AI4S对科研范式的变革 - AI4S实现科研自动化 将科研人员从文献分析、试验模拟、数据分析等工作中解放出来 使其专注于更具创造性的工作[1] - AI4S降低科研门槛 使更大量、更多元的新主体能够从事科研 大批初创企业和行业龙头企业得以开展高水平科研活动[1] - 在AI4S范式中 大模型和大数据正成为科研突破的关键[1] - AI4S致力于解决海量科研投入与有限科学发现之间的不平衡 缓解科学生产力供给不足的问题[1] - 未来科研智能体可帮助科学家在产生灵感时 快速利用AI完成方案模拟和实验验证[1] AI4S在具体领域的应用进展 - AI4S正应用于更多前沿科学领域 如在材料发现领域 谷歌DeepMind利用GNoME模型预测了数百万种全新稳定晶体结构 并成功指导实验室合成了数百种新材料[2] - 在生物医药领域 AI4S应用不胜枚举[2] - 在中国 AI4S科研服务已在制药领域获得全面应用 一些制药领域的上市公司、独角兽企业及获得高额融资的初创企业 已能提供AI蛋白质设计平台、生命科学大模型、自动化实验室等AI4S平台服务[2] - 用AI进行虚拟临床试验 将"试错"在计算机上完成 再到真实试验中"验真" 可大幅提升药物研发效率[2] - 中国科学院计算技术研究所计算医学团队从全部人类基因组数据出发 构建个体数字孪生患者模型 使得大量临床试验可预先在数字模型中虚拟进行 进而筛选出适宜进行真实临床试验的患者[2] AI4S驱动的商业与资本参与 - 在AI4S激励下 商业与资本有更多可能参与科研投资[3] - 科技与商业的融合速度非常重要 例如 当科学界发现具有制药潜力的新分子时 谁能率先商业化落地 谁就能抢得先机[3] - AI4S催生的科研成果需要一个能够赚钱的商业机制和市场环境 只有"从0到1"的科研成果能够赚到钱 企业才有创新动力 才能投入更多资源支持原始创新[3]