复旦与上智院定义科学智能2.0：开放协作、科学家为中心|上智院|人工智能|基础科学|复旦|科学智能|院士|顶尖科学家协会奖

机器之心报道

编辑：+0

今年的世界人工智能大会（WAIC）可谓热闹非凡，据说有的展台甚至一度拥挤到工作人员都难以进入。

在出圈的众多机器人和终端产品之外，另一个领域也值得我们关注：科学智能（AI for Science，AI4S）。

在本届大会上，科学智能的战略地位被提到了新高度，作为十大核心方向之一，拥有专属论坛和多个交叉议题。这并非偶然，自从 AlphaFold 用惊人的效率解决了困扰生物学界很长时间的难题，科学智能就已经证明，它不是未来的幻想，而是正在重塑科学根基的现实力量。

由复旦大学与上海科学智能研究院（上智院）联合主办的「星河启智·科学智能开放合作论坛」，为观察这一领域的变革趋势提供了一个窗口。

论坛汇聚全球智慧，包括图灵奖诺贝尔奖得主等杰出科学家、顶尖高校代表、产业界领袖及青年科研先锋，共同探讨科学智能 2.0 时代的开放协作、前沿创新与产业实践。

复旦大学党委书记裘新在开场致辞中指出，希望以本次论坛为契机，进一步培育科学智能的沃土，推动全球开放合作，为上海科技创新中心的建设迈出新步伐。

复旦大学校长金力院士在解读《开放科学全球学术合作倡议》时则为「开放合作」的议题设定了基调。他坦言，推动开放科学的深层动力，源于对当前科学智能发展的某种「失望」，因为业界普遍仍停留在将 AI 视为工具的「工具思维」，而未真正走向构建人机协作的「生态思维」。他呼吁，必须构建一个由人类科学家、开放数据、全球协作和 AI 科学家群体共同组成的「超级科学发现系统」。

金力院士的呼吁描绘了「做什么」的宏大蓝图，而复旦大学特聘教授、上智院院长、无限光年创始人漆远则给出了「怎么做」的具体路径，他在星河启智科学智能开放平台发布环节的技术演讲中将科学智能的当前进展定义为「科学智能 2.0 时代」：一个以领域科学家为中心，让 AI 进化为能理解科学家意图、默契协作的「合作伙伴」的时代。

当强大的算力、前沿算法与具体的科学需求交织，未来将走向何方？从「超级科学发现系统」的构想，到 AI「合作伙伴」的角色转变，我们需要如何化解潜在分歧，凝聚推动进步的共识？最关键的是，我们该如何构建一个能够融合各方力量、加速创新循环的生态系统？

让我们带着这些问题，一同深入这场思想盛宴，探寻塑造未来的答案。

顶层视角的碰撞：

全球智慧的交锋与共识

论坛开篇，多位科学家的观点，共同将科学智能的讨论引向其核心目标——解决高价值、高难度的前沿科学问题。

诺奖与图灵奖得主的前沿思考

图灵奖得主、VERIMAG 实验室创始人Joseph Sifakis教授通过远程分享，为我们剖析了构建可信自主系统的复杂性。

他强调，当前的人工智能，特别是机器学习，虽然在特定任务上表现卓越，但距离真正的通用智能和可靠的自主决策仍有很长的路要走。他提出的智能体参考架构（Agent Reference Architecture）试图为这一挑战提供一个框架，通过将反应式行为与主动式行为相结合，并整合长期记忆与知识，构建一个能够与环境、其他智能体乃至人类进行复杂交互的系统。

他提醒我们，在拥抱 AI 带来的效率提升时，必须正视其在可靠性、安全性和语义控制上的根本性挑战，符号推理与知识的有效增强是通往更高级别人工智能的必经之路。

而诺贝尔物理学奖得主、罗马大学的Giorgio Parisi教授则从基础科学的视角出发，提出了 AI 目前发展的核心挑战：现代人工智能如同热力学诞生前的蒸汽机——虽具备实用功能，却缺乏基础理论框架。

他的研究领域——复杂系统和统计物理，恰恰是当前许多 AI 大模型理论的基石。Parisi 教授的演讲指出，尽管深度学习网络模型取得进展，目前发展的关键缺陷依然存在：「我们尚无可通用的理论来解释神经网络的工作原理。他主张，为了进一步的发展，我们应组建跨学科团队（物理学家、生物学家、计算机科学家），来尝试构建「人工智能的理论框架」。

