夜雨聆风
当前，人工智能前沿技术的快速突破，正推动 AI for Science 从“工具型赋能”向“驱动范式转型”深化拓展，全球创新活动呈现出全新的特征与趋势。
在3月27日举办的中关村论坛AI for Science青年论坛上，中国科学技术信息研究所组织编写的《AI for Science创新图谱2026》（以下简称《报告》）正式发布。
作为 AI for Science 领域的核心参与方，昇思MindSpore团队深度参与报告编写工作，依托自身技术积淀与行业洞察，从多维度为报告的专业度、系统性与前瞻性提供关键支撑，助力行业全面洞察 AI for Science 发展脉络。
《报告》由中国科学技术信息研究所联合北京科学智能研究院、上海人工智能实验室、中国地质大学（北京）、上海科学学研究所、华为公司等单位共同研究编写。
报告采用图谱可视化形式，从技术形态、学科场景、生态体系、国际格局等维度进行分析，全景式展现了AI for Science的阶段性发展特征与创新趋势，旨在为社会各界提供极具价值的科研视野拓展与创新趋势参考。
1、全球AI for Science进入国家战略加速布局阶段
《报告》分析发现，从新药创制到宇宙探索，再到量子科技前沿，人工智能技术正推动多个重点学科领域科学难题的创新求解，为重大科学问题的深入探索提供新的路径与方法。
2025年全球AI for Science发展进入国家战略加速布局新阶段，中国、美国、欧盟、英国、日本等聚焦AI for Science密集出台高层级战略部署，从资金支持、资源建设、科研组织等方面创新政策措施，聚焦加速先进制造、关键材料、核聚变、半导体、工程生物学和量子信息等前沿科技研发，加大基础设施建设和资源投入，积极构建以人工智能为核心驱动力的科研新生态，并同步探索构建适应智能科研时代的治理新规则。
全球AI for Science发展进入国家战略加速布局新阶段
2、全球学术产出持续增长，学科融合深化
《报告》基于学术论文数据分析发现，全球AI for Science学术研究产出持续增长，近五年论文发表量增长了一倍多，人工智能与各学科各领域不断深化融合，应用范围持续拓展。报告选取了12个典型领域进行分析发现，生命科学、物理、化学、地球科学、材料科学等领域活跃度最高，航空航天、量子科技、材料科学等领域增速最快，年均增速超过30%。
近五年各学科领域发文量变化趋势图
AI for Science 作为全球科技界的共同关注方向，聚焦破解生命健康、能源变革、气候变化等各类全球性科学挑战，国际合作的迫切需求日益凸显。中国与各主要国家在生命科学、物理学、地球科学等领域的学术合作走深向实，2024年AI for Science领域国际合作论文量比上年增长约15%。中国科研团队研发打造了一批有影响力的AI4S科研基础平台与工具链，向各国科研人员提供开放共享的AI for Science科研公共产品，服务全球科研开放协作。
人工智能技术的深度应用也正在促进跨学科交叉融合，《报告》分析发现，化学、物理和材料科学等各学科领域交叉产生大量重要的科学新问题，AI for Science促进知识跨学科流动和融合迁移，激发科研创新动能，成为推动破解前沿科学问题的重要路径。
AI for Science促进跨学科交叉融合创新
3、智能体、具身智能等人工智能前沿技术重构科研模式
《报告》观察发现，2025年智能体、具身智能等人工智能前沿技术发展进一步提速，在规划决策、任务调度、多智能体协同等方面的核心能力加速成熟，并快速融入科研流程，与科学数据、领域模型、专业算法工具集等形成迭代飞轮，通过全流程闭环迭代及反馈优化，加速重构科研模式。
以智能体为调度中枢、嵌入学科知识的多模态领域模型为知识内核、具身智能驱动的自动化设备为物理执行载体，正在实现从“单点技术突破”到“体系化能力升级”，具备文献阅读、实验设计、实验操作、科学发现等科研全流程自主能力的新型科研体系形态初显。
前沿技术融入科研流程重构科研模式
智能体日趋便捷灵活的技术框架和Skill技能体系加速了智能体技术在科研领域的推广应用，国内外科研团队结合不同科研场景研发的各类专业化智能体和技能库正蓬勃发展，以后各领域科学家将可以便捷地使用智能体工具重新设计自己的科研任务。
智能体技术在各学科领域的融合创新
4、AI for Science科学数据体系初具形态
《报告》认为，由文献数据、实验数据、模拟数据与模型数据共同构成的“AI for Science”科学数据体系已初具形态。
各类数据之间相互转化、彼此促进：基于文献数据的内容解析，可抽取并积累形成可用于模型训练的实验数据；模型数据中蕴含着大量科学知识沉淀，同时也可基于模型生成更加丰富的模拟数据。
通过进一步深度关联与一体化融合，有望形成结构化、可解释、可推理的全局AI-Ready数据体系，共同构建起支撑科学发现的知识底座。
AI for Science关键数据类型
5、开源项目成为核心驱动力
开源项目作为知识共享与协作创新的核心载体，已成为AI for Science 发展的核心驱动力之一。《报告》对AI for Science领域当前重要开源项目进行了梳理，发现从框架层、套件层到模型层，一批代表性的AI for Science开源模型和开源工具日趋成熟，中国的开源模型和工具开源影响力持续提升。
AI for Science开源项目体系日趋丰富
6、从科学发现到产业转化
与此同时，平台化的AI for Science智能化基础设施正在助力贯通“从科学发现到产业转化”的全链条，将打破传统科研与产业创新的边界限制，消除产学研壁垒，在“AI+生命科学”“AI+材料科学”“AI+地球科学”等领域已经在探索构建全链路协同的未来产业新形态，加速推动科研新范式驱动下的产业升级。
作为 AI for Science 领域的核心参与方，昇思 MindSpore 依托 MindSpore Science 科学计算套件，构建了高效科学计算算子等核心能力。目前，昇思已在生物、化学、能源、地球科学等多个领域实现技术落地，为科研创新提供了强有力的工具支撑。
MindSpore Science将持续深化技术迭代，积极推进智能体等创新技术在科研产业的应用落地，构建AI for Science科学智能体加速库，打造干湿闭环全流程RL（科研分析RL+实验设计RL），支撑科学发现智能体模型孵化落地，提供开箱即用的科学计算模型和科学智能体。
同时，昇思将持续深耕AI for Science领域，强化核心技术与场景适配能力，重视算力及超节点对AI for Science的核心基础保障作用，算力是AI for Science创新发展的关键要素，超节点是算力体系的重要组成，可优化算力配置、筑牢算力根基，未来将持续完善相关布局，深化产学研协同，构建全链条科研赋能体系，通过完善开源生态与算力结合发展加速科研成果的转化与共享。
在这份报告数据的背后，是无数科研者、开发者日复一日的探索与坚持。昇思MindSpore希望做的，就是为每一位在AI for Science道路上奔跑的人，搭好一块稳固的开源跳板。
立即加入MindSpore Science SIG组 :
https://atomgit.com/mindspore-lab/mindscience
与全球5.1万+开发者共建共享，获取丰富资源助力AI for Science领域创新。
End
