AI赋能科学，青年定义未来

当前，科学智能（AI for Science）已成为全球主要科技强国重点布局的战略方向，更是推动基础研究原始创新、赋能新质生产力发展的核心引擎。3月27日下午， 2026中关村论坛年会——AI for Science青年论坛举办。

本次论坛集中发布了一批覆盖科研全流程、聚焦产品化、场景化与产业化的重磅成果实践，从科研内容“可计算”的底层突破，到高端科学仪器的智能化升级，再到合成化学、新材料、航空航天等领域的全链条落地，全景式展现了AI for Science如何从技术概念转化为实实在在的新质生产力，让“AI科学家”“读-算-做智能科研闭环”“智能实验室”真正走向规模化产业应用。

“读”筑底层底座

实现内容从“可检索”到“可计算”

本论坛最大的亮点是集中发布了一批成果实践。沿着“读”的脉络，北京科学智能研究院院长李鑫宇带来了“科学导航·化学版”——基于Science Navigator平台打造的新一代AI化学发现平台。这一平台通过深度解析文献中的分子式、结构式、文本、图表等信息，实现了科研内容从“可检索”到“可计算”的关键突破，真正将分散的知识整合为AI-ready的数据基础，为AI for Science生态构建起关键的数据与能力底座，让“读”的环节拥有了可交互、可推理的知识语料。

北京大学博雅特聘教授、北京中关村学院常务副院长董彬团队则进一步将AI的理解能力延伸至数学这一科学的核心语言。“数学文献中的定理、引理、命题等陈述，是数学研究的核心知识载体。如何实现对海量数学陈述的高效精准检索，是AI赋能数学研究必须跨越的基础设施门槛。”董彬介绍道，“我们构建了LeanSearch和Matlas两套检索系统，形成‘形式化+非形式化’的双轨体系，为AI辅助数学研究提供了从机器可验证到人类可读的完整知识基础设施。”

“做”提实验效能：

为科学仪器装上智慧“大脑”

实验验证是科学探索的核心环节之一

而高端科学仪器的智能化升级

正是AI for Science落地的关键抓手

在科学探索中

“做实验”是重要一环

当高端科学仪器被AI赋能

会发生什么？

“我国首套智能双束电镜系统Hyper-FIB”

在论坛上重磅发布

开启了AI赋能高端科学仪器的新阶段

Hyper-FIB将基于配方的自动化工作流、科学智能体、高保真物理仿真与机器视觉技术深度融合。双束显微镜的离子束和电子束在其中扮演着“手”和“眼睛”的关键角色，Hyper-FIB则相当于为仪器装上了“大脑”。北京科学智能研究院研究员、表征负责人张泽中系统介绍了Hyper-FIB的亮点：从“人不能离”变成“无人值守超过8小时”，样品的制备成功率从新手的不足30%跃升至90%以上，单样品的制备时间缩短到60分钟以内。

“读-算-做”闭环成型：

跨领域实践解锁科研创新新范式

随着科研知识解析、智能实验室系统等

基础设施逐步完善

AI for Science

正式迈入“读-算-做”全链路闭环、

加速原创性科学发现的全新阶段

北京大学化学与分子工程学院副教授朱戎带来了合成化学领域的实践成果，“我们组建跨学科创新力量，从原型系统‘愚公’起步，构建起覆盖‘数据-模型-实验’的多地联动闭环，在生物探针、有机光电、高性能高分子、正交标记反应等多项研究中，研发效率大幅提升。团队建成全球最大的高质量实验核磁数据库NMRexp，覆盖6种核素、超330万条数据，配套谱学智能体SpecMaster突破真实合成场景结构解析瓶颈。”朱戎表示，“领域专家拥抱自动化工具主动出击，化‘偶然’为‘必然’，这或许是AI赋能合成化学的一份独特答卷。”

在材料领域同样的故事也在发生，北京大学邵元龙团队要做的事，是让高性能碳纳米管纤维创制，实现规模化制备。这里面最大的“拦路虎”，就是分散和纺丝这两道技术瓶颈。那么如何破局呢？邵元龙介绍道：“我们筛选了9万篇文献，构建出碳纳米管分散体系垂类大模型，构建起一个垂直领域的大模型，以此缩小溶剂分子的筛选范围。结合高通量实验装置与人工智能算法建模，团队成功筛选出最适宜的分散体系，并将其与纤维的最终力学强度等关键性能指标进行关联。”邵元龙说，下一步，计划引入遗传算法等工具，将实验室小规模试验中优化的体系与工艺拓展至碳纳米管纤维的中试验证中，推动其在特定场景下的应用。这两个实践只是缩影，如今，“读-算-做”闭环实验室已走向多地联动，多点示范，正在更多科研领域重构创新范式。

从实验室到产业：

火箭发动机全链条智能制造成为现实

当“读-算-做”的闭环

延伸至真实的工业场景

同样可以驱动从设计到制造的全链条变革

释放出巨大潜能

在航空航天领域，已经具有了这样的成功闭环。临界航天发布的“Prime（一行）火箭发动机研发智能体平台”，实现了精准设计-物理仿真-精确制造-试验验证的完整闭环，让火箭发动机从构想到实物的全链条智能迭代优化成为现实。

当AI输入指标即可生成一体化拓扑初稿，DeepFlame在毫秒级实现对亿级网格的仿真挑错，无梯度优化自动调整结构；将设计数据直接转化为生成式3D打印路径。实体热试车中的工程偏差秒级回传设计端，触发新一轮重构，实现智能自主优化。北京科学智能研究院研究员、临界航天联合创始人毛润泽在会上首次发布了此项成果，“经过我们的研发攻关，目前热试车无需试错一次通过，推力性能达设计指标99.7%，多次变推力点火启停，最长试车时长超100秒。这套系统让物理层面的工业设计拥有了软件代码般的迭代生命力。”

本次AI for Science青年论坛，以青年科研力量为核心，以落地成果为抓手，全面展现了我国在科学智能领域的前沿探索与产业转化能力。随着“读-算-做”智能科研范式的不断普及与深化，AI for Science将持续为基础研究突破与新质生产力发展注入源源不断的创新动能。

来源：北京海淀 赵磊