高毅勤:AI*分子科学:以智慧奔赴人类友好型未来

点击 复旦金融评论 > 点击右上角“···” > 设为星标⭐

当AI真正触达分子与生命的底层，我们正在改写的，何止是科研？魏尚进教授特邀北京大学高毅勤教授，从微观分子的革命谈起，一路走向产业未来、社会生态与每个人的成长之路，带来一场直指本质的深度分享。

分子：支撑文明的底层密码，却深陷三重困境

分子科学是贯穿人类生存与发展的基础学科，更是医药、材料、化工、农业、环保等所有实体产业的底层支撑，是现代社会运转不可或缺的核心支柱。我们日常生活中穿的纺织品、使用的各类化工材料、赖以生存的粮食生产，对抗疾病时所依赖的药物，治理环境污染所需要的吸附与降解材料等等，本质上都依赖于分子和分子相互作用的设计、合成与调控。可以说，人类能够养活全球数十亿人口，能够不断提升生活质量，能够持续应对各类健康与环境挑战，根本上都离不开分子科学的进步。

我们面临的农药残留、大气污染、水体重金属、生态破坏等问题，本质上也是分子层面的失衡与污染，而解决这些问题，依然要依靠分子科学的力量，去设计能够捕捉污染物、降解有害物质、修复生态环境的新型分子与功能材料。

而生命本身，就是一套精密到极致的分子系统。从提供细胞能量需求的分子，到承载遗传信息的DNA、执行生命功能的蛋白质，每一次呼吸、每一次思考、每一次肌肉运动，都是体内无数分子协同完成化学反应、传递能量与信息的过程。人类生活在一个由分子构成的世界里，理解分子、掌控分子、优化分子，就是理解生命、掌控发展、守护未来的核心前提。

虽然进展显著，长期以来，分子科学的研究存在诸多壁垒，成为制约科学进步与产业发展的隐形枷锁。

第一，分子空间大到几乎无法穷尽。仅仅由碳、氢、氧、氮等常见元素构成的小分子，理论上组合数量就可以达到10的200次方，这一数字远远超过整个宇宙的原子总数，人类穷尽所有时间与资源，都不可能通过传统实验逐一探索。即便只看具备成药潜力的小分子，数量也高达10的60次方，传统实验方法也根本无法覆盖。

第二，研究成本很高、周期极长。一个复杂分子的合成，甚至可能需要一名专业人员耗费整个学术生涯才能完成；蛋白质结构的解析，也往往需要科研团队投入数年时间、巨额资金。过去几十年全人类合力攻坚，通过实验也仅解析出二十万左右个蛋白结构。新药研发更是典型代表，一款新药从分子筛选到上市，通常需要十年以上时间、耗资数十亿美元，这其中的失败率极高。这种高成本、长周期的研究模式，让分子科学的进步步履维艰，也让新药研发、新材料创新、绿色化工等产业突破困难重重。

第三，基于物理原理的分子科学计算难度很大，离解决实际问题相距甚远。分子研究的空间尺度是1埃（10^-10米），其运动的时间尺度以飞秒（10^-15秒）为单位，而细胞、生命体的时空尺度与之相比大很多个数量级。从原子、分子到细胞、组织、生命体，不同尺度遵循或者展现的物理规律不同，描述复杂体系的运动方程维度，不同自由度间高度耦合，即便使用最顶尖的超级计算机，也难以完成精准的全链条模拟。传统科学计算在庞大的分子体系面前，常常显得力不从心，跨尺度研究成为长期无法攻克的核心瓶颈。因此，要理解分子层面的相互作用并拓展到完整生命体系极其困难。

这些困境共同导致分子科学的发展长期依赖试错法在极大的维度和空间里进行探索，而难以实现真正高效的理性和科学设计，大量关系人类健康、环境治理、产业升级的关键问题，始终无法得到快速、有效的解决。

AI4S：把“算不动”变成“可探索”

