当前，以深度学习、大语言模型为代表的人工智能（以下简称AI）技术深度赋能科学研究，带来科研范式和产业形态的新变革。人工智能驱动的科学研究（AIforScience，以下简称AI4S）已在蛋白质三维结构预测、分子动力学模拟、芯片全自动设计、新型药物研发等领域展现出超越传统科研范式的强大优势，有望成为驱动科学研究的“第五范式”。近年来，美国、欧盟、日本加速推动AI4S，我国也启动了人工智能驱动的科学研究专项部署工作，将AI4S提升到国家科技战略的高度。AI4S不仅代表着一种新型科研技术手段和方法，更是一种全新的知识生产模式，要求对科学研究的思维、行为和组织模式进行全方位变革。我国在AI技术、科研数据和算力资源等方面有良好基础，但是传统科研生态在人才培养、科研组织、科研资源和科技伦理等方面面临突出挑战。推动构建与AI4S发展相适应的科研生态有助于增强我国基础科学研究实力，促进“人工智能+”赋能新质生产力发展，助推实现高水平科技自立自强。

　　人才培养：从专门人才到复合人才

　　人类特有的非线性抽象思维与机器的逻辑推理模式在AI4S中深度融合。科研工作者通过提供创新思维和专业知识来优化AI模型，AI则以其强大的数据处理能力为科研工作者提供海量知识库、模拟自然现象并推断未知规律。“人类在环”模式是AI4S的关键，它强调了在科研过程中人类角色的不可或缺性。从提出研究要求、设定目标，到提供专业知识、控制过程和评估结果，每一步都离不开人的参与。尽管AI科学家和工程师的协助至关重要，但在各领域的智能化建模中，本领域的科学家仍需占据主导地位。这一模式对科研人才的能力提出了更高要求。

　　因此，必须转变传统的“专门人才”培养模式，积极构建面向AI4S的复合型人才培养体系。一要重视培养具备深厚AI技术理论基础和实践应用能力的专业人才。建设面向AI4S基础设施、基本算法的研究人才梯队，支撑并引领AI4S发展。二要完善交叉学科人才培养体系。促进科研人员跨学科学习，实现AI技术与本领域知识的融合应用，形成既懂AI又懂专业领域知识的复合型人才队伍。三要加强思想引导与技能提升。引导科研人员认识到AI4S在各学科领域的重要性，鼓励他们主动拥抱这一新型科研范式。同时，提升科研人员进行高水平人机交互的能力，使他们熟练运用AI工具开展科学研究。

　　科研组织：从作坊模式到平台模式

　　在AI4S模式下，各学科之间、科学与产业、科学与工程之间的界限日益模糊，形成了一个跨学科、跨行业、跨领域的“大熔炉”，促进了知识和技术的大融合与大重构。AI4S以大数据、全样本、多学科为基础条件，传统的个体科学家或单一研究团队开展科学研究的“作坊模式”已不能完全适应AI4S的特点。而“平台模式”能够整合来自不同领域的多元主体，形成兼具广度与深度的研究网络，为解决复杂问题提供多元视角、方法和创新方案。

　　对此，必须改变传统的“作坊模式”，积极构建面向AI4S的研究平台。一是培育AI4S创新联合体，促进数学、计算机科学、建模仿真与各学科的协作，打造世界领先的创新集群。二是通过跨领域大科学模型与垂直领域专业模型的协同，实现科研与AI技术的相互促进，推动各领域的前沿发展和AI技术自身的理论与实践创新。三是建立科研、工程、市场的紧密联系，打破传统的从科研、工程技术到产品的线性创新模式，促进科研链、创新链、产业链的深度融合。

　　科研资源：从数据孤岛到整合共享

　　数据是AI4S的基石，其开放共享与有效利用对科研突破至关重要。然而，数据采集、管理、共享等环节需要大量的人力和经费投入。有效的科研数据整合和开放共享能够营造一种多赢局面。但我国科研数据正面临以下挑战：开放意愿不足、共享效能低、平台标准不统一、数据质量参差不齐，尤其依赖国外高质量数据。若这些问题得不到解决，将制约我国在国际科技竞争中的地位，面临数据被“卡脖子”的风险。

　　为此，必须加快解决“数据孤岛”问题，推动科研数据的有效整合与开放共享。加强科研数据库建设，确立统一的数据采集标准，确保数据质量，提升数据的一致性和标准化水平。推进科研数据的开放共享，打破高校、科研机构和行业企业之间的数据壁垒。提升数据分析服务能力，加快数据产业发展，培育高质量、标准化的数据服务提供商。积极参与国际科学数据标准的制定和数据库建设，与全球科学界合作开展跨时空的分布式研究。

　　科技伦理：从科学共同体自治到社会共治

　　尽管AI4S正在以更加高效的方式推动科学发展，但也带来许多科技伦理问题。首先，AI技术本身的伦理问题会在AI4S中折射体现，如算法不透明性、算法歧视、数据隐私问题以及结果的不可解释性等。其次，AI与科研活动相结合将产生一些新的学术诚信与科研道德问题，包括科研数据的真实性和可靠性、学术成果归属和责任以及伦理审查等。近年来，各国纷纷出台监管制度以应对这些挑战。例如，2024年3月欧盟发布的《科研领域负责任使用生成式人工智能指南》，以及8月正式生效的全球首部全面监管人工智能的法规《人工智能法案》，都旨在将AI4S的创新发展与伦理治理相统一。

　　为此，必须跨越科学共同体自治的界限，将科技伦理治理置于社会语境和人类文明发展的大背景下进行。首先，强化AI4S的科技伦理治理研究，前瞻性地研判其可能出现的问题、社会影响及治理机制。其次，加强科技伦理宣传与教育，既要重点提升科研人员、监管部门等关键群体的伦理责任意识与能力，也要提升全民科技伦理素养。最后，建立健全AI4S的社会共治体系和机制，建立不同主体间的风险沟通渠道，改善AI4S在研发、应用与治理中存在的信息不对称问题。