当人工智能嵌入基础科学研究，科研范式发生改变。基础理科训练越来越重要，部分专业方向，不再是过去的“天坑”，反而有了更宽阔的就业、科研路径。当下，许多前沿问题来自交叉学科的发现，相应地，我们需要具备融合、创新思维的人才。科学智能时代，重要的是与AI协作时，你的思考和表达。
化学课上的人工智能
三年前，天津大学化学系开了一节针对本科生的人工智能化学实验课。这门选修课的第一节，就是教学生们如何安装编程语言Python的环境（工具箱），课程老师之一于曦记得，当初光是教学生装环境，就得花一整节课，到下课了还有很多学生没装好。甚至有的学生因为网站全是英文，而不知道怎么注册账号。最终，70多名学生第一次去上课，后来有一大批退课。
三年过去，这门选修课依然开着，化学系还在此基础上加了一门人工智能化学理论课，配套讲述机器学习、算法、模型、化学数据处理等理论知识。虽然每次还是有部分学生退课，但老师们感觉学生逐渐意识到人工智能在化学中的重要性。学生们学习编程，写代码，学习挖掘和描述化学数据，然后将数据放进合适的模型中运行，指导实验、分析结果。也有一些学生使用学院内的智能体帮助做实验设计。在这门课上表现优异的学生，更有机会参与人工智能与化学结合的国家级和校级比赛，这都有助于他们未来找工作或继续深造。
中国科学技术大学精准智能化学全国重点实验室（袁克诚 摄）
这是国内综合类高校中，较早一批在基础理科本科教育中加入人工智能交叉教学的案例。于曦是天津大学理学院化学系的教授，过去几年，他和学院内几位老师共同推动了人工智能化学相关课程的落地。他告诉本刊，当人工智能开始介入本科教学，尤其是在与基础研究密切相关的数理化等专业教学中，往往意味着这项技术在科研领域已经有了长足的实践和成果。
起步比较早的人，大约在十年前，AlphaGo击败人类围棋高手时，就已经着手将机器学习框架、深度学习技术应用到自然科学研究中。但当时这种融合在国内科研中还不多见，或者说接受度不高。因为早期的机器学习更像是“黑盒”——通过若干参数预测某种功能，但无法解释原因。不少科学家不接受这种没有规律指导的预测，更相信自己的经验。2018年，中国科学院院士鄂维南在前人实践和理念的基础上提出了“AI for Science”这个词汇。他认为人工智能不只是简单的工具，还是能深度嵌入科研全流程的新范式，能成为科研的参与者。这一词汇被广泛接受，沿用至今。
于曦真正开启人工智能化学的探索时，已经是2019年，契机来自化学系一名“不爱化学却喜欢研究计算机科学”的大四学生。于曦回忆，这名学生找他做毕设，他们共同商量，找一个能结合人工智能与化学的角度。“当初我对人工智能可以说一窍不通，我就和学生一起学，那时候还没有通用大语言模型做学习工具，我就去买书、去网站，了解机器学习、深度学习的脉络和技术原理，发现机器学习可以加速化学计算、辅助设计分子材料、筛选目标化合物等等，目前国内已经开始有了初步成果。”
天津大学理学院化学系教授于曦，他和几位老师共同推动人工智能化学相关课程的落地（张雷 摄）
这个发现与于曦的研究方向也非常契合。于曦做物理和理论化学研究，与实验化学属于不同的分支。很多年来，化学被公认为一门“实验的学科”。即使在字面意义上，把chemistry分开来看，“chem is try”，也有助于我们理解，这是一门需要通过无数实验试错、总结的学科。每一次实验的温度、湿度不同，都可能有不同的结果，非常依赖个人经验、直觉和耐力，甚至要靠一些运气，做实验很多年，才能发现一个新的分子或结构。“我喜欢有清晰规则、普适规律的东西。”于曦说，所以他在博士后阶段转向偏物理的化学做计算，在计算机上，通过明确的物理或数学原则做研究，并利用计算帮助实验减少试错。
