鄂维南解读科研“工业革命”大势，“机器科学家”将成未来科创中心标配
科学研究正迈向“工业革命”，中国科学院院士鄂维南指出，科学智能的关键是科研范式整体转换。他建议上海“双管齐下”，建设超级实验室并构建科研特区，同步推动科研生产力与生产关系变革，以加速科学发现与产业升级。
终于，科学研究站到了“工业革命”的入口——未来的科研，将不再单纯依赖经验与试错，而是像工厂流水线一样，可设计、可迭代。这听起来有点科幻，但正在成为现实。
作为AI for Science（科学智能）概念的提出者，中国科学院院士鄂维南近日公开指出，科学智能的关键，不在于模型、算法这些单点突破，而在于谁能率先完成科研范式的整体转换。换句话说，局部优化再出色，也抵不过系统性的变革。
在出席由上海国投发起并联合上海人工智能实验室共同主办的“智研未来 AI4S”前沿论坛时，鄂维南系统梳理了我国在这个领域的“家底”，以及参与国际竞争的优势与短板。他对上海的建议尤为直接：应该“双管齐下”，同步推动科学智能“生产力”和“生产关系”的变革。既要积极打造“超级实验室”，也要构建科研特区，探索有利于持续提出、验证和迭代科学问题的新机制。
科研“工业化”并非简单“流水线”
AI for Science（简称AI4S）的核心，是利用人工智能优化乃至重塑科研方法与流程。在蛋白质结构预测等方向，算法已经取得了卓越成果，让人看到了AI介入科学发现的巨大潜力。
鄂维南的判断则更进一步：未来会有越来越多的科研活动，朝着工业化、平台化、智能化演进——就像建工厂，科研流程将被设计成一条条“流水线”。
但请注意，科研的“工业化”，并不等于把科学发现变成机械的流水线加工。根据鄂维南的阐释，AI4S固然要将那些可重复、可验证、可并行的环节，从依靠个人经验的低效试错中释放出来；但更重要的是，它将重塑科研流程和范式。比如，将文献数据、仪器设备、软件算力等资源系统组织起来，让科学计算、表征模型、自动化实验室等彼此衔接，形成“提出问题－计算预测－实验验证－数据回流”的闭环。当AI主导下的计算与实验不断相互反馈，研发进度显著加速，研发投入降低，科研人员就能探索此前不敢、不能触及的问题。
更关键的是，在鄂维南的理念中，真正碘伏性科学问题的探索、原创科研路径的选择，是仅靠科研“工业化”无法解决的，必须建立与之相适应的新机制。换句话说，AI可以提升科学研究的“生产力”，但科研如何组织、人才如何评价、学科如何交叉——这些“生产关系”决定了创新的上限。
我国应尽快提升通用基座模型能力
作为全球AI4S领域最有影响力的科学家之一，鄂维南剖析了当前全球AI4S的两大主流路径。
美国主导的路径，强调以基座模型为核心，将其接入科学工具和自动化实验室。像谷歌、OpenAI、Anthropic等巨头正在积极布局，把科学能力作为大模型的核心——特别是6月底，Anthropic刚刚发布了面向科研的Claude Science工作台，引发全球关注。在国家战略层面，美国去年底启动了“创世纪计划”，被外界视为AI时代的“曼哈顿工程”，它整合了联邦的科学数据、国家实验室以及人工智能的能力，以加速科学发现。鄂维南认为，该计划出台后，美国科学智能的步伐明显加快。
中国走的路径，被鄂维南概括为“平台化的横向基础设施+垂直整合”。也就是说，先建设全要素科研基础设施，再为这个科研领域的“安卓平台”构建各类垂直场景，包括电池、材料、药物、发动机等的研发，从而打通从理论、计算，到实验和产业验证的路径。
在这条路上，中国已有相当的积累。一方面，国内的基础层正在不断形成世界级平台和设施；在垂直领域，也涌现出不少范式变革的标志性成果。比如，一家初创的航天技术公司，基于AI智能体设计了火箭发动机，从方案到实物仅用一周。鄂维南认为，这一成功的核心，是在一个场景中打通了燃烧仿真计算、材料、3D打印等环节，充分体现了“平台+科研”的价值。
鄂维南也坦言，目前国内AI4S的发展仍有不少短板，包括科研资源未被充分整合，高端仪器需要摆脱进口依赖。更关键的是，我们必须提升通用基座模型能力，因为单靠在开源模型上“加”一层科学知识，无法弥合在科学推理、多模态理解等深层能力方面的差距。
