摘要：全球正经历由人工智能驱动科学研究所带来的全链条创新范式变革。这场深刻而全面的创新范式变革将催生全新的知识创新体系，是我国构建自主知识创新体系的关键契机，也是加快实现科技强国建设的重大历史机遇。这一变革的深层次影响源于人工智能驱动重塑知识创新的认识论和方法论，推
本文刊载于《中国科学院院刊》2025年第10期“战略与决策研究”
中国科学院创新范式研究组
中国科学院
全球正经历由人工智能驱动科学研究所带来的全链条创新范式变革。这场深刻而全面的创新范式变革将催生全新的知识创新体系，是我国构建自主知识创新体系的关键契机，也是加快实现科技强国建设的重大历史机遇。这一变革的深层次影响源于人工智能驱动重塑知识创新的认识论和方法论，推动科学理论加速迭代和知识体系深度重组，使知识形态体系呈现分布式、网络化、无边界的新特征，知识创新过程逐步走向自主化、平台化、融合化，知识创新底座也趋于一体化、开源化、生态化。这些都正在改变作为国家创新体系源头和基础的知识创新体系的底层结构与运行逻辑，驱动国家创新体系重构。当前，我国的国家创新体系在学科交叉融合、主体多元协同、设施平台互联、组织制度生态等关系知识创新体系建设成效的多个方面尚不能适应这场创新范式的系统性变革。我国必须谋划在先、行动在前，加快构建新型国家创新体系，系统性支撑人工智能驱动的知识创新体系建设，助力科技强国建设进程。
在人类文明的发展进程中，2次科学革命与3次技术革命都推动科研范式的持续演进。每一次范式演进都推动知识创新体系发展，助力生产力实现跨越式提升，进而开辟社会发展的新阶段。当前，以人工智能（AI）为代表的新一代信息技术正引领新一轮科技革命和产业变革，加速推动“人工智能驱动科学研究”（AI for Science）新范式的形成。这一范式将从国家创新体系源头的知识生成、传播与应用体系重构颠覆科技创新发展的逻辑、模式和动力，拓展到科技创新全过程，产生人工智能驱动的科学研究、技术研发、产业发展等新范式，从而带动全链条创新范式的整体变革，进而推动形成全新的知识创新体系。在这一全链条融合的知识创新体系中，科学、技术、产业界限日趋模糊，呈现高度融合特征、网络特征和生态特征，将形成一体化的知识创新自主循环。
抓住这一范式变革机遇，加速推进知识创新体系建设，对我国科技强国建设具有重要意义。以人工智能引领科研范式变革，加速各领域科技创新突破。2025年8月25日国务院印发的《关于深入实施“人工智能+”行动的意见》把“人工智能+”科学技术作为第一重点行动，凸显了人工智能驱动科学研究在整个经济社会发展中的根基作用。意见明确提出“加快探索人工智能驱动的新型科研范式”“驱动技术研发模式创新和效能提升”“推动人工智能驱动的技术研发、工程实现、产品落地一体化协同发展”。这充分体现了加速推进人工智能驱动创新范式变革的战略性、重要性、紧迫性。在科技强国建设进程中，创新范式变革决定着未来的创新走向与发展质量，将加速创新形态系统性调整，直接关乎创新主体的创新效率和创新体系的整体效能。在第412期国家自然科学基金委员会双清论坛上，专家一致认为，人工智能驱动的科学研究是当前人工智能研究中最具理论深度和挑战性的方向，是人工智能发展的前沿“皇冠”。在人工智能与科技创新双向赋能背景下，加快推进人工智能驱动的新型知识创新体系建设，不仅关乎科技创新的效率与深度，更是国家抢占未来智能经济制高点、赢得国际竞争主动权的关键战略举措。
可以预见，未来5—10年是全球人工智能驱动科研范式跃迁和知识创新体系重构的关键窗口期。在这一历史性机遇面前，各国几乎站在同一起跑线上，谁能更好地把握并适应变革趋势，谁就能在新一轮科技竞争中占得先机。我国要加速科技强国建设进程，迫切需要抓住这一重大历史机遇。当前我们亟待系统回答的核心问题有：
