【科技前沿】张越、陈凯华《加速打造AI赋能的新型科研创新体系》

人工智能驱动的科研范式转型，正逐步成为全球科技竞争布局的关键趋势。我国国民经济和社会发展第十五个五年规划纲要明确，全面推进“人工智能+”战略部署，借助AI技术引领科研模式革新。今年7月，美国白宫科技政策办公室推出《科学：新的黄金时代》报告，对重大科研任务统筹、资源整合优化、成果评估验证以及科研体系改革进行了全面规划。随着AI技术从辅助角色升级为深度介入科学发现全流程的主导力量，知识创造路径与科研组织架构正在经历深度重构，进而引发知识创新生态的系统性变革，也对科研管理机制与科技治理体系提出了全新挑战。我国亟需同步推进AI科研能力升级与制度机制革新，加速建立以人工智能为核心驱动力的科学研究新体系。

全球主要经济体纷纷布局应对变革浪潮

伴随AI技术加速渗透科学研究各环节，全球主要国家纷纷从科研任务规划、基础资源保障和成果验证治理等维度完善管理框架，以应对知识生产模式革新对科研组织与科技治理带来的新课题。

其一，以重大科学命题为导向布局AI科研任务。AI驱动科学研究涵盖科学数据集搭建、领域模型研发和实验结果验证等多元任务类型，亟需围绕核心科学目标开展顶层设计与协同推进。美国依托“创世纪任务”，聚焦先进制造、生物技术、关键材料和核聚变等领域的国家战略科技命题，统一调配数据、模型、算力和科研人才资源。日本则设立面向战略性联合攻关和全学科自由探索的双轨计划，促进AI研究者和各学科科学家深度协作。英国将药物研发和新疗法探索列为重点优先方向。各国AI科研布局正从单一项目试点向围绕重大科学目标统筹多类型任务的模式转变。

其二，促进数据、模型、算力和实验设施一体化配置。AI驱动科学研究离不开算力、科学数据、领域模型和实验设施等要素的密集投入与协同支撑。美国打造国家人工智能研究资源平台，综合供给计算、数据、软件、模型和专业支持服务。英国借助两台超级计算机搭建AI研究资源，并开辟面向重点学科领域的算力专线。欧盟推进人工智能工厂及服务节点互联互通，实现算力资源、数据服务和模型开发的协同联动。科研基础条件供给模式正从单一资源建设向多要素整合与跨机构共享演进。

其三，强化AI科研成果验证与可信治理体系建设。AI技术大幅降低了科学假设和研究结论的生成门槛，亟需同步增强成果验证能力并健全相关治理标准。《科学：新的黄金时代》倡议构建与科学发现“生成器”相对应的“验证器”，发展大规模验证基础设施。英国着重对AI设计的药物和材料实施现实验证，确保形成可复现的实证依据。欧盟则着力完善AI科研质量基准、开放科学规范和负责任使用准则。随着知识产出速度持续加快，独立复现、质量评估和责任规范正成为科研体系建设的核心要素。

我国体系化建设水平有待进一步增强

我国在AI基础算法、科学数据、领域模型、科研算力和智能实验平台等领域已形成多层次布局。随着AI加速重塑知识生产与科研组织模式，科研管理和科技治理机制也需相应优化调整，当前在任务统筹、资源协同和成果验证等环节仍存在完善空间。

其一，面向重大科学命题的任务统筹能力尚需加强。当前，我国已围绕重大科学问题、AI基础方法和重点领域应用开展多层次部署，但面向同一重大科学命题，数据建设、模型开发、实验系统和结果验证等任务的统筹设计仍需深化。不同类型任务在组织实施、持续支持和成果汇聚等方面也需更紧密衔接，推动构建从方法研究、概念验证到实验应用和结果验证全贯通的完整任务链条。

其二，关键科研资源的协同配置效能仍需提升。我国科学数据、科研算力、领域模型和自动化实验平台建设取得显著进展，但各类资源分散于不同机构和平台，开放规则、技术标准和服务机制尚未充分对接。跨机构、跨平台的资源调度与协同使用机制仍需健全，平台建成后的专业运维、持续迭代和开放服务也需稳定保障，推动分散资源更好转化为科研团队可便捷获取的公共能力。

其三，适应人机协同科研的验证与治理体系仍需完善。随着AI知识生成能力迅猛提升，与之配套的独立复核、重复实验和持续验证机制亟待同步强化。AI参与科研过程的可追溯性、研究结果的可复现性以及模型使用的披露规范仍需健全。高质量数据集、科研软件、实验平台和验证工作等贡献也需获得合理认定，并进一步厘清人机协同科研中的责任边界、成果归属、开放许可和安全规范。

系统推进科技体制机制改革

AI深度介入科学研究，正在重塑知识生产范式与科研组织形态，推动知识创新体系加速变革，对科研管理和科技治理体制机制提出了新要求。我们应统筹推进科研能力建设与制度创新，以重大科学问题凝聚科研合力，促进关键科研资源有机衔接，打通知识生成至成果验证的全流程，深化科研管理和科技治理体制机制改革。

其一，强化重大科学问题导向，优化AI驱动科研任务组织。立足国家战略需求和科学前沿，加强重大科学问题凝练，围绕共同科学目标统筹布局AI基础方法、科学数据建设、领域模型开发、科研软件研制、自动化实验和成果验证等相互衔接的任务。完善前沿探索、概念验证和持续支持相衔接的资助机制，根据科研进展动态调整支持方式。鼓励不同学科领域科学家与AI、数据、软件和实验技术人员组建长期稳定的交叉团队，形成共同科学目标牵引的协同攻关格局。

其二，推动关键科研资源互联互通，提升公共科研支撑效能。发挥国家科研机构、高水平研究型大学和重大科技基础设施的枢纽功能，统筹科学数据、领域模型、科研算力、科学软件和实验设施建设与配置。加强数据标准、模型接口、软件工具和实验设备控制协议衔接，推动重大科研仪器和科技基础设施数字化、智能化升级，促进“模型预测—实验验证—数据反馈—模型优化”闭环迭代。提升智能化科研资源平台服务能力，完善专业化运营、质量管控、持续更新和开放授权机制，通过科研算力支持、平台使用补贴等方式，降低中小科研团队获取关键科研资源的门槛。

其三，完善科研成果验证机制，增强人机协同科研治理能力。将成果验证嵌入AI科研项目全流程管理，加强重要研究结论的独立复核、重复实验、反证研究和持续验证，形成与知识生成能力相匹配的科研验证能力。健全研究过程记录和结果复现规范，增强研究过程的可追溯性和研究结果的可复现性。完善适应知识创新体系变革的成果评价和科技治理规则，将高质量科学数据集、领域模型、科研软件、科学智能体、实验系统和复现验证等纳入成果认定范围，明确人机协同科研中的责任边界、成果归属、开放许可和安全要求。

（作者张越为中国科学院科技战略咨询研究院副研究员，陈凯华为中国科学院大学公共政策与管理学院特聘教授）