全体大会在中关村国际创新中心举行，现场坐了2000多人，而且还有很多听众在过道听会，现场气氛非常热烈。所以，大会主席鄂维南院士开场时回忆，2018年他和汤超院士在北大主持了AI for Science的闭门会，当时根本没有想到八年后的今天AI for Science能发展到这样的程度。
“学术科协”科学智能专家委员会秘书长、科技导报社社长林润华主持会议
听完报告，我最大的感受是，虽然发言人分属应用数学、云计算、电磁物理和生物医药等不同领域，跨度极大，但他们的报告指向了同一件事：科学智能正在系统性地跨越科研中长期存在的各种边界。 学科之间的，数据形态之间的，物理世界与数字世界之间的，已知与未知之间的。这些边界原本是人的认识能力和工具能力的局限造成的，AI正在消除这些局限，科学发现的方式在发生变化。
1. 学科的边界：一个学生说“任何学科我都不害怕了”
前两场报告分别由鄂维南院士和深势科技创始人兼首席科学家张林峰进行。鄂维南院士在开场中讲AI给科研带来的根本性变化，张林峰则紧接着展示具体的实践。
北京大学数学科学学院讲席教授、中国科学院院士鄂维南作主题报告
鄂维南的切入点是科研能力本身的局限。一辈子能读的文献、能学的知识有限，理论方法还基于古老的数学工具，计算只能处理简单场景，实验依赖经验和试错。这些限制使得跨学科的自由探索门槛极高，真正了解人类知识边界的人少之又少。 他以自己所在的应用数学领域为例：“应用数学一定得了解应用，但全世界范围内应用数学真正了解应用的人非常少。”
但AI正在改变这个局面。他讲了一个让我印象很深的细节：一个参与Science Navigator平台的学生告诉他，“老师，参与这件事情以后，我最大的体会就是任何一个学科我都不害怕了，哪怕我对它一点都不了解，用这个平台搞几十分钟，我就有一个大概的印象。” 大原子模型可以充当通用的原子模拟工具，自动化实验室提供了闭环能力。在一些领域，智能体已经可以写大批量可发表的论文了。
过去横亘在学科之间的能力壁垒正在降低。鄂维南将其总结为“平台科研+垂直整合”，有了一套完整的AI赋能科研基础设施（算力、理论工具、计算工具、文献、实验平台），就像有了安卓系统，在上面开发APP的门槛就很低了。高质量科研的门槛和成本都会大大降低，让每个有想法、有能力的个人和团队都能参与科技创新。 他提出了“科研平权化”的概念，认为包括初创企业在内的更多力量将成为科研的生力军。
深势科技创始人兼首席科学家、北京科学智能研究院理事长张林峰作主题报告
张林峰接续报告，用几个具体案例说明这些边界正在怎样消失。
在化学领域，上月发布的SpecXMaster谱图工具已被超过2000个课题组使用。过去电解液配方的反向分析依赖大厂的专业团队，现在每个人都能做。在生物领域，BioMaster让生物信息学分析从少数计算专家的技能变成了所有生命科学研究者都能调用的能力。深势科技过去有一个5人团队一年服务五到十个课题组，有了BioMaster之后，已有250个高校和研究院在用。
大原子模型DPA系列发展到DPA4，在精度和效率上都实现了帕累托最优解。在固态电解质方向，把合成制备的效率和通量提升100倍后用大原子模型驱动，很快就跑出了可以走向中试的材料。大原子模型推荐的配方打破了人类经验中“某两种元素必须满足特定配比”的常识，直接实验后发现新配方效果确实更好。 一系列这样的案例正在井喷。
张林峰讲的周赛平台是我觉得全天最有画面感的故事。每周举办一次科研比赛，题目来自各学科年轻老师真正想解决的前沿问题。上周有150个选手参赛，从资深教授到高中生都有。结果第一名遥遥领先，是一个大一的学生，在一天时间里解了八个学科最前沿老师提出的真实问题。 张林峰说，做社区活动时台下一堆人听这个大一学生讲他是怎么做到的。