1. 人工智能驱动科学研究的内涵范畴与发展趋势是什么，如何理解其有效赋能学科领域，将经历哪些发展阶段，如何认识其阶段性特征；
2. 人工智能如何重塑知识创新的认识论与方法论，如何改变科研范式的逻辑与路径，如何延伸影响科学研究、技术研发、产业发展等全链条范式；
3. 人工智能背景下知识创新体系将发生何种变化，变化的动因何在，将对知识形态、知识过程和知识底座3个层面带来哪些变化，如何从知识创新体系重构的角度理解这些特征；
4. 如何理解新知识创新体系的变化对国家创新体系系统性完善的需求，国家创新体系在学科发展体系、创新主体体系、基础设施体系、制度保障体系方面需如何调整，方能有效适应新知识创新体系的全新特征。上述问题需要系统深入研究，本文试图提供一些初步认识，并尝试提出应对措施。
1 人工智能驱动科学研究的内涵范畴与发展趋势
内涵范畴
人工智能驱动科学研究作为基于新一轮科技革命和产业变革的新兴科研范式，本质上是以人工智能为核心驱动力的知识发现与创新模式，涵盖科学技术共同体所有共同的研究目标、学术观点、概念术语、交流方式，以及成功案例与认知模型。其内涵主要体现在4个方面：强调人工智能作为通用赋能技术，将应用于各学科领域形成新范畴；强调人工智能作为工具、平台和方法，将显著提高科研效率，加速科学发现；强调人工智能作为科研智能体（agent），将与研究者共同创造新知识，成为助手、合作者乃至主角；强调人工智能作为创新链条的倍增器，将延展和增强创新关键节点，将变革驱动力拓展到科技创新全过程，显著提高全链条效能。可见，人工智能赋能科学研究的作用不仅会带来科研范式的变革，更将驱动效率倍增和能力变革，为学科发展带来前所未有的机遇。
通过人工智能技术与学科的交叉融合，正在催生“人工智能+学科”新范式、新范畴、新领域，可显著提升解决相关学科深度和广度上更为复杂问题的能力。例如：在“人工智能+物理”领域，人工智能可以改变发现物理定律与理论框架的方法、革新高能物理研究路径，对于多尺度、强关联复杂系统，实现从“复现已知定律”到“搜索未知规律”，有望通过进一步增强赋能能力，不断扩大物理研究的可能边界。在“人工智能+化学”领域，人工智能可以在复杂分子结构表征与反应机理预测方面，解决传统计算方法在多电子体系求解与机理预测等领域的计算瓶颈问题，以及实现分子结构精准表征；通过智能分子设计与合成流程自动化，推动分子设计从路径构想到实验执行的智能闭环化，有望重塑化学研究流程，推动新物质发现更加快速、精准、可控。在“人工智能+生命科学”领域，人工智能正在加速生命科学前沿的颠覆性突破，在生物结构预测方面彻底颠覆了传统生物分子结构预测模式，在新药研发方面打破医药研发界“双十定律”，大幅缩短新药研发周期并降低成本，在合成生物学方面彻底改变代谢建模和工程中的“设计—构建—测试—学习”循环方法，有望通过进一步增强赋能能力来不断扩大生命科学研究的可能边界。在“人工智能+材料科学”领域，人工智能正在助力材料研究加快打通“设计－制备－表征－应用”创新链条，实现从微观尺度到宏观特性的跨层级模拟，将传统计算材料学效率提升2—3个数量级；在材料构效关系方面挖掘“成分—结构—工艺—性能”之间的有效信息，加快塑造材料科学研究新范式，将在多维表征数据融合分析、材料新理论框架构建等方面引领未来发展。
发展趋势
