人工智能驅(qū)動(dòng)的研發(fā)新規(guī)范

目 錄一、科研智能發(fā)展態(tài)勢(shì) 1二、科研智能產(chǎn)業(yè)發(fā)展情況 2（一）科研算力—賦能科研智能高效運(yùn)行 2（二）科研數(shù)據(jù)—驅(qū)動(dòng)科研智能創(chuàng)新發(fā)現(xiàn) 4（三）開(kāi)發(fā)工具鏈—全鏈路打造科研智能開(kāi)發(fā)工具 7三、科研智能應(yīng)用發(fā)展情況 15（一）基礎(chǔ)科學(xué)研究—開(kāi)展前沿探索，推動(dòng)科學(xué)邊界拓展 16（二）產(chǎn)業(yè)研發(fā)創(chuàng)新—構(gòu)建核心驅(qū)動(dòng)力，加速產(chǎn)業(yè)升級(jí)變革 18四、科研智能生態(tài)建設(shè)情況 19（一）產(chǎn)業(yè)組織 19（二）社區(qū)建設(shè) 19（三）科研賽事 20（四）會(huì)議交流 21（五）教學(xué)培訓(xùn) 21（六）標(biāo)準(zhǔn)布局 21五、總結(jié)與展望 22附錄一 23表目錄表1國(guó)外科研領(lǐng)域主要公開(kāi)數(shù)據(jù)集 5表2國(guó)內(nèi)外典型科研智能算法庫(kù) 10表3我國(guó)代表性科學(xué)套件 12表42019年至2023年Science雜志評(píng)選的十大科學(xué)突破 17表5科研智能典型領(lǐng)域模型 23一、科研智能發(fā)展態(tài)勢(shì)科研智AIorRearchdevomnt下簡(jiǎn)稱A4RD，人工智賦能研究及業(yè)研是科學(xué)能（AIforScience，AI4S）概念的延伸和擴(kuò)展，主要包括兩方面內(nèi)涵，一是聚焦人工智能加速基礎(chǔ)科學(xué)研究，拓展研究思路，加速研究進(jìn)程；二是強(qiáng)調(diào)人工智能在應(yīng)用研究和產(chǎn)業(yè)研發(fā)中的重要作用，全面提升工程技術(shù)創(chuàng)新的效率。科研智能代表了科技創(chuàng)新的新范式和新動(dòng)能，有望全面加速基礎(chǔ)研究和產(chǎn)業(yè)研發(fā)的進(jìn)程，并縮短兩者之間的轉(zhuǎn)化周期，推動(dòng)科技成果在工業(yè)界的產(chǎn)業(yè)化和規(guī)模應(yīng)用?？蒲兄悄苷谌蚍秶鷥?nèi)加速發(fā)展。 ，各國(guó)相繼發(fā)布政策構(gòu)筑科研智能發(fā)展環(huán)境2023年12歐委員發(fā)政策簡(jiǎn)《工能在科中的應(yīng)用》，倡導(dǎo)為歐洲量身制定一項(xiàng)政策，促進(jìn)人工智能在科學(xué)領(lǐng)域的應(yīng)。2023年5月，國(guó)新建7國(guó)家人智能所，推動(dòng)人工智在氣候腦科學(xué)會(huì)決策教育等域的研究2022年8，我發(fā)《關(guān)于快場(chǎng)新以人智能平應(yīng)用進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見(jiàn)》，支持探索人工智能技術(shù)用于重大科學(xué)研究技術(shù)的應(yīng)用景。 AI持續(xù)拓展科學(xué)領(lǐng)域問(wèn)題解決的能力，圍繞生命科學(xué)、物理等領(lǐng)域，形成了如Alphafold3另一方面AI科研智能作為一個(gè)新興的交叉領(lǐng)域，目前尚處于發(fā)展的早期階段，但已經(jīng)展現(xiàn)出巨大的發(fā)展?jié)摿蛷V闊的應(yīng)用場(chǎng)景，中國(guó)信息通信研究院（以下簡(jiǎn)稱信研究院（以下簡(jiǎn)稱“中國(guó)信通院”）持續(xù)跟蹤科研智能技術(shù)和產(chǎn)業(yè)2024（AI4R&D）2024（AI4R&D）定產(chǎn)業(yè)政策、指導(dǎo)項(xiàng)目布局提供參考，為研究機(jī)構(gòu)、科技企業(yè)把握技術(shù)方向、開(kāi)拓應(yīng)用場(chǎng)景提供借鑒，加速該領(lǐng)域的技術(shù)創(chuàng)新和應(yīng)用實(shí)踐，為我國(guó)在該領(lǐng)域搶占發(fā)展先機(jī)提供助力。