AI在科学中的应用和发展（科学智能，简称AI4S）的出现，正在改写着分子科学的研究范式。例如人们已经利用深度学习模型将量子力学的高精度计算结果，拟合为经典力学计算所需的力函数。这不仅提高了计算效率，更打破了经典力学无法模拟化学反应断裂与生成的历史局限，在一定意义上更好实现了跨尺度计算。而基于数据的深度学习模型的引入更将过去以月和年计、甚至一个研究者毕生才能完成的科研难题，压缩到天级甚至更短时间完成，为分子科学装上“智能引擎”，促进着从被动试错到主动设计的根本转变。人工智能凭借大模型、生成式学习、压缩感知、数据拟合等核心能力，正在帮助降低传统科研中“算不动、做不完、试不尽”的困难，促进分子科学进入新的发展阶段。

注：谷歌DeepMind团队开发的AI模型（AlphaFold）在蛋白质结构预测领域实现了革命性的进步。

（图源：AlphaFold官网）

在蛋白质结构预测领域，AI已经实现了里程碑式的突破。谷歌DeepMind团队开发的AI模型，将原本需要数年实验解析的蛋白质结构工作，缩短至秒级完成，60%–70%的预测精度达到实验级别，这一突破直接斩获诺贝尔奖，让人类第一次可以通过AI快速解锁蛋白质的空间结构。因为蛋白质是生命功能的核心执行者，其结构的解析对于理解生物功能至关重要，快速、精准的结构预测，为药物筛选、抗体设计、抗菌肽研发、生物过程和疾病的机理研究提供了新的机遇，正在推动生物医药的早期研发进入快车道。

在分子设计与优化领域，AI通过“分子压缩感知”技术，将复杂的分子结构、理化性质、反应规律、相互作用等信息，压缩成隐空间的简化表示，类似于给分子打上可快速识别的条形码，让计算机能够快速“读懂”分子、“感知”分子间的协同关系。更重要的是，基于这些模型学习到的规律，AI可以实现按需生成、多目标同步优化：既可用于设计同时作用于两个甚至多个靶点的高效药物分子，大幅提升分子设计的效率，更系统地考虑到分子的毒副作用和脱靶效应等，从而在药物设计早期将安全性因素的优化纳入进来；还能根据需求定制具备特定光学特性、溶解性、反应性和跨膜能力等物理化学特性和相关功能的分子，在分子空间的搜寻效率相对传统方法正在发生着巨大提升。

而在细胞与基因组研究中，AI突破了DNA序列的单一限制，更完整地“复刻”细胞中复杂分子组成和状态，为精准医疗、基因编辑、再生医学等领域提供了强大支撑。

同样具里程碑意义的是，人们正在搭建起全流程科研智能体。我们团队以自主知识产权的分子模拟软件SPONGE为核心，整合了性能优异的AI模型、高效科学计算软件以及多样的高性能算力，打破了不同软件、算法、硬件、数据格式之间的壁垒。同时，该体系的分子模拟、结构预测和分子对接等模块在多个国产硬件的适配中，性能都接近、达到甚至超出国际先进机型，有力证明了自主可控算力生态的巨大潜力。

基于此体系构建的科研智能体，能够以自然语言与人交互，自动完成需求分析、模型构建、硬件适配、软件调用、算力分配、计算模拟、结果展示、分析总结等的全链条科研工作。

在智能体的帮助下，过去需要专业科研人员花费数月甚至数年才能掌握的科研技能、完成的研究任务，如今正日益变得简单易懂、交互流畅、高效快捷。一个最直观的成果是，高中生借助这套AI科研智能体，就能够独立完成过去只有博士生才能开展的高水平科研工作，产出具有实际价值的研究成果。这一变化标志着专业壁垒被彻底打破，知识的获取不再专属于高校与科研机构，技能的门槛被大幅降低。人类的创造力第一次摆脱了技术与工具的束缚，迎来了前所未有的释放空间。

