人工智能驱动的研发新规范.docx

目 录

一、科研智能发展态势 1

二、科研智能产业发展情况 2

（一）科研算力—赋能科研智能高效运行 2

（二）科研数据—驱动科研智能创新发现 4

（三）开发工具链—全链路打造科研智能开发工具 7

三、科研智能应用发展情况 15

（一）基础科学研究—开展前沿探索，推动科学边界拓展 16

（二）产业研发创新—构建核心驱动力，加速产业升级变革 18

四、科研智能生态建设情况 19

（一）产业组织 19

（二）社区建设 19

（三）科研赛事 20

（四）会议交流 21

（五）教学培训 21

（六）标准布局 21

五、总结与展望 22

附录一 23

表目录

表1国外科研领域主要公开数据集 5

表2国内外典型科研智能算法库 10

表3我国代表性科学套件 12

表42019年至2023年Science杂志评选的十大科学突破 17

表5科研智能典型领域模型 23

一、科研智能发展态势

科研智能（AIforResearchandDevelopment，以下简称AI4RD，人工智能赋能科学研究及产业研发）是科学智能（AIforScience，AI4S）概念的延伸和扩展，主要包括两方面内涵，一是聚焦人工智能加速基础科学研究，拓展研究思路，加速研究进程；二是强调人工智能在应用研究和产业研发中的重要作用，全面提升工程技术创新的效率。科研智能代表了科技创新的新范式和新动能，有望全面加速基础研究和产业研发的进程，并缩短两者之间的转化周期，推动科技成果在工业界的产业化和规模应用。科研智能正在全球范围内加速发展。 ，各国相继发布政策构筑科研智能发展环境。2023年12月，欧盟委员会发布政策简报《人工智能在科学中的应用》，倡导为欧洲量身制定一项政策，促进人工智能在科学领域的应用。2023年5月，美国新建7家国家人工智能研究所，推动人工智能在气候、脑科学、社会决策、教育等领域的应用研究。2022年8月，我国发布《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，支持探索人工智能技术用于重大科学研究和技术开发的应用场景。 AI持续拓展科学领域问题解决的能力，围绕生命科学、物理等领域，形成了如

Alphafold3等代表性成果。另一方面AI不断加速产业研发进程，在材料研发、气象预测、工业设计等领域相继取得技术突破。

科研智能作为一个新兴的交叉领域，目前尚处于发展的早期阶

段，但已经展现出巨大的发展潜力和广阔的应用场景，中国信息通

信研究院（以下简称

信研究院（以下简称“中国信通院”）持续跟踪科研智能技术和产业

动态，于2024年发布报告《科研智能（AI4RD）—人工智能驱动的研发新范式》

动态，于2024年发布报告《科研智能（AI4RD）—人工智能驱动

的研发新范式》，旨在描绘科研智能领域的生态全景，为政府部门制

定产业政策、指导项目布局提供参考，为研究机构、科技企业把握

技术方向、开拓应用场景提供借鉴，加速该领域的技术创新和应用

实践，为我国在该领域抢占发展先机提供助力。未来，中国信通院

将关注全球科研智能发展动向，深化对关键技术和产业趋势的研判，

加强与科研机构、高校、企业等产学研各界的交流合作，共同推进

科研智能生态体系建设，为科技强国和创新型国家建设提供有力支

撑。

二、科研智能产业发展情况

科研算力与科研数据的深度融合为AI4RD

科研算力与科研数据的深度融合为AI4RD奠定了坚实基础。

由AI框架、算法库、开发套件及领域模型组成的开发工具链极大提

升了科研效率，促进了跨学科、跨领域的协同创新与融合，深刻改

变了科学研究范式。

（一）科研算力—赋能科研智能高效运行

科研算力是指结合智能算力与超算算力的计算能力，通过异构计算架构满足高精度计算和AI模型训练推理需求。智能算力基于GPU（图形处理器）、TPU（张量处理单元）、NPU（神经网络处理单元）等AI芯片，提供高度并行计算能力，适用于人工智能的训练和推理计算。超算算力依托超级计算机集群，实现大规模科学计算

和模拟，能够处理复杂的科学计算问题，广泛应用于如行星模拟、

药物分子设计、基因分析等场景。而科研智能算力整合了AI计算和科学计算两种方式，采用异构计算架构，结合多种计算单元，以满足高精度科学计算和人工智能模型训练、推理的双重需求。

科研智能的研究涉及大量复杂的计算任务，包括大规模数据处理、深度学习模型训练和高精度科学模拟等，这些任务均需要充足的算力支撑。在多数场景下，为满足科学研究和工程应用的需求，如蛋白质结构预测模型AlphaFold2取得了突破性进展，能够以原子级精度预测蛋白质