2024年，诺贝尔化学奖授予了谷歌DeepMind的两位科学家，以表彰他们开发的AlphaFold系统。该系统成功预测了近两亿种蛋白质的三维结构，其体量相当于全球科学家五十多年实验积累的一千倍。看清蛋白质形状是理解疾病和设计药物的基础，全球约三分之一的上市药物靶向致病蛋白。以2020年新冠疫苗为例，其能在获得病毒基因序列后48小时内完成候选分子设计，很大程度上归功于科学家此前已看清了冠状病毒刺突蛋白的三维结构。AlphaFold的出现大幅提升了蛋白质结构解析的效率，也让AI辅助科研成为全球焦点。之所以能做到这一点，是因为蛋白质领域拥有五十多年标准化的数据积累、成熟统一的检测手段和全球共享的数据库，这种天然优势非常适合AI建模。然而，在许多科研领域，数据条件远未如此理想。AI能否在数据匮乏或杂乱的领域发挥作用，正成为科学界和产业界共同关注的课题。2025年8月，国务院发布的《深入实施“人工智能+”行动的意见》明确提出“加快探索人工智能驱动的新型科研范式”。同年7月18日，在2026世界人工智能大会（WAIC）期间，智源研究院、中国科学院、深圳河套学院、清华大学四家机构在“AI for Science: Beyond the Concept”圆桌论坛上集中展示了阶段性成果。
四家机构的探索方向各异，但AI辅助科研的具体应用已十分明确：解读杂乱实验数据、操作精密仪器、管理实验流程。过去，科研人员大量时间耗费在重复性事务上，如今AI正在压缩这些时间，让科学家将精力集中在提出假设、设计实验和解读结果上。
2025年7月，中国科学院上海硅酸盐研究所团队利用磐石·科学基础大模型2.0（ScienceOne Omni），从两千万种候选配方中锁定了一种新型合金催化剂，其活性比市面商用催化剂高出38%，而一次干实验筛选过程仅需30分钟。这种催化剂用于析氢反应，是绿色氢能产业链的关键材料。催化剂性能直接决定化学反应的能量需求和速度，但寻找合适催化剂一直是材料科学中最耗时的环节。传统方法需反复试错，一轮筛选往往需要数月。磐石的核心能力在于统一数据格式。分子结构是三维坐标，光谱是一维波形，蛋白质是氨基酸序列，科学图像是像素矩阵。磐石将这些异构数据统一编码，利用全球1.7亿篇科技文献和中科院科学语料库进行训练，建立跨学科关联。训练数据包含800万条科学推理样本，并集成了8000余个专业科研工具。中科院自动化所研究员徐楠表示，磐石旨在“让模型像科学家一样思考”。
除催化剂外，磐石还应用于力学工程（高铁气动仿真分析从数小时压缩至秒级）、天文（恒星参数智能反演工具链）和文献综述（从数周缩短至20分钟）。目前，磐石已落地50余家机构，算力基于华为智算实验室解决方案。磐石覆盖的学科数据虽有格式差异，但拥有成熟文献和公式，建模有据可依。而神经科学等领域数据来源设备不同、格式维度各异，甚至解读矛盾，建模难度大。但AI在此领域也开始产出成果。
2026年6月，北京智源人工智能研究院与清华大学团队在《科学》期刊发表论文，首次证实记忆可反向调控睡眠，为抑郁症等睡眠障碍提供干预思路。支撑该研究数据分析的，是智源自研的多模态神经科学大模型悟界·Brainμ。智源研究员雷博指出，蛋白质结构预测适合AI是因为数据标准成熟，而神经科学至今缺乏这种基础。脑电、钙成像、神经探针等数据来自不同设备、物种和范式，维度各异，甚至解读矛盾。Brainμ采取不同路径：利用已训练的多模态模型作为参照系，将神经科学各模态的稀疏数据对齐，构建比单一模态更完整的大脑表征。模型可跨模态转换，如用廉价脑电数据输出昂贵fMRI图像，助力基层诊断。BrainToken平台整合了人、猴、小鼠三物种数据。与北京生命科学研究所合作中，Brainμ对5000多晚小鼠睡眠数据完成自动化标注，与专家判断保持高度一致。
雷博将科学智能比作大语言模型的发展阶段：模型能力约在GPT-1阶段，产业关注度已达GPT-3，科学家反馈接近ChatGPT初期。逻辑不同于大模型“能力先成熟、应用再跟上”，科学智能是“应用先跑起来，拽着模型往前走”。
AI不仅分析数据，还能管理实验室。深圳河套学院副院长欧阳万里介绍，材料研究需用多种仪器（如扫描电子显微镜）获取成分、结构和形貌信息，操作依赖人工，软件封闭。深圳河套学院联合苏州国家实验室推出的灵鉴多智能体无人表征平台，选择模拟人类专家操作：观察屏幕、点击按钮、调整参数。在扫描电子显微镜测试中，灵鉴接管后自动调整电压和倍率，最终停在最佳参数上，完成图像捕获和粒径分析。目前灵鉴覆盖6类精密仪器，micro-CT独立完成率从33%提升至80%，晶体结构解析工作量减少50.6%，微观形貌分析耗时缩短。同一套规则适用于能源、纳米、金属材料样本。王智慧指出，合成侧自动化已有进展，但表征侧无人化仍是空白，灵鉴填补了这一环节。
清华大学俞立教授介绍了“黑灯实验室”构想。2025年12月，清华成立生命科学人工智能研究中心。黑灯实验室借鉴制造业“黑灯工厂”，让大模型集成进仪器，数据采集与分析同步进行，结果回传模型，形成无人干预循环。俞立团队两年前引入大模型辅助实验，通过人机对话排查问题；去年部署智能体管理全链条。结果显示，团队扩大20人情况下，实验成本反而降低25%。俞立已在杭州建设配套机构，聚集多学科人才。他设想，随着AI深度介入，新药研发时间有望从10年压缩至3个月，成本从10亿美元降至300万美元。
这些成果的落地离不开算力支撑，且需自主创新。华为智算实验室和智慧科研解决方案，解决算力调度、数据管理及全流程打通，服务全国20多个重点实验室。在嘉庚创新实验室，物质科学智能算力平台将材料模拟效率提升20%。从算力供给到全流程数字化，软硬自研生态正为科学智能提供支撑。AlphaFold证明了在数据条件结构化领域AI能获诺奖级成果，而这四家机构的工作虽不那么耀眼却更为重要——它们致力于在数据条件较差的领域让AI发挥作用，让科学家从重复劳动中解放，专注于人类独有的思考。