但是，计算化学因为过于理想的环境和模型，经常与实际实验结果有误差。于曦说，有了机器学习辅助后，有科学家开始在深度神经网络学习方法中加入物理规律引导，模型可以在大量的化学信息中发现数据之间的联系，既加速了化学计算，又有一定的原则约束，能解决原本可能需要几十年才有突破的问题。
而真正让人工智能与化学、物理这种物质科学研究走向火热的，是2022年底以ChatGPT为代表的通用大语言模型的出现。“通俗点说，没有大语言模型的时候，人工智能对化学研究的影响更聚焦在计算领域，实验层面依然需要不少人去试错。大语言模型出现后，再加上自动化与机器人的发展，人工智能跟实验结合的路径一下子打开了，化学科研和教育的范式有了更大变化。”于曦说，这直接对实验科学产生显著的影响，最直观的就是自动化实验系统的出现。
脱离“天坑”专业
走进中国科学技术大学精准智能化学全国重点实验室的三楼，就像进入一个机器工厂。实验室里，机械臂往试管中加入各种原料，试管被轨道往前运，滴定、摇晃，进入下一道程序。实验室主任李震宇教授告诉我，现在实验室绝大部分的实验都可以先通过这一套自动化实验系统操作。
中国科学技术大学研发了一套自动化实验系统，大大提高了实验效率（袁克诚 摄）
自动智能化研究包括哪些流程？李震宇举了个具体的例子，他说实验室曾跟深空探测实验室合作，“我们一开始找他们要月壤，但月壤很少，分不了多少，后来我们要了火星陨石。这可以做什么？假设我们以后要移民火星，为了获得生存必需的氧气，最好的方式之一是通过火星已有的物质，化学反应生成氧气。所以我们想制造产氧催化剂。我们给智能系统下任务，系统就自动分析陨石原料，查找文献确定初步实验方案，开展实验并测试结果后进一步优化实验，最终很快合成出高性能固体产氧催化剂，后来成为Nature Synthesis期刊的热点论文”。
李震宇说，至少十年前，实验室相关团队就开始关注人工智能化学，后来又开始尝试通过自动化机器做实验，是国内起步最早的高校之一。近几年随着工程能力、人工智能技术进步，实验室的自动化智能化学系统正在逐步完善。2024年底，精准智能化学全国重点实验室正式成立，是首个面向化学研究范式变革的国家级研究平台。在中国科大高新校区，实验室有大规模机器化实验平台，楼下是工程学院具身智能研究团队，研发人形机器人、机械臂等，也可以助力自动化实验。
这个位于合肥的自动化实验室，每周都要接待来自不同机构、学校的人参观。而在数百公里外的上海，关于“未来实验室”的探索也早已开始。上海科学智能研究院（下文简称“上智院”）是一家在复旦大学支持下成立的新型研发机构，上智院物质科学团队负责人曹风雷今年6月也去参观过。曹风雷认为这种自动化、标准化的实验系统解放了部分做实验的人力，能提高科研效率，同时整个行业还有很大进步空间。比如实验中一些过滤的操作，用勺子铲出过滤残渣这个动作，对人来说很简单，对机器却很难。
在精准智能化学全国重点实验室，学生不再做重复性实验，而是要学会给机器下指令，与AI协作（袁克诚 摄）
曹风雷是上智院孵化企业“格物智研”的创始人，也正在跟团队运营一个类似的自动化实验平台，这个平台前不久在上海漕河泾开发区落成，他希望那是个公共的普惠科研平台，可供不同企业、高校和个体使用：研究者提出目标后，物质科学模型负责理解任务、生成方案、计算筛选候选材料，自动化设备接手实验，而实验产生的新数据又不断反馈给模型。过去由不同团队接力完成的研发流程，被串联成一个能持续学习、自我迭代的科研闭环。
曹风雷学计算化学出身，早年曾在上海交通大学任教，后来去晶泰科技、无限光年等国内早期AI+制药的公司工作。2023年，曹风雷加入刚刚成立的新研机构上智院，从事AI for Science研究，带领团队开发化学反应等物质科学模型、智能体。作为十多年来在高校、企业、科研机构都待过的科研人员，他略带调侃地说，计算化学乘上人工智能的“东风”，这几年逐渐脱离了“天坑专业”列表。
