四川细化AI科研联盟建设路径 协同发力推动研究提速

成立刚满一个月，四川省人工智能赋能科学研究联盟的建设蓝图已正式明确——《四川省人工智能赋能科学研究联盟建设工作方案》（以下简称《工作方案》）近日印发，围绕建设定位、总体框架、运行机制、组织保障、年度任务等内容提出细化安排，明确了联盟建设的时间节点和任务清单。

为何建设？ 从“各自为战”转向协同共进

人工智能赋能科学研究（AI for Science，简称AI4S）并不是一个全新的概念。早在2020年，科研人员就借助AI工具“阿尔法折叠”成功解析蛋白质结构，把原本可能需要数十年的预测过程压缩到几天之内，攻克了这一领域长期未解的科学难题。

“经过数年演进，AI已经融入科研创新的多个环节。”上海人工智能实验室解决方案与产品中心负责人马乐表示，从蛋白质结构预测到数学竞赛难题求解，从新材料开发到应急救援支持，AI正在加速试错过程、降低实验和计算门槛，使科研人员能够以更低投入、更高效率探索未知，推动科研效率实现跨越式提升。

各级政府也在持续加快相关布局。国家层面，2023年，科技部会同国家自然科学基金委启动“人工智能驱动的科学研究”专项部署，加强统筹引导和系统谋划；2025年，国务院印发《关于深入实施“人工智能+”行动的意见》，将“人工智能+”科技创新列为6项重点行动之首，并将赋能范围延伸到前沿基础研究、产业关键核心技术攻关以及哲学社会科学研究创新；“十五五”规划建议也提出“以人工智能引领科研范式变革”，将其纳入新质生产力培育体系。地方层面，上海、北京、浙江等地自2025年以来也陆续推出专项计划。

一系列政策的推出，推动AI4S基础设施建设提速，新型研究工具链不断涌现，使人工智能在科研中的角色由单一工具逐步升级为科研伙伴。但与此同时，算力、数据和模型供给仍显不足，重点场景应用推进偏慢、创新生态尚不健全等问题，也在一定程度上制约着AI4S的发展。

“这就要求我们从各自为战转向合作共赢。”四川省人工智能重大科技专项专家组组长、省人工智能赋能科学研究促进会（筹）会长章毅表示，联盟建设将系统整合全省在科学大模型、自主算力、科学数据以及重大场景等方面的优势资源，构建“模型驱动、场景验证、闭环迭代”的科研新模式。“我们的目标十分明确，就是破解要素分散、协同不畅等突出问题，进一步加快各领域科学发现和技术创新。”

怎么建设？ 围绕优势方向实现突破

《工作方案》提出，联盟将采用“1+3+N”建设架构，即以基础模型为核心，以算力和数据为基础，以干湿实验闭环运行为支撑，多元应用场景协同推进。

具体而言，“1”是指研发面向科学研究、具有四川特色的“天府·慧研”科学基础大模型，打造科学领域专用智能体；“3”是指建设国产化算力、数据和实验室三大支撑平台；“N”则覆盖低空智能、脑机接口、化学智能、材料科学、先进核能、疾病诊断、新药创制、生物育种、生物结构、地球科学、量子科技等多个应用场景。

“既夯实了基础底座，也明确了发展方向。”省科学技术发展战略研究院首席专家王楠表示，这一架构强化了基础要素供给，深化了场景应用布局，有助于形成“底座模型突破—科研能力迁移—产业场景落地”的全链条发展体系。

同时，她也关注到，低空智能、脑机接口、化学智能等方向正是四川具备相对优势的领域，不仅汇聚了一批高水平科研团队，也沉淀了价值密度高、应用前景广的高质量科学数据集和领域知识库，能够推动AI4S更快落地应用。“这些领域一旦实现科研突破，不仅有助于四川在科技竞争中赢得先机，也能为产业发展塑造新的优势。”

在运行机制方面，《工作方案》从管理运行、联合攻关、资源共享、运行服务等多个维度提出了细化措施。例如在联合攻关方面，联盟将组织成员单位按季度梳理并提出人工智能相关基础研究、技术攻关和成果转化需求清单，按照三种模式推进实施，鼓励使用联盟模型、数据、算力、干湿实验室等资源开展科研工作；在资源共享方面，将联合各领域省科学数据中心，建立相关领域数据汇交、共享应用及分级分类管理机制。

章毅表示，当前科研问题呈现出非线性、多维度和高不确定性等特点，迫切需要多学科交叉协同、精准实时的数据支撑以及灵活强大的算法赋能。“高校、科研院所和企业之间能否实现联合攻关、数据共享、平台共建，将直接影响AI在这些领域中的深入应用。”

《工作方案》还明确了联盟2026年的年度任务，包括发布“AI赋能科学研究资源供给清单”“AI赋能科学研究关键问题清单”两张清单，探索以社会化方式设立“AI for Science创新基金”等。王楠表示，这些任务将进一步加快联盟建设进程，让更多AI4S研究和应用成果更好服务群众生产生活。