原文發(fā)表于《科技導(dǎo)報(bào)》2025 年第21 期 《 AI能否成為化學(xué)知識(shí)的發(fā)現(xiàn)者？ 》

人工智能（AI）正推動(dòng)科學(xué)研究范式由“加速器”向“發(fā)現(xiàn)者”轉(zhuǎn)變。本文以中國(guó)科學(xué)技術(shù)大學(xué)“機(jī)器化學(xué)家”平臺(tái)的實(shí)踐為例，系統(tǒng)分析了AI在化學(xué)知識(shí)發(fā)現(xiàn)中的潛力與挑戰(zhàn)，探討了化學(xué)大模型、多模態(tài)數(shù)據(jù)融合及工業(yè)級(jí)智能實(shí)驗(yàn)室如何推動(dòng)未來(lái)科研范式的系統(tǒng)性重塑。

1 為什么AI可以成為化學(xué)知識(shí)的發(fā)現(xiàn)者？

當(dāng)前AI的快速發(fā)展為科學(xué)研究帶來(lái)了深刻的范式變革。借助機(jī)器學(xué)習(xí)、知識(shí)圖譜和智能自動(dòng)化平臺(tái)，科研人員正探索AI賦能的科學(xué)研究新路徑。國(guó)家層面的政策驅(qū)動(dòng)為這一變革提供了制度支撐：2023年科技部啟動(dòng)“AI for Science”專項(xiàng)，聚焦化學(xué)等基礎(chǔ)學(xué)科；2025年國(guó)家自然科學(xué)基金持續(xù)加大對(duì)“AI+基礎(chǔ)學(xué)科”交叉研究的支持。在此背景下，化學(xué)研究正加速邁向“人機(jī)協(xié)同、AI主導(dǎo)”的新范式。

在化學(xué)領(lǐng)域，面向化學(xué)的大模型成為新的研發(fā)熱點(diǎn)。例如，上海人工智能實(shí)驗(yàn)室研發(fā)的 ChemLLM模型展示了高效處理復(fù)雜化學(xué)問(wèn)題的能力。另外，在科學(xué)計(jì)算方向，大模型的理念也開(kāi)始延伸到分子模擬與材料設(shè)計(jì)中。中國(guó)“深度建?！保―eepModeling）開(kāi)源社區(qū)于2024年發(fā)起了OpenLAM計(jì)劃，最終目標(biāo)是能自行提出科學(xué)假設(shè)并完成模擬和實(shí)驗(yàn)設(shè)計(jì)。

中國(guó)科學(xué)技術(shù)大學(xué)江俊團(tuán)隊(duì)通過(guò)構(gòu)建具有“感知—決策—執(zhí)行—學(xué)習(xí)”閉環(huán)能力的“機(jī)器化學(xué)家”平臺(tái)“小來(lái)”與“小臨”，聚焦在在分子合成、催化篩選、材料設(shè)計(jì)等領(lǐng)域的研發(fā)。這一效率躍遷背后，AI正從數(shù)據(jù)處理工具向“知識(shí)合作者”進(jìn)化，但它能否突破人類認(rèn)知邊界，成為獨(dú)立的化學(xué)知識(shí)發(fā)現(xiàn)者？

首先，AI作為輔助工具，可以幫助研究人員識(shí)別變量之間的潛在關(guān)聯(lián)性，并進(jìn)一步挖掘其背后的知識(shí)結(jié)構(gòu)，這是當(dāng)前AI在科學(xué)領(lǐng)域最擅長(zhǎng)的方向之一。在這個(gè)層面，AI通過(guò)對(duì)大規(guī)模實(shí)驗(yàn)或計(jì)算數(shù)據(jù)的學(xué)習(xí)，為后續(xù)的理論分析與機(jī)制探索提供切入點(diǎn)。AI雖然可以為人類科學(xué)家指明研究重點(diǎn)與潛在規(guī)律，但是后續(xù)仍需依賴科研人員基于領(lǐng)域知識(shí)進(jìn)行物理圖像或數(shù)學(xué)理論的構(gòu)建與驗(yàn)證。