未來(lái)，中國(guó)信通院加強(qiáng)與科研機(jī)構(gòu)、高校、企業(yè)等產(chǎn)學(xué)研各界的交流合作，共同推進(jìn)科研智能生態(tài)體系建設(shè)，為科技強(qiáng)國(guó)和創(chuàng)新型國(guó)家建設(shè)提供有力支撐。二、科研智能產(chǎn)業(yè)發(fā)展情況AI4R&DAI4R&DAI升了科研效率，促進(jìn)了跨學(xué)科、跨領(lǐng)域的協(xié)同創(chuàng)新與融合，深刻改變了科學(xué)研究范式。（一）科研算力—賦能科研智能高效運(yùn)行科研算力是指結(jié)合智能算力與超算算力的計(jì)算能力，通過(guò)異構(gòu)計(jì)算架構(gòu)滿足高精度計(jì)算和AI模型訓(xùn)練推理需求。GPU（圖形處理器、TPU（張量處理單元、NPU（神經(jīng)網(wǎng)絡(luò)處理單元AI和模擬，能夠處理復(fù)雜的科學(xué)計(jì)算問(wèn)題，廣泛應(yīng)用于如行星模擬、AI科學(xué)計(jì)算兩種方式，采用異構(gòu)計(jì)算架構(gòu)，結(jié)合多種計(jì)算單元，以滿科研智能的研究涉及大量復(fù)雜的計(jì)算任務(wù)，包括大規(guī)模數(shù)據(jù)處理、深度學(xué)習(xí)模型訓(xùn)練和高精度科學(xué)模擬等，這些任務(wù)均需要充足的算力支撐。在多數(shù)場(chǎng)景下，為滿足科學(xué)研究和工程應(yīng)用的需求，AlphaFold250Science雜志評(píng)為2021賴于大規(guī)模的計(jì)算資源支持，在AlphaFold2的研發(fā)過(guò)程中，DeepMind128個(gè)TPUv31。以公有云模式提供智能算力服務(wù)。云服務(wù)企業(yè)以智能算力平臺(tái)的形式提供計(jì)算資源，如阿里云靈駿智算平臺(tái)、百度智能云AI提供一站式算力服務(wù)。 政府、企業(yè)建設(shè)并對(duì)外提供服務(wù)的人工智能算力中心。西安的未來(lái)人工智能計(jì)算中心已成功孵化出多個(gè)智能科研領(lǐng)域的大模型，如全球首個(gè)面向雷達(dá)遙感場(chǎng)景的“秦嶺·西“秦嶺·翱1數(shù)據(jù)來(lái)源：《HighlyaccurateproteinstructurepredictionwithAlphaFold》”研智能系統(tǒng)。如深勢(shì)盒子是面向分子動(dòng)力學(xué)模擬設(shè)計(jì)場(chǎng)景推出一體CPU一是高端AI芯片的生產(chǎn)和購(gòu)買受限，影響算力供給。二是國(guó)內(nèi)智能算力的技術(shù)產(chǎn)業(yè)生態(tài)較弱，應(yīng)用門檻高。三是智能算力資源主要集中于頭部科技類企業(yè)，高校、科研機(jī)構(gòu)和大量行業(yè)企業(yè)算力儲(chǔ)備相對(duì)有限。建議層面，一是建立針對(duì)高校、科研機(jī)構(gòu)和行業(yè)企業(yè)的算力資源保障機(jī)制，實(shí)現(xiàn)算力資源的合理供給、動(dòng)態(tài)分配與高效利用，保障科研智能領(lǐng)域計(jì)算需求。二是構(gòu)建跨地供給。二是國(guó)內(nèi)智能算力的技術(shù)產(chǎn)業(yè)生態(tài)較弱，應(yīng)用門檻高。三是智能算力資源主要集中于頭部科技類企業(yè)，高校、科研機(jī)構(gòu)和大量行業(yè)企業(yè)算力儲(chǔ)備相對(duì)有限。建議層面，一是建立針對(duì)高校、科研機(jī)構(gòu)和行業(yè)企業(yè)的算力資源保障機(jī)制，實(shí)現(xiàn)算力資源的合理供給、動(dòng)態(tài)分配與高效利用，保障科研智能領(lǐng)域計(jì)算需求。二是構(gòu)建跨地區(qū)、跨機(jī)構(gòu)的科研算力資源共享平臺(tái)，促進(jìn)科研機(jī)構(gòu)與產(chǎn)業(yè)界的協(xié)同創(chuàng)新。三是實(shí)施科研算力成本效益評(píng)估，優(yōu)化資源投入與產(chǎn)出，加速科技成果的產(chǎn)業(yè)轉(zhuǎn)化。（二）科研數(shù)據(jù)—驅(qū)動(dòng)科研智能創(chuàng)新發(fā)現(xiàn)科研數(shù)據(jù)是指科學(xué)研究和產(chǎn)業(yè)研發(fā)活動(dòng)產(chǎn)生的原始數(shù)據(jù)、中間數(shù)據(jù)、結(jié)果數(shù)據(jù)和分析數(shù)據(jù)等，主要包括觀測(cè)數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)、記錄數(shù)據(jù)、調(diào)查數(shù)據(jù)、模擬數(shù)據(jù)及科研文獻(xiàn)等內(nèi)容。