中國AI科研革命來了！從效率工具到「發現合夥人」
2026-03-20
在中國的高校實驗室裡，一幕幕未來場景正在上演：機器人手臂靈巧操作，實驗數據自動儲存、傳輸與分析，而背後操控一切的，是一個看不見的科研智能體。人工智能賦能科學研究，已不再局限於某個領域或環節的效率提升，而是邁向更廣領域與更高層次。隨著數據庫、基座模型與智能體等新型科研「基礎設施」的建設與完善，一個關鍵問題浮出水面：成為科研「合夥人」的AI，是否將超越人類，承擔起「發現」的使命？科研本身，是否能獲得如同「自動駕駛」般的全新體驗？
中國工程院外籍院士、香港科技大學首席副校長郭毅可指出，過去一年AI領域的大事層出不窮，科學的智能化成為最受關注的議題。他認為，科學研究中最重要的就是「發現」，而這究竟是屬於人類的專屬領地，還是機器也能參與其中，正是值得探討的核心命題。
他從認知科學的「預測編碼」理論切入，說明人類的大腦並非被動記錄世界，而是根據先驗知識不斷「猜測」世界。所謂「發現」，其實就是「沒想到的事情」，是觀察與預測之間的誤差。這個誤差在物理學中被稱為「自由能」，它驅動著兩種行為：一是修正認知的「感知推理」，二是改變世界以符合預期的「主動推理」。郭毅可認為，主動推理正是AI for Science最重要的理論依據，它指向了具身智能，讓「行動」本身成為推理的一環，是消除世界不確定性的手段，也是好奇心與探索行為的源頭。
他得出的結論是，人與機器的智能在物理上同源、數學上同構，機器不僅能發現，其發現的方法與邏輯與人類並無本質區別。
從這個觀點出發，科學實驗的AI化正從「被動記錄」走向「主動推理」。過去，AI主要用於提升效率，例如加速藥物篩選或蛋白質結構預測，本質上是把科學實驗智能化。而現在，AI正逐步從「效率工具」轉變為「合夥人」。郭毅可正主導的AI原生創新環境研究，就是這種探索的實踐。該系統運用大模型與智能體，將傳統科研流程中重複性的工作自動化，打造出可以7x24小時自主運行的「實驗分身」。它基於先驗模型與實驗結果計算誤差，驅動實驗室設計並觸發工作流。一旦發現問題，系統能自動重新設計實驗、改變工作流，這已不是簡單的自動化，而是真正的「自演化」。
他描繪了理想中的AI for Discovery願景：科學家不再是孤獨的探索者，而是與一群智能體協同工作的「指揮家」。當想法產生時，AI能瞬間完成文獻綜述與實驗設計；實驗進行時，AI能實時監控與調整；結果出現時，AI能撰寫報告並提出新問題。科學家得以從重複勞動中解放，專注於提出原創假設與洞察深刻規律。
然而，通往這個願景的道路仍充滿挑戰。郭毅可坦言，目前仍處於起步階段。智能體在流程清晰、權限明確的科學實驗室中表現出色，但一旦離開邊界清晰的領域，其不確定性便急劇增加。當前至少面臨三大挑戰：多模態對齊、數據質量與標準化，以及信任與驗證。儘管如此，他仍然充滿信心，認為AI for Lab是實現AI for Discovery的關鍵第一步。實驗室巨大的數據吞吐量與知識驗證瓶頸，正被AI逐步打破，這不僅是一個巨大的產業，更是智能體技術的絕佳切入點。那些以為AI只能炒概念的人會失望，因為在科學實驗室裡，AI真的很能幹實事。
最終，AI for Science不僅是一場技術革命，更是一場認知革命。它讓人類重新審視「發現」的本質，重新思考「智能」的邊界。在這場漫長遠征中，人永遠是智能中樞，但從此將不再獨行。
