AI for Science：一场正在发生的“科研冷战”

如果说过去十年，人工智能改变的是商业效率，那么从2023年开始，它正在改写更底层的东西——科学发现本身的速度与路径。

当AlphaFold2把蛋白质结构预测从“数月”压缩到“秒级”，一个更深层的信号出现了：科研不再只是智力密集型活动，而开始变成算力驱动的工业化过程。

这正是“AI for Science”（AI4S）的本质。而到了2025年，这件事彻底变了性质——它不再是技术趋势，而是国家竞争工具。

2025年，被多方视为AI4S的“战略元年”。美国、欧盟、英国几乎在同一时间窗口完成政策升级，背后逻辑高度一致：谁先用AI重构科研体系，谁就能提前锁定下一代产业主导权。区别只在打法。

本文基于江苏省科技情报研究所、江苏省科技发展战略研究院发表于《科技中国》2026年第1期的权威资料，还原欧美AI4S战略布局的完整脉络与深层逻辑。

进攻型美国：用“曼哈顿计划”的方式做科研

美国的策略可以用四个字概括：压强推进。

从取消监管约束，到发布AI行动计划，再到启动对标“曼哈顿工程”的“创世纪计划”，美国几乎是在用国家工程的方式，重写科研体系。

核心不是单点突破，而是系统重构：美国将AI4S直接定义为全球技术主导权之争。

2025年1月，特朗普政府签署《消除美国在人工智能领域发挥领导作用的障碍》，批量撤销此前监管约束，为AI创新松绑。

同年7月，白宫发布《赢得AI竞赛：AI行动计划》，锁定加速创新、基建建设、技术外交三大方向，推出90余项联邦政策。

11月，总统行政令启动AI“创世纪计划”，以国家级工程姿态，用人工智能彻底变革科学研究方式，其战略量级对标二战“曼哈顿计划”。

核心不是单点突破，而是系统重构。

把超算、AI模型、数据集、实验工具整合成统一平台，用跨部门机制集中调度资源，总统科技顾问牵头，国家科学技术委员会协同，能源部（DOE）负责落地实施与资源调度。同时设置60-90-270的刚性时间表来推进落地：60天敲定先进制造、生物、关键材料、核裂变/聚变、量子、半导体六大优先领域；90天完成算力与伙伴资源盘点；120天出台数据与模型整合方案；270天平台具备初始运行能力；每年常态化汇报进展。

同时，投入也极其直接。

算力方面，NSF于2024年1月启动国家AI研究资源试点，2025年8月设立运营中心，联合14个联邦机构、28家伙伴，服务超400个研究团队。

平台方面，DOE推出FASST计划，投入6800万美元支持43个科研课题；2025年12月，能源部再投超3.2亿美元，用于国家科学与安全平台建设与基础研究。

人才方面，NSF在2023年投入1600万美元强化AI研究能力，从K12到科研人员，系统性补齐AI人才。

美国的真实目标并不隐晦：通过算力+数据的垄断式优势，制造“科研效率代差”。这本质上是一种新的技术霸权形式。

防御型欧盟：从“管AI”转向“用AI”

欧盟过去的问题很典型：规则领先，产业落后。

2024年的《人工智能法案》建立了全球最严监管框架，但也在一定程度上压制了创新速度。到了2025年，欧盟明显调整方向：从“治理优先”，转向“发展+治理双轨”。

其核心抓手是RAISE体系，本质上是一个“泛欧洲科研操作系统”，围绕五件事展开：

集中培养跨学科人才，更新生成式AI科研指南，建立AI评估中心；以“选择欧洲”、人才库、博士网络降低引才门槛，支持跨学科研究与创业。

提供共享算力（AI工厂+超级工厂），依托EuroHPC超算联盟建设AI工厂，AI算力提升两倍以上；下一步打造AI超级工厂，“地平线欧洲”通过RAISE试点投入最高6亿欧元，开放专用算力给科研团队与初创企业。

