“科学研究是下一个Coding，也是突破AI智能上限的终极考题。”7月17日，在2026 WAIC科学前沿论坛上，上海人工智能实验室主任、首席科学家周伯文将科学研究定义为AGI的下一程。

论坛当天，以“AI赋能科学，科学启迪AI：迈向下一代科学范式”为主题的圆桌讨论，把上述判断引入真实科学场景。在上海人工智能实验室领军科学家、香港中文大学人工智能交叉学科研究所所长林达华的主持下，中国工程院院士、苏州实验室学术副主任孙宝德，崖州湾实验室副主任陈凡，广州实验室副主任陈新文，昌平实验室副主任金勤献，崂山实验室副主任吴能友展开对话。话题从“AI究竟解决了哪些真问题”出发，逐步深入到科学假说的生成、科学家的未来位置，以及科学如何反向启迪AI。

本次圆桌，战略科学家虽然未能形成整齐划一的答案，但达成了“有分歧的共识”：AI正加速融入科学发现全流程，但提出假说并不等于完成科学发现；AI可扩展探索的边界，但科学品位、实验验证与责任判断始终是人类科学家不可替代的核心价值。

AI正加速融入科学发现全流程

AI赋能科学，首先改变的是科研人员处理复杂系统的能力。

在材料领域，从一种材料被发现、发明，到最终进入工程应用，往往要经历长达20年的周期。孙宝德认为，材料是包含随机扰动与非线性关系的复杂系统，“AI有望贯穿设计、制造、服役和评价全过程，加快材料研发从经验试错走向数据与机理协同驱动”。

中国工程院院士、苏州实验室学术副主任孙宝德

在海洋领域，传统数值模式面临算力需求高、预报速度慢等瓶颈，且预报误差随预报时效增长而累积。吴能友介绍，崂山实验室研发的全球海洋环境高分辨率智能预报模型“问海”，可在1.5分钟内完成未来15天海洋环境变化的预测。

在生命健康领域，陈新文认为，“围绕呼吸道病毒，AI有望帮助研究者更早识别变异规律，使传染病防控从被动应对走向主动预判。另外，他提出了更长远的目标：在AI的帮助下，人类可摆脱群体均值化的疾病研究模式，以计算模型描摹生命跨层级动态特征，搭建“数字生命”与“数字孪生”，实现个体化疾病预判。

有进展并不等同于AI已经跑通科学发现全流程。金勤献提醒，AlphaFold等成果已经深刻改变了生命科学研究，但已有AI赋能研发的药物进入三期临床阶段，但“仍没有一款药物完整走完研发和审批全流程”。这表明，生命系统的复杂性远高于规则明确、反馈及时的语言或代码任务。

陈凡则把目光投向了科研过程中最容易被忽略的部分——失败。他分享了一段参访经历：某生物技术实验室的记录本，最核心的内容是失败，以保证第二天不再重复前一天的错误。他谈到，“老一辈科学家的经验，很大程度上来自长期试错形成的判断。要让AI真正参与科学发现，就不能只学习被整理过的正确答案，还要理解数据如何产生、实验为何失败，以及研究者如何据此改变下一步行动。”

崖州湾实验室副主任陈凡

AI革新科学范式，关键在于提出可证伪的假说

AI革新科学范式，关键不只在于提高效率，而在于能实现“提出假说—设计验证—修正认知”的闭环。

孙宝德认为，评判科学假说的核心标准是可证伪、可检验，“科学理论必须经过实践验证，仅有推演无法成立，这也是当下AI尚难以独立完成原创科学突破的核心原因。”

金勤献将AI参与科研概括为三个层次：第一，阅读和综合海量文献；第二，作为助手提升效率；第三，成为由多个智能体组成的科研伙伴，分别承担数据分析、交叉验证和多路径探索。但在他看来，“AI目前还难以替代人类完成核心环节，真正的科学发现，根基在于研究者独有的‘科学品位’与抽象原创假设的提出。”

陈新文认为，AI已经初步显现出生成科学假说的能力，“但一项假说能否成立，至少要经过五重检验：表述是否清晰完整；是否可以被证伪；是否具有明确的新颖性；实验能否排除其他解释；能否被不同研究团队重复验证。”

广州实验室副主任陈新文

尽管海洋科学是一门以观测为主的学科，但AI已经展现出辅助生成科学假说的潜力。吴能友以海洋学界研究数十年的中尺度涡参数化（闭合）难题为例，佐证AI在这一方向的能力：已有研究依托机器学习，从高分辨率数值模拟数据中推导出可解释、可检验的显性数学表达式。同时，他也提醒，“我们要注意到，这种假说是一种组合式、插值式的假说，是以人类已经提出的科学概念为基础。”

陈凡立足育种领域，把科学发现梳理成完整循环链条：由数据沉淀形成科研洞察，依托洞察生成科学假说，假说再经由实验验证，产出全新结论并反哺新一轮认知迭代。他提出，“AI产出高质量科学假说，关键不在于简单归纳复述现有知识，而在于能完整跑通‘提出假说—设计验证—修正认知’的闭环。”

科学家与AI协作，各司所长、彼此成就

当AI逐步接管文献检索、数据处理、模型计算乃至部分实验流程，科学家的价值会不会被削弱？未来科学家该如何与AI开展协作？

金勤献认为，AI对现有科研范式的冲击不可避免，“生命科学研究常常需要把高维复杂系统简化为少数变量，而机器更擅长同时处理多维关系，随着这种能力不断增强，一部分依赖重复操作和低维分析的科研工作将被重构。但生命科学碰到的问题比语言模型、AI编程复杂得多，高水平假说的提出，目前仍需要人的引领。”

昌平实验室副主任金勤献

孙宝德以液态金属为例展开分享，“液相线以上的熔体结构及其性质仍有大量未知，而这些信息又直接影响后续凝固过程。AI若没有来自新型实验装置的结构、相互作用和性质数据，就无法凭空发现规律。长远看，AI或许能够主动设计实验、获取数据，但目前仍需要科学家提出问题、设计装置并引导探索。人和AI之间，应该是互相成就的关系。”

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，也是科学家应该做的事”。

崂山实验室副主任吴能友

陈新文进一步补充了AI的优势：“不同于人类科学家灵光一现的原创突破，AI的核心价值在于打通领域间的知识壁垒，实现跨领域、远距离的知识交叉融合，在跨界创新方面助力科研快速取得突破。”

陈凡则把这种“双向奔赴”延伸到农业生产：“AI与科学的双向赋能将彻底改变传统农业‘靠天吃饭’的模式。未来智慧农业依托AI与数据，能够深度解析种子、环境、作物生长之间的复杂关联，把前沿科研认知转化为稳定、高效、可持续的智能生产实践，以智能科创赋能农业新质生产力发展。”