高質(zhì)量的科研數(shù)科研智能數(shù)據(jù)相較于傳統(tǒng)的行業(yè)數(shù)據(jù)，有如下特點(diǎn)。一是數(shù)據(jù)來(lái)源數(shù)據(jù)格式和語(yǔ)義差別較大。二是數(shù)據(jù)質(zhì)量要求高。數(shù)據(jù)的客觀性、準(zhǔn)確性、完備性、分辨率等質(zhì)量要求很高，這會(huì)直接影響到計(jì)算結(jié)果的可信度。三是數(shù)據(jù)量更大。實(shí)驗(yàn)觀測(cè)數(shù)據(jù)、仿真模擬數(shù)據(jù)等不僅規(guī)模巨大且增長(zhǎng)快速，遠(yuǎn)超普通商業(yè)化數(shù)據(jù)。四是維度更高。例如氣象、地理、生物數(shù)據(jù)涉及時(shí)間、空間、物種等多個(gè)維度，結(jié)構(gòu)更加復(fù)雜。（NCBI）AI（heteilsjet礎(chǔ)，如AlphaFold2（PDB）50200表1國(guó)外科研領(lǐng)域主要公開(kāi)數(shù)據(jù)集（中國(guó)信通院根據(jù)公開(kāi)資料收集整理）領(lǐng)域數(shù)據(jù)持有單位生命科學(xué)全球蛋白質(zhì)結(jié)構(gòu)庫(kù)（PDB）WorldwideProteinDataBank（wwPDB）人類基因庫(kù)（EMBL）歐洲分子生物學(xué)實(shí)驗(yàn)室（EMBL）蛋白質(zhì)數(shù)據(jù)庫(kù)（UniProt）歐洲生物信息研究所（EB瑞士生物信息研究所（SIB）及美國(guó)國(guó)家生物醫(yī)學(xué)研究基金會(huì)（NBRF）成立的蛋白質(zhì)信息資源（PIR）DNA序列數(shù)據(jù)庫(kù)（Genbank）美國(guó)國(guó)家醫(yī)學(xué)圖書館生物信（NCBI）DNA數(shù)據(jù)庫(kù)（DDBJ）日本國(guó)立遺傳學(xué)研究所（PubMed）美國(guó)國(guó)家醫(yī)學(xué)圖書館生物信息技術(shù)信息中心（NCBI）材料科學(xué)高通量材料計(jì)算數(shù)據(jù)庫(kù)（AFLOW）美國(guó)杜克大學(xué)劍橋結(jié)構(gòu)數(shù)據(jù)庫(kù)（CSD）（開(kāi)放量子材料數(shù)據(jù)庫(kù)（OQMD）美國(guó)西北大學(xué)無(wú)極晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)（ICSD）德國(guó)波恩大學(xué)材料計(jì)算數(shù)據(jù)庫(kù)（MaterialsProject）美國(guó)加州伯克利大學(xué)金屬和合金晶體數(shù)據(jù)庫(kù)（CRYSTMET）加拿大渥太華大學(xué)國(guó)際衍射數(shù)據(jù)中心的粉晶數(shù)據(jù)庫(kù)（JCPDS）國(guó)際衍射數(shù)據(jù)中心開(kāi)放晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)（COD）英國(guó)劍橋大學(xué)密度泛函理論的材料數(shù)據(jù)集（JARVIS-DFT）美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）地球科學(xué)ERA5大氣再分析數(shù)據(jù)集歐洲中期天氣預(yù)報(bào)中心（ECMWF）海洋再分析數(shù)據(jù)集（HYCOM）美國(guó)海軍研究實(shí)驗(yàn)室（NRL）海洋生物化學(xué)數(shù)據(jù)集美國(guó)航天局GLORYS12再分析數(shù)據(jù)法國(guó)麥卡托SST衛(wèi)星觀測(cè)數(shù)據(jù)英國(guó)氣象局（ICAR-ENSO）氣候與應(yīng)用前沿研究院ICAR地球表面氣候預(yù)測(cè)數(shù)據(jù)（EarthNet）/汽車SAE國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)ShapeNet斯坦福大學(xué)AhmedBodyAerodynamics英偉達(dá)流體周期山（PH-RANS、ERCOFTAC）慕尼黑工業(yè)大學(xué)圓柱繞流數(shù)據(jù)集（CylinderinCrossflow）/頂蓋驅(qū)動(dòng)方腔流動(dòng)（CFDBench）/我國(guó)公開(kāi)數(shù)據(jù)集建設(shè)不足，優(yōu)質(zhì)領(lǐng)域數(shù)據(jù)未能得到有效利用。