好的基础设施，加上好的出题方式，再加上好的评估机制。张林峰说，这就是一种新的科研组织形式的可能性。玻尔科研平台目前已有450万科研用户、近200所高校和150家企业入驻。
2. 数据的边界：“一段光谱胜过千万张图”
跨学科的工具壁垒在降低，但科学研究的“原料”，也就是数据，本身还有一道更深层的边界。之江实验室主任、阿里云创始人王坚院士的报告题目是《Science Foundation Model： Frontiers of AI and Science as Whole》，他要回答的问题是：推动AI能力边界下一次扩展的动力是什么。
之江实验室主任、阿里云创始人、中国工程院院士王坚作主题报告
王坚从一个判断切入：大语言模型本质上是大文本模型。文本被Token化之后，图像和视频与文本之间的差距没有想象中那么大。但科学数据完全不同。地震波、光谱、DNA序列，既不是文本也不是代码，甚至不是图像。当光谱变成图像的时候，已经不是光谱了，因为图像是给人看的，但现在需要的是让模型来理解。“一张图胜过千言万语，但一段光谱胜过千万张图。”
他打了一个比方：今天的科学数据就像裹了稻壳的稻子，需要非常高明的手段把壳去掉，里面的米粒才能被科学模型所用。 AlphaFold从1到2，仅仅把蛋白质做“脱壳”就花了整整六年。把所有科学领域的数据都这样处理一遍，任重道远。
王坚回顾AI发展史来佐证这个判断。2012年ImageNet的变革是数据驱动的，Alex用两块玩游戏的GPU，英伟达在这篇论文发表近一年后才开始讨论要不要把GPU和深度学习绑在一起。2017年Transformer带来了模型架构的跃迁。过去几年则是算力的规模效应。三股力量在不同时间以不同方式推动着变革，而现在数据又一次回到了中心位置，这次轮到了科学数据。
之江实验室三年多前下决心以科学数据为突破口，最终训练出了几千亿参数规模的科学基础模型021。王坚反复强调，021不是在大语言模型基础上做的垂直模型，它让语言、代码和科学数据共生在同一空间里，对Token的理解发生了根本性变化。
十几天前《自然》杂志报道了一个来自021的发现，我觉得这个案例特别能说明“科学数据脱壳”的价值。之江实验室一个研究人员用模型预测化学分子沸点时，发现结果和权威手册里记录了几十年的数据不一致。第一反应是模型搞错了，但验证之后发现手册里的数据才是有误的。 王坚说这很像库恩在《科学革命的结构》里讲的，科学革命始于发现异常，而且往往不是从新数据中发现，是从旧数据里发现了新问题。
科学基础模型之所以能做到这一点，是因为它有能力跨越不同学科的数据边界，把科学作为一个整体来理解。用021做固态电解质材料设计时，不仅可以从物理和化学获得灵感，还可以从生物科学、地球科学甚至计算机科学的并行原理中获得建议。王坚说，“科学之间的边界本来就是因为人的认识边界造成的，自然就是一个整体。” 科学基础模型让跨学科理解成为可能，就像大语言模型让不同语言之间的差别变得不重要了一样。
报告最后，王坚对“范式变革”这个词的滥用表达了直接的不满。他认为第三、第四、第五范式叫得太匆忙了，“对范式的变革不够尊敬，以为只要有一点点变化就是范式变革。” 他更愿意把数据、模型、算力三者合流看作真正意义上第三次科学范式变革的开始。他还提出了STE+MAP的概念：过去STEM中的M（数学）把科学（S）、技术（T）、工程（E）贯穿起来，现在AI（A）正在成为同样基础性的角色，而P代表公共产品（Public Goods），比历史上任何时候都重要。“说一千道一万，开放是让所有这些事情发生的基础的基础。”
3. 物理与数字的边界：用“阴阳”逻辑造一台电磁计算机
之前的报告讲的是AI如何跨越认知和数据形态的边界，接下来的报告又是另一个方向，触及物理世界。东南大学崔铁军院士的报告《AI×信息超材料》讲的是物理世界和数字世界之间的融合。标题用了乘号，因为两者之间是双向赋能加垂直融合，用加号不够。