首先，“天坑专业”常被诟病的原因之一是需要重复大量实验，部分实验易燃易爆有毒，不够安全。曹风雷说，自动化实验系统正在取代那些重复性强、危险的实验，实验能力强的标准，不再是日复一日地待在实验室，不断控制变量重复实验，而是看谁能设计出更好的实验方案。
《欢乐颂5》剧照
另外，在就业层面，曹风雷回忆自己当年读书时，理论化学、计算化学非常冷门，去企业找工作都不好找——工程师岗位主要面向工科和计算机专业人才；去药物公司，许多人还是做合成药物实验，像是一个懂化学的螺丝钉。计算化学的同学，要么从事银行、保险、教培等工作，要么继续深造。
近十年人工智能与基础科研逐渐结合后，学理论化学、物理的人因为更天然地接近电脑计算工具，懂编程，所以接受人工智能技术更快。曹风雷记得两年前，他曾跟其他机构团队合作。当时通用大语言模型已经很火热，也有人在大语言模型基础上做垂直专业领域的数据库。那个团队中有位博士是实验化学出身，一开始不相信模型设计的实验比他的经验更好，后来在曹风雷团队设计的模型帮助下，找到了超出他经验的合成方式，才意识到计算化学和人工智能结合的用处。
也有学生尝试自己创业。天津大学化学系2024届本科生张钊源，是他们班唯一一个毕业后成立公司的学生，其余同学全部继续读书。张钊源留着平头，说话语速很慢，很有耐心，给人一种亲近感。他是2020年通过第一届“强基计划”进入天大的学生。强基计划关注数理化、基础医学、古文字学等少数基础专业，意图选拔对基础学科有志向、兴趣和天赋的青年专门培养，为国家重大战略领域输送人才。但进入大学后，张钊源发现自己对化学专业兴趣和天赋都一般。大一下学期，他想给自己玩的游戏写个“外挂”程序，开始接触算法和编程，很快喜欢上了编程。
《凡人歌》剧照
他在QQ群里接单，1000元帮别人写爬虫软件。“其实当时我啥也不会，但我三五天就完成了任务，我觉得最有效的学习方法还是带着任务、目标去解决问题，这给我很好的正反馈。从那之后我就不再问家人要生活费了。”张钊源说，他自学了编程和各类技术语言，大二上于曦老师的课时，得知于曦团队在做人工智能化学研究，就加入于曦的团队一起做项目。
于曦的团队聚集起一群对编程、人工智能感兴趣的学生。通用大语言模型问世后，2023年初，团队开始在大语言模型基础上，结合专业的数据和检索算法为化学和材料的合成与制备提供智能辅助。他们曾经跟一家专注热管理材料的公司合作，公司希望能做出更优质的导热材料。于曦团队开发了一套材料开发智能辅助系统，大大加速了公司新型导热材料的开发。
张钊源去年成立的公司就脱胎于当时的技术基础和架构，聚焦在材料开发，也会跟高校合作，帮学校设计专业领域的智能辅助系统。张钊源说，公司加上他有五个员工，大多有化学、物理专业背景，收入比上班族强很多。他大一时曾觉得化学专业“难变现”，但几年后，他意识到与人工智能结合后的化学专业背景，也可以进入半导体、电池等需要创新材料的行业，他们的就业路径也变宽了。
“应用门槛变低，研究门槛变高了”
最近一年来，复旦大学人工智能创新与产业研究院助理教授魏龙研究的方向之一是人工智能在可控核聚变中的应用。目标是在人工智能技术辅助下，维持可控、稳定的核聚变反应过程，持续释放巨大的能量，就像“人造太阳”，能持续供应电力。2026年发布的“十五五”规划里，氢能和核聚变能与脑机接口、具身智能、6G等被列为六大未来产业。魏龙团队和聚变领域的专家合作，聚焦方向是“高温等离子仿真与控制”，最近他们有了一些突破，例如通过与大语言模型交互，优化了高保真等离子体模拟算法，实现了上百倍的等离子体模拟求解速度。
《淬火年代》剧照
魏龙告诉本刊，在做研究、带团队的过程中，他很欢迎数学、物理水平优秀的学生。“我感觉现在AI的应用层面门槛在降低，但研究门槛反倒变高了。”魏龙说，在解决科研问题方面，AI能回复得很好，有时可以代替老师，但AI思考问题大多停留在工程思维的层面，“头痛医头，脚痛医脚”，往往是解决一个点、补一个漏洞，在系统性和深度思考上总“差点意思”。而数学、物理作为很多理工科专业的根基，更看重简洁、普遍的规律，有非常严谨的理论分析和推导过程，一个定理或定律能解释一大类问题，更符合“科学”本质。