从计算设施到科学应用的双重驱动

将目光转回国内，之江实验室主任、阿里云创始人王坚院士的演讲，为我们带来了更多视角。

王坚院士从「计算与人工智能」这一宏大的概念出发，认为人类正处在一个「科学革命的时代开始」，而计算是这场革命的核心。他风趣地指出，把 AI 翻译成「人工智能」可能限制了我们的想象，科学智能的本质是拓展人类科学研究的边界。

随后，王坚院士向我们阐述了开放的大模型平台在未来突破人类创造力的重要性。他以一位 18 岁高中生利用公开数据发现新天体的例子，生动地说明了 AI 正在打破科研的专业壁垒，实现科研的「平权」。王坚院士所代表的，正是以之江实验室为代表的「大科学装置」视角——强调构建强大的算力基础设施和开放平台，是驱动科学智能发展的「底座」。

紧随其后，伦敦大学学院（UCL）的汪军教授则带来了聚焦应用的另一极。

汪军教授的团队致力于将机器学习，特别是强化学习和贝叶斯优化，应用于解决具体的科学难题。他以其团队开发的「河伯」贝叶斯优化系统为例，展示了 AI 如何在抗体设计、材料科学、数据科学竞赛等领域，以「黑盒优化」的范式，高效地找到最优解。

更进一步，他提出了从聊天机器人到行动执行大语言模型的范式转变，即利用大语言模型驱动的智能体，以世界著名的数据科学竞赛平台 Kaggle 为例，自动完成从问题理解、数据处理、建模到实验验证的全流程。这代表了 AI 与数据科学领域深度结合的应用视角，是科学智能价值实现的「精准场景」。

王坚院士的「底座论」与汪军教授的「场景论」提供了不同但互补的视角，共同揭示了科学智能发展的两大支柱：强大的基础设施是根基，而精准的、能产生价值的应用场景则是其生命力的体现。

凝聚全球共识：

《开放科学全球学术合作倡议》

当人类科学发现进入新时代，一个严峻的挑战也随之而来。技术壁垒、资源分配不均和封闭的生态系统，正在造成日益扩大的「数据鸿沟」，可能将许多研究者排除在这场变革之外。

面对这一挑战，论坛达成了关键共识：科学智能 2.0 时代的核心，不在于单个模型的技术突破，而在于构建一个开放、安全、协作的全球科学生态系统。

论坛上，中国科学院院士、图灵奖与诺贝尔奖得主等国际顶尖科学家共同发起了《开放科学全球学术合作倡议》。

该倡议旨在打破「数据鸿沟」，推动形成一个由人类科学家、开放数据、全球协作和 AI 科学家群体共同组成的「超级科学发现系统」，让 AI 的科学之光惠及全球每个角落。

参与呼吁的科学家包括中国科学院院士杨卫、2021 年图灵奖得主 Jack Dongarra、2013 年诺贝尔化学奖获得者 Michael Levitt、2022 年世界顶尖科学家协会奖「智能科学或数学奖」得主 Michael I. Jordan、2018 年埃尼环境先进技术奖得主李相烨、2019 年拉斯克临床医学研究奖得主 Michael Shepard 以及《科学》系列期刊出版人 Bill Moran 等。

倡议提出了四大核心举措：

构建开放基础设施与统一标准：通过开放性和标准化打破数据与模型的孤岛，促进共同进步，让每一个算法和模型都成为可供全球使用的宝贵资产。
启动大科学计划：在联合国教科文组织等国际框架下，启动跨国界、跨学科的重大倡议，聚焦聚变能源、气候变化等人类共同挑战，汇聚全世界的科学智慧。
培养人才与全球责任：建立全球化的人才发展体系，促进科学家、AI 专家和工程师之间的国际合作与交流。
创造人类科学新时代：让开放合作成为科学创新的基础，使 AI 更好地服务于科学，最终惠及世界每一个角落。

这一倡议不仅为论坛设定了基调，也为后续关于教育、科研和产业的讨论，指明了方向。

校长对话：

科学智能 2.0 时代的开放教育与科研新范式

如果说顶尖科学家的演讲定义了科学智能的技术边界与哲学高度，那么由五位顶尖高校代表带来的「校长对话」，则讨论了另一个根本的议题：在以强推理和自主智能体为标志的科学智能 2.0 时代，作为知识创造和人才培养核心的大学，将如何被重塑？

