加速构建人工智能引领的科研新体系
人工智能推动科研模式深刻转型，已成为各国科技战略布局的核心议题。我国国民经济和社会发展第十五个五年规划纲要明确提出，深入推进"人工智能+"战略部署，以人工智能技术驱动科研范式系统性重构。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，对重大科学任务统筹、科研资源整合、成果检验及科研体制优化进行了全方位规划。随着人工智能从辅助手段演变为深度介入科学发现全流程的关键力量，知识生产模式与科研组织架构正经历深刻重塑，由此推动知识创新体系发生根本性变革，同时对科研管理及科技治理体系形成新的挑战。我国亟需统筹推进人工智能科研能力培育与制度机制革新，加速构建以人工智能为核心驱动力的科学研究新格局。
主要国家系统性应对科研变革
伴随人工智能快速渗透科学研究全链条，全球主要国家从科研任务策划、基础条件保障及成果检验治理等维度健全管理机制，以应对知识生产模式转型对科研组织与科技治理带来的全新诉求。
其一，以重大科学命题引领人工智能科研任务部署。人工智能驱动科学研究涵盖科学数据集搭建、专用模型研发及实验结果验证等多样化任务，需围绕统一科学目标开展顶层设计与协同推进。美国借助"创世纪任务"计划，聚焦先进制造、生物技术、关键材料及核聚变等领域的国家战略科技议题，系统整合数据、模型、算力与科研队伍资源。日本分别设立面向战略性联合攻关与全学科自由探索的双轨资助体系，鼓励人工智能专家与各学科研究者协同合作。英国则将药物研发与新疗法探索确立为优先使命方向。各国人工智能科研布局正从零散项目试验迈向围绕重大科学目标统筹多类任务的阶段。
其二，促进数据、模型、算力与实验平台联动配置。人工智能赋能科学研究依赖算力、科学数据、专用模型及实验装置等多要素的高强度投入与协同支撑。美国打造国家人工智能研究资源池，一体化提供运算、数据、软件、模型及专业咨询服务。英国依托两台超级计算机搭建人工智能研究资源平台，并设立面向重点学科领域的专用算力通道。欧盟推进人工智能工厂及服务节点互联，实现计算资源、数据服务与模型开发的协同联动。科研基础条件的供给模式正从单项资源开发向多要素融合与跨机构共享演进。
其三，强化人工智能科研成果验证与可信治理体系建设。人工智能大幅降低了科学假设与研究结论的生成门槛，亟需同步增强成果验证能力并健全配套治理规范。《科学：新的黄金时代》报告倡议建设与科学发现"生成器"相对应的"验证器"，构建大规模验证基础设施。英国注重对人工智能设计的药物与材料实施真实环境验证，形成可重复的实证证据。欧盟着力完善人工智能科研质量评价标准、开放科学机制及负责任使用准则。随着知识产出速度急剧提升，独立复现、质量评估与责任规范正逐步成为科研体系建设的关键组成部分。
我国系统化建设水平仍待提升
我国在人工智能基础算法、科学数据、专用模型、科研算力及智能实验平台等领域已构建多层次布局。随着人工智能加速重塑知识生产与科研组织模式，科研管理与科技治理机制也需相应调适，当前在任务策划、资源协同与成果验证等方面仍有较大改进空间。
一是面向重大科学命题的任务策划能力仍需增强。目前，我国已围绕重大科学问题、人工智能基础方法及典型领域应用形成多层次布局，但针对同一重大科学命题，数据建设、模型研发、实验体系与结果验证等任务的统筹规划尚需强化。不同类型任务在组织实施、长效支持与成果整合等方面也有待更好衔接，以推动形成从方法探索、概念验证到实验应用与结果验证贯通衔接的任务链条。
二是核心科研资源的协同配置效能仍需提高。我国在科学数据、科研算力、专用模型及自动化实验平台建设方面取得显著进展，但各类资源分散于不同机构与平台，开放规则、技术标准与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待健全，平台建成后的专业运维、持续迭代与开放服务亦需稳定保障，以推动分散资源更高效地转化为科研团队可便捷获取的公共能力。
三是契合人机协同科研的验证与治理能力仍需补齐。随着人工智能知识产出能力迅猛提升，与之配套的独立复核、重复实验与持续验证机制亟待同步增强。人工智能参与科研过程的可追溯性、研究结论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、实验平台及验证工作的贡献亦需获得合理认定，并进一步厘清人机协同科研中的责任边界、成果归属、开放授权及安全规范。
协同推进科技体制机制改革
人工智能深度融入科学研究，正全面重塑知识生产模式与科研组织形态，加速推动知识创新体系变革，对科研管理与科技治理体制机制提出新的更高要求。我们应统筹推进科研能力建设与制度机制创新，以重大科学命题凝聚科研合力，促进核心科研资源有机衔接，打通知识生成至成果验证的全过程链路，深化科研管理与科技治理体制机制改革。
一是强化重大科学命题牵引，优化人工智能驱动科研任务组织模式。面向国家战略需求与科学前沿，加强重大科学命题凝练，围绕共同科学目标统筹部署人工智能基础方法、科学数据建设、专用模型研发、科研软件研制、自动化实验及成果验证等相互衔接的任务。完善前沿探索、概念验证与持续支持相衔接的资助体系，根据科研进展动态优化支持方式。鼓励不同学科领域科学家与人工智能、数据、软件及实验技术人员组建长期稳定的交叉融合团队，形成共同科学目标牵引的协同攻关新机制。
二是推动核心科研资源有机衔接，提升公共科研支撑效能。发挥国家科研机构、高水平研究型大学与重大科技基础设施的枢纽功能，统筹推进科学数据、专用模型、科研算力、科学软件及实验设施建设与配置。加强数据标准、模型接口、软件工具与实验设备控制协议的衔接，推动重大科研仪器与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效能，完善专业化运营、质量管控、持续更新与开放授权机制，通过科研算力支持、平台使用补贴等手段，降低中小科研团队获取核心科研资源的门槛。
三是完善科研成果验证体系，增强人机协同科研治理能力。将成果验证全面纳入人工智能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、反证研究与持续验证，形成与知识生成能力相匹配的科研验证实力。健全研究过程记录与结果复现规范，提升研究过程的可追溯性与研究结论的可复现性。完善契合知识创新体系变革的成果评价与科技治理规则，将高质量科学数据集、专用模型、科研软件、科学智能体、实验系统及复现验证等纳入成果认定范畴，明确人机协同科研中的责任边界、成果归属、开放授权与安全规范。