研究门槛变高，意味着对基础数理能力要求变高。这背后不可避免的另一个问题是，在科学智能领域，我们需要什么样的科研人才？
不少老师和学生告诉我，如果要在AI能力和基础数理能力中选择哪个更重要，他们会选后者。如今，学生懂一些基本的AI知识和编程技术已成为科研能力基础，但从长远发展来看，更重要的是数理能力。在生成模型、强化学习等很多人工智能的分支，都需要数学和物理作为技术支撑。具备优秀的数理能力，才更有可能从底层做出算法创新。一位计算机专业出身的博士生告诉我，他学习物理、数学的效率会低很多，可能看懂一个方程组都要花不少时间。
《神探伽利略》剧照
人工智能目前的蓬勃发展主要来自工程技术方面的突破，简单概括就是，更多的计算产生更多的智能，但这是一个成本过于高昂的路径，以后人工智能的进一步发展可能要来自脑科学等基础科学的突破，主战场之一是在基础科学领域。所以如果选了基础科学的同学，要相信基础科学的重要性，要保持学习的定力，锻炼扎实的理论基础。”魏龙说。
“另一个层面，还是要用好AI这个工具，AI是一个帮助实现想法的加速器，以后一个人的水平强不强，很大程度上取决于他用AI的水平强不强，几乎可以画等号。”魏龙说，用好AI，不仅是掌握辅助编程、写作这类基础能力，重要的是提出好的问题，给出好的引导方向和反馈意见，而这非常需要学生的创新和思考能力。“人的思维最神奇的一点是跳跃，可能上一秒在琢磨一个物理现象，下一秒就在想AI算法，在科研里，很需要这种能把看似完全不同领域知识点联系在一起的思维。”
给研究生上课时，魏龙会尽量布置能引导学生主动思考的作业。比如，他要求学生们找一篇近三年的论文来研究，并提出一个改进方案。这是一个开放式、探究式的作业，提出好的方案，意味着学生要把这一领域尽量搞明白，同时能发现当前方法的局限性、提出相应的解决方案。而写作时，他希望学生的表达尽量简洁，用专业、通俗的语言提炼自己的思考。
《神探伽利略》剧照
“如果真的有学生过于依赖AI，让渡自己的思考，那他就放弃了科研中最令人兴奋的地方。”魏龙觉得，真正适合做科研的学生，还是会在人工智能完成的任务之外，想一些新的点子，这种自由和思考才是科研的最大乐趣。
如何培养理科人才
创新和思考，这几乎是每一个采访对象对科研人才能力的期待。可是，一个学生要如何发现并培养自己的科研兴趣，如何拥有人人都渴求的创新思维，如何训练提出好问题的能力？不少老师给出的回答是“这依赖中小学教育系统的改变”——一个正确又接近无用的答案。或许问题可以变成，当一个学生选择基础理科专业进入大学后，现有的培养方案如何帮助他们接近那个理想范式？
近几年，本科阶段，一些高校已经开始尝试跨学科的融合，在理科专业中加入人工智能相关的课程，设立人工智能微专业。李震宇告诉我，中国科学技术大学作为一所重视数理基础的理工科大学，多年来所有专业都要学习如数学分析之类的数理基础课程以及计算机程序设计课程，近几年，学校又在所有本科专业开设人工智能基础课程，进一步优化学生的计算思维。近两年，实验室还联合少年班学院，开设了精准智能化学英才班，希望学生同时具有化学与计算机、人工智能等跨学科背景。另外，实验室还举办了各类科学智能创新比赛、夏令营等活动，本科生可以提早进入科研团队参与项目。
但本科阶段囿于师资、课程的学分和学时等限制，灵活性依然不高。硕博阶段，这几年顶尖院校开始更多尝试与科研机构联合培养人才。
《欢乐颂5》剧照
今年6月初，我在上海、天津见到了几位老师和博士生，他们几乎每个人都参与了联合培养项目。大概的培养方式是，高校和研究机构合作，每个学生有一到两名导师，硕博生的学位、必修课在高校内完成，科研项目在研究机构完成，最终由高校颁发学位证书。