人工智能技术自1956年诞生以来，经历了3次浪潮、2次低谷。当前，人工智能正处于“2.0阶段”向“3.0阶段”迈进的进程中，朝着大模型与具身智能、分布式群体智能、人机混合增强智能等融合集成的通用人工智能发展，为人工智能驱动科学研究的蓬勃发展奠定了坚实基础。在此趋势下，面向科学研究的人工智能正从单一场景模型向领域基础模型转变，其中Transformer、生成式模型、图神经网络等多样化算法优势互补，共同推动着学科专业化与跨学科通用化并行发展。同时，多模态信息处理、人工智能与物理规律的紧密结合，正加速合成高质量数据，为突破复杂科学问题的研究瓶颈提供了强大工具。2024年诺贝尔物理学奖和化学奖的颁发进一步凸显了人工智能在重大科学发现中的变革性作用，标志着人工智能驱动科学研究已从边缘探索走向主流应用。
近年来，人工智能驱动科学研究的关注度持续升温，目前正处于快速增长期。全球人工智能驱动科学研究论文发表从2015年的1038篇增长到2024年的14036篇，2025年前9个月已经发表13633篇。我国在论文发表总量上领先全球，2022年超过美国，而美国则在高影响力研究方面占据优势。2015年1月—2025年9月期间，我国论文总量24585篇，高于美国总量22788篇，但高被引论文数（535篇）仍显著低于美国（831篇）。同时，人工智能驱动科学研究正呈现出纵向深化与横向拓展的双重特征。在纵向上，从早期的数据处理和模式识别深入到直接参与科学假设生成、实验设计优化和理论建构等核心环节；在横向上，应用范围已从传统的计算密集型学科扩展至实验科学、社会科学乃至人文学科等各个领域。
从发展阶段看，人工智能驱动科学研究的发展大致将经历4个阶段（图1），即数据驱动、算法驱动、人机协同和“AI科学家”，将实现人工智能从“辅助”到“主导”，从“工具”到“伙伴”乃至“主体”的深刻变革。前2个阶段分别以数据和算法为主要驱动因素，已经经历了近30年的发展。当前正处于以人机协同、人工智能体与科学家协作为主要特征的第3个阶段，人工智能体逐步由助手变为协作者。第4阶段将以“AI科学家”为主要特征，人工智能体可以替代科学家的大部分工作。第4阶段将依赖于通用人工智能在推理、因果发现和创造性思维上的重大突破，它不再是“工具”或“伙伴”，而是真正的“同行科学家”。这一阶段的实现将对科研范式、科研伦理和社会结构产生前所未有的深远影响。
图 1 人工智能驱动科学研究的发展趋势与4个阶段
这一发展趋势，将全面改变科学研究范式与科研组织。推动科研组织朝着从自由式到建制化和工程化、从非标化到流程化、从小作坊式到平台化、从手工式以人为主到自动化人机互动、从封闭式到开放协同式，以及从单学科到支撑多学科交叉的方向发展。同时，这种发展趋势将对未来科技与产业发展带来新动力。一方面，平台科研模式的潜能正在释放，将大幅提升科研生产力与产业创新效能，加速科研与产业的连接，支撑科技创新和产业创新深度融合，形成新产业、新业态；另一方面，网络科研模式正在成型，通用平台“奠基”、领域模型“立柱”、专用工具“架梁”所形成的垂直模型体系，使得自动化的实验闭环加速了科研进程推进。因此，人工智能驱动科学研究可以一体化支撑科研全流程，支撑产业链上、中、下游贯通，催生未来产业。这一发展趋势表明，人工智能正在从根本上改变科学发现的逻辑、效率和能力，重塑知识生产过程的全貌，推动形成一个由人工智能驱动的、全新的知识创新体系。
2 人工智能驱动的科研范式将推动产生新知识创新体系
人工智能驱动的科研范式将推动知识的产生、传播和应用的方式、方法、主体、边界和条件等发生根本性转变，正在重塑知识创新的认识论和方法论，带来全链条的创新范式变革，驱动产生新知识创新体系。这是一场知识生产方式的革命，将显著加快知识产生速度，催生大量新知识，推动构建新的认知模式，重塑知识创新体系。
人工智能正在重塑知识创新的认识论与方法论
