摘要：为回答这一关键问题，上海科学智能研究院、集智科学研究中心和阿里云首先联合发布了《AI X Science十大前沿观察》，通过定性分析系统梳理出35个研究前沿，构建了涵盖AI for Science、Science for AI和基础设施三大维度的框架体系，初步
导语
在人工智能与科学研究深度融合的时代浪潮中，科学智能正以前所未有的速度重塑着人类探索世界的方式。
面对这一快速发展的前沿领域，一个核心问题摆在我们面前：AI与科学研究究竟如何深度融合，科学智能的发展现状、趋势和未来路径是什么？
为回答这一关键问题，上海科学智能研究院、集智科学研究中心和阿里云首先联合发布了《 AI X Science十大前沿观察 》，通过定性分析系统梳理出35个研究前沿，构建了涵盖AI for Science、Science for AI和基础设施三大维度的框架体系，初步勾勒出科学智能领域的发展蓝图。
在前期观察之后，上海科学智能研究院进一步携手复旦大学、施普林格·自然等权威机构，基于2015-2024年全球科学智能多源大数据，汇聚近60位不同领域科学家的智慧，推出《科学智能白皮书2025》。这份报告将前期的定性观察升级为数据驱动的实证分析，用十年发展数据验证趋势判断，深入剖析AI与科学研究大融合之势，为科学智能的未来发展提供了更为精准和系统的答案。
两份报告共同构成了对“科学智能如何引领范式变革、应对全球挑战”这一时代命题的部分回应。
5月26日，上海科学智能研究院 联合复旦大学、 施普林格·自然（Springer Nature） 旗下的 自然科研智讯（Nature Research Intelligence）全球发布《科学智能白皮书2025》，报告首次运用2015-2024年全球科学智能多源大数据，近60位不同领域的科学家联袂写作，深入剖析AI与科学研究大融合之势，全面探索7大科研领域、覆盖28个方向、近90个科学智能前沿问题及突破路径，以洞见前瞻未来，引领科学智能范式变革，应对全球挑战。 科学智能（ AI for Science, AI4S）是面向科学研究的人工智能创新和人工智能驱动的科学研究的总和，体现了人工智能创新与科学研究双向促进与深度融合。 一方面，AI驱动的科学研究正在加快科学发现。其中，以DeepMind的AlphaFold为代表的AI技术，在蛋白质结构预测、新药研发及疫苗设计领域实现重大突破；谷歌的GraphCast模型、华为“盘古”模型、复旦大学-上海科学智能研究院“伏羲”模型等AI气象模型，显著提升了全球天气预报的准确性和时效性；AI驱动的核聚变等离子体控制与自动实验室技术，也为能源与材料科学研究带来革新。 另一方面，科学基础理论和层出不穷的科学突破也推动AI底层技术和架构的不断创新，比如根植于概率论和随机过程的扩散模型，又如将先验知识融入深度学习的前沿研究，在增强模型可解释性的同时，也显著提高了AI模型的泛化能力。 报告将AI相关领域划分为AI核心（算法、机器学习等）与科学智能六大方向（数学、物质科学、生命科学、地球与环境科学、工程科学、人文社会科学）。报告指出，在以上所有领域，科学智能正深刻重塑传统科学研究范式，通过模型和数据驱动更有效地探索解空间从而生成假设，以及自动与智能化实验等方式，全流程赋能科学研究，显著提升科学发现的效率与精准性。 报告全面探讨了科学智能在7大科研领域、28个前沿方向、近90个科学智能关键问题及突破路径，例如如何构建跨尺度、超学科的科学智能模型、提升AI模型在科学研究中的泛化性和可解释性，又如，如何推动AI拓展科学发现的创新边界。为解决这些问题，科学家提出融合先验知识的跨尺度建模、利用生成式模型和合成数据来弥补数据稀缺、建立跨学科知识图谱与闭环强化学习系统，推动科学智能的进一步发展。此外，报告也重点关注了AI安全和AI伦理治理，强调构建内生安全机制和“以人为本”，确保AI技术在研发初期即嵌入安全防护能力, 并和人类对齐。 通过科学家提出关键词和出版物数据库的匹配，可以发现在 科学智能 研究中 最获青睐 的 AI 方法和技术 。 大语言模型（LLMs）已经成为物质科学、生命科学、社会科学等领域的通用科研工具。强化学习在工程系统控制、数学定理证明及物理模拟等复杂场景中占据主导地位。计算机视觉技术在生命科学和地球环境领域渗透显著。此外，分布式学习、图神经网络、可解释 AI 和边缘智能在不同学科中均得到广泛应用。 
