近年来，人工智能在生命科学、数学、生物、材料科学等领域发挥着越来越重要的作用。人工智能驱动科学研究快速发展，这一趋势已成为科学界的共识。

科学研究离不开相互影响的三个要素：研究者、研究工具和研究对象。从研究者角度看，人工智能可以帮助科学家突破认知局限，提出更好的问题，找到更有价值的研究方向；从研究工具层面看，人工智能不仅优化既有工具效率，更能自主构建新工具或实现创新性组合；在研究对象上，人工智能让研究者能够更全面地审视研究对象，发现被忽视的潜在关联……这些都是人工智能在科学研究方面应该着力解决并且可能带来巨大回报的发展方向。

从人工智能自身发展看，在大模型出现前，人工智能发展主要沿着专业深度方向推进，深蓝、阿尔法围棋都是典型代表；大模型出现后，人工智能在泛化能力上取得重大突破，但专业深度又面临不足。因此，实现“通专融合”是通用人工智能发展的重要路径，而这种“通专融合”的能力，也恰是取得科学发现的前提。

当前，人工智能已可以帮助研究者理解文献、增强计算能力、丰富研究对象，但人工智能在科研方面的价值远不止于此。具体看，人工智能可以帮助研究者更好地产生跨领域的想法，帮助判断哪些科研假设更具价值；在人工智能的支撑下，研究者还可以更全面、更交叉地审视研究对象、提升认知水平，进而提出更优质的科学问题等，形成良性迭代循环。这些都是人工智能驱动的科学研究的机遇所在——不只在于单点突破，而是要通过“通专融合”，推动整个科研范式的系统性变革。

人工智能在科技创新中发挥关键作用，未来还将成为跨学科、跨领域突破的重要引擎。加快探索人工智能驱动的新型科研范式、加快建设应用科学大模型，将进一步强化人工智能的牵引带动作用，推动科学技术取得更多“高点”上的突破。

摘自 科学网  2025-9-7（周伯文）