AI及其在科学研究中的应用不仅改变着单一领域的研究方式，更搭建起连接不同尺度、不同学科和不同模态数据的桥梁，把小分子、生物大分子、细胞、甚至生命体所对应的信息进行高效交互，让跨尺度模拟与研究成为可能，为有效地解决传统科学计算的核心瓶颈提供了全新的方案。它不只是辅助科研的工具，还具有重构科学研究流程的能力，促进基础科学从“慢探索”走向“定向突破”，从“少数人攻坚”走向“全民可参与”，为人类认知世界、改造世界提供强大助力和动力。

产业与社会：奔向更友好的未来

AI在科学中的应用带来的变革，正在逐渐走出实验室，有望深刻重塑全球产业格局与社会发展方向，成为推动人类社会走向可持续、高质量发展的新的引擎。从产业升级到社会治理，从资源利用到环境保护，AI为破解传统发展模式的痛点，建设一个对人类更友好、对环境更友善的未来，提供着新思路和新途径。

在产业层面，因为其对研发范式的影响，AI展现出深刻影响生物医药、化工、材料、环保等传统行业的潜力。这些行业长期面临研发周期长、成本高、迭代慢、污染重的痛点，例如，一款新药的研发耗时十年、耗资十亿；一种新型材料的突破也往往需要数十年积累，而企业一旦研发成功，也能享受长期技术红利。而传统企业这种依靠单一或少数产品“吃多年红利”的模式，在AI驱动的快速迭代下面临新的挑战。AI让研发效率明显提升，在一些应用中，它已经可以让分子设计、药物筛选、工艺优化的周期大大缩短，产品迭代速度有望大幅加快。在这种模式下，定制化、模块化生产将成为新趋势。

过去无法满足的小众需求、极端场景需求，都可能通过AI精准设计实现；传统化工、材料生产中的高污染、高能耗问题，也会受益于AI助力的绿色分子设计和反应路径优化，从而实现生产中的降碳、减污、增效。

在这个过程中，AI将发挥打通基础研究与产业应用之间壁垒的作用，加速实验室里的科学发现向产业生产力的转化。在我们的实践中，结合国产算力与自主研发软件，实现了核心技术的自主可控，并已与化工龙头企业合作搭建生产前端智能体，打通研发流程、提高科学计算的效率。应用国产算力和软件平台，在分子对接、蛋白结构预测、化学反应模拟等多个应用场景中，达到甚至超越国际先进水平。这些努力不仅对于提升我国在全球科技竞争中的话语权十分重要，更促进科学创新与产业发展深度绑定，为经济高质量发展注入新的动能。

从社会与人类发展的维度看，AI应用于科学研究的核心价值，在于为人类应对全球性挑战提供破局之路。当前人类社会发展面临着日益增长的压力：生产的智能化、自动化不断压缩简单劳动力与常规智力活动的空间，同时资源消耗与环境破坏日益加剧，传统高耗能、高排放、高损耗的发展模式难以为继；全球人口增长、疾病威胁、粮食安全、生态修复等问题，都需要更高效、更温和、更可持续的解决方案。而庞大的分子空间，可能恰恰蕴藏着解决这些问题的答案——以10的200次方为量级的小分子的组合和无数未知的生物大分子与功能材料，等待着人类去探索、去利用。

AI已经开始帮助我们在庞杂的分子世界里，寻找对环境更友好、对人类更友善、对资源更节约的新型物质形态。AI大幅提升分子与资源利用效率，核心体现为“原子周转率”——通过优化分子设计与工艺路径，让同一原子可以多次周转利用、循环创造价值、同时减少对周围环境的破坏，从而在满足人类需求的同时，从源头减少对自然资源的索取。