东南大学毫米波国家重点实验室主任、中国科学院院士崔铁军作主题报告
传统超材料通过构建人工原子来控制电磁波，但设计固化之后性能不能调。2014年崔铁军团队提出了数字编码超材料，把超材料的基本属性定义为0和1两个可切换的物理状态，用半导体器件调控。他用两个中国古典概念来解释这个看起来复杂的创新，解释完之后全场一下就听懂了。阴阳和围棋。0和1就是阴和阳，“阴阳生万物，万物皆阴阳”；如同围棋只有黑白两子，但不同排列创造无穷组合。
这篇论文发表在中国期刊《Light： Science & Applications》上，现已被引用4200多次，是该刊创刊以来引用最高的文章，在光学领域50万篇论文中影响力位列前十。
信息超材料真正跨越了一道边界：0和1的编码既是控制电磁波的指令，又是信息本身。电磁物理世界和数字信息世界在同一块芯片上融合了。 崔铁军把它类比为“电磁空间的计算机”。就像第一台通用电子计算机用二进制编码加存储程序在数字空间工作，信息超材料用同样的编码逻辑在电磁空间实现可编程功能。上个月团队演示了用时空联合编码超材料同时产生110个独立的全息像，每一个谐波的空间编码都可以独立调控。
AI和信息超材料的融合体现在多个维度。上个月上线的信息超材料生成式大模型，融合了AlphaFold的序列设计能力和MetaGeneration的分子设计能力，把过去需要几小时的优化设计过程压缩到几毫秒，效率提升1000倍以上。 在数据获取上，团队构建了MetaChat系统，从海量已发表的论文中根据文字描述和图片自动提取物理模型并计算电磁数据，相当于把论文转化为可用的仿真数据库，目前成功率约60%。
反过来，信息超材料也在赋能AI。用可编程超表面构建硬件化的DNN深度学习网络，直接在电磁空间处理信号。在自动驾驶雷达的演示中，不需要把雷达回波转换为数据再做处理，时延从毫秒级降低到25纳秒，功耗也大幅低于GPU方案。这是用超越冯·诺依曼架构的方式来解决能耗和时延问题。
崔铁军还展示了信息超材料与大语言模型的联动：说一句“提高办公桌附近的信号覆盖”，语言大模型理解语义后调用编码数据库，让超表面改变电磁波束方向。虚拟世界的语义理解和物理世界的电磁调控，在一个链条上完成了。
4. 认知的边界：阿尔茨海默的线索，藏在基因组98%的暗区里
昌平实验室主任谢晓亮院士的报告《面向生物医药的AI：后AlphaFold时代》又指出了一种和人类自身关系更紧密的深层边界：我们对生命复杂性的理解本身还有巨大盲区，AI正在帮助打开这些盲区。
昌平实验室主任、中国科学院院士谢晓亮作主题报告
他开门见山：AlphaFold团队最近解散了，核心成员转向其他方向。关于AI赋能生物医药的前景，Anthropic创始人Dario Amodei和诺奖得主Demis Hassabis认为5到15年内可以治愈多个甚至所有疾病；CRISPR发明人Jennifer Doudna则认为现有AI还不能做极具创新性的工作。但两种声音并不矛盾：乐观是对远景的判断，谨慎是对当下的清醒。
谢晓亮给出了一组中国创新药的数据：海外授权交易去年达1357亿美元，今年上半年已达1100亿美元，标志着中国创新药出海进入爆发期。但这些药还不是First in Class，还是me-too和me-better。
他的技术路线是：用全新的实验方法产生前所未有的大数据，从而打开过去看不到的认知盲区。
先说一个背景。今年是人类基因组草图发表25周年。25年前MIT的Eric Lander说人类基因组是“天价买了本天书，读不懂”。25年过去了，测序价格从30亿美元降到了在国内二三百元人民币。谢晓亮说，“这叫白菜价”。他本人2011年在哈佛发明的DNA荧光产生测序技术（与北大黄岩谊合作，由博士陈子天在国内实现产业化），正是推动测序成本大幅下降的关键技术之一。