上海应建平台、创机制同步发力
面对这场未来的科研范式变革，上海如何抢占先机？鄂维南的建议是，从“生产力”和“生产关系”两方面入手。
首先要建设一座真正意义上的“超级实验室”——一个高度自动化、智能化，并且主动打破学科界限的科研平台。鄂维南以中国科学技术大学投入百亿级经费、以“机器化学家”为核心的自动化实验室为例，认为如此量级的平台，能牵引整个AI4S体系发展，让一座城市的科研范式立即“上一个台阶”。在他看来，这类超级实验室，将成为未来全球科技创新中心的必要条件。
而在“生产关系”层面，鄂维南提议上海可以借鉴建设产业园区的思路，在科研领域也辟出“试验田”和“特区”，实现创新机制的转换。实际上，他一直呼吁AI4S打破学科与学科之间、理论与实验之间、科研与产业之间的界限。比如，可以构建“高校－新型研发机构－企业”三位一体的科研组织形态，让实验室里的洞见顺畅地流向产业；或是构建新的人才评价机制，不再唯论文、唯“帽子”，让能做出真正原创突破的人才脱颖而出。
这些建议，与论坛主办方的谋划形成呼应。上海国投公司董事长袁国华表示，他们将发挥产业投资、生态布局、资本链接、产业协同的优势，加快人工智能向科学研究的全领域渗透，以AI4S科学范式的变革，赋能产业升级。
中国与南非近日联合举办青年科学家研讨会，150余名两国青年围绕科技创新、可持续发展等议题深入交流。双方官员肯定青年科学家合作是双边关系最活跃领域，与会者分享了量子通信、气候智能作物培育、天文等合作案例，并探讨航天、清洁能源等前沿领域。
中国科学院团队自主研发多模态解析平台IMC，全球首次实现同一神经元功能、结构、分子三维度高精度同步解析。该技术整合高分辨率双光子显微镜与双色膨胀荧光原位杂交技术，已采集上百神经元完整数据，发现新兴奋性神经元亚型，为脑科学研究和脑疾病机制探索提供关键工具。
中国科学院团队自主研发基于成像的多模态解析平台，首次实现同一神经元功能、结构与分子特征同步解析，成果登《细胞》。团队产出141个神经元三模态金标准数据集，验证形态与分子共同塑造功能，数据已向全球开放。
中国科学院团队首次实现单个神经元功能、结构、分子三模态同步解析，建成全球首个分析平台。基于二次病毒注射、双光子成像和空间转录组技术，在小鼠视皮层获取141个神经元数据集，揭示功能由分子、结构与环路共同塑造，为脑功能解析和精准调控提供新工具。
中国科学家自主研发多模态解析平台IMC，首次实现同一神经元在体钙活动、全脑投射形态与3D原位基因表达的高精度整合，突破“功能-结构-分子”三模态解析难题，打通脑研究信息孤岛，推动大脑数据进入多维融合时代。
研究人员开发了一种新型锁固型微孔聚合物膜并实现连续生产。该膜在原油测试中能有效分离不同烃类组分，且在石脑油体系中通量接近商用海水淡化膜水平。这项技术为低能耗炼油提供了潜在新路径。研究团队通过卷对卷工艺制备大面积膜片并进行了组件测试。
国内团队首次为七鳃鳗绘制全脑三维空间单细胞图谱，重建脊椎动物脑祖先特征。研究发现七鳃鳗与小鼠多个脑区基因表达高度相似，揭示早期脊椎动物大脑已具复杂分区。还发现特殊“兼职”神经元及小脑雏形证据，为脑演化提供新视角。
长寿家族共享特定基因组合的研究发现，这些基因使成员不仅寿命显著延长，而且各类疾病发病年龄推迟，为揭示健康长寿的生物学机制提供了关键线索，有望推动抗衰老干预策略的研发。
杨立昆批评马斯克旗下xAI已“某种程度上失败”，指出所有联合创始人全部离职，最后一位也被踢出系统。xAI被迫将数据中心转租给竞争对手Anthropic以覆盖成本。杨立昆认为xAI无法进入最尖端AI赛道，但对SpaceX和特斯拉给予正面评价。
生物结皮由蓝藻、地衣、藓类等与土壤颗粒黏合而成，在西北夯土长城上覆盖率高达67%。研究证实其能增强墙体稳定性、减缓侵蚀，被视为理想的绿色保护材料。团队正探索人工培育和接种技术，并建立监测体系以追踪其演替动态。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