人们已经开始使用AI帮助设计更高效的太阳能利用材料，提升清洁能源占比；它可以应用于研发低毒、高效、绿色的农药与肥料，保障粮食安全的同时保护生态；可以创造可降解、低污染甚至无污染的高分子材料，减少白色污染；AI也正在被用于开发精准靶向、副作用极低的药物，让疾病治疗更温和、更有效；也可以被用来设计污染物高效捕捉与降解分子，修复被破坏的水土与大气环境。以更低伤害、更循环、更可持续的方式利用资源、化解难题。AI推动创新带来的生产力飞跃将显著提升人均GDP，但其背后的挑战也将从“如何生产”转向“如何分配”，需要人类用智慧去平衡效率与公平。

我们常说，发展中的问题要靠发展来解决，而AI4S为推动高质量发展、绿色发展和以人为中心发展带来新的机遇。但这一过程需要的不只是算力与算法，更是人类的智力与智慧——我们要以理性驾驭技术，以责任引导创新，以温度平衡效率与公平，让技术始终服务于人、服务于社会、服务于可持续的未来。

放眼全球，中美两国在AI4S领域最为活跃，而拥有深厚科学底蕴的欧洲虽然目前节奏稍缓，但具有从底层原理和方法带来革命性改变的潜力。这种竞争的结果取决于AI模型的开放程度：如果模型保持开源，将缩小国家间的科研差距，让原本缺乏条件的创新者也能加入想法验证、实现奇思妙想；若走向闭源，掌握数据和算力的一方将进一步放大优势，从而带来巨大的不公平；但也可能会因为其难以获得而被孤立，最终导致落后。如何选择不同的AI技术发展路径和应用推广策略正在深刻考验着不同国家和研究群体的智慧，反映着不同的发展目标和对人类社会的不同担当。

单个人的智能，就像山涧中的涓涓细流，每一股都充满灵性与美感，却分散而跳脱，也常常需要依赖直觉、从而时断时续，在形成改变世界的合力中具有很大的不确定性。而AI的出现，如同将无数涓涓细流汇聚在一起，奔涌成大江大河。它整合了全人类的知识、经验与数据，突破着个体认知的局限，释放出前所未有的力量。这条大江大河，波澜壮阔，为我们带来了科研突破、产业新生、生活改善的无限可能。

但这条大江大河，也暗藏着激流险滩，有着泯灭个体智慧光辉的可能，带来了教育转型、职业重构、社会伦理的全新挑战。恐惧不能解决技术浪潮带来的问题，但人类更不能放任技术无序发展，如何做到以人的价值为核心，以可持续发展为导向，用智慧和敬畏心驾驭智能、用人类长远发展需求引导技术进步是全人类都必须面对的课题。

教育与个体：人类智慧才是终极竞争力

AI对世界的重塑，其带来的改变最终都会落到每一个人身上。当科学进步的门槛被降低、产业模式被重构、知识获取方式被颠覆，教育的本质、学习的意义、职业的方向，都会发生巨大改变。智能时代的到来已经在逼迫我们重新思考：该如何学习、如何工作、如何实现自我价值。

从个人成长的角度人们能看到的最直观变化是：机械记忆、繁杂操作、标准化技能的价值正在显著下降。一直以来，教育的核心是知识的传授与技能的训练，学生需要花费大量时间记忆知识点、掌握标准化操作，这些是个人立足社会的核心资本；而如今，AI能够在短时间内完成信息检索、数据处理、流程执行和结果输出和总结，个人曾经引以为傲的“专门知识”和“熟练技能”，面临被人工智能替代的危险。在我们自己的实践中已经发现曾经需要长期训练才能掌握的分子体系的建模和模拟、文献分析、数据统计等专业技能，如今借助AI智能体，普通人也可以快速上手，技能的稀缺性因而在降低。

从更广义的角度看，随着AI显著提升生产效率，人均GDP有望迎来新的增长，但背后的核心挑战将从“生产”转向“社会价值的分配问题”。与此同时，受教育年限有望缩短，教育将全面转向终身学习模式。这不仅是技术的倒逼，更是人类应对劳动力人口下降、提升生命质量的主动选择。

