“AGI4S珠穆朗玛计划”发布
作者／ IT时报 孙妍
编辑／ 孙妍
如果当年砸中牛顿的不是苹果，而是AI，AI会不会早已成为科学家的工具？人类文明将发生什么样的变化？
3月29日，一场关于AI与全球顶尖大脑如何碰撞的探讨，在第二届浦江AI学术年会上展开，围绕着人才、数据、自主实验、结构重塑等关键词展开。
我国该如何抢得这场科学革命的先机，率先登顶珠峰？
上海人工智能实验室发布“AGI4S珠穆朗玛计划”。正如攀登珠穆朗玛峰是对人类体能、意志与协作能力的终极考验，需要坚实的大本营、精准的路线规划、可靠的护航支撑，这一计划也要为全球科学家攀登科学智能领域的“世界最高峰”护航。
姚期智：高端人才培养的关键在于“伯乐”图灵奖得主、清华大学交叉信息研究院院长及人工智能学院院长
关键词：人才
三年多前（2022年底），ChatGPT刚刚问世、特斯拉人形机器人Optimus人形机器人首次亮相时，我国在这两个领域相对落后。但放眼今天，从春晚舞台上的人形机器人表演到DeepSeek大模型的表现，世界公认中国在这些方面已经走到世界前列。
姚期智分析道，中国在应用研究领域具备四大优势：人才储备充足、研发能力强、应用场景丰富、市场规模巨大，完全不需要担心这方面的自然发展，一定能继续保持优势地位。
但他也指出，未来重点发力方向是AI基础研究和高端交叉研究，特别是AI for Science（AI4S）和AI安全研究。AI对未来各门科学的发展具有决定性影响，该领域已进入指数级飞跃阶段。虽然其商业价值尚不及应用型AI，但未来发展空间巨大。
姚期智也澄清了一个常见误解：“AI安全听起来是个不起眼的方向，而且在我国似乎与AI发展有抵触性，其实完全不是这么一回事。”未来十年，“安全的AI”将成为最重要的竞争领域之一，没有安全保证的机器人和关键事务处理系统，不会被社会接受。
在他看来，我国能否在这些未来方向上抢得先机，关键在基础型、交叉型、理论型的高端人才。
古语云：“先有伯乐，而后有千里马。”我国要引进人才、重视人才、用好人才，就要让最出色的人才获得必需的资源，让“伯乐”的意见得到充分重视。
我国已经能系统性地培养与引进人才水平相当的世界级人才，过去5年已有大量实例证明，中国本土培养的人才能够做出世界一流的人才。“只要把规模扩大，我相信在未来几年里，我们会发现中国在培养基础型、交叉型、理论型的创新人才上，进入全世界的最前列。”他说道。
白春礼：AI让科学从“理解世界”走向“逼近现实”中国科学院院士、中国科学院原院长
关键词：结构重塑
白春礼指出，科学正从“理解世界”走向“逼近现实”，AI对科学研究的介入正在引发三个层面的结构性重塑：
科学发现的机制正从“假设—验证”转向“数据—模型—假设—验证”。他以AlphaFold为例，指出人工智能在没有传统实验数据的情况下，成功预测了2亿多种蛋白质结构，2025年升级版AlphaFold3更可模拟蛋白质与DNA、RNA等复杂相互作用，准确率达98%。“这从根本上改变了生命科学的研究路径，科学家不再需要盲目试错。”
科学组织方式正从人为核心，转向“人+AI+自动化实验平台”协同的系统。知识生产方式正从论文为载体，拓展为模型、数据、代码等新型成果形态。“美国硅谷很多最新科研成果已不再首发于传统期刊，而是以代码和模型形式在开源社区发布”。
白春礼认为，AI4S的竞争本质上是认知体系的竞争，社会普遍把人文科学在一定程度上边缘化，但从科学发展长周期看，需要强化哲学与科学的深度对话，确保科技进步服务于人类整体福祉。
张锦：AI有望破解新材料研发“20年周期”中国科学院院士、北京大学常务副校长
关键词：自主实验
一个材料从发现到应用通常需要20至30年，而AI或将成为破局关键。
令人振奋的是，张锦团队构建了自动化实验平台，结合谷歌开源模型进行催化剂预测，每日可获取超100组实验数据。更关键的是，通过“知识+数据”双驱动，AI揭示了碳管与催化剂之间的热传导机制，这是一个该领域此前从未被关注的关键科学问题。
在碳纳米管纤维研发中，团队建立了覆盖从分子设计到应用场景的全自动“端到端”研发平台，原本需要2000天的实验，在AI帮助下仅用4天即可完成。
张锦认为，AI革新材料科学范式的路径清晰：以数据、算力、模型深度融合为基础，推动端到端逆向设计，最终走向自驱动实验室。“人工智能不是工具的革命，而是科学革命的工具。”他表示。
胡事民：AI4S要走向懂科学、守规律、算得准、可验证中国科学院院士、清华大学人工智能研究院院长
关键词：数据
胡事民团队一直在开展大模型评测工作，从结果来看，在开源大模型领域，中国已全面领先，但多模态领域美国仍具优势。当前大模型视觉推理能力远低于人类水平，研究生可完成80分以上的几何推理题，最优秀的大模型仅得25分，且模型规模扩大一倍并未带来推理能力的提升。
