深度 | AI 对于科学研究的革命性意义，被严重低估了

文：于

编辑：文蔚

2026年8月5日，Google在技术领域的传奇人物、「代码之神」、Deepmind首席科学家Jeff Dean，在整个行业的一片哗然中，宣布离职并进行自主创业。他的创业项目Discovery Loop瞄准了一个方向：

AI For Science（AI4S）。

无独有偶，同样是在8月份，曾经负责「OpenAI for Science」团队的前OpenAI成员Kevin Weil也宣布离职，他也成立了自己的AI For Science公司，估值7.5亿美元。他在今年初说过一句让整个AI行业瞩目的话：2026年对科学来说，将如同2025年对软件工程一样重要。

一时之间，AI For Science，已然成为这场AI科技革命中的前沿热门。

当然，在大洋彼岸的中国，通过AI来赋能于科学研究，也在成为一门显学——这其中的一个关键背景是，在AI落地的实践中，确实有一些科学研究正在加大力度引入AI，并且已经呈现出明显的效果和价值提升。

当「松树癌症」遇见 AI

在我国林业科研中，松材线虫病，又称「松树癌症」，一直是一道难题。

这是一种由松材线虫引起的具有毁灭性的森林病害——这种病自1982年传入中国，已经蔓延了14省，面积达7.7万公顷，导致大量松树枯死，对中国的松林资源、自然景观和生态环境造成严重破坏，，造成了严重的经济和生态损失。

这个病的难题在于，松树一旦感染，从感染到枯死，最快只要四十多天，而且能够成片传染给附近的松树。关键是，它感染之后，早期根本看不出来，等到树冠出现明显变化时，病害可能已经进入中后期，后续采伐、运输和清理的成本也会随之增加。

为了解决这个问题，已经有不少林业研究者参与其中，比如南京林业大学。

在以往的防治方面，科研人员需要依靠林业经验，从不同光谱波段、植被指数及其组合中筛选可能有效的特征，再通过大量实验逐项验证；南京林业大学团队构建的候选特征池比较多，人工全部验证需要较长时间，也容易受到既有经验的限制。

但是，AI的到来，有效地解决了这个问题。

根据南京林业大学信息科学技术学院、人工智能学院副院长林海峰教授的说法，在课程建设和学生竞赛过程中，其研究团队与百度进行了接触，双方很快开始通过百度伐谋的AI For Science项目进行合作——科研团队负责提出问题并验证，百度伐谋则帮助团队找到方案。

那么，双方合作的结果是什么？

根据相关科研数据显示，通过伐谋优化，团队从107个候选特征中筛选出约5个关键特征，预计将前期特征筛选和消融实验时间压缩约80%。

在识别效果上，mAP@0.5这一衡量模型整体检测效果的指标由86.4%提升至90.8%；早期病害召回率，即早期病树检出率，由89.1%提升至98.0%；模型针对早期病害类别的专项识别能力由78.5%提升至88.7%；干旱和枯草的误报率由13.6%降至5.1%。

对于这个结果，南京溧水林站的相关负责人表示，之前已经投入了很多精力在松材线虫病的治理中，那么多年下来效果并不是特别好——但是，在接触到双方合作的智能系统之后，他感觉到这是一个革命性的技术。

从经济效益的角度来看，南京林业大学相关技术目前已多个省份规模化应用，通过早期精准防控为国家节约防治成本约7亿元。在引入百度伐谋后，该能力有望进一步支撑约50万至100万亩重点风险松林的早期预警能力提升，预计可节约核查、防控和模型迭代等相关成本约3000万至5000万元。

值得一提的是，在8月12日的百度伐谋AI4S AI Day活动现场，百度伐谋也与南京林业大学联合上线了全国首个AI+早期松材线虫病防治一体化平台；平台覆盖多光谱特征筛选、模型识别、无人机巡检、地图定位和现场复核等环节，为松材线虫病的早发现、早判断和现场复核提供支持。

可以说，在「松树癌症」的防治研究中，AI对于科学研究的助力，得到了充分的体现。

「一位不知疲倦的工程师」

在AI赋能于科学研究的成果中，「松树癌症」仅仅是其中的一个。

在本次百度伐谋AI4S AI Day上，百度伐谋集中了呈现十大跨学科科研标杆成果，覆盖数据驱动的机理预测、科学仿真的加速求解、可验证环境下的目标搜索和动态环境下的自主博弈等四类方向，涉及到林业、材料、脑科学、金融科技、光电、汽车、能源、数学和具身智能等多个领域。

其中，「松树癌症」就属于AI应用于林业科学的典型案例。

但实际上，在其他领域，百度伐谋也已经实现了不少的AI落地成果。比如，在汽车领域，百度伐谋和北方最大的汽车设计公司阿尔特汽车一起进行了CFD仿真加速求解工作，双方的合作重心是计算风阻系数，并且改变局部车身机构下的风阻系数变化趋势。

在以往的工作中，主要是通过软件来解微积分方程，一次计算就需要花费10个小时。而在双方引入AI合作之后，2天时间就能够完成此前AI工程师3个月的工作成果，而且同一类车型还可以直接复用伐谋算法进行风阻评估，最终优化出来的算法能够实现秒级运行。