借助人机协同机制，人工智能驱动的科研范式成功突破了人类认知的局限，彻底改变使用知识的边界和方式，标志着科研范式实现根本性的跃迁。它能够高效应对复杂系统建模、高维关系推演及跨尺度跨领域的融合挑战，从而深刻重构知识创新的底层逻辑框架，重塑知识创新的认识论与方法论体系，推动科学理论的迭代更新与知识体系的重组优化，催生众多新学科与新范畴，标志着科研范式实现根本性的跃迁。从认知维度看，人工智能与科学家协同科研，不仅能够与科学家共同生成知识，甚至可能在某些环节实现局部替代，乃至合为一体，能极大拓展人类认知客观世界的边界。从工具维度看，人工智能作为变革性科研工具和新式科研方法，将成为科学家的助手、合作伙伴乃至部分替代者，推动科研实践向自动化、智能化演进。实践中，人工智能作为通用技术正在广泛应用于自然科学、工程与技术、农学、医学乃至社会科学等领域，通过提供新算法、新模型，不仅可强化和拓宽科研人员在多领域的技能，涵盖分析能力、实验技能、思维能力、预测能力乃至写作能力，还可催生新的学科领域和方向，形成“人工智能+学科”的全新知识创新范式。
人工智能正在引领全链条创新范式变革
人工智能将变革驱动力拓展到科技创新全过程，产生人工智能驱动的科学研究、技术研发、产业发展等新范式，呈现融通式发展和全链条迭代进阶之势，正在引领全链条创新范式变革。在科学研究方面，人工智能能够推动发现事物间的关键规律与相互关系，促进实验观察、数学建模、计算机仿真与大数据挖掘深度融合，形成基于兴趣、应用、数据及算法的混合驱动模式，催生包括“计算+实验”“数据分析+经验总结”等新方法的科学研究新范式，如已在蛋白质结构预测、分子模拟、药物研发等领域取得突破。在技术研发方面，人工智能通过赋能数据收集分析、方案构建、实验设计与模拟等环节，打通生产制造、产品设计、质量控制等数据和技术壁垒，显著加快了创新链条的更新速度；多技术并用、多线程并进的攻关模式日益普及，形成动态汇聚与分布式创新并存的技术攻关范式，促使创新组织模式发生了变革。在产业发展方面，人工智能展现出强大的场景构建和应用推广能力，正在为各行各业赋能，加速未来产业从萌发到规模化落地的演进过程。这一全链条创新范式使得基础研究、应用研究与产业创新的界限日渐模糊，推动创新链条各环节高度联动一体化，支撑产业链上、中、下游贯通，促使科技创新和产业创新深度融合，加速新质生产力形成与发展。
3 新知识创新体系将呈现全新特征
人工智能正在深度赋能和改变知识创新体系，这一新知识创新体系在模型工具、数据资源和基础设施等新型科研条件支持下将呈现出新特征。这一科研体系构成了一个相互支撑、相互依赖的有机整体，协同赋能新知识创新体系的形成与运作。模型工具是驱动知识创新的核心引擎，具有复杂分析、推理和生成能力，利用多属性的数据发现和创造新知识，是驱动知识创新过程的核心动力；数据资源是知识创新的原料和燃料，是知识创新广度与深度的保障，高质量、多模态的数据常是模型学习和发现规律的基础，是孕育新知识的土壤；基础设施是支撑模型运转与数据交融的物理基石，为整个知识创新过程提供稳定、高效的分析平台和协作平台，是整个知识创新体系得以稳定运行和持续演进的物理基础。在模型工具、数据资源和基础设施等条件支持下，人工智能驱动的知识创新体系需要打破传统基于学科分类、功能分块、要素分割的知识创新模式，使得知识能够以全新的方式产生、传播和应用。这一变革不仅会改变知识生产函数的要素构成和组合方式，更能推动科学知识、技术知识和产业知识循环迭代，加速科研知识向生产力的转化。人工智能驱动的新知识创新体系在知识形态、知识过程和知识底座3个层面都会发生根本性变化，呈现出诸多新的特征和发展趋势。
知识形态体系呈现分布式、网络化、无边界
人工智能通过感知增强和认知计算等能力可打通“数据—信息—知识”的路径，使多维度、多尺度、多主体的数据、信息与知识之间的界限趋于消融、相互转化，推动知识形态体系呈现出分布式、网络化、无边界的形态特征。