一方面靜默”我國(guó)需加強(qiáng)數(shù)據(jù)集建設(shè)與共享，推動(dòng)科研智能產(chǎn)業(yè)高效發(fā)展。我國(guó)需建立自己的科研數(shù)據(jù)戰(zhàn)略，系統(tǒng)規(guī)劃科研領(lǐng)域數(shù)據(jù)建設(shè)計(jì)劃，推動(dòng)以國(guó)家重點(diǎn)實(shí)驗(yàn)室、重點(diǎn)行業(yè)企業(yè)為代表的機(jī)構(gòu)，積極開(kāi)放共享數(shù)據(jù)。一是圍繞公開(kāi)數(shù)據(jù)集建設(shè)進(jìn)行戰(zhàn)略布局。建立健全科研領(lǐng)域公開(kāi)數(shù)據(jù)集體系，在時(shí)空、區(qū)域氣象等新興和特色領(lǐng)域進(jìn)行系統(tǒng)布局。二是建立科研數(shù)據(jù)共享激勵(lì)機(jī)制，讓數(shù)據(jù)貢獻(xiàn)成為研究貢獻(xiàn)的一部分。通過(guò)合理的措施，鼓勵(lì)機(jī)構(gòu)以及個(gè)人將共享數(shù)據(jù)，持續(xù)豐富公開(kāi)數(shù)據(jù)集的資源。同時(shí)加強(qiáng)對(duì)數(shù)據(jù)的安全保護(hù)，避免濫用。三是（三）開(kāi)發(fā)工具鏈—全鏈路打造科研智能開(kāi)發(fā)工具從人工智能框架的構(gòu)建到算法的集成，再到開(kāi)發(fā)套件與領(lǐng)域模型的推出，科研智能開(kāi)發(fā)工具鏈的逐步完善，為科研人員提供了全流程支持。這些工具不僅降低科研門檻，提高研發(fā)效率，還加速科研成果的轉(zhuǎn)化與應(yīng)用。通過(guò)持續(xù)優(yōu)化與創(chuàng)新，科研智能開(kāi)發(fā)工具鏈正逐步成為推動(dòng)該領(lǐng)域發(fā)展的核心引擎。AI框架—構(gòu)建核心架構(gòu)，支撐高效算法實(shí)現(xiàn)AI建、測(cè)試和優(yōu)化AI算法和應(yīng)用，當(dāng)前主流的AI框架主要有PaddlePaddleMindSpore（I4&I一是支持科研智能算子庫(kù)，通過(guò)提供標(biāo)準(zhǔn)化接口和高度優(yōu)化共性數(shù)學(xué)運(yùn)算單元，如高階微分、傅里葉變換、分?jǐn)?shù)階微分、積分、線性代數(shù)、復(fù)數(shù)運(yùn)算等科研智能專用算子，降低科研計(jì)算程序的復(fù)雜度。二是提供科研智能計(jì)算庫(kù)，通過(guò)實(shí)現(xiàn)跨領(lǐng)域共性基礎(chǔ)計(jì)算庫(kù)，如微分方程求解計(jì)算庫(kù)、幾何形狀定義計(jì)算庫(kù)、方程PINN三是面向科研智能的作業(yè)調(diào)度優(yōu)化，通過(guò)高階自動(dòng)微分變換和編譯優(yōu)化技術(shù)，實(shí)現(xiàn)異構(gòu)混當(dāng)前AI框架。JAX框架具備自動(dòng)矢量化和即時(shí)編譯等先進(jìn)特性，計(jì)算性能出色，適用于科學(xué)計(jì)算和機(jī)器學(xué)習(xí)任務(wù)，且支持高階自動(dòng)微分，有利于科研智能領(lǐng)域PaddlePaddleMindSporeAI缺JAXAIGPUNPU等不同類AI二是支持跨領(lǐng)域算法和應(yīng)用。框架應(yīng)支持特定領(lǐng)域（如地球科學(xué)、材料科學(xué)等）的算法庫(kù)和開(kāi)發(fā)工具，為各領(lǐng)域科研人員提供通用的開(kāi)發(fā)和應(yīng)用環(huán)境，提供靈活的接口和擴(kuò)展能力，支持跨學(xué)科的協(xié)同研究及應(yīng)用。三是豐富生態(tài)系統(tǒng)建設(shè)。擴(kuò)展生態(tài)系統(tǒng)，提供第三方庫(kù)和工具，以及融合已有科學(xué)計(jì)算領(lǐng)域的算法庫(kù)和工具，滿足更廣泛的科研需求。