AI賦能科學研究，北京發佈全國首個科學智能專項地方政策

7月11日，《北京市加快人工智能賦能科學研究高質量發展行動計劃（2025-2027年）》（以下簡稱《行動計劃》）正式發佈。這是未來三年，北京市發展AI for Science（科學智能）的路線圖，也是全國首個面向科學智能的專項地方政策。

北京超前佈局，厚植科學智能發展根基

AI for Science作爲加速科學研究的新型範式，已在全球範圍內形成共識，正在成爲新一輪科技革命的重要推動力量。2018年，中國科學院院士、北京科學智能研究院學術委員會主任鄂維南首次提出推動發展AI for Science。北京始終緊盯人工智能發展前沿，將科學智能作爲產業佈局新賽道。

2021年，北京市超前佈局，以鄂維南院士爲核心，成立了全球首個專注AI for Science領域的新型研發機構——北京科學智能研究院，佈局AI for Science的“四樑N柱”。

據市科委、中關村管委會副主任劉衛華介紹，近年來，北京在科學智能領域已經具備了良好的基礎，已產出全球首個覆蓋90多種元素的大原子模型DPA、全球首個覆蓋“讀文獻-做計算-做實驗-多學科協同”的AI科研平臺——玻爾科研空間站等一批重大原創成果，涌現出深勢科技、百圖生科等一批創新型企業和潛在獨角獸企業；持續打造中關村論壇、科學智能峰會、青少年科學智能大賽等具有全球影響力的品牌賽事活動；推動在基礎科學研究、醫藥健康、新材料、高端科學儀器、工業智能化等領域率先落地。

到2027年，建設不少於10個高質量科學數據庫

此次發佈《行動計劃》，旨在推動人工智能與科學研究深度融合，開展前沿科學問題攻關，完善共性基礎設施建設，加速智能科研範式變革。

劉衛華表示，《行動計劃》聚焦基礎理論突破與多學科融合，構建科學基礎大模型和新一代科學計算智能模擬軟件工具，搭建算力和科學數據平臺，建設智能化乾溼閉環實驗室，助力攻關重大科學問題。

力爭到2027年，發揮人工智能強大賦能作用，加快開闢科學研究新路徑，率先實現新舊科研範式更迭。系統搭建科學智能基礎設施，建設不少於10個高質量科學數據庫，服務不少於1000萬用戶。推動科學智能在基礎研究、醫藥健康、新材料、科學儀器、工業智能化等不少於5個領域開展深度應用，形成8個以上標杆應用案例，實現重點場景全流程智能科研範式賦能。搭建共性服務創新平臺，引進培育一批覆合型創新人才。

“市發改委持續圍繞算力、數據、算法和場景等要素保障，統籌加大政策支持力度，推動科學智能引領發展”。據市發改委二級巡視員張德明介紹，下一步，市發展改革委將加強科學智能整體規劃、系統佈局。強化技術攻關，加快構建通專融合、協同演進的科學智能模型體系，瞄準科學前沿與重大工程需求，圍繞材料、生命等重點學科打造專業模型，集成一批具備數據分析理解、科研方案生成、流程自動決策等能力的科學智能體羣。強化算力、數據等要素保障，建設一批國際領先的科學智能專業數據集。強化應用牽引，推動科學智能在固態電池、半導體、催化劑等先進材料製備、藥物研發和靶點發現、生物育種等領域創新突破。

將圍繞具身智能、生物醫藥等，挖掘科學智能應用場景

市經信局副局長姜洪朝表示，人工智能賦能科學創新是促進科研加速的有效工具，正有力推動生物醫藥，集成電路、自動駕駛、智能裝備、新材料等一系列領域的科研創新突破。

“總體看來，科學智能在工業領域的應用仍處於起步階段，在模型通用性、數據質量、應用場景和複合型人才等方面存在挑戰。”姜洪朝表示，下一步，市經信局將支持科學智能迭代升級。加快開展行業數據採集、匯聚、清洗、標註等工作，形成一批高質量數據集。突破工業領域專用科學智能大模型、工業知識表達、小樣本學習等關鍵技術瓶頸。

同時，圍繞具身智能、新能源新材料、生物醫藥等北京優勢領域和未來產業佈局，深入挖掘具有高價值、可複製的科學智能應用場景，推進大模型在工業領域實施一批具有引領性的科學智能示範項目。