1.呈现分布式特征。知识形态体系呈现迈向由“人—数据—算法—平台”共同构成的多元化载体、动态互联的分布式知识生态系统。在此系统中，海量异构数据以分布式形态存储和处理，突破传统知识产出仅依附于人类个体或语言文本的局限，有助于实现知识创新加速。
2.呈现高度网络化特征。知识通过数据和信息在创新体系中高效流通和智能关联，推动知识创新体系由传统的线性“树状”演进模式跃迁为人工智能驱动下多维耦合的“网状”结构。人工智能通过促进不同学科、理论与方法之间的数据和信息高频交互与关联重组，能把分散的数据和信息片段整合为系统性的知识网络，构建出异质知识要素高度耦合的复杂知识图谱，使得跨领域融合与非线性创新成为常态。产学研内部及其相互间在知识创新体系中的机械性分割分工结构正逐步被有机生态网络体系取代，企业凭借其数据、算力、场景及资本的多元化优势，将成为知识创新网络的关键节点，正重塑产学研的关系。
3.呈现无边界特征。学科划界日益模糊，知识组织从“学科中心”转向“问题中心”与“任务导向”。在开放的数据环境和人工智能技术支持下，知识不再固守传统学科分类逻辑，而是围绕现实问题进行灵活组合与快速迁移，从而在不同空间与时间尺度上实现多学科、多场景的多维度无边界融合，并推动“数据—计算—认知”的三元深度耦合。
知识创新过程呈现自主化、平台化、融合化
人工智能通过人机协同改变了知识创新过程的逻辑、方式和路径，呈现自主化、平台化、融合化特征，可实现知识创新过程的高效化、集约化和系统化。
1. 知识创新过程呈现自主化特征。智能化工具与人类专家在知识创新中将形成深度协作关系，这类工具凭借其自动生成研究问题、理论假设及解决方案的能力，能基于庞大的数据集自主识别知识空白，发掘潜在规律，并提出创新性的假设、解决方案乃至自主完成部分探索性任务，从而实现自我进化与快速迭代。这一过程使得知识的产生从依赖人类的构思与经验积累，转变为人机协同共创的新模式。这种自主化特征将显著压缩知识从发现到应用的周期，提升创新的规模化产出能力。
2. 知识创新过程呈现平台化特征。相较于传统的线性、封闭式知识创新模式，人工智能时代的知识创新将通过人机协同的智能化平台打破传统的知识传播壁垒，实现知识资源的即时共享和精准匹配，形成知识传播的去中心化网络。各创新主体可在平台化的知识创新基础设施上进行人机协同研发、资源共享、成果转化等工作，平台可为各类创新主体提供标准化的接口和高效的协作工具，实现知识资源的灵活配置与深度整合，从而极大地缩短知识从产生到被广泛认知和应用的时间。
3. 知识创新过程呈现融合化特征。人工智能驱动下，知识创新过程的主体融合与链条融合双重态势愈发凸显。传统知识创新主体的边界日趋模糊，企业、高等院校、科研机构等知识创新主体，借助智能化平台和人工智能系统，深度融入知识创新的各个环节，实现了人类创造力与机器智能的有机融合。知识产生、知识传播、知识应用不再只是3个相对独立的子体系，而是通过人工智能实现深度耦合与协同推进的人机协同知识创新生态系统。
知识创新底座呈现一体化、开源化、生态化
人工智能赋能下的知识创新体系需要破除底座资源分散、封闭、割裂的现象，形成一体化、开源化、生态化的底座体系，实现数据、算法、算力、工具等底座资源的深度集成与开放共享。
1. 知识创新底座呈现一体化特征。原本孤立分散的传统知识创新底座正逐步被打破，取而代之的是一个紧密相连、深度整合的有机体系。新型知识创新底座以数据、算法、算力和工具为基础，推动支撑知识创新的数据、算法、算力和工具在统一技术架构下实现深度集成与智能调度，通过底座技术架构重构打破科技创新全过程各环节的割裂状态，共享共建形成一体化的知识创新支撑体系。