建設(shè)活躍的社區(qū)，促進(jìn)科算法庫(kù)—匯聚智慧結(jié)晶，賦能科研創(chuàng)新突破AI框架人員能夠更加高效地解決復(fù)雜科學(xué)計(jì)算問(wèn)題，推動(dòng)科研成果的產(chǎn)出。研工作的深入開(kāi)展。研智能底層算法的實(shí)現(xiàn)。如DeepXDE充分利用數(shù)據(jù)和物理知識(shí)雙驅(qū)動(dòng)，解決傳統(tǒng)方法難以求解的復(fù)雜問(wèn)題，支持物理信息神經(jīng)網(wǎng)絡(luò)量子力學(xué)、空氣動(dòng)力學(xué)等特定領(lǐng)域的研究，解決該領(lǐng)域計(jì)算求解問(wèn)題。如DeePMD支持DeepPotential(DP)體勢(shì)能表示和分子動(dòng)力學(xué)模擬。表2國(guó)內(nèi)外典型科研智能算法庫(kù)（中國(guó)信通院根據(jù)公開(kāi)資料收集整理）算法庫(kù)介紹開(kāi)發(fā)者DeePMD-kit基于深度學(xué)習(xí)的原子尺度模擬算法庫(kù)。適深勢(shì)科技用于大規(guī)模原子及分子動(dòng)力學(xué)模擬。DeePKS-kitDFT泛函進(jìn)DeePHF、DeePKS方法。北京科學(xué)智能研究院NeuralUQ神經(jīng)微分方程和運(yùn)算符不確定性量化的PINN斯PINN等)，不確定性DeepONet等布朗大學(xué)、華中科技大學(xué)DeepXDEPINN、DeepONetPI-DeepONet等。布朗大學(xué)NeuralPDE基于物理信息神經(jīng)網(wǎng)絡(luò)(PINNs)的偏微分方程求解的算法庫(kù)。麻省理工學(xué)院、都靈大學(xué)、渥太華大學(xué)、卡耐基梅隆大學(xué)等SCiANN使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行科學(xué)計(jì)算和物理PINN科學(xué)計(jì)算以及偏微分方程(PDE)的求解和發(fā)現(xiàn)。麻省理工學(xué)院我國(guó)在科研智能算法庫(kù)領(lǐng)域也面臨著原創(chuàng)不足等挑戰(zhàn)。我國(guó)在（PINN）DeePMDNeuralUQ心競(jìng)爭(zhēng)力。開(kāi)發(fā)套件—簡(jiǎn)化科研流程，推動(dòng)智能化進(jìn)程AI端到端工具集。開(kāi)發(fā)套件提供標(biāo)準(zhǔn)化接口和用戶界面，覆蓋模型開(kāi)發(fā)全流程，能夠快速用于解決科研問(wèn)題。相較于科研智能算法庫(kù)，開(kāi)發(fā)套件的產(chǎn)品化程度更高。一方面，開(kāi)發(fā)套件通過(guò)全流程整合有效提升了科研效率?？蒲腥藛T無(wú)需在多個(gè)工具間切換，使用開(kāi)發(fā)套件可一站式完成數(shù)據(jù)處理、模型開(kāi)發(fā)、評(píng)估及部署等工作，縮短研發(fā)周期，加速成果產(chǎn)出。另一方面，開(kāi)發(fā)套件降低了科研人員對(duì)計(jì)算機(jī)專業(yè)知識(shí)的依賴。開(kāi)發(fā)套件提供操作界面及案例資源，降低了非計(jì)算機(jī)背景科研人員的使用門檻?？蒲腥藛T可以更加聚焦科研問(wèn)題本身，無(wú)需花費(fèi)大量時(shí)間精力在人工智能模型調(diào)參等技術(shù)環(huán)節(jié)。國(guó)內(nèi)外已形成一系列成熟的科研開(kāi)發(fā)套件。國(guó)外方面，形成了PyTorch礎(chǔ)，貢獻(xiàn)了針對(duì)特定科學(xué)領(lǐng)域的開(kāi)源套件，如英偉達(dá)推出用于流體仿真的Modulus和用于氣象預(yù)測(cè)且已被廣泛應(yīng)用。國(guó)內(nèi)方面，形成了相對(duì)自給自足的生態(tài)系統(tǒng)。國(guó)AIAI框流體仿真、地球科學(xué)、電磁仿真、化學(xué)仿真等領(lǐng)域。表3我國(guó)代表性科學(xué)套件（中國(guó)信通院根據(jù)公開(kāi)資料收集整理）領(lǐng)域套件名稱公司功能描述地球科學(xué)、材料科學(xué)、流體仿真PaddleScience百度基于飛槳深度學(xué)習(xí)框架的科學(xué)計(jì)AI學(xué)等領(lǐng)域的仿真與優(yōu)化。