2 AI能否勝任知識(shí)發(fā)現(xiàn)者？

AI在化學(xué)領(lǐng)域尚未產(chǎn)生真正顛覆性的原創(chuàng)理論，其背后主要有3方面的原因。

2.1 高質(zhì)量數(shù)據(jù)匱乏

高質(zhì)量的數(shù)據(jù)匱乏是AI發(fā)展的主要瓶頸之一，尤其缺乏失敗實(shí)驗(yàn)的數(shù)據(jù)，導(dǎo)致訓(xùn)練數(shù)據(jù)不完整并帶有明顯偏差。在化學(xué)大模型的構(gòu)建中，常見(jiàn)的標(biāo)簽大多仍依賴人工完成，而前提則是擁有原始的、結(jié)構(gòu)清晰的數(shù)據(jù)?，F(xiàn)階段AI尚未真正達(dá)到“集成人類智慧”的高度，其訓(xùn)練數(shù)據(jù)主要來(lái)源于已發(fā)表的成功案例，尤其集中在反應(yīng)合成路徑上。

此外，現(xiàn)有化學(xué)相關(guān)數(shù)據(jù)庫(kù)尚未實(shí)現(xiàn)全面開(kāi)放。這類數(shù)據(jù)庫(kù)還普遍存在結(jié)構(gòu)化不足的問(wèn)題，難以滿足模型深層理解與泛化的需求。化學(xué)數(shù)據(jù)的多模態(tài)融合也面臨挑戰(zhàn)：文本（文獻(xiàn)）、圖譜（分子結(jié)構(gòu)）、光譜（NMR/IR）等數(shù)據(jù)異構(gòu)性強(qiáng)。

2.2 人類認(rèn)知維度受限

人類對(duì)科學(xué)規(guī)律的理解，主要依賴于2種形式：一是數(shù)學(xué)公式，二是可視化圖像。但現(xiàn)實(shí)中，AI所學(xué)習(xí)到的規(guī)律往往位于高維特征空間。為了使這些高維規(guī)律為人類所理解，AI必須進(jìn)行“降維處理”，但這種降維本身就會(huì)犧牲信息、扭曲原貌，僅保留可理解部分，并不能還原AI原本所掌握的全部知識(shí)結(jié)構(gòu)。因此，推動(dòng)AI與科學(xué)研究的融合，首要層次是人類要具備解析AI輸出的能力，并通過(guò)數(shù)學(xué)建模等手段將其轉(zhuǎn)化為可驗(yàn)證的科學(xué)表達(dá)。

2.3 實(shí)驗(yàn)驗(yàn)證效率低下

目前，AI提出的假設(shè)和預(yù)測(cè)大多需要通過(guò)傳統(tǒng)實(shí)驗(yàn)手段進(jìn)行驗(yàn)證，這種方法低效、耗時(shí)，一定程度上阻礙了AI科學(xué)假設(shè)的快速迭代和驗(yàn)證。因此，當(dāng)下急需發(fā)展具有快速響應(yīng)和智能執(zhí)行能力的“行動(dòng)智能”系統(tǒng)，與AI的設(shè)計(jì)能力相匹配。

3 AI知識(shí)發(fā)現(xiàn)的可靠性、數(shù)據(jù)基礎(chǔ)與人機(jī)協(xié)同

3.1 AI發(fā)現(xiàn)的化學(xué)知識(shí)是否可靠？

深度模型往往基于大數(shù)據(jù)中隱含的統(tǒng)計(jì)相關(guān)性進(jìn)行學(xué)習(xí)，而非建立在真實(shí)的因果推理基礎(chǔ)上。基于可解釋性算法的AI模型，能夠從復(fù)雜實(shí)驗(yàn)數(shù)據(jù)中抽象出物理規(guī)律，建立具有預(yù)測(cè)能力的數(shù)學(xué)理論，為揭示科學(xué)機(jī)制、發(fā)現(xiàn)潛在法則提供了可行路徑。這種方法不僅提升了模型的可信度與可控性，也有望推動(dòng)AI從“輔助工具”向“知識(shí)發(fā)現(xiàn)者”角色的根本躍遷。

3.2 如何獲取高質(zhì)量的數(shù)據(jù)提升AI的智力？

針對(duì)化學(xué)數(shù)據(jù)稀缺、標(biāo)注昂貴的問(wèn)題，中國(guó)科學(xué)技術(shù)大學(xué)研究團(tuán)隊(duì)提出了“理論大數(shù)據(jù)+實(shí)驗(yàn)小數(shù)據(jù)”的融合策略：