未来的教育不再是训练标准化技能，而是培养独一无二的个体智慧、精神，提供独一无二的成长体验。随着学生借助AI可以更轻松获取海量知识、得到精准解答，知识获取不再专属学校与专家，传统以授课、灌输为主的教育方式面临巨大挑战。在这样一个时代背景下，教育模式将不得不发生深刻变革。教育的本质不再是“教会学生知识”，而是“教会学生如何思考”；标准化技能的训练将被弱化，而对人的心智和智慧增长的关注将得到加强。老师的核心作用将从知识传授者转向思维培养者、经验传递者与成长陪伴者。人与人之间真实的情感交互、人格影响、经验分享、合作共赢，具有不应该被AI所替代的珍贵意义，也是学校教育责无旁贷地需要提供的价值。

对于个体而言，AI时代的职业规划与能力储备，将被迫完成一次史无前例的观念转型。成长体验中可被自动化、标准化技能的获取将弱化，而人独有的、暂时看来无法被AI替代的好奇心、同情心、自驱力等完整人格的成长将具有更加突出的重要性。独立思考、提出好问题、独辟蹊径的创新能力将成为最稀缺的品质。

到目前为止，AI更擅长整合现有知识、优化已有方案，却难以产生颠覆式的原创思想；AI可以给出标准答案，却不能主动提出对人类社会发展和个人成长真正有价值、有前瞻性的问题。而人类的进步，恰恰源于那些打破常规、直击本质的提问与探索。在职业选择上，因为可被自动化的重复劳动最易被AI程序化，从而替代，学生在成长中应该更加关注跨学科融合、原创设计、复杂决策、人文沟通、价值判断等高度依赖人的领域。当前的AI是基于数据与算法的工具，其结果的可靠性、应用的边界，都需要依靠基础原理来判断。

对未来从事科学研究的青年学生而言，对数学、物理、化学、生物等底层原理的深刻理解变得至关重要。只有真正理解底层逻辑，才能驾驭AI、修正偏差、实现创新，而不是被动接受AI的输出。无论是科研创新、产业设计、教育医疗，还是文化创作、社会服务，那些需要情感、温度、创造力与价值观的工作，将成为AI时代的长期核心赛道。

其实，人类看似“不完美”的特质——强烈的情感、直觉、共情、偶尔的非理性、选择性遗忘等等，恰恰是创新与进化的原动力。这些“不完美”，让人类能够感知世界、共情他人、突破固化的逻辑束缚、创造出艺术、情感与文明。这些是算法还无法模拟、无法替代的核心能力，也是我们在这个AI时代必须着重培养、主动守护的财富。

无论发展途径的选择是怎样的，科学和技术发展的目标不能是AI替代人类：AI的价值应该在于赋能人类，AI不是要消解或替代、而是要诱导、升华和发扬人的智慧，让我们从机械、重复、低价值的劳动中解放出来，把更多的时间与精力投入到思考、创造、共情与成长之中。当智能技术不断进步，我们更要坚守人类的本质，发挥人类的优势，以智慧应对变革，以初心面向未来，更好地与自然共存。

从分子科学的底层原理性突破，到AI助力的科研范式革命；从产业社会的绿色转型，到教育职业的价值重构，这场由智能驱动的变革，正在从微观之处入手，影响着人类文明的走向。涓涓细流汇成大江大河，智能之光点亮分子世界，我们终将以集体的智慧与勇气，驾驭技术、创造未来，让生物智能和人工智能通力合作，真正成为人类迈向可持续发展、实现美好生活的强大力量，奔赴一个对人类更友好、对环境更友好、对未来更负责的崭新文明。

□本文根据复旦金融公开课主旨演讲与对话实录提炼，主持与对话者为复旦金融评论主编、哥伦比亚大学教授魏尚进。

□编辑 | 潘   琦 复旦大学国际金融学院研究中心

□视觉 |葛雯瑄 复旦大学国际金融学院研究中心

□图源 |AlphaFold官网、AI辅助生成

-END-

戳图片，获取30+新媒体渠道