当今世界正处于新一轮科技革命和产业变革的加速演进期，创新驱动已从单纯的“要素投入”转向“知识与方法创新”。科技创新作为国家核心竞争力的重要支撑，正面临数据规模快速增长、问题复杂度持续抬升等挑战。在此背景下，人工智能与科研活动深度融合，推动科研活动由以人为中心的线性流程，迈向“数据—模型—计算—实验”协同的闭环体系，这一发展也被广泛视为科研范式在向着新阶段演进。

近日，中国信息通信研究院(简称“中国信通院”)人工智能研究所联合中国人工智能产业发展联盟，共同在2026中国信通院深度观察——人工智能产业高质量发展专题报告会上发布《科研智能发展报告(2025年)》，中国信通院人工智能研究所副所长巫彤宁对报告进行了解读。

报告围绕科研智能的概念内涵、发展历程、全球政策布局与关键技术体系进行系统梳理，结合基础科学与产业研发的典型应用案例，研判发展挑战与未来趋势，旨在为政产学研用协同推进科研范式升级与创新体系建设提供参考。

报告核心观点

1. 内涵及发展：科研智能是“方法与工程体系”的系统升级。 报告将科研智能(AI4RD)界定为以人工智能为核心支撑、对科学研究与产业研发活动进行系统性升级的方法与工程体系，既包括面向科研任务的模型与算法，也包括支撑落地运行的工程平台、流程机制与治理规范。报告从科研流程演进视角，概括科研智能由“辅助分析”向“深度突破”再向“生成—验证”闭环发展的阶段性特征，强调生成式模型与自动化实验平台的协同联动正在推动科研流程的系统化与自动化。

2. 政策分析：全球科研智能进入“国家级组织化竞争”阶段。 各主要经济体正以“顶层战略牵引—算力与数据底座—组织化投入—场景任务牵引”的组合拳布局科研智能：美国通过“创世纪计划”整合国家算力与数据，构建“曼哈顿计划式”的科研新底座;欧盟发布《科学人工智能战略》，致力于打造跨国界的科研能力网络;中国则通过“人工智能+”行动，将“AI+科学技术”列为首要任务，依托“项目群+平台化”的组织机制，系统重构科研范式与创新链条;英国、韩国、日本等也从专项方案、国家超算与科研数据平台等角度持续加码。

3. 关键技术：五大关键技术耦合演进，推动科研走向“生成—验证”闭环化与自动化。 报告基于基础通用性原则，聚焦科研智能五大关键技术领域：科研数据、科研计算、科研模型、科研智能体、自动化实验室。其中，科研数据与科研计算共同支撑科研模型研发;科研智能体在模型能力之上进一步扩展科研任务的“理解—规划—工具使用—环境交互”，并通过自动化实验室实现“干湿闭环”，打通数字空间与物理实验空间。五大技术相互耦合、快速迭代，正推动科研工具与服务从“辅助环节”走向“贯通流程”的系统能力。

4. 典型应用：基础科学提效、产业研发提速，从“预测发现”迈向“目标驱动”的研发新范式。 在基础科学领域，科研智能正帮助研究者更高效地应对高维搜索空间、复杂系统模拟与海量数据模式挖掘等挑战，并提升提出假说与设计实验的效率。围绕生命科学、材料科学等方向，生成式模型与自动化平台结合，推动研究从“预测”迈向“按目标约束生成候选—实验验证—迭代优化”的闭环。在产业研发领域，科研智能正与工程流程深度融合，通过将性能边界、制造约束、成本与碳排放等目标前置到设计与验证环节，缩短迭代链路、提升全局优化可能性，加速关键产品与工艺的研发进程。例如在医药研发中，AI用于加速靶点发现、分子生成与临床试验优化，直指“投入产出比下降”的行业痛点;在半导体领域，AI从验证覆盖优化、调试根因分析延伸到架构探索与设计副驾驶，帮助工程师在更大的设计空间内快速筛选高潜力方案;在先进制造与工程设计中，约束感知生成式设计把载荷、边界、制造方式、成本与碳排等约束前置，让“能造、好造、造得经济”成为生成阶段的内生目标，从而缩短迭代链路、提升全局最优可能。

5. 挑战及展望：跨越规模化应用鸿沟，开启“科研资源即服务”新时代。 科研智能从试点走向规模化应用仍面临系统性挑战，包括高质量数据与标准供给、模型外推与可解释性、工程化集成与评测体系建设，以及跨学科协作机制与可信治理框架等。展望未来，科研智能将持续向更高水平的自主化与平台化方向演进，有望形成科研资源即服务(RaaS)的新型供给模式，进一步激发创新活力，并催生多类规模化应用赛道。