2. 知识创新底座呈现开源化特征。传统科研模式下，实验数据、算法源代码及平台工具等核心知识创新资源，常被机构或团队视为私有财产，呈现出高度的封闭性，而人工智能驱动的新型知识创新资源需要以开源形态发展，从AI-ready数据集到开源算法库，从基础大模型到开放智能平台，推动形成围绕数据共享、算法协作、平台互联的全球化创新网络，从根本上加速知识的流动与复用。
3. 知识创新底座呈现生态化特征。新知识创新体系急需生态型底座的坚实支撑，以此构建“数据引领模型迭代、模型强化工具革新、工具回馈数据循环、算力贯穿全程支撑”的自适应智能科研内核生态，实现数据、算法、算力和工具在智能平台和设施上的深度协同。同时，该生态通过与外部应用场景的深度耦合、与产学研主体的多维互动，最终形成科研底座内生态自主演进与外生态广泛连接相结合的知识创新生态。
4 适应新知识创新体系需要完善国家创新体系
人工智能驱动的知识创新体系需要打破传统基于学科分类、功能分块、要素分割的知识创新模式，深刻变革知识的生产、传播与应用，并呈现出高度融合性、协同性与连通性的网络化和生态化特征，正在改变国家创新体系的源头性与基础性的底层结构与运行逻辑。国家创新体系亟需从学科发展体系、创新主体体系、基础设施体系、制度保障体系系统完善，向突出学科融合、功能互补、要素连通的网络化创新生态跃迁，以适应并主动引领这一知识创新体系的重塑。适应新知识创新体系新特征的国家创新体系重构逻辑和着力点如图2所示。
图 2 适应新知识创新体系的国家创新体系重构逻辑与着力点
着力构建“学科交叉、融合贯通”的学科发展体系
人工智能作为通用赋能技术，正渗透至各学科领域，在不同的学科领域具有显著的通用性和可迁移性特征，催生“AI+X”的新知识增长点，模糊甚至打破传统学科边界，使得知识结构正从静态的“树状”分类体系，加速向动态的“网络状”融合体系演进。然而，传统国家创新体系是建立在学科分类和知识分块基础上的。受限于知识数智化程度不足、学科壁垒明显和交叉复合人才短缺，该体系难以形成多中心化与动态互联的知识创新形态，也难以契合“问题导向”下的跨学科知识整合需求，阻碍了知识创新体系向无界融合方向迈进。高等学校和科研机构普遍按照学科划分进行组织和管理，科研项目的规划布局与资源配置也多以学科分类为主导。这种以学科为界限的知识生产模式在一定程度上形成了“知识孤岛”现象，难以满足智能时代对多学科知识即时融合与重组的现实需求，制约了对复杂科学问题的系统探索和对颠覆性技术的持续突破。为此，国家创新体系需要推动高等教育、人才培养、机构设置、项目布局等以学科为基础的模式变革，构建支撑人工智能与知识创新体系融合的交叉学科集群和知识融合体系。
着力形成“人机共生、多元共创”的创新主体生态
在人工智能驱动下，知识创新活动正从主体间“点对点”线性模式演变为多元共创的网络化创新生态。然而，传统国家创新体系通常以主体功能分块、体系分割为特征，难以适应智能时代知识创新高度网络化的内在需求。目前，传统产学研主体与开源社区、数据服务平台、科研智能体等新型知识主体或载体尚未建立起有效的网络化协同运作机制，战略科技力量呈现“各自建链、分头推进”的碎片化格局，难以支撑知识创新体系的分布式和网络化发展，制约了科学知识、技术知识和场景知识之间的融合迭代。同时，创新活动从线性生产向网络化的协作转变对多元主体之间的深度协同与分工优化提出了更高要求。此外，创新主体的功能定位正在发生深刻变化。例如，企业凭借数据、算力、资本等优势，正从技术的需求方与应用方转变为创新主导者，其在知识创新网络中的核心地位将被不断强化，但此时政府角色尚未有效从资源分配者与管理者向创新生态构建者转变。为此，国家创新体系亟须重构主体格局与协同模式，推动主体功能重塑与组织模式转型。