• 一方面，通過(guò)高通量理論計(jì)算模擬生成大量數(shù)據(jù)用于模型預(yù)訓(xùn)練；

• 另一方面，再用少量真實(shí)的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行精調(diào)，有效提高模型的泛化能力與實(shí)際可用性。

在數(shù)據(jù)的可獲取性方面，中國(guó)的數(shù)據(jù)政策更具開(kāi)放性，為化學(xué)大模型提供更廣泛的學(xué)習(xí)素材。此外，化學(xué)大模型通常面臨多模態(tài)數(shù)據(jù)的融合挑戰(zhàn)。2025年4月16日，上海人工智能實(shí)驗(yàn)室發(fā)布并開(kāi)源了通用多模態(tài)大模型“書(shū)生·萬(wàn)象 3.0（InternVL3）”。該模型區(qū)別于傳統(tǒng)“語(yǔ)言模型+視覺(jué)插件”的后融合方式，使模型具備原生處理多模態(tài)輸入的能力。

3.3 人類如何適配AI快速發(fā)展的腳步？

隨著科學(xué)體系的持續(xù)膨脹，人類個(gè)體已難以掌握所有知識(shí)的細(xì)節(jié)。AI與人類的協(xié)作應(yīng)基于雙重路徑：

• 一方面，人類必須通過(guò)數(shù)學(xué)與理論工具提升自身解析AI輸出的能力，建立可驗(yàn)證的科學(xué)體系；

• 另一方面，應(yīng)合理接受知識(shí)封裝機(jī)制，在必要時(shí)將AI模型作為可信賴的“黑箱工具”，從而將精力集中于更具創(chuàng)新性和突破性的科研任務(wù)。

4 AI重塑科研范式：基礎(chǔ)設(shè)施、應(yīng)用賽道與探索邊界

4.1 工業(yè)級(jí)智能實(shí)驗(yàn)室將怎樣重塑科研范式？

未來(lái)的實(shí)驗(yàn)室將邁向工業(yè)級(jí)智能體集群協(xié)作體系，實(shí)現(xiàn)設(shè)備、流程、數(shù)據(jù)的全面標(biāo)準(zhǔn)化與智能化。在這一愿景下，自動(dòng)化合成單元、高通量表征平臺(tái)、在線數(shù)據(jù)采集與分析系統(tǒng)將通過(guò)統(tǒng)一的操作系統(tǒng)與調(diào)度平臺(tái)聯(lián)接成“實(shí)驗(yàn)工廠”。在更大尺度上，多平臺(tái)、多實(shí)驗(yàn)室通過(guò)云端互聯(lián)形成“科研智能體網(wǎng)絡(luò)”。研究人員從大量繁瑣的重復(fù)性操作中解放出來(lái)，將更多時(shí)間投入到問(wèn)題抽象、機(jī)理思考和結(jié)果解讀之中，科研活動(dòng)從“體力密集型”向“智力驅(qū)動(dòng)型”徹底轉(zhuǎn)變。

4.2 AI助力下，化學(xué)首先會(huì)在哪些賽道實(shí)現(xiàn)突破？

目前，AI在化學(xué)領(lǐng)域的典型應(yīng)用包括分子設(shè)計(jì)、反應(yīng)預(yù)測(cè)、催化劑篩選和合成路徑規(guī)劃等方向，并在多個(gè)研究環(huán)節(jié)取得了一系列具有突破性的成果。

從學(xué)科本身的發(fā)展邏輯出發(fā)，理論化學(xué)可能是最先全面受益于AI加持的領(lǐng)域。其次，配方篩選類問(wèn)題也是AI較容易突破的方向，催化化學(xué)和合成化學(xué)是2個(gè)典型受益方向。在實(shí)際應(yīng)用與商業(yè)化方面，藥物合成化學(xué)是當(dāng)前AI最具產(chǎn)業(yè)潛力的方向之一，尤其是與蛋白質(zhì)功能相關(guān)的研究領(lǐng)域。總體來(lái)看，與理論建模聯(lián)系緊密、結(jié)構(gòu)變量有限的化學(xué)子領(lǐng)域，在當(dāng)前AI發(fā)展的階段更容易取得實(shí)際突破。

