7月6日，由中國科學技術信息研究所、科技部新一代人工智能發展研究中心聯合相關研究機構編寫的《中國AI for Science創新地圖研究報告》（以下簡稱《報告》）在2023世界人工智能大會昇騰人工智能產業高峰論壇上發布。《報告》顯示，我國AI for Science論文發表數量最高，正積極推動全球AI for Science發展。

什么是AI for Science？AI for Science，即人工智能驅動的科學研究，就是利用AI的技術和方法，去學習、模擬、預測和優化自然界和人類社會的各種現象和規律，從而推動科學發現和創新。AI for Science不僅可以幫助科學家解決已有的問題，也可以幫助科學家發現新的問題和方向。這將為科學研究帶來新的范式和機遇。

“AI for Science日益表現出突破傳統科學研究能力瓶頸的巨大潛力，正在成為全球科學研究新范式。”中國科學技術信息研究所黨委書記、所長，科技部新一代人工智能發展研究中心主任趙志耘介紹，近年來，我國AI for Science領域緊跟世界前沿，研究熱度高、能力提升快，形成良好發展態勢。

AI for Science多路并進，中美歐引領全球蓬勃發展

《報告》以可視化形式從多結構類型融合的數據、多領域特點融合的基礎軟件、多學科融合的人才、多樣化融合的算力等創新要素維度，對我國AI for Science發展進行深度剖析，為促進我國AI for Science創新發展提供客觀觀察。

2017年前后，全球科學家開始嘗試將機器學習等人工智能技術用于求解科學問題。五年來，各學科不斷加入，模型精度、泛化性逐漸提高，不同技術路徑、不同應用場景的AI for Science成功應用不斷涌現，深度融合領域知識的AI for Science基礎軟件也蓬勃發展，為各領域AI for Science研究人員提供了一大批簡單易用的工具軟件。

中美歐三地AI for Science發展成果情況

通過分析全球已發布的AI for Science成果發現，中國、歐洲和美國大幅領先，三地AI for Science論文發表量超過全球總數的80%，我國AI for Science論文發表數量最高。同時，國內外知名高校、大型科研機構和頭部企業均十分重視AI for Science，國外的谷歌、英偉達、DeepMind，國內的華為、百度等機構都在積極推動全球AI for Science發展。

多項成果具有國際影響力，我國AI for Science發展迅速

多項成果具有國際影響力

《報告》指出，在政策指引下，我國AI for Science發展迅速，涌現出“MEGA-Protein”“鵬程·神農”“東方·御風”以及盤古天氣等多項具有國際影響力的成果。PaddleScience、MindSpore Science等國產化AI for Science基礎軟件也日益成熟，為AI for Science研究提供了豐富的數據集、基礎模型及專用化工具。

科學研究開放數據資源豐富

《報告》通過對國家數據中心等公開信息調研發現，我國已經積累了豐富的科學研究開放數據資源。從數據類型上看，開源數據以基礎學科和調研數據為主；在學科分布上，氣象、天文、高能物理等學科開源數據最為豐富。

一大批算法和基礎軟件涌現

《報告》指出，深勢科技的DeePMD、華為的MindSpore Science，百度的PaddleScience等一大批AI for Science基礎軟件相繼涌現，并在積極推動開源。但總體而言，國產框架原生的領域套件比例還需要進一步提高，開源影響與英偉達的Clara等國外領先AI for Science基礎軟件相比還存在明顯差距。

中國AI for Science算法和基礎軟件相繼涌現

初具人才規模且集中在北京、廣東、江蘇

《報告》對AI for Science論文作者進行統計分析發現，我國AI for Science人才已初具規模，除人工智能領域外，主要集中在生物醫學、地球科學、環境科學等科研領域。從地域分布來看，北京、廣東、江蘇等三地AI for Science人才指數最高，山東、湖北、四川、遼寧和陜西等科教資源豐富的地區也聚集了較多AI for Science人才。

中國AI for Science人才要素地圖

北、上、廣、浙、蘇算力基礎設施占全國的90%

《報告》通過調研全國范圍內的算力基礎設施分布情況發現，我國算力建設聚集度高，北京、廣東、浙江、上海和江蘇近5年人工智能加速卡銷售量約占全國的90%，中西部省份的算力資源還有待拓展。在廣東、江蘇等省份，以昇騰為基礎的人工智能計算中心公共算力增長最為迅速，通過共享方式為AI for Science的發展提供了重要算力保障。

中國AI for Science算力要素地圖

專業化場景應用為主，學科領域差異明顯

《報告》對國內正在開展的80多項AI for Science研究的調查分析發現，生物醫療、材料化學等領域的AI for Science發展迅速，成果最多，其他領域AI for Science還處于起步階段。從特征上看，我國AI for Science技術正在各科學研究領域實現專業化的單一場景應用，但還沒有出現跨領域的通用AI for Science模型。在應用和落地方式上，提供服務平臺和套件是當前主要落地方式，其他落地模式還有待探索。

我國AI for Science處于關鍵發展階段，如何做？

趙志耘指出，人工智能在科學研究領域的應用潛力巨大，當前正處于突破性發展的關鍵窗口期，但同時也面臨著要素供應、協作機制等諸多挑戰。

論壇現場，趙志耘還給出了我國AI for Science發展建議：

持續強化AI for Science領域研發支持

有序推動科學研究數據開放共享

加快完善基礎軟硬件技術生態體系

統籌推進算力基礎設施建設

大力培養多學科交叉復合型人才

深化拓展AI for Science領域國際合作

（來源：科技日報）