着力筑牢“开放共享、互联互通”的基础设施平台
人工智能驱动的知识创新体系的高效运行依赖互联互通的高性能算力网络、统一开放的科研平台、高质量标准化的科学数据资源池，以及开源可拓展的智能化科研工具链等新型基础设施。然而，传统国家创新体系存在算力资源利用效率不高、数据孤岛林立、工具链生态薄弱、要素流动梗阻等问题，由此带来的资源碎片化无法满足智能时代知识创新体系的网络化需求。为此，国家创新体系必须在资源层推动形成更大范围、互联互通、智能高效的基础设施网络，系统布局并整合数据、算法、算力、工具等关键创新资源，构建起开放共享、互联互通的支撑体系，确保资源要素能在多元主体间按需、高效、安全地流动与共享，为知识的即时生产、融合与转化提供高速通道。
着力建立“柔性高效、开放协同”的组织制度体系
人工智能驱动的知识创新体系亟需适配新型组织架构与制度保障。人工智能正驱动科学研究从依赖个人或封闭团队的“小作坊”模式，向基于开放集成平台和跨学科协同的“平台化”模式转变。这要求必须构建有效激励协同创新的组织架构与制度环境。然而，现行国家创新体系的组织架构与制度安排不适应现实发展需求。一是科研组织架构刚性较强，缺乏能够快速响应复杂研究需求的动态调整机制，多方协同、开放共治的平台化运作机制尚未成熟。二是传统的科研管理制度，包括资助体系、评价机制与项目组织方式，难以适应数据驱动和智能化的科研新范式。为此，国家创新体系须构建柔性、开放、协同的新型科研组织架构，探索建立能够快速集成多方资源、支持分布式协同创新的动态组织模式，完善跨机构、跨学科团队的组织保障与治理机制，建立适应人工智能赋能科研的资助模式与评价体系，形成支撑新知识创新体系重塑的高效、开放、包容的制度体系。
5 展望与建议
世界主要科技强国都在加速系统完善国家创新体系，以适应人工智能驱动科学研究带来的创新范式变革与新的知识创新体系建设，抢占新一轮科技革命和产业变革带来的战略机遇。我国虽已在国家层面、区域层面和部门层面推进人工智能驱动科研范式变革相关工作，但尚未针对新知识创新体系建设进行系统性的安排。未来，我国需不断完善国家创新体系，推动国家创新体系的智能化建设和制度完善，向突出学科融合、功能互补、要素连通的网络化创新生态跃迁，以适应并主动引领新的知识创新体系建设，掌握知识创新自主权和科技发展制高点。当前，我国迫切需要推动人工智能与学科、教育和人才融合发展，强化国家战略科技力量网络化引领作用，大力发展自主可控的智能化科研底座，系统推进科研组织机制和科研管理制度创新，以更好地适应人工智能驱动的新知识创新体系建设要求。
构建新学科体系，加快实施“人工智能+学科”行动
在机构改革、项目布局、人才培养等方面系统推进“人工智能+学科”战略新兴计划，构建支撑人工智能与知识创新体系融合的交叉学科集群，推动教育、科技、人才和产业创新深度融合。
1. 探索新型学科组织模式。在前沿交叉方向试点建立新型学科组织与研究机构，突破传统院系学科壁垒，培育能够引领国际前沿的“人工智能+”交叉学科集群。
2. 推动国家重大科技项目向“人工智能+”学科方向倾斜。聚焦一批跨学科重大科学问题开展系统攻关，推动前沿科技和新兴交叉学科群的成长。
3. 打破以传统学科分类为基础的教育体系。促进人工智能知识全面融入各类专业人才培养，形成“人才培养－科技攻关－生态建设”三位一体发展布局，培养适应新一轮范式变革的高层次、复合型“人工智能+”人才队伍。
发挥跨主体优势，强化国家战略科技力量引领作用
推动国家战略科技力量形成跨机构、跨领域的整体合力，加快国家创新体系从传统的线性分工向开放融通的网络化协作生态深度转型，实现知识创新过程的融合和人工智能深度赋能。
