秋日的上海張江，一場場關於科技前沿的觀點對話與思想碰撞輪番上演。

9月11日至14日，2026浦江創新論壇在上海舉行，主題為“共享創新 共塑未來：新一輪科技革命背景下的全球科技共同體使命”。

“基礎研究”“未來產業”“區域創新”“人才競爭”……如果要在異彩紛呈的論壇交流中尋找一條貫穿始終的主線，那無疑就是AI(人工智能)與科學研究的關系。如今，“AI將改變科研”早已成為全球科技界的共識。但真正值得追問的，則是：改變到什麼程度？改變哪些部分？哪些部分不會也不應被改變？

AI已走進科研“內場”

近年來，隨著AI的飛速發展，一個繼實驗、理論、計算和數據科學之后的“第五科研范式”被正式提出——AI for Science（科學智能）。

上海人工智能實驗室主任周伯文把早期的AI for Science形容為“科學家的訪客”——它可以幫助科學家檢索文獻、分析數據、運行計算，隨叫隨到，卻始終是“屋外的客人”。但如今，AI已經進入問題定義、假設生成、方案設計和實驗驗証等各個環節，逐漸成為科研“房子裡的常住者”。

變化最直觀地體現在時間上。“傳統抗體發現流程往往以年計算，但AI與生物學協同后，其中一些關鍵環節可以壓縮到約90天。蛋白質折疊這一困擾科學界數十年的問題，也借助AlphaFold（一種生物分子結構預測人工智能模型）取得重要突破。”在周伯文看來，提速只是表層變化，其真正體現的是“工具互用”帶來的“效率互增”。

AI的這種力量，也讓一些過去受技術條件限制的問題，有了進一步研究的可能。中國科學院院士、上海交通大學李政道研究所副所長丁洪從超導研究談起：“在超導研究領域，一種理論設想從提出到最終得到實驗確認，往往可能經歷數十年。如今，大科學裝置所提供的極端實驗條件與AI等工具相結合，正在幫助研究者更快地尋找新現象、驗証新可能。”

在計算力學中，AI同樣帶來了深度變化。過去，很多研究要花費大量時間建模、求解和迭代分析。復旦大學計算力學與人工智能交叉研究院創院院長藍楚科就長期研究這一領域，他希望先把飛機、材料甚至生物醫學的研究對象轉化為計算機中的模型，再讓AI參與建模、求解和預測。基於自身的探索，他將AI給科研帶來的變化歸結為兩個詞：“第一個是加速，第二個是發現。”

科學范式正邁向AI驅動

在很多專家看來，AI不隻進入科研“內場”，更改變了很多。

本屆論壇上發布了首屆“浦江科學之問”，通過面向國內外頂級學術期刊、國家實驗室、高校院所和科技領軍企業中的代表性科技創新領軍人物定向征集，最終形成10個具有代表性的基礎科學問題。它們分別是：人工智能的數理基礎﹔實現高增益持續燃燒的聚變等離子體﹔突破經典物理極限的大規模比特的量子糾錯指數級抑制﹔構建跨尺度、跨模態的化學反應基礎模型﹔利用AI實現原子級物質合成操控及性能預測﹔早期宇宙超大質量黑洞快速形成機制﹔海陸冰氣多圈層耦合下全球季風區極端天氣氣候發生發展機理及預測﹔基於生成式AI的完整生命實體構建與設計研究﹔蛋白質如何在“動態變化”中決定生命功能、疾病發生與藥物作用﹔衰老的時空異質性及其系統性調節機制。

雖然這10個問題涉及核聚變、量子計算、化學、材料等多個基礎研究領域，但仔細觀察，卻都與AI密切相關。上海人工智能實驗室青年科學家鐘翰森就注意到這個有趣的“1+9”結構：“后面9個科學問題都可以用人工智能賦能研究，而第一個問題指向了人工智能技術的基礎。”

的確，當前科學范式正邁向AI驅動，識別科學通道和未來機會的能力尤為重要。中國科學院院士趙東元介紹，“浦江科學之問”的設立正是為了回應這一時代需求——“從一個好問題出發，向科學的最深處走去”。

這折射出一種變化，AI正在成為其他所有科學領域的共用“地基”。它改變的不只是某一個環節，而可能是所有環節之間的連接方式。

科學家需守住“提出問題”的能力

盡管AI技術狂飆突進，但在論壇上，冷思考也不少。

周伯文認為，AI發展得再深，科研方向仍然需要人來把握。他強調：“科學探索的羅盤，始終應該由人類的心智、好奇心和價值判斷來掌握。”

上海市科學學研究所副所長朱學彥指出：“在AI for Science時代，解決問題可以借助機器提高效率，但‘提出什麼問題、願景是什麼’必須留給人類自己。”

許多專家指出，工具在加速，長期積累仍然是科學突破的基礎。

“越來越重要的，是你的科研品位和科研判斷能力。”北京大學博雅特聘教授劉穎說，AI讓研究者能夠更快地分析大量數據，也讓更多過去難以觀察的現象進入視野。但哪些現象值得繼續追問，哪些現象背后可能隱藏著尚未被認識的生命規律，仍需要依靠研究者長期形成的知識積累和科學素養。作出判斷之后，還要有能力守住問題，把困難的研究持續做下去。

AI可以提高效率，但無法取代人的價值判斷。面對AI對科研方式的改變，新加坡工程院院士、南洋理工大學計算與數據科學學院副院長關存太也提醒年輕的科研人員，不要被不斷變化的熱點牽著走，要形成自己的科研判斷，找到真正重要和值得長期探索的問題。“如果10年之后回過頭來看，還有一個問題是你提出來的，而且大家還在繼續探索，這就很了不起。”在他看來，越是在知識和信息容易獲得的時代，提出好問題的能力越重要，因為真正具有價值的科研，不只是更快地獲得答案。