2022 年底，ChatGPT 席卷全球，讓人們再一次領略到了 AI 的強大與驚艷。
如今，AI 已然成為當今科技界最熱門的話題之一，它不但改變了人們的生活，同時也為科學研究帶來了更多可能，AI for Science（人工智能驅動的科學研究，亦稱 AI4S）應運而生。
作為一種將“AI”和“科研”深度融合的新興科技形態，AI for Science 利用 AI 技術學習、模擬、預測和優化自然界和人類社會的各種現象和規律以解決各種科研問題，從而推動科學發現和創新，被稱為“科學研究第五范式”。
國內層面，今年 3 月，科技部聯合自然科學基金委啟動“人工智能驅動的科學研究”（AI for Science）專項部署工作，布局“AI for Science”前沿科技研發體系。國際層面，特斯拉首席執行官 Elon Musk 宣布成立人工智能公司 xAI，旨在建立理解自然規律的人工智能系統；谷歌前首席執行官 Eric Schmidt 宣布成立 AI for Science 博后獎學金，目前已布局 9 所高校；微軟成立科學智能中心 AI4Science；NVIDIA 聯合 IIT 發布 AI for Science 公開課程......從國內到全球，從學界到業界，AI for Science 儼然已成燎原之勢。
面對這場已經到來的科技革命，2022 年，北京科學智能研究院（AISI）、深勢科技、高瓴創投聯合發布了第一版《AI4S 全球發展觀察與展望》，詳細闡述了 AI for Science 的發展歷史和技術現狀，并深入剖析了其在多個行業領域的原理與實踐，發布后便獲得了來自全球各行各業的廣泛認可和支持。
作為新一代科創資源樞紐與智慧服務平臺，絡繹科學十分期待人工智能與科學研究的結合，依托絡繹科學開放社區，我們聯合了新型研發機構、高校院所、OA 期刊等，以科研工作者需求為核心、以推動數據和相關學術資源公開共享為使命，為廣大科研工作者提供創新智慧科研服務解決方案。目前，憑借對 AI for Science 的價值認可，絡繹科學也已打造出一系列 AI 驅動的科研生產力工具，助力科研成果價值放大，以促進“產學研用”的交流融合。
為了推動 AI for Science 持續助力和拓展更多領域的科研邊界，同時讓國內乃至全球更多從業者看到和看懂 AI for Science 中所蘊藏的科研與商業機遇，北京科學智能研究院、深勢科技攜手絡繹科學聯合發布 2023 版《AI4S 全球發展觀察與展望》。
此次發布的 2023 版《AI4S 全球發展觀察與展望》（簡稱《展望》）在上一版的基礎上對已有內容進行大幅更新，并新增近一倍全新內容，對過去一年的發展進行追蹤并闡述其如何影響 AI for Science 的發展路徑，整理匯總數十家領先企業和科研機構的經驗方法，深入解析相關技術、產品、產業、政策的演化，并以全新的框架重新梳理 AI for Science 的要素、沿革、展望，詳盡描述其在各行各業的實踐。
在 AI for Science 迎來飛速發展的 2023 年，新版《展望》通過內容方面的重構全面呈現 AI for Science 在科學多領域的應用與發展，助力從業者更好地了解 AI for Science 的應用現狀與未來趨勢，共同推動 AI for Science 領域的融合創新，蝶變前行。
創新提出 AI4S“四梁 N 柱”發展框架與新基建思路
科學技術是第一生產力。在過去的數百年里，科學技術的發展歷經了多次系統性危機，危機的解決讓科學技術實現質的飛躍，科學借助新工具的應用和普及帶來生產力的提升；如今 AI 時代已經到來，AI 在計算機視覺、自然語言處理，自動駕駛等領域大放異彩，但是 AI 要想從一套“數據處理”工具走向更加通用的“智慧”，科學技術是必經之路。
顯然，AI for Science 將會是 AI 的下一個主戰場，它將極大地拓展 AI 和 Science 的邊界，賦能技術和工業的各個方面，助力加快走完科學研究和技術創新之間的“最后一公里”，也將助力研究人員從紛亂的自然和社會特征之中抽絲剝繭，發現事物背后的關鍵規律。
圖｜AI for Science 的“四梁 N 柱”架構（來源: 北京科學智能研究院）
此次 2023 版《展望》首先概述了 AI for Science 原理與發展框架，并提出了“四梁 N 柱”觀點。
《展望》指出，在原有的科學基礎設施上，AI for Science 時代下的基礎設施將有四個方面的全面突破。其一，基本原理與數據驅動的算法模型和軟件系統；其二，高效率、高精度的實驗表征系統；其三，替代文獻的數據庫與知識庫系統；其四，高度整合的算力平臺系統，此四個方面概括為 AI for Science 的“四梁”。
而將 AI for Science 落地于廣泛場景中的具體實踐，這些垂直領域的應用和技術則稱為“N 柱”，比如生命科學、材料科學、能源、氣象等眾多領域。
完成“四梁 N 柱”的系統建設，一方面，要面臨著高度抽象化的領域知識門檻；另一方面，還要擺脫“作坊模式”推動科研向“平臺模式”轉變，這其中科學問題與工程問題互相交織和影響，因此，推動科學家與工程師的充分協作是高效實現 AI for Science 時代科研基礎設施建設的關鍵因素。