报告的核心是团队发明的FOODIE技术。转录因子是结合到DNA上调控基因表达的蛋白，在细菌里像一把钥匙，在人体里是“一个钥匙串”，多个转录因子协同调控一组基因。 过去缺乏有效工具来检测它们在基因组上的结合足迹。FOODIE的原理是用脱氨酶把基因组上的C转化成U，但被转录因子占据的位点不会被转化，从而留下印记。
有了FOODIE产生的大量结合数据，团队和昌平实验室的AI专家陈明辰合作，训练了一个基于Transformer的预测模型：输入任意蛋白质序列和DNA序列，就能输出结合常数KD。这个模型已经开源。
最具突破性的发现来自将FOODIE数据与UK Biobank的大人群疾病数据对接。过去大量研究集中在基因编码区，但编码区只占基因组的1%。谢晓亮团队发现，阿尔茨海默病相关的致病突变有很大比例落在了非编码区的转录因子足迹上。 突变改变了那个位置的DNA序列，使得转录因子结合强度变化，导致基因调控异常。换句话说，解开复杂疾病的线索一直藏在基因组98%的“暗区”里，只是过去没有工具去看。
谢晓亮还分享了一个乐观的愿景。昌平实验室聚焦恶性肿瘤和退行性疾病两个方向，前者靠早筛和免疫治疗，后者靠早筛和延缓干预。他提到一个有趣的医学观察：一般得了癌症就不太会得阿尔茨海默，反过来也是。如果这两个都能避免，我们真的有希望都活过100岁。
他的总结和前面几位院士、专家形成了呼应：“AI帮你寻找规律，但很难给你推导出本质性的科学原理。” 当已有数据用完之后，瓶颈在于需要在分子和细胞层面产生全新精准的大数据。AI for Science的下一阶段，推动力来自科学数据变得更深，而非模型变得更大。
1936年，图灵在那篇奠基性的论文里描述通用机器时，起点是一个很朴素的画面：一个人坐在桌前，用纸和笔，按照一组规则一步一步地计算。所有的计算，不管多复杂，都可以还原成这个画面。王坚在报告里引用了这个概念，说纸和笔就是那个年代科研的公共产品。今天的公共产品换成了算力平台、大原子模型、科研智能体和科学基础模型。工具变了，但图灵那个定义里最重要的部分没变：一个人，加上一定规则。规则是科学本身。
核心问答
Q1： 几场报告有什么共同逻辑？
几位专家从不同领域出发，共同展示了科学智能正在跨越科研中长期存在的四道边界：学科之间的能力壁垒（鄂维南和张林峰展示了AI基础设施如何让跨学科研究变得可及）、科学数据与模型之间的形态鸿沟（王坚的科学基础模型让光谱、地震波等非文本数据也能被统一理解）、物理世界与数字世界的隔阂（崔铁军的信息超材料把电磁空间变成了可编程的计算空间）、以及人类对生命复杂性的认知盲区（谢晓亮的FOODIE技术打开了基因组非编码区的研究窗口）。这些边界的存在，本质上是上一代工具和方法论的局限造成的。
Q2： “科学基础模型”和普通大语言模型有什么本质区别？
核心区别在于数据形态。大语言模型本质上是大文本模型，处理的是文本Token。科学基础模型021让语言、代码和科学数据（地震波、光谱、DNA序列等）共生在同一个模型空间里。这些科学数据既不是文本也不是图像，王坚称之为“裹了稻壳的稻子”，需要全新的方式“脱壳”后才能被模型理解。021对Token的理解发生了根本变化，是一个能包容不同数据形态的新型基础模型。之江实验室已完成几千亿参数规模的训练，并且用它发现了权威化学手册中沸点数据的错误。
Q3： “需要产生全新的大数据”，这和“用好已有数据”有什么不同？
已有数据确实远没有被充分利用，021模型从旧数据中发现手册错误就是证明。但对于阿尔茨海默等复杂疾病，过去的工具根本看不到关键信息所在的位置。基因编码区只占基因组的1%，而致病突变大量落在非编码区的转录因子足迹上。这类数据以前根本不存在，不是没被用好，是没被产生过。FOODIE技术开辟了一整个新的数据维度，结合AI训练的序列-结合常数预测模型和UK Biobank的大人群数据，形成了从实验到认知的完整闭环。
