X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心   
我的消息
登录    注册
欢迎来到营口市科技创新综合服务平台!
当前位置: 首页 >  科技资讯 >  详细页

人工智能赋能科学研究提速

信息来源:人民邮电报 发布日期:2026-03-27

  2025年8月,《国务院关于深入实施“人工智能+”行动的意见》发布,“人工智能+”科学技术被列入重点行动,涉及加速科学发现进程、驱动技术研发模式创新和效能提升等内容。

  随着通用大模型能力加速迭代,人工智能赋能科学研究(AI for Science,简称AI4S)正成为全球科技创新的核心赛道,掀起一场关乎科研底层逻辑的范式革命。

  中国信通院发布的《人工智能产业发展研究报告(2025年)》显示,2023年至2025年上半年,我国人工智能+科研垂直领域投融资活跃度不断走高,2025年上半年,AI科研应用在全国范围内获投规模约10亿元。

  然而,与产业一片火热形成鲜明对比的,是摆在科研人员面前的现实矛盾:现有的科学多模态模型往往依赖海量且难以获取的数据,训练过程如同“黑盒”,难以复现和改进。数据需求量大、生态亟待培养、国际竞争加剧……科研工作者正在探索重构AI4S开发范式,致力于驱动“AI科学家”自主进行科学发现。

  小数据+开源 实现AI4S“四两拨千斤”

  是否真的需要数以亿计的数据才能教会AI理解科学?这是萦绕在众多科研工作者,特别是AI4S领域研究人员心中的疑问。

  2026年开年,一份最新“科学智能实战指南”在开源社区发布。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研究团队,联合发布了Innovator-VL多模态大模型。

  研究人员表示,Innovator-VL的训练过程证明,无需盲目堆砌数据,仅凭不到500万条精心挑选的科学训练样本与透明的训练策略,便在多项科学基准测试中超越了许多数据量动辄上亿的模型,打破了科学大模型“唯数据量论”的“暴力美学”,验证了“质量优于数量”的技术路径。

  Innovator-VL论文第一作者温子辰向记者表示:“在缺乏大规模数据的情况下,高效且可复现的科学多模态模型不仅是可能的,更是通向未来科学发现的实用途径。”

  据介绍,作为专为科学领域定制的多模态大模型,Innovator-VL实现了跨尺度、跨学科的全场景科学理解能力。从微观世界的分子式、晶体结构、冷冻电镜图像,到宏观宇宙的天文光变曲线、遥感影像,再到数理逻辑领域的复杂公式、算法流程图,模型均能实现深度解析与逻辑推理。在实测案例中,面对天文学核心的天体光变曲线分析任务,通过光变曲线特征、波段演化规律完成严谨的逻辑推导,模型精准识别Ia型超新星的光变特征;在有机化学场景中,模型识别反应物结构、拆解官能团特性、匹配反应类型和选项,辅助化学领域推理。

  值得注意的是,不同于行业内“仅开放模型权重”的常规开源模式,Innovator-VL研发团队完整开源了端到端可复现的全流程开发流水线,涵盖数据采集清洗方法论、完整的指令微调与强化学习策略、超参数优化方案与评测框架。

  上海交通大学人工智能学院助理教授张林峰认为,AI在科学研究中的角色,正在从“加速工具”逐步演变为“认知参与者”。“过去我们更多关注的是让模型更快地处理数据,但未来更关键的问题是它能否参与科学问题本身的定义与重构之中。”张林峰表示。

  在这一视角下,Innovator-VL的意义不仅在于性能提升,还是对“AI是否能够成为科研过程一部分”的一次前瞻性探索。这种探索,或将重新定义人机协作在科学发现中的边界。

  以Innovator系列模型为代表的AI4S领域接连突破与全面开源,不仅为科研工作者提供了高效可复用的研发范式,更让缺乏海量算力与数据资源的高校、中小科研机构,得以低成本参与科学智能的创新探索。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的关键基础设施已逐步成形,Agentic Science at Scale(规模化自主智能体科研)的新时代正式开启。

  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蓬勃发展的缩影。当前,我国正形成“底座模型突破—科研能力迁移—产业场景落地”的全链条发展格局,协助科研人员破解传统科研“周期长、成本高、试错难”的核心痛点,全力竞逐全球AI4S研究高地。

  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不仅是技术革命,更是认知革命,正推动科研范式从“试错驱动”向“数据+模型驱动”转变,让AI从被动的效率工具,升级为可主动推理、自主演化的科研合伙人。

  “产业需求牵引+产学研协同创新”的特色路径,形成了基础创新与产业落地的正向循环,开源成果也大幅降低了行业研发门槛。但AI4S的规模化落地仍面临诸多共性挑战,包括多模态信息对齐、高质量标准化数据稀缺、模型幻觉与可验证性等瓶颈,以及跨学科人才缺口、行业标准缺失、算力成本高企等问题。

  未来,随着产学研协同持续深化、开源生态不断完善,中国AI4S创新将持续为全球科研范式变革贡献可复用的中国方案,推动AI真正成为科研工作者的“最佳助手”与“超级合伙人”。(记者 李晓东)

主办单位:营口市科学技术局 服务咨询:0417-2833747

地址:辽宁省营口市站前区少年宫里学府园A4

辽ICP备2021013696号-1

辽公网安备 21080202000238号

技术支持:科易网