【TechWeb】 当人工智能从辅助计算工具，进化为重塑科学发现流程的核心力量，AI for Science（AI4S，人工智能赋能科学研究） 正在全球掀起一场科研范式革命。
国内学界判断，行业已经告别算法方法探索的早期阶段，迈入 Science after AI for Science 的全新发展周期，重心转向科研体系、基础设施、学科交叉与产业转化的系统性重构。
8 月 21 日，2026 科学智能大会在北京海淀中关村国际创新中心开幕。这场大会以 「人工智能变革科研范式」 为主题，汇聚近 50 位院士、80 余位青年学者，在集中展示行业已有成果的同时，更释放出一个清晰信号：AI4S 正从 「方法探索」 全面迈向 「体系重构」 与 「产业落地」。
范式变革：从 AI 辅助工具走向科研体系重构
AI for Science，简单来说是把人工智能深度嵌入科学研究全链条，覆盖理论推演、模拟计算、实验验证、成果转化全流程，改变过去观察—假设—实验的传统科研模式，用数据、模型、自动化实验加速基础科学突破。
业内认为，AI4S 为高水平科技自立自强提供了全新动能，但它最深刻的变革不在于某一种算法的突破，而在于它正从底层重塑科学研究的范式。
中国科学院院士鄂维南在大会上指出，AI for Science 已进入 「下半场」，重心正从人工智能方法探索，转向人工智能时代科研体系的系统性变革。
他认为，当前科研体系以论文发表为核心衡量标准，客观上稀释了 「自由探索」 与 「科学发现」 的初心；而人工智能正在重塑知识获取、理论计算和实验工具，通过平台化科研与 「干湿闭环」 大幅提升探索效率。
面向未来，需要推动科研平权化，以产业视角打通 「人才、创新、市场、资金」 等环节，建立低成本、高效率的科研工具与成果转化体系，让有能力的个人和团队都能参与科技创新，同时切实保护自由探索这一颠覆性创新的核心要素。
这一观点也点明行业的核心转向：AI4S 不是简单给现有科研流程加装 AI 插件，而是要重新思考科研组织模式，构建适配 AI 时代的评价、协作与转化机制。
基础设施先行
AI4S 大规模落地，必须优先补齐底层基础设施短板。2026 科学智能大会上，多位专家将目光聚焦于此。
深势科技创始人兼首席科学家、北京科学智能研究院理事长张林峰指出，科学智能的落地需要基础设施先行，包括科研基础大模型、高质量科学数据与语料、自主实验室等系统性建设。他强调，AI4S 要真正服务于具体科学问题，从方法探索走向科研实践，形成经得起科研实践检验的成果。
之江实验室主任、中国工程院院士王坚则将目光投向了更底层的要素——数据。他表示，Token 化的科学数据对 AI for Science 至关重要。在人工智能赋能科学研究过程中，多学科交叉、跨学科融合的门槛将会被更多科研工作者跨越。
王坚曾给出判断，AI 正变得像数学一样基础，科研范式也将从 STEM 走向 STE+MAP（Math、AI、Public Facilities），科学重新成为一个整体。
在自主实验室方面，东南大学毫米波国家重点实验室主任、中国科学院院士崔铁军介绍了信息超材料新体系，剖析了该技术在 AI 时代支撑三大关键基础设施的应用方向，展现了科技创新和产业创新深度融合的示范价值。
昌平实验室主任、中国科学院院士谢晓亮则以具体成果案例分析了大数据和人工智能对生物医学研究范式带来的巨大转变，指出精准生物大数据是 AI for 生物医药的关键。
从实验室到产业落地
AI4S 的最终价值在于走出实验室、赋能产业。2026 年，从中央到地方的政策布局正在加速这一进程。
北京已于 6 月 30 日印发 《北京市加快推进人工智能赋能科学研究实施方案 （2026-2028 年）》，围绕自主实验室体系、高价值场景应用、科学模型体系、科学数据基础、创新生态五大方向展开 18 项具体任务。广东也于 6 月发布省级专项方案，覆盖基础科学、生命科学、材料科学等七大领域。
