科学智能产业化爆发前夜：AI正在把“十年”变成“三天”

在上海举办的WAIC 2026上，AI for Science（科学智能，简称AI4S） 成为最密集出现的词汇之一。多位专家判断，科学智能未来2-3年将进入产业化爆发期。

AI到底给科研带来了多大改变？

中国科学院发布了磐石·科学基础大模型2.0，依托800万条高质量科学推理数据。据中国科学院自动化研究所研究员徐楠介绍，催化剂设计时间从几个月缩短到30分钟，而且成功发现了一种活性提高38%的新型催化剂。“原来做一款药要花10年、投入10亿美元，而现在的目标是3个月、300万美元。”清华大学教授俞立说。

小米公司也验证了AI辅助材料研发的可行性。小米材料CORE团队负责人表示，AI可以统一优化性能、原材料成本、量产工艺等指标，快速筛选高潜力研发方向。

更让人震撼的，是AI在脑科学领域的突破。

北京智源人工智能研究院发布的 “悟界·Brainμ1.0” 是全球首个生成理解统一的多模态神经科学大模型。由该模型支撑的研究首次证实：记忆可反向调控睡眠——正向记忆优化睡眠质量，负向记忆加剧睡眠碎片化。这一发现为抑郁症、焦虑症等睡眠障碍的干预提供了全新思路，研究成果已发表于《科学》期刊。

上海人工智能实验室发布了科学发现平台 “书生·端砚” ，覆盖从“假设提出”到“实验验证”的完整科研流程。

深圳河套学院推出的 Owl·灵鉴（AuraID） 多智能体系统，实现了从样品操作到数据解析的全流程自动化。晶体结构解析的工作量减少50.6%，微观形貌分析耗时从9分钟缩短至7.5分钟。

但AI4S也面临一个基础性瓶颈：数据。

徐楠直言制约发展的三大瓶颈是：“第一是数据，第二是模型架构，第三是算力”。科学数据与互联网数据有着本质区别——地震波、海洋洋流、大气影像、蛋白质结构，这些数据的获取成本极高，且难以规模化。

当AI开始帮科学家“做实验”，科研的节奏正在被彻底改写。从“十年磨一剑”到“三天出成果”——科学智能，正在重新定义“可能”两个字。