上海人工智能实验室主任、清华大学惠妍讲席教授周伯文在2025年中关村论坛上发表了有关“AI怎样改变所有学科？从‘工具的革命’到‘革命的工具’”的讲话。周教授指出，科学研究是研究者、研究工具和研究对象一切关系的总和，当前的AI for Science在单点取得了可观的进展，实现了工具层面的革新，实现了工具层面的革新，然而要成为“革命的工具”，需要采用“通专融合AGI”方式。

AI for Science的内核：研究工具的革新

如今，AI for Science（AI4S）概念炙手可热，运用人工智能帮助科学研究已经成为普遍共识——科学研究“工具的革命”已经悄然发生。然而，如何定义AI4S？什么才是for Science的AI？了解AI4S的内核，或许才能更好地利用AI推动科学创新，促进科研范式变革。

周教授指出，科学家通常同时具备广博的通识能力和精深的专业知识，这种“通专融合”的能力正是优秀科学家的核心特质，这一理念也恰好与人工智能的发展趋势不谋而合。

人工智能的发展路径可以抽象成一个二维路线图：横轴表示专业深度，纵轴表示泛化能力。在Transformer架构出现之前，人工智能发展主要沿着专业深度方向推进，从深蓝到AlphaGo都是典型代表。GPT系列模型出现后，通过智能压缩，在提升模型泛化能力方面取得重大突破，但此类模型专业深度严重不足。目前学界已经开始认识到这一发展路径的局限性，通过在预训练后增加后训练来提升模型推理深度，但其专业度仍然有限。要真正通过“通专融合”的路径来解决科学问题，AI方面仍然有很多工作要做。

在单点的科学研究上，人工智能已经成为非常重要的新型研究工具，可谓带来了“工具的革命”。如果能找到通专融合的突破口，就可能创造出“革命的工具”，进而通过“工具的革命”发现更具革命性的新工具。

科学研究是研究者、研究工具和研究对象一切关系的总和。在传统的科研关系中，人类研究者通常是单一领域的专家，对研究工具具备一定知识，对研究对象采用单维或低维的数据表征。AI for Science可以在多个层面发挥作用：在单一节点上，可以帮助研究者理解文献、增强计算工具的能力，或丰富研究对象的表征维度。当前的AI for Science在这些方面已经取得了可观的进展，在单点上实现了工具层面的革新。

AI for Science的未来：推动科研范式的系统性变革

AI的价值远不止于此。当我们将整个科研过程视为研究者、工具和对象三者之间的动态系统而非孤立节点时，人工智能将发挥更大价值，促成三者之间相互作用、协同演进、螺旋式上升的新型科研范式大变革，进而创造出真正革命性的工具。

• 在研究者层面，可以帮助研究者更好地产生跨领域的想法，帮助判断哪些科研假设更具价值；
• 在研究工具层面，能够自主构建新工具，或实现已有工具的创新性组合，完成“组合爆炸”；
• 在研究对象层面，可以实现高度泛化、无损压缩和体量庞大的数据获取。

AI for Science的最大机遇不在于单点突破，而在于推动整个科研范式的系统性变革。目前，周教授带领的上海人工智能实验室正在进行相关研究与探索，即根据AI生成的假设设计新的观测方案和工具，开展验证实验——这意味着研究对象、研究工具和研究者三者之间已经形成了互相赋能，良性螺旋式上升的迭代循环。

总结周教授的核心观点，第一，For Science需要新的AI；第二，科学研究需要人工智能在包含研究者、研究工具、研究对象的全要素总和中发挥系统性作用，而非仅限于单点突破。如果AI仅做单点突破，人与人之间的交流成本还会持续提升；只有让AI发挥系统性作用，才能有效降低交流成本。第三，一旦完成以上两步，AI将从“工具的革命”过渡到“革命的工具”。

和鲸科技深耕人工智能与数据科学十年，以推动 AI for Science 科研范式改革为使命，依托旗下数据科学协同平台 ModelWhale，开启了全方位的创新实践。近年来更是联合众多科研组织与机构，全面推进 AI for Science 在垂直领域创新应用，为赋能国家创新体系建设添砖加瓦。

和鲸 ModelWhale 已面向科研机构、高校及专业领域企业及个人打造专属科学智能应用，致力于为人工智能科研团队、学者提供科研支持与助力。欢迎您点击这里（建议您在PC端打开）或联系和鲸工作人员免费体验。