AI4S：AI正在打破科研瓶颈，但尚未产生根本突破

当前，科学研究进入深水区，人类正处在知识越来越丰富但认知越来越稀缺的时代。人工智能究竟有没有为科学研究带来根本性的突破？

7月17日，在WAIC 2026科学前沿论坛上，多家新型科研机构提出，AI正在打破科研瓶颈，但尚未产生根本性突破。

当前，AI缺乏提出颠覆性假设的能力，也无法为一个错误假说承担风险。人类科学研究成果只有成功数据，只会模仿成功案例的AI长不出新能力。未来，模型要从模仿正确走向善用失败，从失败中自我反思、自我校正、自我更新，完成这三个转变才能让模型从重复已知走向产出未知。

AI缺乏提出颠覆性假设的能力

崂山实验室从事海洋科学研究。崂山实验室副主任吴能友表示，过去预测海洋变化存在三大瓶颈，一是硬件要求高，也难以在全球海洋广泛布局。二是预测速度慢，无法满足快速响应的需求。三是预测的不确定性因素较大，和实际应用存在很大距离。如今，AI正在打破这些瓶颈。崂山实验室开发了全球海洋环境高分辨率智能预报模型，基于海洋观测数据自动生成全要素海洋预报产品，预报更精准，误差更小，1.5分钟就可以预报未来15天的海洋环境变化。

“尽管海洋科学是一门以观测为主的学科，但在海洋领域已经有AI提出科学假说。”吴能友表示，最近，海外一个研究团队已经从数据中发现了一个在海洋界争论几十年的海洋问题的新型数学表达式，他认为该AI假设不是简单的黑箱，而是可解释、可检验、可推广的数学假设。

当然，他也提到，目前AI更多是基于已有概念的组合式推断，缺乏提出颠覆性假设的能力。这种颠覆性假说的提出要满足提出新的概念、精准判断问题价值等前提，而这些能力显然是现在的AI所不具备的，它也无法为一个错误假说承担风险。

WAIC 2026科学前沿论坛圆桌环节。

昌平实验室专注于肿瘤和退行性疾病的基础研究及其技术开发和应用。昌平实验室副主任金勤献表示，AI4S已经经历大约十年时间，它在生命科学领域发挥了重要作用，但生命科学碰到的问题比语言模型、AI编程复杂得多。科学的本质要回到科学的品位，回归抽象的假设，这也是目前AI做不到的，因此眼下仍然需要人与AI协同创新。

论文、数据、模型快速增长，但增长的是信息，而不是对未知的判断。假设不断涌现，但验证周期和成本过高，有效假设被过滤，无效假设浪费资源。工具越来越多，但彼此之间割裂，研究经验分散，难以积累复用。AI生成的内容来源不清、不可追溯，模型幻觉导致难以交付可信研究。上海人工智能实验室主任、首席科学家周伯文表示，这些都是当前科研面临的困境。

上海人工智能实验室主任、首席科学家周伯文。

周伯文坦言，目前由AI产生的科学工作几乎是增量发现，尚未产生根本性突破，其本质在于模型的智能水平仍然不足。当前大模型的学习范式是只观察、不介入，因果缺失，模型学到的只是伪因果，换个环境就失灵。反馈稀疏且滞后，越难的问题反馈越少、模型越学不动。人类科学研究成果只有成功数据，没有失败数据，只会模仿成功案例的AI长不出新能力。

与物理世界交互，善用失败

“我们看到过去一年半，大模型越来越强，但它强在闭环任务里，善于做有明确目标、有及时反馈、边界清晰的任务，比如编程、翻译、下棋。但科学的本质是开放任务，没有标准答案，反馈周期很长，失败是常态，而且需要和物理世界交互。”周伯文表示，AGI for Science是人工智能的终极考题。未来，模型必须通过与物理世界的交互来理解世界，构建理解物理世界、物理规律的世界模型，在实验和证伪中沉淀暗知识。

编程能被AI攻克，是因为编程的反馈是即时而客观的，甚至可以秒级证伪。而科学研究的证伪周期往往长达数月，过程中通常伴随负反馈。周伯文表示，未来模型要从即时反馈走向长程推理，在不确定性中学习。“一篇论文投稿被拒，这是明显的负反馈，但绝不代表这个研究方向一定是错误的。负反馈不代表错误方向，所以模型要在缺乏即时反馈的情况下不迷失自我。”

周伯文提出，模型要从模仿正确走向善用失败，从失败中自我反思、自我校正、自我更新，完成这三个转变才能让模型从重复已知走向产出未知。

目前上海人工智能实验室推出“书生·端砚”科学发现平台，面向真实科研全流程，连接了科学大模型、专业智能体、实验数据与具身自动化设备，覆盖从“假设提出”到“实验验证”的完整科研流程。周伯文表示，大模型能力提升后，AI能帮助科学家快速低成本试错，以极低成本实现原来不可能完成的科学实验。科学发现中的真问题推动AI能力向上突破，更强的AI反过来打开更前沿的科学领域。

崖州湾实验室聚焦种业科技自立自强与种源自主可控。崖州湾实验室副主任陈凡表示，AI通过智能推测形成闭环和洞察力，如果有这样的洞察力，它的假设自然可以得到验证，在以实验科学为主体的工作中，AI会更快发现规律、发现过程。过去的农业是靠天吃饭，未来要依靠AI和数据促进农业发展。陈凡同样表示，老一辈的科学家在科研工作中经历过长时间的科学失败，他更希望未来AI能够基于这些数据分析，形成推理能力和科学发现。

吴能友认为，在海洋领域，一条现实路径是先让AI针对一个问题提出不同科学假说，并根据数据进行预筛选，最后由科学家来选择具有价值的假说，并通过观测手段实施验证，“这恰恰是科学品位的具体体现，也是我们科学家应该做的事。”