大搞数据基建，在AI工厂内设数据实验室，对接欧洲开放科学云，提供数据治理服务；系统性补齐关键科学数据缺口。

加大科研资金投入，几乎翻倍。2026—2027年力争将地平线欧洲年度AI投资翻倍至超30亿欧元，科学领域AI资金同步翻倍，重点支持实验室自动化与科学大模型研发。

输出“可信AI”标准，举办AI科学峰会动员私营部门；在欧洲研究区（ERA）框架下对齐成员国政策；在G7/G20推广欧盟可信AI原则与标准。

目前欧美的落地成效多点开花，可信AI路线正在逐步落地。

2025年4月发布新版科研生成式AI负责任使用指南；6月组建60人AI科学专家组；上线AI-on-Demand平台提供可信工具；11月启动RAISE试点，获1.07亿欧元资金支持。

欧盟的逻辑很清晰：不和美国拼效率极限，而是用规则、数据合规与协同网络构建长期壁垒。这是典型的“防御型领先”。

聚焦型英国：用“小体系”撬动大影响力

英国资源体量有限，因此选择了一条完全不同的路径：不做全面竞争，只做关键突破。

策略可以总结为“三个集中”：

集中赛道：不搞全面铺开，集中资源在生物医药、先进材料、核聚变等优势赛道快速出成果，以小支点撬动全球影响力。

集中资源：算力、数据、人才定向投放，多轮征集算力需求，2022年英国出台《国家人工智能战略》奠定基建与人才基础；2025年1月发布《人工智能机遇行动计划》；6月追加10亿英镑升级国家算力设施；11月正式出台《AI for Science战略》，未来五年投入1.37亿英镑专攻AI赋能科研。

集中目标：快速产出可验证成果，例如：超算Isambard-AI投入前列腺癌筛查、绿色材料、痴呆症研究；先进材料获5000万英镑启动资金，利物浦大学建AI材料创新中心；医学领域投入6亿英镑建设健康数据服务，AlphaFold库覆盖超2亿蛋白质结构；牛津郡设AI增长区，服务核聚变等前沿领域。

英国的打法本质上是：用高ROI科研项目，维持全球科学话语权。

三种路径，一种共识

尽管美欧英策略差异明显，但底层共识高度一致：

• AI4S已上升为国家核心竞争力

• 算力、数据、人才是三大刚性投入

• 生物医药、新材料、能源是优先落地领域

• 政府+科研+产业的协同成为标配

换句话说：全球科研竞争，正在从“论文竞争”，变成“系统效率竞争”。英美两国更在2025年9月签署《科技繁荣协议》，携手推进AI4S技术的落地应用。

中国的真实压力：不是差距，而是“节奏”

欧美AI4S战略全面落地，意味着全球科研竞争进入“算力+数据+算法”的新范式时代，并伴随更严苛的技术封锁与人才壁垒。

对照我国现状：虽已部署“人工智能驱动的科学研究”专项、推进“人工智能+科学技术”行动，但仍面临高端芯片与核心算法卡脖子、科学数据碎片化、高质量数据集不足、交叉学科人才短缺等瓶颈。

《国务院关于深入实施“人工智能+”行动的意见》

这些问题的共性是：都会直接影响科研效率，而不是单点技术能力。

而美国“创世纪计划”的目标，恰恰就是在这些维度上拉开差距。这不是AI竞争，而是“科研工业化”的竞赛。

如果用一句话总结这场AI4S竞赛：它的本质，不是AI能力比拼，而是谁先把科学研究变成“可规模化生产”的体系。

美国在做“集中式工业化”，欧盟在做“合规型工业化”，英国在做“精英化工业化”。

而中国真正需要回答的问题不是“跟不跟”，而是：用什么机制，把科研效率提升到同一个数量级。

因为在这个新范式下，差距不再体现在单项技术上，而体现在：从提出问题，到得到答案，需要多长时间。

这，才是下一轮科技竞争最核心的变量。

—The End—