地球科學(xué)MindEarth華為支持短臨、中期、長(zhǎng)期天氣以及海洋領(lǐng)域的各類預(yù)報(bào)。流體仿真MindFlow華為支持航空航天、船舶制造以及能源電力等行業(yè)領(lǐng)域的AI流場(chǎng)模擬。電磁仿真MindElec華為支持?jǐn)?shù)據(jù)建構(gòu)及轉(zhuǎn)換、仿真計(jì)算、結(jié)果可視化以及端到端的AI電磁仿真。量子計(jì)算PaddleQuantum百度算研究與應(yīng)用開(kāi)發(fā)。MindQuantum華為生物計(jì)算MindSPONGE華為計(jì)過(guò)程。PaddleHelix百度化學(xué)MindChemistry華為支持多體系（有機(jī)/無(wú)機(jī)/化學(xué)（微觀分子生成/預(yù)測(cè)、宏觀反應(yīng)優(yōu)化）的化學(xué)仿真。開(kāi)發(fā)套件存在易用性低、功能覆蓋不全等問(wèn)題。一是使用門檻仍舊較高，用戶需要具備較強(qiáng)的領(lǐng)域知識(shí)和編程能力，進(jìn)而限制了套件的廣泛使用。二是功能覆蓋不全面。一方面覆蓋場(chǎng)景有限，開(kāi)發(fā)套件處于發(fā)展初期，往往針對(duì)具體科學(xué)問(wèn)題設(shè)計(jì)，支持的場(chǎng)景較為有限。另一方面覆蓋環(huán)節(jié)不足，存在功能欠缺。如針對(duì)高溫合金材料研發(fā)的套件，僅提供合金成分設(shè)計(jì)與性能預(yù)測(cè)環(huán)節(jié)，缺少特定在實(shí)際工程項(xiàng)目的使用。三是標(biāo)準(zhǔn)化程度低，開(kāi)發(fā)套件存在易用性低、功能覆蓋不全等問(wèn)題。一是使用門檻仍舊較高，用戶需要具備較強(qiáng)的領(lǐng)域知識(shí)和編程能力，進(jìn)而限制了套件的廣泛使用。二是功能覆蓋不全面。一方面覆蓋場(chǎng)景有限，開(kāi)發(fā)套件處于發(fā)展初期，往往針對(duì)具體科學(xué)問(wèn)題設(shè)計(jì)，支持的場(chǎng)景較為有限。另一方面覆蓋環(huán)節(jié)不足，存在功能欠缺。如針對(duì)高溫合金材料研發(fā)的套件，僅提供合金成分設(shè)計(jì)與性能預(yù)測(cè)環(huán)節(jié)，缺少特定在實(shí)際工程項(xiàng)目的使用。三是標(biāo)準(zhǔn)化程度低，開(kāi)發(fā)套件之間缺乏統(tǒng)一的接口和數(shù)據(jù)格式標(biāo)準(zhǔn)，增加了用戶遷移和比較的成本，不利于一的接口和數(shù)據(jù)格式標(biāo)準(zhǔn)，增加了用戶遷移和比較的成本，不利于科研工作的連續(xù)性和數(shù)據(jù)共享。領(lǐng)域模型—AI融合知識(shí)，加速應(yīng)用實(shí)踐落地領(lǐng)域的模型主要分為兩大類，一類是領(lǐng)域?qū)Ｓ媚Ｐ?，針?duì)特定科學(xué)問(wèn)題設(shè)計(jì)和優(yōu)化；另一類是基于大語(yǔ)言模型（LLM）的科研模型，利用自然語(yǔ)言處理能力輔助科研工作、完善自動(dòng)化流程。產(chǎn)學(xué)界已經(jīng)研發(fā)出面向多個(gè)領(lǐng)域解決特定問(wèn)題的專用模型。材AI技術(shù)結(jié)合高通量計(jì)算，打破尺度和計(jì)算模擬限制，加速材料篩選，促進(jìn)靶向設(shè)計(jì)新材料，完成材料和器件的全鏈條優(yōu)化，為新能源、環(huán)境保護(hù)、信息技術(shù)等產(chǎn)業(yè)提供了強(qiáng)大的材料基礎(chǔ)。通過(guò)AI技術(shù)對(duì)大量氣象觀測(cè)和模擬數(shù)據(jù)進(jìn)行分暴雨等極端天氣事件的預(yù)測(cè)能力，輔助氣候變化研究。流體仿真領(lǐng)域，AI液體混合等復(fù)雜流體進(jìn)行流動(dòng)模擬優(yōu)化、實(shí)時(shí)仿真，廣泛應(yīng)用于航大語(yǔ)言模型為科研領(lǐng)域帶來(lái)新的輔助手段。大語(yǔ)言模型與科研相融合正在成為新方向，目前大語(yǔ)言模型主要應(yīng)用于科研助手和流程自動(dòng)化?？蒲兄址矫?