在 2026 科学智能大会上，这一政策布局得到了具体落地。北京市科委、中关村管委会正式发布了 「北京市首批人工智能赋能科学研究典型案例」，涵盖从基础研究到产业应用的代表性案例。
海淀区则正式发布 「中关村 （海淀） 科学智能 （AI4S） 创新集聚区」，选址海淀西三旗片区，统筹片区内 160 万平方米产业空间和 74 万平方米中试空间，按照 「核心策源、中试验证、场景拓展」 的空间组织思路打造从源头创新到产业化落地的完整链条。
业内预判，未来 2 到 3 年，将是 AI4S 真正赋能产业的爆发期，很多新的材料、新的分子、新的药物会迸发出来。
2026 科学智能大会的召开，体现了我国在 AI 赋能科学研究领域迈出了坚实一步。从 「AI for Science」 到 「Science after AI for Science」，从科学数据的 Token 化，到自主实验室的基础设施建设，再到产业集聚区的落地，一幅由 AI 重塑科研范式的全景图，正徐徐展开。
【TechWeb】 当人工智能从辅助计算工具，进化为重塑科学发现流程的核心力量，AI for Science（AI4S，人工智能赋能科学研究） 正在全球掀起一场科研范式革命。
国内学界判断，行业已经告别算法方法探索的早期阶段，迈入 Science after AI for Science 的全新发展周期，重心转向科研体系、基础设施、学科交叉与产业转化的系统性重构。
8 月 21 日，2026 科学智能大会在北京海淀中关村国际创新中心开幕。这场大会以 「人工智能变革科研范式」 为主题，汇聚近 50 位院士、80 余位青年学者，在集中展示行业已有成果的同时，更释放出一个清晰信号：AI4S 正从 「方法探索」 全面迈向 「体系重构」 与 「产业落地」。
范式变革：从 AI 辅助工具走向科研体系重构
AI for Science，简单来说是把人工智能深度嵌入科学研究全链条，覆盖理论推演、模拟计算、实验验证、成果转化全流程，改变过去观察—假设—实验的传统科研模式，用数据、模型、自动化实验加速基础科学突破。
业内认为，AI4S 为高水平科技自立自强提供了全新动能，但它最深刻的变革不在于某一种算法的突破，而在于它正从底层重塑科学研究的范式。
中国科学院院士鄂维南在大会上指出，AI for Science 已进入 「下半场」，重心正从人工智能方法探索，转向人工智能时代科研体系的系统性变革。
他认为，当前科研体系以论文发表为核心衡量标准，客观上稀释了 「自由探索」 与 「科学发现」 的初心；而人工智能正在重塑知识获取、理论计算和实验工具，通过平台化科研与 「干湿闭环」 大幅提升探索效率。
面向未来，需要推动科研平权化，以产业视角打通 「人才、创新、市场、资金」 等环节，建立低成本、高效率的科研工具与成果转化体系，让有能力的个人和团队都能参与科技创新，同时切实保护自由探索这一颠覆性创新的核心要素。
这一观点也点明行业的核心转向：AI4S 不是简单给现有科研流程加装 AI 插件，而是要重新思考科研组织模式，构建适配 AI 时代的评价、协作与转化机制。
基础设施先行
AI4S 大规模落地，必须优先补齐底层基础设施短板。2026 科学智能大会上，多位专家将目光聚焦于此。
深势科技创始人兼首席科学家、北京科学智能研究院理事长张林峰指出，科学智能的落地需要基础设施先行，包括科研基础大模型、高质量科学数据与语料、自主实验室等系统性建设。他强调，AI4S 要真正服务于具体科学问题，从方法探索走向科研实践，形成经得起科研实践检验的成果。
之江实验室主任、中国工程院院士王坚则将目光投向了更底层的要素——数据。他表示，Token 化的科学数据对 AI for Science 至关重要。在人工智能赋能科学研究过程中，多学科交叉、跨学科融合的门槛将会被更多科研工作者跨越。
王坚曾给出判断，AI 正变得像数学一样基础，科研范式也将从 STEM 走向 STE+MAP（Math、AI、Public Facilities），科学重新成为一个整体。
