學領域引發關注，還被《自然》雜志作為頭條新聞報道。然而，科研團隊并沒有止步于此，他們產生了一個大膽的想法：如果能把蛋白質圖譜繪制得更加全面，是不是能分析出更多疾病和蛋白質之間的關系呢？帶著這個想法，科研團隊又對5萬多人的血液樣本和跨越14年隨訪的醫療健康數據進行了分析，成功繪制出全球首張“人類健康與疾病蛋白質組圖譜”，同時還開發出了一套人工智能算法模型。

復旦大學類腦智能科學與技術研究院研究員 程煒：過去醫生看化驗單只能看幾個指標，現在AI能同時分析上千個蛋白質變化。就像是從沙堆中，精準確認金塊的位置，讓研究人員能看得更全更準。

據專家介紹，這項技術最大的特點就是“早發現、少花錢”，醫生通過檢測人體血液中近3000種蛋白質的變化，再結合人工智能技術，就可以提前10余年預測心臟病、糖尿病、阿爾茨海默病等上百種疾病的患病風險。

郁金泰：我們團隊正在研發快速檢測試劑盒，未來常規體檢只需加做幾十元的蛋白質檢測，就能篩查重大疾病風險。就像現在測血糖血壓一樣方便，特別適合需要定期體檢的中老年人群。

AI為藥物研發按下“快進鍵”

在人工智能技術的加持下，不僅能提前診斷和預測上百種疾病的患病風險，而且還能全方位提升藥物的研發效率和質量。在浙江杭州的良渚實驗室，有一支團隊就深度運用AI算法，讓藥物研發進程縮短至3到5年，促進了精準醫療，在與疾病的賽跑中有更多勝算。

在位于杭州的良渚實驗室，研究員沈寧正和她的團隊一起通過人工智能算法工具，整合分析生物信息學數據，精準鎖定人體內的什么異常導致了病癥。

在此之前，這個團隊就曾利用AI算法設計開發了一種用于治療兒童早衰癥的新藥物，在實驗中取得了非常好的療效。目前團隊正在積極尋求合作，努力推進臨床轉化。

浙江大學良渚實驗室研究員 沈寧：我們這個項目大概做了三年的時間，90%的時間其實是在臨床前的實驗。因為有了AI算法，我們的藥物設計是非常快速高效的。

據專家介紹，目前全世界已知罕見病有7000多種，但治療藥物非常少。通常一種藥物的研發從最初的靶點確定，到藥物篩選、臨床試驗，再到審批上市，不僅研發成本高，最主要的是耗費時間很長，但是AI大模型的應用正在改變這個現狀。

沈寧：如果用傳統的大規模篩選，以前小分子藥研發大概要15～20年的研發周期，而且有非常大的失敗概率。有了AI算法的加持，現在藥物研發的周期可以縮短到3～5年。

早在2021年，良渚實驗室就組建了一支由臨床醫學、生物學、數學、計算機、統計學等多學科交叉的團隊，他們陸續開發了七八種深度學習的算法，致力遺傳病、罕見病的精準診療。

沈寧：主要聚焦在藥物的靶點挖掘，突變的致病性預測，以及小核酸藥的藥物設計和藥物研發方面。我們針對不同的疾病，甚至不同的患者，對他的疾病數據進行分析。希望借助AI的工具，可以幫助為每個病人提供更加個性化的治療方案。

AI助力新材料研發

實驗室里“超級助手”

在AI技術的助力下，我國科學家們不僅在疾病預測、藥物研發等領域取得了創新突破，而且在被國外“卡脖子”的新材料研發上也有了重要進展。一起走進中國科學院深圳先進院的材料人工智能研究，看看科學家們是如何利用AI在新材料研發上取得突破。

中國科學院深圳先進院材料所博士后史桐雨現場演示了使用AI技術輔助設計實驗方案的過程。實驗的指令是通過水熱反應合成粒徑在1100納米、硅層厚度在300納米的羧基磁性微球。

科學家給出指令后，AI在十幾秒鐘后就生成了一個詳細的實驗方案，而且還對一些關鍵的實驗參數給出了優化建議。

中國科學院深圳先進院材料人工智能研究中心執行主任 周文華：磁性微球盡管非常小，肉眼看不到，但是它廣泛應用于各種病毒的檢測，抗體藥物的制備，所以是一個對于我國生命健康領域非常重要的材料。但是這個材料從制備到修飾再到應用有50多步，它的條件的優化和組合是一個天文數字，遠遠超過了人手和人腦的極限。

據專家介紹，由于磁性微球這種材料一直被歐美、日本等巨頭企業所壟斷。面對國外的技術封鎖，如何實現技術突破是我國科研團隊的目標，為此他們搭建了一個專門的人工智能系統。

史桐雨：其實AI大模型給我們的方案，它的可執行性是非常高的，在一些關鍵的參數上面，需要我們專業的科研人員根據自己的經驗進行校準。通過一輪輪迭代優化，讓它不斷進行訓練，最終獲得一個專業性非常高的合成方案。

另外，科研團隊還自主搭建了一個機器人系統，通過AI自主撰寫的代碼可以操控機器人進行極端條件下的無人實驗。

中國科學院深圳先進院材料人工智能研究中心主任 喻學鋒：讓它幫助我們更好完成實驗，包括能夠突破極端環境對人類的限制，具有極端的一致性，能夠幫助我們把實驗做得更好，能夠讓科學家效率更高、速度更快地把材料開發出來。

據了解，目前科研團隊在AI的助力下，已經在磁性微球的研發上取得了重要突破，相關產品已經應用于多家龍頭企業。

打破學科界限

推動學科合作

中國新一代人工智能發展戰略研究院執行院長 龔克：整體的政策環境下，對于人工智能在科學上的應用，采取了非常積極鼓勵的態度。最近這幾年來，在深化教育改革和科研改革體制中，也在努力打破這些學科的界限，正在向著推動學科合作方向在走。

另外我們也支持大眾的創新，中國現在有很多開源的社區。DeepSeek是一個大的開源模型，把所有參數開出來，按照MIT的開源協議，非常規范地進行環境開放。我們國內推動互聯網的基礎設施發展，現在教育科研網在整個網絡傳輸速度、網絡接入訪問方面，在全世界來講，我們都處于比較先進的地位，就是為我們AI for science（人工智能賦能科學研究）的發展，為我們整個科學技術的進步奠定了一個很好的基礎。