，大語(yǔ)言模型結(jié)合領(lǐng)域知識(shí)，不僅可以提流程自動(dòng)化方面，模型可以幫助提高實(shí)驗(yàn)效率、減少人為誤差，實(shí)現(xiàn)更精準(zhǔn)、可重復(fù)的實(shí)驗(yàn)管理。典型場(chǎng)景包括輔助決策和實(shí)驗(yàn)設(shè)計(jì)、任務(wù)調(diào)度智能加大語(yǔ)言模型與領(lǐng)域?qū)I(yè)模型的深度融合正推動(dòng)科研領(lǐng)域?qū)崿F(xiàn)重大突破。大型語(yǔ)言模型擅長(zhǎng)發(fā)現(xiàn)并整理科學(xué)領(lǐng)域的難點(diǎn)問(wèn)題，領(lǐng)域?qū)I(yè)模型則負(fù)責(zé)完成復(fù)雜的計(jì)算任務(wù)，兩者結(jié)合可有效提升人機(jī)交互能力，加速科學(xué)研究的進(jìn)程，有望在特定領(lǐng)域取得突破性進(jìn)展。AI系統(tǒng)Coscientist了阿司匹林、對(duì)乙酰氨基酚和布洛芬等常見(jiàn)藥物分子。同時(shí)，Coscientist在不到四分鐘內(nèi)成功設(shè)計(jì)鈀催化交叉偶聯(lián)反應(yīng)的實(shí)驗(yàn)方案，并成功復(fù)現(xiàn)了這一重要的復(fù)雜化學(xué)反應(yīng)，該研究曾獲諾貝爾化學(xué)獎(jiǎng)。三、科研智能應(yīng)用發(fā)展情況AI升產(chǎn)品研發(fā)效率為產(chǎn)業(yè)升級(jí)與變革提供強(qiáng)有力的技術(shù)支撐。（一）基礎(chǔ)科學(xué)研究—開(kāi)展前沿探索，推動(dòng)科學(xué)邊界拓展科研智能在基礎(chǔ)科學(xué)領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景。目前，國(guó)內(nèi)AIScience突破。AIAI輔助科AI獻(xiàn)，提取關(guān)鍵信息，識(shí)別研究趨勢(shì)。例如，北京國(guó)際科技創(chuàng)新中心AIAIDeepMind65%AIAI和預(yù)測(cè)能力有助于科研人員發(fā)現(xiàn)新的科學(xué)規(guī)律，提出創(chuàng)新性的理論。如物理學(xué)家利用神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)了質(zhì)子中隱性內(nèi)含粲夸克的存在證據(jù)，這一發(fā)現(xiàn)可能會(huì)引發(fā)量子色動(dòng)力學(xué)理論的重大更新。四是AI優(yōu)化和DeepMind發(fā)布的AlphaFold3準(zhǔn)確率比現(xiàn)有方法高準(zhǔn)確率比現(xiàn)有方法高50%，成為首個(gè)在生物分子結(jié)構(gòu)預(yù)測(cè)方面超越基于物理工具方法的AI系統(tǒng)。表42019年至2023年Science雜志評(píng)選的十大科學(xué)突破20232022202120202019GLP-1有望戰(zhàn)勝肥胖詹姆斯韋伯太空望遠(yuǎn)鏡人工智能預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)新冠疫苗點(diǎn)亮希望之光人類歷史上首張黑洞照片問(wèn)世抗體療法在減緩阿爾茨海默病方面取得進(jìn)展發(fā)現(xiàn)可能導(dǎo)致多發(fā)性硬化的病毒抗新冠強(qiáng)效藥出現(xiàn)CRISPR首次與丹尼索瓦人“面對(duì)面”尋找天然氫源的熱潮黑死病如何改變歐洲人基因的新見(jiàn)解應(yīng)激障礙“精英控制員”控制艾滋病病毒谷歌宣布實(shí)現(xiàn)“量子霸權(quán)”在全球機(jī)構(gòu)中系統(tǒng)性改變職業(yè)早期科學(xué)家的待遇驚人的巨型細(xì)菌單克隆抗體治療傳染性疾病AI首次精準(zhǔn)預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)腸道微生物對(duì)抗?fàn)I養(yǎng)不良接近美洲遠(yuǎn)古人類定居的歷史真相200萬(wàn)年前環(huán)境DNA重現(xiàn)古老生態(tài)系統(tǒng)CRISPR首次獲得臨床勝利科學(xué)家反對(duì)種族歧視，支持多樣性小行星撞擊地球及其帶來(lái)的影響地球的碳泵正在減速運(yùn)行更易于耕種的多年生稻體外胚胎培養(yǎng)為早期發(fā)育研究打開(kāi)新窗戶全球變暖趨勢(shì)加劇最遙遠(yuǎn)天體的特寫巨型黑洞合并人類首次行星防御實(shí)驗(yàn)成功首次在土壤DNA發(fā)現(xiàn)快速射電暴來(lái)源缺失環(huán)節(jié)”的微生物？