AI赋能科研：效率跃升与原始创新之困，21世纪能否孕育科学巨匠？

在2026科学智能大会上，来自农业、生命科学、人工智能、地球科学等领域的专家围绕人工智能对科研的影响展开深入探讨。当前，人工智能驱动的科学研究（AI for Science）已成为全球科技竞争的关键领域，不同观点对其发展前景存在显著分歧：部分学者认为21世纪将涌现大量由AI催生的重大科学突破，另一些学者则坚持AI仅能作为辅助工具，无法实现真正的原始创新。

中国地质科学院副研究员宋洋团队与国际机构合作完成的全球地质图整合项目，生动展现了AI对科研效率的革命性提升。传统地质图编绘需协调各国标准差异，数据对齐工作往往耗时数月。借助AI的语义分析和矢量化处理技术，相同任务现在仅需数十分钟即可完成。该团队目前正推进百万比例尺地质图更新工程，数据量呈指数级增长，宋洋坦言："若没有AI技术支撑，这样的目标根本无法想象。"

在生命科学领域，AI的应用同样带来突破性进展。北京大学现代农业研究院邓兴旺团队通过升级计算中心，仅用半年就完成六倍体小麦完整基因组图谱绘制，这项被称为"植物界珠穆朗玛峰"的工程，传统方法可能需要数年时间。华大集团开发的基因组大模型通过降低样本需求量，使罕见病研究获得关键突破，相关技术已在上海新华医院等机构投入应用。

科研范式的转变在多个领域持续深化。宁波东方理工大学陈云天团队开发的AI设计平台，通过分析牛津大学提供的海浪运动视频，成功推导出全新物理方程，这项让合作方惊叹"研究30年未发现"的成果，印证了AI在规律发现方面的独特价值。该平台在汽车设计领域的应用更直接产生经济效益，帮助企业节省数百万元研发成本。

育种领域正经历从"经验筛选"到"智能设计"的跨越。中国科学院院士种康以电脑组装为例，阐释AI驱动的模块化育种理念：通过精准组合控制产量、抗病性、耐寒性等性状的基因模块，未来有望培育出兼具多重优良特性的"完美水稻"。他预测，这种精准育种模式将在十年内取得重大突破。

尽管成效显著，AI在科研创新中的局限性也逐渐显现。多位专家指出，当前AI系统擅长数据处理和规律总结，但在提出原创性科学问题方面仍存在明显短板。华大集团徐讯将AI能力划分为五个等级，认为目前技术仅达到L3阶段——能够验证人类提出的假设，但尚不具备自主提问能力。清华大学汤秋鸿教授通过水文模型研究证实，AI在前沿问题探索和物理规律理解方面，仍无法达到专业科研人员水平。

科研教育领域开始出现值得警惕的现象。宋洋观察到，部分学生过度依赖AI模型解决问题，这种趋势可能阻碍专业人才的培养。北京中关村学院秦涛教授则从产业视角指出，AI正在打破传统科研-教育-产业的线性链条，推动科学研究直接面向产业需求，这种转变对科研人员的综合能力提出更高要求。

全球主要经济体纷纷加大AI4S布局力度。中国将"人工智能+"科学技术列为重点行动，美国启动"创世纪计划"整合科研基础设施，欧盟则通过专项战略推动AI在科学领域的应用。中国工程院院士李国杰预测，未来五年药物研发、材料科学等领域将率先取得突破，但到2030年，AI主导发现的新药比例仍可能有限，完全自主的科学理论创新仍需时日。