4.3 科學(xué)探索的“偶然之美”還能出現(xiàn)嗎？

人工智能的現(xiàn)階段能力，應(yīng)該更多聚焦于“立地”的方向，即將既有理論和知識(shí)體系轉(zhuǎn)化為可落地、可應(yīng)用的科研成果。只有當(dāng)AI擁有足夠“理解世界”的能力時(shí)，科學(xué)研究才可能從“實(shí)驗(yàn)驗(yàn)證”邁向“理論自洽與直接預(yù)測(cè)”的全新范式。

5 AI時(shí)代的化學(xué)人才與科研角色重構(gòu)

5.1 AI時(shí)代，化學(xué)創(chuàng)新人才的成長(zhǎng)路徑何在？

在授業(yè)和解惑方面，AI的能力在許多情境下已展現(xiàn)出明顯優(yōu)勢(shì)。AI或許能發(fā)現(xiàn)上千個(gè)可行的公式與路徑，但真正具備判斷力的，仍是人類自身。在AI輔助科研日趨普遍的背景下，未來(lái)的研究人員將愈發(fā)“原子化”——每個(gè)人的研究風(fēng)格、學(xué)術(shù)趣味和問(wèn)題選擇將變得更加多元和個(gè)性化。

5.2 AI進(jìn)入科學(xué)領(lǐng)域，會(huì)否讓研究生失業(yè)，甚至讓科學(xué)家無(wú)事可做？

AI進(jìn)入科學(xué)領(lǐng)域所催生的“智能科學(xué)家”，其使命從來(lái)不是取代人類，而是賦能并增強(qiáng)科學(xué)家的能力。對(duì)于化學(xué)領(lǐng)域的青年研究者而言，更重要的不是“是否會(huì)被AI取代”，而是“如何與AI共同成長(zhǎng)”，讓自己成為那個(gè)能駕馭智能工具、引導(dǎo)科研方向的人。

6 結(jié)語(yǔ)

人工智能正在深刻重塑化學(xué)研究范式。在新材料、新能源、生物醫(yī)藥等前沿領(lǐng)域，AI正成為驅(qū)動(dòng)原創(chuàng)性突破的關(guān)鍵引擎。然而，這一變革仍處于早期階段，其進(jìn)一步發(fā)展面臨很多挑戰(zhàn)。AI不應(yīng)被神化或簡(jiǎn)化，而應(yīng)與人類智能協(xié)同互補(bǔ)。二者融合，將成為推動(dòng)科學(xué)躍遷的重要力量。

本文作者：江俊、崔乘幸、黃文光

作者簡(jiǎn)介：江俊，中國(guó)科學(xué)技術(shù)大學(xué)精準(zhǔn)智能化學(xué)全國(guó)重點(diǎn)實(shí)驗(yàn)室，化學(xué)與材料科學(xué)學(xué)院，河南省科學(xué)院智慧創(chuàng)制研究所，教授，研究方向?yàn)橛?jì)算化學(xué)和人工智能化學(xué)。

文章來(lái) 源 ： 江俊, 崔乘幸, 黃文光. AI能否成為化學(xué)知識(shí)的發(fā)現(xiàn)者？[J]. 科技導(dǎo)報(bào), 2025, 43(21): 16?22 .

本文有刪改，

內(nèi)容為【科技導(dǎo)報(bào)】公眾號(hào)原創(chuàng)，歡迎轉(zhuǎn)載
白名單回復(fù)后臺(tái)「轉(zhuǎn)載」

《科技導(dǎo)報(bào)》創(chuàng)刊于1980年，中國(guó)科協(xié)學(xué)術(shù)會(huì)刊，主要刊登科學(xué)前沿和技術(shù)熱點(diǎn)領(lǐng)域突破性的研究成果、權(quán)威性的科學(xué)評(píng)論、引領(lǐng)性的高端綜述，發(fā)表促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展、完善科技管理、優(yōu)化科研環(huán)境、培育科學(xué)文化、促進(jìn)科技創(chuàng)新和科技成果轉(zhuǎn)化的決策咨詢建議。常設(shè)欄目有院士卷首語(yǔ)、科技新聞、科技評(píng)論、專稿專題、綜述、論文、政策建議、科技人文等。