当AI不仅能预测分子性质，还能与实验精准互动；当文献和数据不再沉睡于数据库，而是成为反哺模型的活水源头；当科研探索从“手动精耕细作”走向“规模化自主发现”，让科技创新加速转化为产业创新的核心动能——科学家们正在见证这一变革。

3月27日，2026中关村论坛年会-AI for Science青年论坛在京隆重举行，同时本论坛也是2026中关村论坛年会“人工智能主题日”系列活动的专场论坛之一。本次论坛以“读-算-做”智能科研闭环为核心，全景式呈现了AI for Science转化为新质生产力的生动实践。

‍‍‍

“面向AI for Science的关键基础设施已逐步成形，规模化、智能体驱动的科学研究正在成为现实。”中国科学院院士鄂维南表示，“在这个过程中，我们突破传统的对标性思维，坚持原创性思维，走出了一条完全独立于既有路径的原创之路，推动实现科技创新与产业创新的融合，在其中离不开政产学研的协同创新。更令人欣喜的是，我们已经看到一批有理想、有能力的青年力量在推动AI for Science的落地。”

当AI能够在材料、化学、生物等领域自主感知、决策、行动，科研创新效率将被指数级提升。北京科学智能研究院理事长、深势科技创始人兼首席科学家张林峰以“玻尔”系列项目为实践主线，分别从“读”“算”“做”“智”四个维度展开，系统阐述了从基础设施建设迈向“Agentic Science at Scale”的发展路径，并发布了玻尔EDU 2.0计划。

“在‘读’的维度，我们打造了Science Navigator，率先形成Agent-Ready的科学数据体系。在‘知识’的维度，我们从‘科学百科’出发，为智能体科学构建系统化、规模化的大知识基础设施。在‘做’的维度，我们通过Uni-Lab操作系统赋能现有的实验室，让数字世界与物理世界融合，打通计算与实验的闭环。”张林峰指出，“我们坚信，‘平台+垂直整合’的新范式，能让AI4S落地生根。未来，玻尔EDU 2.0计划将进一步激发社区活力，让面向用户的平台与生态持续生长。全要素、规模化、Agent-Ready，我们正在让这一切成为现实。”

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。”

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。

当自动化和智能化基础设施逐步形成，AI for Science迈向加速原创性发现的新阶段。北京大学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。下一步，我们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。

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；设计数据直接转化为生成式3D打印路径，完成从代码到真机”的跨越。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。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。”

如今，AI for Science在技术形态、学科场景、生态环境、国际格局等方面都展现出新的特征和趋势。会上发布的《AI for Science创新图谱2026》由中国科学技术信息研究所联合多家机构编制，已连续三年发布该系列报告。报告基于全球AI for Science创新活动与学术产出数据、典型案例跟踪，以可视化方式展现技术与学科融合脉络、场景进展、政策战略与国际合作，并对自主智能科研形态演化、创新生态构建进行了观察研判。

技术的突破最终指向人的成长。正如论坛立意所言，青年是这场科技创新变革的中坚力量，他们既是构建者，也是践行者，推动科学智能从“能用”走向“好用”。未来产业基金总经理魏凡杰回应了青年科研人才的命题，未来人才画像是“跨界架构师 + 实干型梦想家 + AI原生青年 ”，行业需要复合型，系统型，跨界型的人才。通过“AI Native的自组织创新生态”，通过跨学科、跨角色、跨代际的敏捷协作，重塑技术、组织与人才生态和网络，实现颠覆式创新的持续涌现。

创新的火种代代相传，AI for Science也正在影响着更年轻的青少年群体。自从2024年开展青少年人工智能驱动科学大赛（AI4S TEEN CUP）以来，面向中学生的AI4S TEEN生态逐渐扩大。2025年，来自不同领域的伙伴被吸引并主动参与到这个生态的建设工作中，注入新鲜力量。这不仅帮助生态延续了AI4S TEEN CUP比赛的开展（2025-2026 AI4S TEEN CUP教学赛），更是打造了全球首届青少年人工智能驱动科学挑战营（AI4S TEEN CAMP），将生态模式从单一的比赛升级为教学与比赛的结合，在过去一年开展了丰富的面向师生的教学活动。

挑战营科学委员会委员、北京第一实验学校物理教师马驰川，介绍了过去一年生态取得的重要进展，并展望了生态发展的未来。同时，首届青少年人工智能驱动科学挑战营的营员北京市三帆中学的毛羽翰同学也来到现场，分享了自己的心得体会，他提到在训练营里感受到了“某一刻，我似乎成为了科学家中的一员”，他的讲述让现场观众真切感受到年轻一代对AI与科学融合的热情与创造力。

论坛由北京大学助理教授、北京科学智能研究院副院长陈帜主持，“今天论坛的成果，串联起了“读-算-做”闭环的图景，展现了AI for Science从理念走向实践的坚实足迹，正加速科技创新的前沿突破，正在成为产业创新的坚实底座。”今天的论坛给出了部分答案，更多的探索，还需要更广泛的科研共同体，共同书写。