中關村科學城管委會副主任、海淀區副區長唐超介紹，海淀區將夯實科學智能發展基礎。支持科學研究、模型算法、實驗方法、計算架構等一系列先進科研要素開發和應用，打造全棧科研創新支撐體系。

鄂維南表示，《行動計劃》將有力推動北京在AI for Science領域的創新發展。作爲AI for Science的策源地，北京在率先打造科學研究新範式方面有基礎、有優勢，已全面佈局科研基礎設施，並取得了顯著成效。

成果1

玻爾科研空間站，全球AI for Science時代的雲科研入口

在科學智能領域，北京已產出一批重大原創成果。

在科學研究中，無論哪個學科方向，都少不了查閱文獻、提出假設、模擬計算、實驗驗證等步驟，玻爾科研空間站就是一個幫助科研人員做這些事的平臺。作爲全球首個覆蓋“讀文獻-做計算-做實驗-多學科協同”的AI科研平臺，玻爾科研空間站正在系統性解決科研人員在文獻檢索與管理、跨學科知識發現及實驗計算融合等環節中的關鍵痛點，讓科研人員能將更多精力投入真正的科研突破中，加速科學研究向自動化、智能化與高效化邁進。

目前，玻爾科研空間站已在北京大學、浙江大學、上海交通大學、中國科學技術大學等全國40餘所高校院所，以及寧德時代、廣汽埃安、雲南白藥、聯合利華等40多家企業上線應用，用戶數達90萬人。市科委、中關村管委會正在組織面向200多家高校院所和近100家央國企進行推介，推動其能成爲未來全球AI4S時代下的雲科研入口。

成果2

大原子模型DPA，構建人類微觀世界的基座模型

世間萬物都由原子構成，物質的原子組合和結構影響其性質和功能，要理解包括材料、生命體在內的物理世界，核心問題之一就是要理解原子性質和原子之間的相互作用。

過往要摸清這一過程通常需要耗費較長的時間和較高的成本。如今藉助人工智能技術，模擬效率和精度都得到了大幅提升。大原子模型DPA就用於解決這一難題，它由30多家單位聯合共建，旨在構建人類微觀世界的基座模型，加速材料、能源、生物製藥等領域研發過程。

目前，大原子模型DPA在穩定性和預測性能等方面已達到世界領先水平，在合金、動態催化、分子反應、藥物小分子、固態電池、半導體、高溫超導等領域應用，平均節省90%的數據計算成本，使研究人員能用更少的數據達到更高的精度。

成果3

Uni-Lab-OS智能實驗室操作系統，打造“AI科學家”

深夜的實驗室裡，機械臂與AGV小車高精度協同操作，AI根據實時數據動態調整實驗方案，自動產出和分析的實驗數據悄然反哺算法模型——這已不是科幻電影的場景。

實驗室正處於從“工具集合”進化爲“具身智能體”的時代，在Uni-Lab-OS智能實驗室操作系統的驅動下，可有效解決傳統實驗室手工操作效率低下、設備彼此孤立、數據難以互通共享等痛點，推動實現自主設計實驗的“AI科學家”，爲科研人員節省更多的時間和精力。

這一成果打通了AI for Science各項基礎設施，實現數據、知識、模型與儀器的鏈接，助力傳統實驗室向自動化智能化躍遷升級，越來越多的實驗室將升級爲智能研發的預演場。

成果4

DeepFlame，助力火箭“心臟”塑形

由北京科學智能研究院發佈的智能仿真應用軟件——DeepFlame，依託人工智能驅動的“超級大腦”，可實現火箭發動機的全流程數值模擬，助力火箭“心臟”的塑形，爲航天裝備研發提供自主可控的數字化底座。

“火箭發動機的研發如果能借助工業仿真軟件，模擬流體力學、燃燒、傳熱等一系列物理過程，實際試車次數至少可以減少50%。”某公司相關負責人介紹，一款算得準、算得快的仿真軟件能大幅降低研發成本，縮短研發週期。通過DeepFlame軟件，火箭發動機工作時會遭遇的極度高溫、高壓環境一目瞭然。

發動機主燃燒室點火後，每一寸結構經歷的極端考驗都躍然眼前，哪個結構存在隱患、哪個設計還有進步優化空間，DeepFlame都可以給出答案。

新京報記者 張璐

編輯 白爽 校對 張彥君