人工智能驱动科研加速变革

2025年8月，《国务院关于深入实施“人工智能+”行动的意见》正式出台，“人工智能+”科技创新被纳入重点部署，内容涵盖加快科学发现、推动技术研发模式革新以及提升创新效能等方面。

伴随通用大模型能力持续快速演进，人工智能赋能科学研究（AI for Science，简称AI4S）正日益成为全球科技创新的重要赛道，并引发一场触及科研底层逻辑的范式转型。

中国信通院发布的《人工智能产业发展研究报告（2025年）》指出，从2023年至2025年上半年，我国人工智能+科研垂直领域的投融资热度持续攀升。仅在2025年上半年，AI科研应用在全国获得的投资规模就接近10亿元。

不过，与行业热度高涨形成对照的，是科研人员面临的现实挑战：当前科学多模态模型普遍依赖大量且获取不易的数据，训练过程又像“黑盒”一样，难以复现与优化。数据门槛高、生态体系有待完善、国际竞争持续升温……围绕这些难题，科研人员正尝试重塑AI4S开发范式，推动“AI科学家”迈向自主科学发现。

小数据+开源 实现AI4S“四两拨千斤”

要让AI真正理解科学，是否一定离不开上亿级数据？这一问题始终困扰着不少科研工作者，尤其是深耕AI4S方向的研究人员。

2026年伊始，一份新的“科学智能实战指南”在开源社区亮相。来自上海交通大学、深势科技（DP Technology）、记忆张量（MemTensor）、中国科学院理论物理研究所等机构的联合团队，共同推出了多模态大模型Innovator-VL。

研究团队介绍，Innovator-VL的训练实践表明，并不需要一味堆积数据，只依靠不足500万条经过精细筛选的科学训练样本，以及透明可追溯的训练方案，就能在多项科学基准测试中超过不少训练数据高达上亿条的模型，打破科学大模型“数据越多越好”的固有认知，验证了“重质量胜过重数量”的可行路线。

Innovator-VL论文第一作者温子辰在接受记者采访时表示：“在缺少海量数据支撑的前提下，高效且可复现的科学多模态模型不仅能够实现，而且是一条面向未来科学发现的务实道路。”

据悉，作为面向科学场景打造的多模态大模型，Innovator-VL具备跨尺度、跨学科的全场景科学理解能力。无论是微观层面的分子式、晶体结构、冷冻电镜图像，还是宏观宇宙中的天文光变曲线、遥感影像，抑或数理逻辑领域中的复杂公式与算法流程图，模型都能够进行深入解析和逻辑推断。在实际测试中，面对天文学中的天体光变曲线分析任务，模型可依据光变曲线特征及波段演化规律展开严密推理，准确识别Ia型超新星的光变特征；在有机化学应用中，模型能够识别反应物结构、拆分官能团特征、匹配反应类型与备选项，为化学推理提供辅助。

值得关注的是，与行业中“只开放模型权重”的常见开源方式不同，Innovator-VL研发团队完整开放了端到端、可复现的全流程开发管线，覆盖数据采集与清洗方法、完整的指令微调与强化学习策略、超参数优化方案以及评测框架。

上海交通大学人工智能学院助理教授张林峰表示，AI在科学研究中的定位，正由“提效工具”逐渐转向“认知参与者”。“过去我们更关注模型能否更高效地处理数据，但未来更重要的问题在于，它是否能够参与科学问题本身的定义与重构。”张林峰说。

从这一角度看，Innovator-VL的价值不只体现在性能提升上，更在于它是一次对“AI能否融入科研过程”的前瞻性尝试。这类探索，或许将重新划定人机协同开展科学发现的边界。

以Innovator系列模型为代表，AI4S领域接连取得突破并全面开源，不仅为科研人员提供了高效、可复用的研发范式，也让缺乏海量算力和数据资源的高校及中小科研机构，能够以更低成本参与科学智能创新。中国科学院院士、上海交通大学人工智能学院首席顾问鄂维南直言，当前AI4S的关键基础设施正在逐步完善，Agentic Science at Scale（规模化自主智能体科研）的新时代已经开启。

全链条纵深突破 中国AI4S竞速新赛道

Innovator系列模型的成功，只是我国AI4S快速发展的一个缩影。当前，我国正在形成“底座模型突破—科研能力迁移—产业场景落地”的全链条发展态势，助力科研人员破解传统科研“周期长、成本高、试错难”的核心难题，积极争夺全球AI4S研究制高点。

中国工程院外籍院士、香港科技大学首席副校长郭毅可认为，AI4S带来的不仅是技术层面的变革，更是一场认知层面的革命。它正推动科研范式由“试错驱动”加快转向“数据+模型驱动”，使AI从被动提升效率的工具，升级为能够主动推理、自主进化的科研伙伴。

“产业需求牵引+产学研协同创新”的特色路径，正在形成基础创新与产业落地相互促进的良性循环，开源成果也显著降低了行业研发门槛。然而，AI4S要实现大规模落地，仍面临不少共性难题，包括多模态信息对齐、高质量标准化数据不足、模型幻觉与可验证性等瓶颈，以及跨学科人才短缺、行业标准不完善、算力成本居高不下等问题。

展望未来，随着产学研协同不断深入、开源生态持续健全，中国AI4S创新将继续为全球科研范式变革提供可复用的中国方案，推动AI真正成为科研工作者的“得力助手”和“超级合伙人”。（记者 李晓东）