AI輔助天氣預(yù)報(bào)的發(fā)展RSV疫苗取得突破進(jìn)展“洞察”號(hào)首次揭示火星內(nèi)部結(jié)構(gòu)世界最古老狩獵場(chǎng)景面世第一次，有藥物可以治療大多數(shù)囊性纖維化病例抗擊瘧疾的新希望創(chuàng)造性人工智能的快速發(fā)展粒子物理學(xué)的標(biāo)準(zhǔn)模型出現(xiàn)了“裂縫”首個(gè)室溫超導(dǎo)體面世埃博拉患者終于有了希望百億億次超級(jí)計(jì)算時(shí)代的來(lái)美國(guó)通過(guò)具有里程碑意義的核聚變實(shí)現(xiàn)歷史性突破鳥(niǎo)類具有驚人的智力AI戰(zhàn)勝多人撲克臨氣候法（二）產(chǎn)業(yè)研發(fā)創(chuàng)新—構(gòu)建核心驅(qū)動(dòng)力，加速產(chǎn)業(yè)升級(jí)變革科研智能在多個(gè)產(chǎn)業(yè)領(lǐng)域中取得了顯著成效。新藥研發(fā)領(lǐng)域，AIAI減少了人工對(duì)小分子化合物的篩選計(jì)算量，加快了藥物分子的篩選過(guò)程，突破了醫(yī)藥研發(fā)“雙十定律”的瓶頸，使先導(dǎo)藥的研發(fā)周期從數(shù)年縮短70%提升實(shí)驗(yàn)效率。如深勢(shì)科技在電解液材料研發(fā)領(lǐng)域，通過(guò)正向設(shè)計(jì)與篩選優(yōu)化的方法，有效提升金羽新能開(kāi)發(fā)高能量密度電池電解液146上海飛機(jī)設(shè)計(jì)研究院基于昇騰AI開(kāi)發(fā)了業(yè)界首個(gè)三維超臨界機(jī)翼AIAI10倍AI“AIAI提升設(shè)計(jì)效率以上，設(shè)計(jì)成本降低至原來(lái)的一半，實(shí)現(xiàn)需求到制造的一站式交付服務(wù)。AI如中冶京誠(chéng)推出“鋼智通”專家系統(tǒng)通過(guò)大語(yǔ)言模型提煉智能決策進(jìn)行生產(chǎn)流程0.1%10%。四、科研智能生態(tài)建設(shè)情況隨著人工智能與科學(xué)研究、產(chǎn)業(yè)研發(fā)的深度融合，產(chǎn)業(yè)界與學(xué)（一）產(chǎn)業(yè)組織（II工作組（二）社區(qū)建設(shè)AIMindFlowSIG社區(qū)專注于昇思MindFlowAI計(jì)算流MindEarthSIGMindEarth，為廣大用戶AIMindElecSIGMindSporeAIMindSPONGESIGMindSporeAIDeepModelingAIAI科學(xué)智算群智協(xié)作社區(qū)，整合多方資源，建數(shù)據(jù)庫(kù)與課程，促開(kāi)放協(xié)作，為（三）科研賽事AI4SAI4SAI4S50AI4SCup系列比賽。華為舉辦“開(kāi)源之夏”賽事聚焦科研智能，推出基于圖像深A(yù)I育科研智能創(chuàng)新人才。中山大學(xué)牽頭舉辦了首屆“大灣區(qū)杯”粵港澳AI4S整體協(xié)同，針對(duì)人工智能科學(xué)計(jì)算問(wèn)題設(shè)置3個(gè)賽道與24個(gè)賽題，賽題涉及AI4S500競(jìng)賽，覆蓋氣象、醫(yī)療等20余類行業(yè)。（四）會(huì)議交流AI4SAI4S“科學(xué)智算CCF京航空航天大學(xué)專家就多智能體科學(xué)智算模式進(jìn)行學(xué)術(shù)報(bào)告，介紹了群體智能研究近期研究成果。首屆“人工智能科學(xué)計(jì)算學(xué)術(shù)研討會(huì)”上產(chǎn)學(xué)研各界對(duì)于人工智能推動(dòng)科學(xué)計(jì)算劇變式創(chuàng)新的高度關(guān)注，通過(guò)匯聚全球人工智能科學(xué)計(jì)算領(lǐng)域的專家和先行者，打造科算機(jī)大會(huì)CNCC2023（五）教學(xué)培訓(xùn)深勢(shì)科技支持舉辦AI4S系列主題的哥倫布訓(xùn)練營(yíng)活動(dòng)，提供202000AI4S教學(xué)資AI學(xué)習(xí)者提供高質(zhì)量的學(xué)習(xí)資源。（六）標(biāo)準(zhǔn)布局中國(guó)信通院聯(lián)合之江實(shí)驗(yàn)室等多家企事業(yè)單