这场以「推动开放科学，开启科学智能 2.0 时代」为主题的对话，对未来教育形态、科研范式乃至大学组织形式进行了深入讨论。

从「工具思维」到「生态思维」的跃迁：复旦大学校长金力院士以去年「榴莲之问」为引，坦言对当前科学智能的发展「仍有点失望」，因为业界普遍仍停留在「工具思维」，而未真正走向「生态思维」。他认为，要打破数据隐私、技术主权、投入回报等壁垒，就必须构建一个人与机器协作的「超级科学发现系统」。复旦的实践，正是通过「CFFF 智能计算平台 2.0」和全链条的 AI 课程改革，希望营造一个让学生带着老师跑的创新生态，让科学发现的网络效应真正涌现。
基础研究是 AI 的「源头活水」：南方科技大学校长薛其坤院士则强调，AI 本身就是基础研究的产物，其核心的神经网络模型源于统计物理。因此，他认为加强数学、物理等基础学科教育，是培养顶尖 AI 人才的根本。他以深圳正在建设的、投资超百亿的自由电子激光这一大科学装置为例，指出未来的大学必须依托并贡献于这样的大型开放平台，为人才培养和科学研究提供更开放的协作环境，这才是科学智能发展的「源头活水」。
社会科学的「范式革命」：上海财经大学校长刘元春教授带来了社会科学领域的「警钟」。他引用 Sam Altman 的观点，指出金融和政府是 AI 落地最快的领域之一。他认为，AI 的出现不仅仅是提供了新工具，更是从根本上改变了社会科学的研究对象——一个由碳基人类和硅基智能体共同组成的「超复杂社会」。这使得传统的经济学、社会学理论面临颠覆，并迫使财经类大学必须进行学科体系和教学模式的全面革命，以应对这场「人类历史上最伟大的社会革命」
重塑科研范式与大学形态的「激进构想」：来自香港的两位校长则将思考推向了更具颠覆性的前沿。香港大学副校长宫鹏教授将科学智能定义为继「数据密集型」之后的「第五科学范式」，其成功的关键在于「统一标准的数据共享」，并指出香港作为国际枢纽在构建全球数据共享联盟中的独特优势。而香港科技大学首席副校长郭毅可教授的观点最为激进，他直言「AI 会改变教育的本质」，进而「改变大学的组织形式」。他提出了一系列面向未来的解决方案：用区块链解决开放科学中的知识产权确权难题；用「纳米出版」（Nano Publication）替代冗长的传统论文；用「分布式同行评议」取代少数人决定的传统评审模式。

对话形成的一个共识是：科学智能 2.0 时代，不仅要求科研基础设施的变革，也要求对大学这一组织数百年来的形态、功能与评价体系进行反思与调整。

研创一体的路径探讨：

从生态共识到产业落地

主旨演讲与校长对话为论坛设定了宏观基调，而青年企业家和学者的圆桌讨论以及复旦、上智院等机构的一系列发布，则将焦点转向了具体的路径探讨，共同讨论了科学智能研创一体化趋势下的技术路径与产业落地问题

讨论中的共识：构建「热带雨林」式生态

在由深度原理 CEO 贾皓钧主持的圆桌讨论中，来自产业界（百图生科、镁伽科技）、学术界（西湖大学、香港中文大学）以及新型研发机构（上智院）的一线代表，形成了议题下的不同视角，并在讨论中形成了一个共识——科学智能的发展需要三方力量协同进化，形成一个「热带雨林」式的生态。

产业界的视角聚焦于商业化落地，直指当前的核心痛点。百图生科研发负责人张晓明指出，AI 大模型的计算通量与湿实验的验证通量之间存在巨大错配。AI 模型能快速生成海量候选方案，但实验周期长、成本高，导致高质量标注数据稀缺，这极大地限制了模型的迭代速度和预测成功率。

镁伽科技联合创始人兼 CPO 张琰为此提供了解决方案：为 AI 的大脑，装上自动化的「机器身体」。通过构建集成标准化流程、自动化工作站和实时数据采集的智能自动化实验室，可以将「设计-构建-测试-学习」（DBTL）的闭环高速运转起来，产生海量、高质量、标准化的数据直接「喂养」和优化 AI 模型，从而弥合计算与实验之间的通量鸿沟。

学术界则更关注源头创新和基础问题。西湖大学的吴泰霖博士探讨了在物理规律的强约束下，如何通过模拟数据预训练、再用少量真实实验数据微调的方式，增强模型的学习与泛化能力。

来自香港中文大学的刘圣超博士和李煜博士聚焦于生命科学领域，他们不仅思考如何构建更强大的模型，也深入探讨了科学智能的双重风险：一方面，AI 降低了生成病毒蛋白等危险行为的技术门槛；另一方面，跨组学数据融合也带来了隐私风险。他们认为，科学智能正逐渐发展为一个独立的交叉学科，需要系统的培养路径和跨界融合的团队协作。