图1. 科学智能研究中最获青睐的AI技术 根据 自然科研智讯（Nature Research Intelligence） 提供的AI 相关出版物数量、引用量以及自然指数（Nature Index） 等多源大数据 统计显示 ， 2015至2024年间，全球人工智能 和科学智能领域的 学术 出版物总量快速 增长 ，科学智能异军突起，2020年后加速成长，有力推动了人工智能研究整体的井喷态势 。如图 2 所示，全球人工智能期刊论文数量在 过去 十年间激增近三倍——从30.8 9 万篇增至95.45万篇 ，年均增长率为14%。 人工智能核心领域（如算法、机器学习） 占比 从44%降至38% ；科学智能占比相应提升了6个百分点，且其年均增长率从2020前的10%，提升至2020后的19%。尤其是在工程科学和生命科学领域，其年均增长率分别从2020年前的9%和15%，提升至2020年后的16%和29%。 
图2. AI出版物总量与构成（2015-2024，单位：千篇） 国别研究显示， 2015年至2024年间，全球 人工智能出版物排名前 五 的国 家/地区的格局 发生了转变（图3） 。中国 增长势头尤为显著，AI出版物总量 从2015年的6.01万篇上升至2024年 的 27.39 万篇 ， 占全球总量 29% 。 2018年 ，中国 的出版物总量 超越欧盟 ，居全球首位，2022年超越欧盟和美国的总和。 印度 也 展现出明显的追赶态势 ，2015年其AI出版物总量为1.82万篇（仅为美国的1/3），2024年提升至 8.51 万篇，几乎与美国（ 8.5 7万篇）齐平。 
图3. AI出版物总量及趋势（前五国家/地区）（2015-2024，单位：千篇） 从科研 影响力 看，美国优势 仍存 。基于自然指数追踪的高质量前沿研究期刊发表的 AI 相关论文引用量 统计显示 ，美国保持领先地位 ， 2020年 达到 30.22万次 。 中国引用量从2015 年 的 1.03 万 次 跃 升 至 2020 年 的14.48 万次，并于 2021 年首次超越欧盟。至 2024 年，中国的 AI 相关论文引用量占全球总量的 40.2%，实现了对美国（占 比 42.9%）的快速追赶。 中 国在 AI 应用型创新领域 实现了 从 “ 跟随者 ” 到 “引领 者 ” 的 跨越 。 对 专利、政策 文档 与临床试验中的引用数据 分析显示， 中国凭借持续高速增长，于2016年 以2.32万次的引用量 超越欧盟 （2.23万次） ，2019年 以2.60万次超越 美国 （1.96万次） 。至2024年，中国占据 了 全球 AI出版物在 专利、政策 文档 与临床试验中 的引用达41.6%，遥遥领先。 就科学智能分领域AI出版物国别趋势来看，中国在AI与地球环境科学和工程交叉领域拥有先发优势（图7、图8）；2019年以来在AI与数学、物质科学和人文社科交叉领域发力超越，全球领先（图4，图5，图9）。在AI与生命科学交叉领域，欧盟与美国依旧保持优势，中国位居第三。同时，印度在以上所有领域都呈现出追赶态势，在地球与环境、工程和人文社科领域，目前已居全球第三。值得注意的是，中美仍是全球最重要AI科研伙伴，尽管在2020年到达顶峰后合作有所下滑， 至 2024 年，中美合作的 AI 出版物总量为 1.22 万 篇， 是 2015 年的两倍 （图10）。 
图4. 数学AI出版物趋势（前五国家/地区）（千篇） 
图5. 物质科学AI出版物趋势（前五国家/地区）（千篇） 
图6. 生命科学AI出版物趋势（前五国家/地区）（千篇） 
图7. 地球与环境科学AI出版物趋势（前五国家/地区）（千篇） 
图8. 工程AI出版物趋势（前五国家/地区）（千篇） 
图9. 人文社科AI出版物趋势（前五国家/地区）（千篇） 
图10. AI出版物国际合作趋势（前五国家/地区）（篇） AI+Science 读书会
AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。 一方面是 AI for Science，机器学习和其他 AI 技术可以用来解决科学研究中的问题，从预测天气和蛋白质结构，到模拟星系碰撞、设计优化核聚变反应堆，甚至像科学家一样进行科学发现，被称为科学发现的“第五范式”。 另一方面是 Science for AI，科学尤其是物理学中的规律和思想启发机器学习理论，为人工智能的发展提供全新的视角和方法。 集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖（Jure Leskovec 教授指导）、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣（Max Tegmark 教授指导），共同发起以 “AI+Science ”为主题的读书会，探讨该领域的重要问题，共学共研相关文献。 读书会已完结，现在报名可加入社群并解锁 回放 视频权限。 来源：小夭看天下
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
