当前，以人工智能为代表的新一代信息技术正在引发科学研究范式的深刻变革，为全球科技竞争格局带来新的变量。

AI for Science（科学智能）的兴起，绝非简单的技术赋能，而是科研生产力发展到一定阶段的必然产物，更是重构科研生产关系的历史性机遇。

要在这场变革中抢占先机，需从科研基础设施与科研评价体系两个维度协同发力，构建适应智能时代的新型科研生态。

科研基础设施：建设智能化的“国家级科研平台”

科研范式的变革离不开底层基础设施的支撑。传统科研模式下，资源分散、工具壁垒、重复劳动等问题制约着创新效率的提升。我们团队构建的“玻尔科研空间站”，其核心目标正是打造一个面向未来的统一、开放、智能的科研基础平台。

该平台具有双重功能定位：其一，它是科研人员的“一站式门户”，集成文献、数据、计算与实验资源，实现各类科研资源的智能化运用；其二，它是开发者的“工具应用超市”，提供便捷的部署环境，使各类科研模型、算法和软件能像手机应用一样被发布、共享和调用。

自今年3月上线以来，平台用户已突破175万，展现了强大的生命力和广泛的用户需求。该平台已被纳入北京市《人工智能赋能科学研究高质量发展行动计划》，成为区域科技创新核心平台，充分体现了其战略价值。

在此基础上，我们研发的通用科研智能体SciMaster，初步展现了AI驱动科研的潜力。它能够在特定科学问题引导下，自主调用平台工具完成“理解-计算-分析-写作”的全流程工作，在理论物理、计算科学等领域已经初步达到博士生水平。这标志着AI已从“辅助工具”进阶为“科研伙伴”。

基于此，各垂直领域的专业智能体得以低成本、高效率地开发，如燃烧仿真、流体力学等，极大地加速了相关领域的研发进程。

科研评价体系：从“唯论文”到“贡献多元论”

先进的生产力呼唤与之匹配的生产关系。“唯论文”评价体系，已经难以适应AI for Science带来的科研活动多元化特征，甚至在某种程度上成为科技创新的桎梏。

我们必须推动科研评价体系的结构性改革。科研成果的体现形式，不应再局限于期刊论文这一“中间态”。

一个革命性的想法、一套高质量的科学数据、一个被广泛使用的软件工具，其科学价值与社会影响力，可能远超一篇普通论文。

物理学大师费曼关于超流量子化的关键思想，最初仅以“备注”形式在他人论文中被提及，却最终获得了广泛认可，这便是“思想贡献”重于“论文形式”的明证。

我们正在探索基于大数据的新一代评价方法。利用“玻尔平台”等新型基础设施所汇聚的科研全过程数据，我们可以尝试对科研工作者的“想法-工具-数据-论文”全链条贡献进行更精细、更公正的度量。

这将有助于引导科研人员回归解决真问题的轨道，减少为了发表文章，而进行的重复性、跟风式研究，把宝贵的智力资源投入到真正的原始创新和关键技术攻关上。

未来展望：整合资源，实现科研范式的“中国引领”

展望未来3～5年，AI for Science最有希望的突破在于整体科研与研发范式的普及，从实验室自动化、新材料设计，到新药研发与科学仪器创新，都将被深刻重塑。

在此进程中，中国的优势在于国家层面的高度重视和基础设施的先行布局。

然而，我们也面临挑战：其一是资源配置有待优化，需要将更多资源精准投向最具创新活力的年轻团队和原始创新方向；其二是亟需打破“门户之见”，推动国家级战略科技力量实现大协作，尤其是那些在国家战略科技力量体系上处在核心位置的机构，应该真正把国家利益置于机构利益之上。

每一次科学范式的革命，都是后发国家实现跨越发展的战略机遇。AI for Science正是这样一个“换道超车”的千载难逢的宝贵契机。

只要我们坚持基础设施共建、评价体系重构、全国力量协同，完全有可能在不久的将来，在全球科技创新的赛道上，形成并确立由中国引领的智能科研新范式。这不仅是科技发展的必然要求，更是我们的历史责任。

（作者鄂维南系中国科学院院士、北京大学教授。本报记者张楠采访整理）