在自主实验室方面，东南大学毫米波国家重点实验室主任、中国科学院院士崔铁军介绍了信息超材料新体系，剖析了该技术在 AI 时代支撑三大关键基础设施的应用方向，展现了科技创新和产业创新深度融合的示范价值。
昌平实验室主任、中国科学院院士谢晓亮则以具体成果案例分析了大数据和人工智能对生物医学研究范式带来的巨大转变，指出精准生物大数据是 AI for 生物医药的关键。
从实验室到产业落地
AI4S 的最终价值在于走出实验室、赋能产业。2026 年，从中央到地方的政策布局正在加速这一进程。
北京已于 6 月 30 日印发 《北京市加快推进人工智能赋能科学研究实施方案 （2026-2028 年）》，围绕自主实验室体系、高价值场景应用、科学模型体系、科学数据基础、创新生态五大方向展开 18 项具体任务。广东也于 6 月发布省级专项方案，覆盖基础科学、生命科学、材料科学等七大领域。
在 2026 科学智能大会上，这一政策布局得到了具体落地。北京市科委、中关村管委会正式发布了 「北京市首批人工智能赋能科学研究典型案例」，涵盖从基础研究到产业应用的代表性案例。
海淀区则正式发布 「中关村 （海淀） 科学智能 （AI4S） 创新集聚区」，选址海淀西三旗片区，统筹片区内 160 万平方米产业空间和 74 万平方米中试空间，按照 「核心策源、中试验证、场景拓展」 的空间组织思路打造从源头创新到产业化落地的完整链条。
业内预判，未来 2 到 3 年，将是 AI4S 真正赋能产业的爆发期，很多新的材料、新的分子、新的药物会迸发出来。
2026 科学智能大会的召开，体现了我国在 AI 赋能科学研究领域迈出了坚实一步。从 「AI for Science」 到 「Science after AI for Science」，从科学数据的 Token 化，到自主实验室的基础设施建设，再到产业集聚区的落地，一幅由 AI 重塑科研范式的全景图，正徐徐展开。
Related articles
【TechWeb】 当人工智能从辅助计算工具，进化为重塑科学发现流程的核心力量，AI for Science（AI4S，人工智能赋能科学研究） 正在全球掀起一场科研范式革命。
国内学界判断，行业已经告别算法方法探索的早期阶段，迈入 Science after AI for Science 的全新发展周期，重心转向科研体系、基础设施、学科交叉与产业转化的系统性重构。
8 月 21 日，2026 科学智能大会在北京海淀中关村国际创新中心开幕。这场大会以 「人工智能变革科研范式」 为主题，汇聚近 50 位院士、80 余位青年学者，在集中展示行业已有成果的同时，更释放出一个清晰信号：AI4S 正从 「方法探索」 全面迈向 「体系重构」 与 「产业落地」。
范式变革：从 AI 辅助工具走向科研体系重构
AI for Science，简单来说是把人工智能深度嵌入科学研究全链条，覆盖理论推演、模拟计算、实验验证、成果转化全流程，改变过去观察—假设—实验的传统科研模式，用数据、模型、自动化实验加速基础科学突破。
业内认为，AI4S 为高水平科技自立自强提供了全新动能，但它最深刻的变革不在于某一种算法的突破，而在于它正从底层重塑科学研究的范式。
中国科学院院士鄂维南在大会上指出，AI for Science 已进入 「下半场」，重心正从人工智能方法探索，转向人工智能时代科研体系的系统性变革。
他认为，当前科研体系以论文发表为核心衡量标准，客观上稀释了 「自由探索」 与 「科学发现」 的初心；而人工智能正在重塑知识获取、理论计算和实验工具，通过平台化科研与 「干湿闭环」 大幅提升探索效率。
面向未来，需要推动科研平权化，以产业视角打通 「人才、创新、市场、资金」 等环节，建立低成本、高效率的科研工具与成果转化体系，让有能力的个人和团队都能参与科技创新，同时切实保护自由探索这一颠覆性创新的核心要素。
