问题——从“偶发突破”到“可持续产出”，科研范式亟待升级 面向重大科学问题与复杂工程挑战，传统科研组织方式与效率边界上日益承压；一上，原始创新往往依赖个体灵感与零散积累，关键推导、数据与经验容易沉淀个人“抽屉”里，难以迅速转化为可复用的公共知识；另一上，材料设计、药物筛选、气候模拟等领域，变量组合呈指数增长，单靠人工试错难以覆盖广阔搜索空间。与会专家指出，如何让知识流动更顺畅、协作更紧密、验证更高效，成为新一轮科技竞争中绕不开的命题。 原因——技术成熟与机制重构相互牵引，推动科研走向端到端协作 与会人士认为，颠覆性技术释放价值通常取决于两大变量：技术能力是否就绪、以及针对技术的流程体系是否同步重构。当前智能技术的发展之所以引发科研组织方式的深刻变化，关键在于二者正在形成“相互促进”的闭环：一上，模型能力提升使知识检索、假设生成、推理计算与实验设计等环节得到强化；另一方面，科研流程的标准化、数据的结构化与协作网络的形成，又反过来加速模型迭代与应用落地。 不少专家用科学史的典型场景作类比：“0到1”的探索阶段，瓶颈往往是知识与证据的沉淀与复现成本高，任何一次关键推导的缺失都可能导致进程延宕；在“1到10”的优化阶段，核心难点转向如何在庞大参数空间中提高搜索效率、降低试错代价；而在“10到100”的规模化阶段，系统工程需要更强的全局协同能力，确保不同团队、不同模块之间形成一致目标与约束。与会人士认为，智能技术正在把这三类挑战串联起来，推动科研从“个人押注”走向“系统推进”。 影响——数据底座与开源生态加速聚合，机器成为科研协作者 会上介绍，上海正围绕全模态科学数据建设、开源模型供给和机构协作网络展开布局，强化从数据、模型到应用的贯通能力。与会代表认为，在高质量数据与共享机制支撑下，模型不仅可承担海量检索与计算任务，还可在跨领域知识迁移、方案比选与实验迭代中提供辅助，从而提升科研团队整体产出效率与创新密度。 此外，多位学者强调，智能技术对科研的意义不止于“更快算”，更在于“更好协作”。当科研活动越来越呈现跨学科、跨机构、跨区域的联合攻关特点，统一的数据标准、可追溯的实验记录、可复现的推理链条，正在成为提升科研质量的重要基础设施。通过把分散的知识、工具与人才连接成网络，有望缩短从概念到验证、从论文到应用的链路。 对策——以基础研究与可信安全为牵引，打通“能力—信任—应用”链条 与会专家同时提醒，模型能力快速跃升的背后仍存在不容忽视的结构性风险：对其内部机理缺乏足够穿透性的理解，可能导致在医疗、金融、政务等关键领域遭遇信任瓶颈。部分学者指出，若无法在可靠性、可解释性、可控性和安全性上取得可验证的进展，涉及的系统即使能力再强，也难以进入核心场景并形成长期价值。 基于此，与会人士提出，应以基础研究与安全研究“双轮驱动”完善创新体系：一是加强数学、物理、化学、材料等基础学科与计算科学深度交叉，从源头提升模型推理能力与科学规律表征能力；二是完善评测体系与验证平台，强化面向关键行业的可信标准、审计机制与风险边界；三是优化人才组织方式，建立跨学科团队的长期合作机制，让更多基础学科的领军人才参与到模型方法、科学问题定义与实验验证闭环中；四是推动开放共享与规范治理并行，在保障数据安全和知识产权的前提下，扩大高质量数据与工具的可获得性。 前景——上海有望形成“创新组织+应用牵引+开放生态”的综合优势 与会人士认为，上海在科研机构集聚、产业场景丰富、人才结构多元诸上具备基础条件。面向未来，科学发现将更加依赖“平台化、网络化”的协作体系：以数据为底座、以模型为纽带、以实验与工程为验证场，实现从问题提出到证据生成、从机理解释到应用落地的闭环运行。随着可信安全研究持续推进、跨学科协同机制逐步成熟，智能技术有望在更多领域成为科研团队稳定可靠的协作者，推动形成可持续的原始创新供给。
从爱因斯坦的独思到今天的协同创新，科研方式正在经历深刻变革；中国科学家既要保持专注，也要抓住技术机遇。当人工智能与人类智慧真正结合，那些被埋没的发现或将更快推动人类进步。