化學反應精準預測，材料研發告別“碰運氣”……AI如何重塑科研範式？

當人工智能（AI）的浪潮湧向科學研究，會激起怎樣的浪花？日前，2026年“創·在上海”國際創新創業大賽“LIT DAY創業者活動日”分會場，聚焦“AI for Science”的清創薈006期專題路演在上海啓迪之星高質量孵化器舉行。來自清華大學的學者、創業者和投資人共同交流AI重塑科研範式的探索與前景，爲科學智能項目的成果轉化搭建快車道。

當前，化學數據集普遍存在數據單一、格式多樣的問題。中國科學技術大學常曉軍團隊將AI應用於化學合成與逆合成領域，構建了一個包含360萬化學反應數據和27萬化學分子數據的多模態數據集。通過引入三維結構信息，AI首次不僅能理解單個分子，還能掌握分子間的反應機制。常曉軍表示，藉助大模型應對數據匱乏與雜亂的問題，科學家可以從繁瑣的試錯中解放出來，將精力投入到更具創造性的科學探索上。

AI應用正從學術研究走向產業實踐。在生物醫藥領域，水木未來團隊將AI引入冷凍電鏡，構建起數字化生物醫藥基礎設施。最初依靠人力耗時數月的蛋白質結構解析，如今縮短至5到10分鐘，新藥研發效率將大幅提升。

在新材料領域，氮化硅陶瓷基板正成爲兼具高效散熱與可靠絕緣的新一代高性能工程材料。但其研發長期依賴有限經驗，通過摸索和試錯緩慢推進。聲子時代團隊利用AI構建材料數據庫，加速先進電子封裝材料的研發，實現了從配方設計到工藝放大的快速迭代，其自研產品的導熱率已超過國際同類產品。

AI不僅加速了科研流程，也開始觸及人類經驗難以抵達的地帶。人們對高熵合金等複雜金屬材料的認知仍然有限。這類材料通常由多種主元元素構成，傳統研發模式下，面對龐大的元素組合空間，科學家只能同時調配2到3種元素，許多高性能材料靠“碰運氣”發現，再作局部增量改進。創材深造創始人王軒澤介紹，利用AI可更高效探索新材料體系，其自研平臺已能實現8種元素的聯動優化，大幅拓展了研發邊界。

然而，與會者也認識到當前科學智能面臨的現實挑戰。大模型的“黑盒”與“幻覺”問題，讓科學家難以完全信賴其輸出結果。從實驗室裏的AI設計到工廠的穩定量產，中間也橫亙着複雜的工程化難題。

如何讓大模型成爲真正可用的AI？上海交通大學重慶人工智能研究院齊鵬認爲，應像管理人類團隊一樣管理AI，通過設定邊界、過程留痕、結果可驗證等機制，將大模型的通用能力與確定性工具相結合，打造出可信、可控的科研及產業應用。

未來，AI或許不僅是科學家的“工具”，更會成爲“智能夥伴”。上海交通大學計算機學院副教授陳露介紹，當前大模型已在文獻調研、實驗設計、數據分析和想法迭代等科研全流程中發揮作用。通過領域知識增強、外部工具調用、多模態理解和持續學習，大模型有望進化爲具備自主科學發現能力的智能體系統，推動科學研究從經驗科學、計算科學、數據科學邁向智能驅動的新階段。