这一观点也点明行业的核心转向：AI4S 不是简单给现有科研流程加装 AI 插件，而是要重新思考科研组织模式，构建适配 AI 时代的评价、协作与转化机制。
基础设施先行
AI4S 大规模落地，必须优先补齐底层基础设施短板。2026 科学智能大会上，多位专家将目光聚焦于此。
深势科技创始人兼首席科学家、北京科学智能研究院理事长张林峰指出，科学智能的落地需要基础设施先行，包括科研基础大模型、高质量科学数据与语料、自主实验室等系统性建设。他强调，AI4S 要真正服务于具体科学问题，从方法探索走向科研实践，形成经得起科研实践检验的成果。
之江实验室主任、中国工程院院士王坚则将目光投向了更底层的要素——数据。他表示，Token 化的科学数据对 AI for Science 至关重要。在人工智能赋能科学研究过程中，多学科交叉、跨学科融合的门槛将会被更多科研工作者跨越。
王坚曾给出判断，AI 正变得像数学一样基础，科研范式也将从 STEM 走向 STE+MAP（Math、AI、Public Facilities），科学重新成为一个整体。
在自主实验室方面，东南大学毫米波国家重点实验室主任、中国科学院院士崔铁军介绍了信息超材料新体系，剖析了该技术在 AI 时代支撑三大关键基础设施的应用方向，展现了科技创新和产业创新深度融合的示范价值。
昌平实验室主任、中国科学院院士谢晓亮则以具体成果案例分析了大数据和人工智能对生物医学研究范式带来的巨大转变，指出精准生物大数据是 AI for 生物医药的关键。
从实验室到产业落地
AI4S 的最终价值在于走出实验室、赋能产业。2026 年，从中央到地方的政策布局正在加速这一进程。
北京已于 6 月 30 日印发 《北京市加快推进人工智能赋能科学研究实施方案 （2026-2028 年）》，围绕自主实验室体系、高价值场景应用、科学模型体系、科学数据基础、创新生态五大方向展开 18 项具体任务。广东也于 6 月发布省级专项方案，覆盖基础科学、生命科学、材料科学等七大领域。
在 2026 科学智能大会上，这一政策布局得到了具体落地。北京市科委、中关村管委会正式发布了 「北京市首批人工智能赋能科学研究典型案例」，涵盖从基础研究到产业应用的代表性案例。
海淀区则正式发布 「中关村 （海淀） 科学智能 （AI4S） 创新集聚区」，选址海淀西三旗片区，统筹片区内 160 万平方米产业空间和 74 万平方米中试空间，按照 「核心策源、中试验证、场景拓展」 的空间组织思路打造从源头创新到产业化落地的完整链条。
业内预判，未来 2 到 3 年，将是 AI4S 真正赋能产业的爆发期，很多新的材料、新的分子、新的药物会迸发出来。
2026 科学智能大会的召开，体现了我国在 AI 赋能科学研究领域迈出了坚实一步。从 「AI for Science」 到 「Science after AI for Science」，从科学数据的 Token 化，到自主实验室的基础设施建设，再到产业集聚区的落地，一幅由 AI 重塑科研范式的全景图，正徐徐展开。
【TechWeb】 当人工智能从辅助计算工具，进化为重塑科学发现流程的核心力量，AI for Science（AI4S，人工智能赋能科学研究） 正在全球掀起一场科研范式革命。
国内学界判断，行业已经告别算法方法探索的早期阶段，迈入 Science after AI for Science 的全新发展周期，重心转向科研体系、基础设施、学科交叉与产业转化的系统性重构。
8 月 21 日，2026 科学智能大会在北京海淀中关村国际创新中心开幕。这场大会以 「人工智能变革科研范式」 为主题，汇聚近 50 位院士、80 余位青年学者，在集中展示行业已有成果的同时，更释放出一个清晰信号：AI4S 正从 「方法探索」 全面迈向 「体系重构」 与 「产业落地」。
范式变革：从 AI 辅助工具走向科研体系重构
AI for Science，简单来说是把人工智能深度嵌入科学研究全链条，覆盖理论推演、模拟计算、实验验证、成果转化全流程，改变过去观察—假设—实验的传统科研模式，用数据、模型、自动化实验加速基础科学突破。