在EDA芯片研发领域，百度伐谋的落地效果也是令人眼前一亮。

光本位是一家通过光电芯片设计来打造光计算系统的企业，在进行芯片设计的过程中，光本位引入了百度伐谋进行AI合作。

在AI的助力下，光本位的研究员围绕1×16 MMI功分器开展多目标寻优，对6个几何变量和3项性能指标进行120轮自动搜索，其结果是，均匀度指标改善约55%，综合性能评分提升6.5%，伐谋只用了四个小时就达到了更好的参数配置——而在以往，这个过程需要资深工程师用一到两周时间才能完成。

关于这个成绩，光本位智能科技董事长熊胤江表示，这不仅是几个性能指标的胜利，更是巨大的商业化和工程化的价值。一是它打破了人类的经验盲区，作出了最聪明的反知觉决策；二是实现了研发效率的降维打击，资深工程师可以从无尽的参数调优的泥潭中抽身出来，去思考顶层更举创新性的芯片架构设计。

熊胤江还强调：

伐谋对于光本位而言，更像是一位不知疲倦的出色的硅光器件的工程师，把我们在源头上保障了光计算芯片的最终算法精度，打破了物理底层器件的性能天花板。伐谋证明了AI同样可以深入半导体企业的核心研发问题，反哺最底层的元件研发，帮我们跨越工程落地的鸿沟。

值得一提的是，百度还将伐谋应用于量化研究中。具体来说，百度伐谋围绕从A股日内交易数据中挖掘短期收益信号的任务，持续测试不同的特征、模型、训练策略和组合方式。经过28天持续长程搜索，最终策略达到顶尖量化机构水平，大盘年化收益提升11%。

另外，在现场的展区内，百度伐谋还展示了电磁材料特性预测、跨人群抑郁症识别、氢能电力系统调度、具身智能控制、数学问题证明和多智能体对抗博弈策略优化等成果，进一步呈现百度伐谋在不同学科和科研任务中的应用探索。

用 AI 重审「李约瑟之问」

上个世纪，英国著名史学家李约瑟提出了一个沉重的叩问，那就是：为什么现代科学没有在中国文明中发展，而是在欧洲兴起？对于中国科技创新的发展来说，这个问题确实显得异常沉重，也因此被称之为「李约瑟之问」。

但如今，这个问题，确实要被重新审视了。

原因很简单，在过去数十年的发展过程中，中国科学研究的发展已经得到了长足的进步，也涌现出不少让整个世界瞩目的成果——更重要的是，随着人工智能时代的到来，AI给中国科技创新带来了更多的新机会。

实际上，在百度集团执行副总裁、百度智能云事业群总裁沈抖的事业中，AI正在改变科研、教学、生产和生活的很多方式。对于已经定义清楚的问题，AI可以帮助人们更快验证和找到更优解；对于尚未完全定义清楚的问题，AI则可以帮助科研人员提出新假设、发现新路径。

不仅如此，AI也正在从提升信息获取效率，进一步走进企业和科研机构的真实任务场景，成为中国引领全球科技创新的重要力量。

对于百度来说，伐谋的推出，就是为了推动AI更好地服务于生产生活和科研创新。作为一个能够自我演化、擅长解决创新和优化类问题的智能体，百度伐谋把目标、规则、资源限制和评价标准组织起来，让AI持续生成、筛选、验证和改进方案，在更大的空间里探索更优解，实现或逼近最优解。

其中，在科研场景中，百度伐谋可以帮助科研人员发现规律、搜索方案、加速验证，探索过去难以抵达的新解法。

这主要包括四类工作：一是从大量数据中识别复杂现象背后的规律、算法、模型；二是用AI加速高精度仿真计算；三是在目标明确、约束复杂的情况下寻找全局更优解；四是研究多个智能体如何在变化的环境中相互影响、共同演化，从而找到更稳定、更高效的协同策略。

值得一提的是，许多AI应用主要擅长从已有数据中总结规律，而百度伐谋进一步把重点放在对未知方案的持续探索上。它可以将一个研究设想拆解成多个可验证的方案，帮助专业人员减少重复试错，在更大的范围内探索不同路径，推动科学发现从「妙手偶得」走向「规模化创新」。

确实，从百度伐谋在科研领域的落地实践来说，AI在科研领域确实正在发挥越来越重大的作用。

值得一提的是，在南京举行的百度伐谋AI4S AI Day上，除了集中展示十大跨学科科研标杆成果，百度伐谋还正式发布了AI4S「1+10+N」战略。

不仅如此，随着这一战略的发布，百度伐谋同步启动了AI4S科学家计划，该计划将支持100位各领域学者，重点覆盖材料科学、可控核聚变、量子计算、药物研发、合成生物学、先进制造与半导体、生命医学工程、能源与电池、空天与智能系统等方向。

具体来说，AI4S科学家计划设置青年学者计划和R&D Pioneer计划第二期两条路径，围绕课题立项、联合探索、资源支持、AI技术指导和科研实习生培养等环节，为高校与科研团队提供长期支持，推动AI4S从科研提效进一步走向成果创新。

通过AI4S科学家计划，百度伐谋希望连接高校与科研团队，形成从科研能力建设、成果验证到长期共创的推进路径——从落地的角度来看，这确实是一个AI能力赋能于科学研究的系统性尝试。

无论如何，一个无法忽略的事实是，正如南京林业大学党委书记孙爱武所言：人工智能正在深刻地改变科学研究的范式。

随着人工智能科技革命的到来，AI对于科学研究的赋能将会更加深入，科学研究同样也将会史无前例地拥抱AI，其在成果方面的潜在爆发力将会超乎人类预期——这将会是一个漫长的过程，而这个过程如今才刚刚开始。