AI赋能科研有何意义？北工大苗扬：借助AI为科研降本增效，实现“换道超车”

AI落地深水区：空间站空气监测设备如何实现“减重增效”？

当AI从实验室走向工程应用，它在科研领域究竟能发挥多大价值？北京工业大学苗扬团队用一组实打实的数据给出了答案——通过AI算法优化，他们把空间站空气监测设备的体积缩小了40%，分离效率提升3倍，同时精度不降反升。这听起来像科幻，但背后是AI对传统研发范式的彻底重构。

更直观的意义在于：设备更小，意味着空间站能携带更多载荷——可以是更多航天员、更多补给、更多科研仪器。苗扬直言：“在航天总预算不变的情况下，研发上多花一分，航天员身上的投入就少一分。AI的意义，就是把钱花在刀刃上。”

北京工业大学副教授、扶摇实验室负责人苗扬回答记者提问。罗亦丹/摄

先说说这个项目为什么重要。空间站长期在轨运行，人体代谢、设备老化、食品释气都会产生微量有害气体，舱内空气质量直接关系航天员生命安全。核心检测部件是色谱柱，它决定了混合气体能否被有效分离。传统色谱柱体积庞大，像早年的电脑主机，“把它变小同时保持性能不降”，苗扬形容这是“巨大挑战”。

在传统研发模式下，攻坚异常艰难。从最初借鉴国外技术，到后来完全自力更生，每一步都需要反复试错，而试错就意味着成本。在航天总预算这个硬约束下，研发投入多了，其他环节就得压缩。

AI的介入彻底改变了游戏规则。具体怎么做的？苗扬团队把色谱柱构型优化抽象成数学优化问题，针对形状、排列、密度等变量，用AI进行演化搜索。过去人工凭经验试几个方案，现在AI可以围绕目标持续生成并评估成千上万个候选方案。最终，新方案在保持低压降的同时，归一化误差降低8.17%，体积缩小40%，分离效率提升3倍。气体分子的运动路径更统一，流场均匀性显著提升——这才是关键所在。

值得注意的是，科研人员用AI的方式和普通人用大语言模型完全不一样。苗扬团队使用的AI工具是百度推出的“伐谋”智能体，主要用于企业和高校场景。团队陈科宇同学介绍了具体流程：先上传项目文件夹，包含两大核心模块——一个是由人工手动标注代码并搭配专属注释的优化算法模块，另一个是由团队自主搭建的评估器模块，选取响应速度、模型准确率等单项数据，通过加权运算生成综合评分标准。

这种模式跳出了传统科研的“局部最优”陷阱。传统做法是：如果更换技术路线后综合评分下降，研发人员通常会直接放弃，最终聚焦在看似成功率最高的单一方向上。而伐谋通过多条路线并行自动化迭代，让研究有机会找到全局最优解。这种选优方式的变革，让小型化、高精度的空间站空气监测设备离工程落地更近了一步。

科研门槛持续降低，AI工具重塑研究范式

AI对科研的改变远不止一个项目的成功。苗扬回忆，他父亲读研究生时没有电脑，做科研只能去图书馆翻文献，“想搞定一个课题大概要半年到一年，需要阅读大量文献、积累大量笔记。”到了苗扬自己上学时，可以用计算机阅读论文做笔记，3到4天就能看完并总结一篇论文。而现在，通过AI，效率又跃升了一个台阶——真正的挑战变成了如何把海量信息凝练成自己的知识。

更关键的是，学习AI的门槛在快速下降。苗扬团队里很多用AI的同学甚至不是计算机专业出身。苗扬回忆自己最早接触人工智能时，用Matlab跑基础算法，“疯狂啃书，求助师兄师姐，但师兄师姐也不懂，又联系研究生会，向计算机学院的师姐请教，那个年代学习AI的门槛非常高。”而现在，团队的同学能很快上手操作AI工具，跑出想要的结果，时间、精力、难度都大幅降低。

从这点来看，整个研究范式确实发生了深刻变化。面对全球科研竞争，需要的不是弯道超车，而是“换道超车”——借助AI这类新工具，换一条赛道去突破。这才是科技自立自强、构建现代化产业体系的应有之义。