业内认为，AI4S 为高水平科技自立自强提供了全新动能，但它最深刻的变革不在于某一种算法的突破，而在于它正从底层重塑科学研究的范式。
中国科学院院士鄂维南在大会上指出，AI for Science 已进入 「下半场」，重心正从人工智能方法探索，转向人工智能时代科研体系的系统性变革。
他认为，当前科研体系以论文发表为核心衡量标准，客观上稀释了 「自由探索」 与 「科学发现」 的初心；而人工智能正在重塑知识获取、理论计算和实验工具，通过平台化科研与 「干湿闭环」 大幅提升探索效率。
面向未来，需要推动科研平权化，以产业视角打通 「人才、创新、市场、资金」 等环节，建立低成本、高效率的科研工具与成果转化体系，让有能力的个人和团队都能参与科技创新，同时切实保护自由探索这一颠覆性创新的核心要素。
这一观点也点明行业的核心转向：AI4S 不是简单给现有科研流程加装 AI 插件，而是要重新思考科研组织模式，构建适配 AI 时代的评价、协作与转化机制。
基础设施先行
AI4S 大规模落地，必须优先补齐底层基础设施短板。2026 科学智能大会上，多位专家将目光聚焦于此。
深势科技创始人兼首席科学家、北京科学智能研究院理事长张林峰指出，科学智能的落地需要基础设施先行，包括科研基础大模型、高质量科学数据与语料、自主实验室等系统性建设。他强调，AI4S 要真正服务于具体科学问题，从方法探索走向科研实践，形成经得起科研实践检验的成果。
之江实验室主任、中国工程院院士王坚则将目光投向了更底层的要素——数据。他表示，Token 化的科学数据对 AI for Science 至关重要。在人工智能赋能科学研究过程中，多学科交叉、跨学科融合的门槛将会被更多科研工作者跨越。
王坚曾给出判断，AI 正变得像数学一样基础，科研范式也将从 STEM 走向 STE+MAP（Math、AI、Public Facilities），科学重新成为一个整体。
在自主实验室方面，东南大学毫米波国家重点实验室主任、中国科学院院士崔铁军介绍了信息超材料新体系，剖析了该技术在 AI 时代支撑三大关键基础设施的应用方向，展现了科技创新和产业创新深度融合的示范价值。
昌平实验室主任、中国科学院院士谢晓亮则以具体成果案例分析了大数据和人工智能对生物医学研究范式带来的巨大转变，指出精准生物大数据是 AI for 生物医药的关键。
从实验室到产业落地
AI4S 的最终价值在于走出实验室、赋能产业。2026 年，从中央到地方的政策布局正在加速这一进程。
北京已于 6 月 30 日印发 《北京市加快推进人工智能赋能科学研究实施方案 （2026-2028 年）》，围绕自主实验室体系、高价值场景应用、科学模型体系、科学数据基础、创新生态五大方向展开 18 项具体任务。广东也于 6 月发布省级专项方案，覆盖基础科学、生命科学、材料科学等七大领域。
在 2026 科学智能大会上，这一政策布局得到了具体落地。北京市科委、中关村管委会正式发布了 「北京市首批人工智能赋能科学研究典型案例」，涵盖从基础研究到产业应用的代表性案例。
海淀区则正式发布 「中关村 （海淀） 科学智能 （AI4S） 创新集聚区」，选址海淀西三旗片区，统筹片区内 160 万平方米产业空间和 74 万平方米中试空间，按照 「核心策源、中试验证、场景拓展」 的空间组织思路打造从源头创新到产业化落地的完整链条。
业内预判，未来 2 到 3 年，将是 AI4S 真正赋能产业的爆发期，很多新的材料、新的分子、新的药物会迸发出来。
2026 科学智能大会的召开，体现了我国在 AI 赋能科学研究领域迈出了坚实一步。从 「AI for Science」 到 「Science after AI for Science」，从科学数据的 Token 化，到自主实验室的基础设施建设，再到产业集聚区的落地，一幅由 AI 重塑科研范式的全景图，正徐徐展开。