作为新型研发机构代表，上智院 AI 科学家姜若曦博士则提供了一个连接基础研究与生态构建的独特视角。她认为，我们不应盲目套用大模型，而应在科学智能领域进行更深入的算法创新，将物理、化学等先验知识融入模型，通过表征学习理解和提升模型，让模型不再是一个「黑箱」。在此基础上，她强调了合作与开放的重要性，呼吁研究者「可以勇敢地对领域的一些「权威」但片面的标准进行质疑」，并「和基础科学研究的专家一起合作，推动领域的进一步发展与落地」。这揭示了上智院这类机构的双重角色：既是进行源头创新、探索基础问题的研究机构，又是搭建开放平台、推动多方协作、构建创新生态的「连接器」。

这场讨论生动地描绘了一幅科学智能创新「热带雨林」的图景。在这片生态中，不同角色的功能相互交织、彼此赋能：产业界从真实世界的痛点出发，定义需求、牵引落地场景；学术界则聚焦于源头创新，致力于攻克基础科学难题。而连接这两端、加速创新循环的，是两种关键的「桥梁」：一是以镁伽科技为代表的「硬」基础设施，通过自动化实验平台打通「干湿闭环」；二是以复旦、上智院为代表的「软」基础设施，通过搭建开放平台与社区，进行算法创新，重点扮演着融合各方力量的「连接器」角色。正是这些不同力量的协同，构成了科学智能创新「热带雨林」的雏形。

路径的实践：开放平台、具体应用与伦理治理

复旦大学与上智院等机构在论坛上的一系列发布，展示了如何将生态构想付诸实践。

会上，上智院联合复旦大学、无限光年发布了共同打造的星河启智科学智能开放平台（NovaInspire: Scientist-Centered AI Open Platform）

金力、复旦大学附属中山医院心内科主任、上海市心血管病研究所所长葛均波、上海市经济和信息化委员会副主任张宏韬、上海市科学技术委员会副主任屈炜、上海市教育委员会副主任赵震、中国电信上海公司党委委员、财务总监、总会计师王海建、中国联通上海分公司党委委员、副总经理刘彤、上海库帕思科技有限公司董事长山栋明、上海智能算力科技有限公司总经理孙跃、漆远共同发布星河启智科学智能开放平台。

漆远教授在阐述「星河启智」（NovaInspire）科学智能开放平台理念时，表达了他对「科学智能 2.0 时代」的定义——一个 AI 从工具进化为科学家「合作伙伴」的时代。「星河启智」正是这一构想的承载体。

它不仅仅是一个工具集，更是一个以科学家为中心、赋能每一位领域科学家的开放生态。平台的核心理念是，通过提供一个集开放数据、共享模型、融合算力、自动化闭环实验室与核心的「智能体广场」（Agent Square）于一体的综合性系统，让 AI 智能体能够像人类科学家一样，自主进行规划、建模、调用工具乃至进化。

这旨在从根本上降低各领域科学家进行前沿探索的门槛，让他们的精力能从繁复的工程任务中解放出来，聚焦于更高价值的科学问题发现与验证，最终通过连接与协作，形成创新的网络效应。

星河启智平台上的具体应用案例展示了科学智能的广阔前景。

其价值不仅体现在生命科学等「理医工」领域，也延伸至人文社科领域。例如，服务于人类文明传承的「早期中华文明多模态大模型」便是一个典型代表。

该模型的研发共创始于去年秋天，复旦大学副校长、国家发展与智能治理综合实验室主任陈志敏率队到访上智院时指出：「希望双方能够在产学研结合的基础上，共同将 AI 技术的研究成果转化为推动社会发展的新动能。」

谈及该项目的核心使命，复旦大学校长助理、上智院理事长、上海创智学院副院长吴力波介绍道：「作为一个聚焦早期中华文明源流的智创工程，其核心宗旨是要回答两个问题：第一，我们的中华文明从哪里来？第二，我们的中华文明是怎样演进的？探寻这两个问题的答案对于今天我们要讲好中国故事，传承中国文化，坚定文化自信都有着非常重要的支撑作用。」

裘新、复旦大学文科资深教授、出土文献与古文字研究中心主任刘钊、复旦大学中国历史地理研究所教授、所长张晓虹、复旦大学历史学系教授高晞、复旦大学人工智能创新与产业研究院研究员、上海科学智能研究院 AI 科学家朱思语共同发布早期中华文明多模态大模型。

而在医疗领域，复旦大学附属中山医院心内科主任、上海心血管病研究所所长葛均波院士介绍了「观心大模型」的实践价值。他从临床医生的角度出发，指出面对复杂病例时，单一学科的医生常遇诊断困境。「观心大模型」正是为了解决这一痛点，通过整合病历、影像、检验等多模态数据，构建诊断推理链，为医生提供辅助决策，以提升对复杂罕见病的诊断能力。