1. 推动国家战略科技力量功能的差异性定位。发挥中国科学院科学研究资源集聚优势，联合国家实验室和科技领军企业等建设自主可控的人工智能驱动科学研究的基础设施底座；由高水平研究型大学联合科研院所等聚力攻关人工智能驱动科学研究的基础理论和前沿技术问题；由科技领军企业联合科研院所和高水平研究型大学等聚焦重点学科领域率先探索人工智能驱动科学研究的“快应用”场景，推动人工智能驱动的知识创新体系的高效能发展。
2. 强化国家战略科技力量功能协同与引领作用。搭建“任务牵引、柔性合作、资源共享”的动态协同机制，将各类创新主体的独特优势有机融合；充分发挥科技领军企业在数据、算力、资本、工程和市场等方面的优势，吸纳开源社区、数据平台、科研智能体等创新力量；构建以国家战略科技力量为核心、开放融通、优势互补的国家知识创新主体网络，着力营造各类创新主体功能互补、价值对齐、资源共享的融合共生生态，实现科学知识、技术知识和产业知识的融通发展与迭代。
强化生态建设，统筹推进智能化科研底座建设
以智能化科研底座为保障，统筹布局人工智能驱动科研的基础能力平台，筑牢新知识创新体系能力底座。
1. 启动国家级“科学基础大模型工程”。打造以自主研发的科学大模型为基座，集成模块化的开源算法与科研工具，推动“数据－算法－算力－工具”四位一体智能化基础能力平台，形成服务全国、分布式的群体智能通用科学平台，加强大模型对科学语言、科学知识、科学工具和科学实验的支撑，并集成到科学基础大模型中。
2. 启动国家级“智能科学数据网”工程。整合建立国家科学数据中心群组与统一的数据开放共享平台，构建并推行全国统一的AI-ready数据标准与治理规范，通过大模型对每个数据节点进行智能化管理，完善数据、算法等要素的跨主体、跨环节、跨领域的资源配置机制。
优化管理机制，健全协作性和生态性组织制度体系
为适应人工智能驱动的科研范式，需从科研组织机制和科研管理制度两方面同步推进改革，构建更加柔性、开放、协同的创新组织架构与制度环境。
1. 创新人工智能驱动科学研究的重大科技任务组织机制。加大科研院所机构改革力度，依托人工智能增强集团式科研组织和集群式平台的协同能力，探索设立以任务为牵引、平台为支撑、团队柔性组合的“科研智能组织体”，形成能快速响应复杂研究需求的动态调整机制。加快推动国家科研机构、高水平研究型大学、国家实验室、科技领军企业等战略科技力量，通过内部组织机制创新和人事关系优化，促进人工智能和顶尖科研人才的高密度集聚，为跨学科、跨机构交叉融合的科技创新生态提供制度保障与组织保障。
2. 加快构建适用人工智能驱动科学研究的科研管理与制度体系。建立适应人工智能驱动科学研究多元产出成果的全过程评价机制，将数据、模型、工具等新型科研产出作为重要成果纳入评价范围。构建支持科研智能体参与、人机协同的科研管理规则框架，加强对数据、模型、工具等的安全管理与伦理规范。营造激励数据、模型、工具等要素开放共享的评价生态，健全促进数据汇交共享、模型开源贡献、工具平台共建等协同行为的激励机制，形成开放、协同、智能的创新制度生态。
致谢
本文是在中国科学院院士吴朝晖的深入指导下，由陈凯华、姜显哲、郭锐、赵彬彬、李赫扬、杨硕等人共同完成。感谢方新、胡志坚、徐波、黄云平、冯霞、王丽等人在论文完成和修改过程中提供的宝贵意见。
文章来源
中国科学院创新范式研究组. 加快人工智能驱动的知识创新体系建设. 中国科学院院刊, 2025, 40(10): 1709-1719.
DOI: 10.3724/j.issn.1000-3045.20250928001.
本刊发表的所有文章，除另有说明外，文责自负，不代表本刊观点。
来源：科学参考