AI4S难以照搬传统大模型“大力出奇迹”的路线，因为面临三大挑战：数据来源窄、成本高，单一样本可能耗资几万到几百万美元；模态复杂且要求零幻觉，在药物设计中一个坐标错误即可将好药变为毒药；需要严格遵循物理规律，比如质量守恒定律、时间动力学等。
他提出，AI4S需要大模型从“会说话、会推理”走向“懂科学、守规律、算得准、可验证”。“AI4S给人工智能科学家提出巨大挑战，科学证据性不足、推理约束能力不足、科学表征能力不足、精度和可信度不足，这些都需要从科学体系上寻求突破。”
周伯文：科学协作范式照亮发现上海人工智能实验室主任、首席科学家
关键词：协作
只有打通上述堵点，串起从基础设施到模型平台，从人才机制到项目资源的全链路，才能真正让AI4S落地生花。
周伯文以三个历史故事阐释协作机制如何照亮科学发现：哈雷促成牛顿发表《自然哲学的数学原理》，启示“从0到1”需要让知识走出抽屉；爱迪生建立门洛帕克实验室，将发明从个人灵感转化为可规模化工业流程，启示“从1到10”需要机制设计；阿波罗计划将故障模式分析强制为标准，启示“从10到100”需要让每个参与者看见系统成功的条件。
有一条主线贯穿于周伯文的演讲中：科学创新的突破不仅依赖于天才与资源，更需要与之匹配的组织协作范式。
“AGI4S珠穆朗玛计划”
上海AI实验室想要做组织协作的连接器、放大器、加速器，由此发布“AGI4S珠穆朗玛计划”。
算力端，构建“算力一张图”。依托DeepLink超智融合算力平台，打通超算与智算壁垒，目前已与全国主流超算、智算中心实现全面互联互通，可高效调度通算、智算与超算等多元异构算力资源，破解科研算力碎片化、供给不匹配的行业痛点。
数据端，攻克科学数据“看不懂、用不上”的难题。构建100PB级超大规模科学智能数据库Sciverse，建成后将实现对我国研究生学科体系全覆盖。上海AI实验室开放了2500万篇公开可获取的文献，沉淀出6000亿词元，囊括了过去数十年全球主流开放科研成果。
实验端，打通从“推演”到“验证”的最后一公里。以书生具身智能全栈引擎为基础构建自主实验平台，搭载InternVLA系列具身大模型，已在合成科学等部分领域率先实现技术突破，自主化构建了非标准化实验流程，使原本长达数年的“设计-合成-测试”科研周期缩短至3-6个月。
模型与平台端，为科学发现提供“革命的工具”。上海AI实验室提出“通专融合”SAGE技术架构，并基于此打造了万亿参数科学多模态大模型Intern-S1-Pro，具备奥赛金牌水平的复杂数理逻辑推理能力。书生科学发现平台让科研人员可使用200余个专业智能体、50家顶尖科研机构的200余个专业数据集（PB级），并可接入百余种实验设备，一键调用2200多种专业工具，从“重复劳动”中解放出来。
建好了攀登大本营，还需要“领路者”开辟攀登最佳路径。在本届浦江AI学术年会上，上海AI实验室与人工智能战略科技力量联盟、科学智能战略科技力量联盟联合优势力量发起AGI4S算力、数据共建计划；与国内顶尖院所、研究机构及头部企业共同启动科学智能应用场景共建计划。
最终回到姚期智提出的人才问题上，如何让为最出色的学者匹配所需的资源？上海AI实验室启动“浦江青年学者”并为首批学者颁发证书，以及面向重大科学突破的“攀登者计划”2.0。该计划构建了贯通“实验室-上海市-国家级”的三级项目支持体系，引入项目经理人创新机制，提供从种子期培育到产业化落地的全周期护航，打通从人才汇聚、资源匹配到成果转化的全周期孵化体系。
“攀登者计划”自2025年1月启动以来，累计收到全球500余份课题申报，目前已有多个项目完成从科研成果到真实场景价值验证。
中国石油大学（北京）副教授周天航2025年初携长时储能研究课题，申报了“攀登者计划”，通过项目经理人组队，联合上海AI实验室、中海储能组建攻关团队并完成立项，携手破解储能材料在“能效、安全、寿命”上的“不可能三角”。团队通过构建“分子-电网工业智能体”，针对长时储能这一涵盖分子到系统全链条的化工多尺度过程优化场景，进行研发方法论突破，将传统以年计的研发周期缩短至数月，工业级电站综合性能提升超100%。目前该成果已在张家口怀来数据中心兆瓦时级装置上部署，并将落地广东惠阳百兆瓦级储能电站，为长时储能产业化按下快进键。
凭借该领域的科研成果，周天航入选首批“浦江青年学者”。他感慨道：“当科学构想遇上真正懂科研、敢投入的平台，原本需要数年的跋涉，就变成了可以全力冲刺的攀登。”
排版／ 季嘉颖
图片／ 浦江AI学术年会
E N D
通弘网提示：文章来自网络，不代表本站观点。