白磊是上海人工智能实验室的青年科学家，据他介绍，上海人工智能实验室自2022年开始与清华大学、北京大学、上海交通大学、浙江大学、中国科学技术大学等顶尖院校联合培养博士生，并于去年成立“浦江书院”，希望在科研中给学生足够的支持与后盾。他认为联合培养的优势，“一是在于科研机构能为学生提供更多算力、数据等科研资源支持，助力学生挑战前沿课题、参与重大科研项目；二是在于，科研机构会汇集很多跨学科背景的学生，可以在项目合作中相互交流、学习，相比高校培养模式，或许更容易碰撞出火花。另外，一些研究机构还能孵化创业公司，给学生提供更灵活、更宽广的就业支持”。
《唐人街探案2》剧照
也有老师提到，研究机构能连接更多企业，学生能近距离接触业界，了解企业当下关心的前沿和真实问题，产学研进一步结合，研究项目能更好落地到具体应用中，创造更大价值。不过，在这些宏大层面的资源支撑外，有没有更具体的培养实践方法？联合培养学生的导师姜若曦或许是一个样本。
姜若曦去年夏天从芝加哥大学计算机科学专业博士毕业，回国后在复旦大学人工智能创新与产业研究院任教，同时也是上智院的兼聘AI科学家。她的团队有三名学生，氛围很好，共同研究物理世界仿真模型，希望能减少科学智能领域里模型的“黑盒”属性，让模型理解数据机理，用表征指导物理可解释。
姜若曦声音温和但有力量感。她说自己从小就想做能创造价值的事，她从经济学、运筹学，一路转专业到计算机科学。直到博士阶段，她幸运地找到了自己的人生方向。读博期间，她的兴趣不断发展，其中很大的原因是她的博导——一名优秀的机器学习领域前辈。她从博导的身上学到很多，很多她现在和学生的相处模式，她看重的学生能力——提问、表达、自驱力、协作，都来自这些年她和导师共同工作的经历。
《欢乐颂》剧照
“一定要提问”，提问是思考的一部分，即使是看起来再不成熟的提问。姜若曦记得，她的博导听讲座时有个习惯是，基本都会坐前排，最后也基本会提问。但她发现很多学生不爱提问，尤其是公共场合。有一次她去新加坡一所学院宣讲做招聘，到了提问环节台下声音寥寥，反而等她下台后，很多学生加她微信开始问问题。姜若曦鼓励自己团队的学生多提问，认为这也是公共表达的一部分。
姜若曦也经常跟学生提问。在立项阶段，她会和学生讨论，除了发表论文外，这个研究问题的实际价值在哪？某个实验方案为什么失败，为什么会成功？这些问题她都曾回答过自己的导师。她喜欢这种交互式讨论。最近她惊喜地发现，在和学生不断讨论后，组里一个本来就很优秀，做实验、写东西都很快，但缺乏探索性的学生，主动提出了一个新的研究想法。
表达之外，她希望学生有自驱力。她认为自驱力强比好的学校背景更重要，因为科研考验一个人的耐挫力，而自驱力常与热爱相关，使其在面对挫折时更易坚持。
《树下有片红房子》剧照
最后，姜若曦说自己热爱合作的环境。“身边的人优秀，我会很开心，因为大家可以一同进步。”博士阶段，她的导师额外强调“互助性”。在这样的氛围下，她和组里的同学关系很好，大家一起进步，实验失败了也有人共同分析原因。自己成为导师后，她希望这种氛围也能在她带的团队中延续下去，坦诚交流、互相帮助，“我们每个人都要在自己的科研孤岛上找到对外交流的途径”。
采访到末尾，我问了每个人相同的问题：对于刚刚结束高考，对基础理科专业、AI for Science感兴趣的学生，你们有什么建议？一位联合培养博士生的回答，或许在当下更有意义。他说：“好好利用这个暑假，你可以学编程语言，也可以打游戏，让自己接触更多，这都是好的。主要是潜下心来思考，尝试、探索你热爱和擅长什么。因为这可能是唯一一个完全由你支配的暑假，之后你会忙绩点，忙保研考研，忙很多事。很难再有一个假期，像现在这么纯粹。”
启牛配资提示：文章来自网络，不代表本站观点。
