当火箭研发周期缩短至两周的量级，当电镜（电子显微镜）装上“AI大脑”，当AI开始接管实验室……AIforScience（人工智能赋能科学研究）不仅正在显著提高科研效率，而且在深刻影响着科学协作乃至整个科学研究过程的发生方式。面对这一全新的机遇，北京聚焦该领域，以智能化科研平台建设为抓手，前瞻布局、系统推进科研全链条智能化升级，积极助力基础研究工作。
2021年，北京市支持鄂维南院士领衔成立全球首个专注AIforScience领域研究与发展的新型研发机构——北京科学智能研究院，为平台建设提供核心技术与研发支撑；2025年，北京率先发布全国首个地方性科学智能专项政策《北京市加快人工智能赋能科学研究高质量发展行动计划（2025-2027年）》，构建起完善的政策保障体系。依托坚实的技术与政策支撑，围绕科研全链路智能化需求，构建全国领先的智能化科研平台体系。这些平台全面打通“读文献、出方案、做干实验、做湿实验、成果应用”完整科研链路，整合模型、数据、实验设备等核心科研要素，实现多学科科研场景全覆盖，为科研工作者提供一站式智能化服务，有效重塑科研范式、破解行业痛点、筑牢科创底座，推动基础研究原创性、引领性成果竞相涌现，形成了全国领先、国际一流的智能化科研平台建设先发优势。
新的场景化适配机制
火箭发动机研发周期降至两周量级
一款火箭发动机的研发过程应该是怎样的？传统上，从总体设计到调试测试的全过程通常需要一年到数年时间。但如今，AIforScience的加入，让火箭发动机从构想到实物验证的全链条迭代周期，有望压缩到两周的量级。一个名为“Prime一行”的全流程智能自动化研发平台正是这种新模式的代表实践。
陈帜讲解火箭发动机结构及设计难点
该平台的研发负责人是北京科学智能研究院副院长、北京大学助理教授陈帜。据他介绍，围绕火箭发动机，研发人员打造了这一“设计—仿真—制造—试验”全流程智能自动化研发平台，能够系统开展AI生成式设计、AI驱动燃烧仿真、金属增材制造及自动化流体测控研究。目的就是突破航天动力系统研发中高度依赖人工经验与高昂“试错法”的物理瓶颈，实现航天发动机核心部件从数字化方案生成到实物点火验证的全链路极速迭代，并在此基础上探索极端热力工况下复杂动力组件的智能化设计与高通量试验新范式，为我国航天领域提供由基础研究支撑的正向技术研发能力。
“火箭发动机的研发制造过程之所以复杂而漫长，是因为它涉及流体力学、航空航天工程、人工智能与科学计算、动力工程及工程热物理等多个学科领域，不同学科之间的壁垒很高，需要像搭积木那样不断尝试、大量试错。”陈帜告诉北京青年报记者，而“Prime一行”火箭发动机研发智能体平台就是把研发中分散、割裂的流程用AI串联起来，打破不同学科之间的壁垒，实现“精准设计—物理仿真—精确制造—试车验证”的完整闭环，进而实现全流程、智能化地做研发。
“Prime一行”借助AI，实现了火箭发动机研发从设计目标输入到热试车的全流程打通，是我国在AIforScience范式下开展引领式科技创新的典型案例。目前该项目进展飞速：今年初平台完整跑通全链条后，目前已经完成小试：在缩比验证机的研发项目上完成闭环验证。结果显示，试车次数大幅减少，仅需1至2次热试车即可完成过去需要几十、上百次试车才能完成的工作，研发投入和成本均实现了量级上的降低。接下来，“Prime一行”还将持续迭代，在更大推力等级发动机上验证智能化研发进展。
近两年，像“Prime一行”这样适配某一场景的AI研发新机制正在北京涌现，围绕化学、新材料等重点科研领域的差异化需求，打造专属化的智能科研解决方案，实现基础设施平台能力与细分科研场景的深度融合，精准破解不同领域的科研痛点，最大化释放“平台科研”模式的赋能价值。
新的运行体制
三方合作让科学仪器进入智能时代
在2026中关村论坛“AIforScience青年论坛”上，北京科学智能研究院、北京大学、深势科技联合发布了国产首个智能双束电镜系统Hyper-FIB。“这套系统使长期依赖专家经验和手工操作的聚焦离子束扫描电子显微镜（FIB-SEM），迈入高精度、高效率、智能化的‘自动驾驶’时代。”北京科学智能研究院研究员、表征团队负责人张泽中说。
张泽中介绍AI+科学仪器的大数据背景
张泽中所在的北京科学智能研究院成立于2021年，是全球第一家专注于AIforScience领域研究与发展的新型研发机构，致力于将人工智能技术与科学研究相结合，加速不同科学领域的发展和突破，推动科学研究范式的革新，建设引领世界的AIforScience基础设施体系。这里的研究人员都很年轻，他们确立项目、推进研发的管理机制也很灵活，始终紧盯企业一线的真实需求。“来自企业一线的需求最新，最贴近真实场景需求。”张泽中说。
FIB-SEM是材料科学、失效分析等领域不可或缺的核心科学仪器，但这门“手艺活”成功率低、耗时长，而且依赖经验——操作的经验无法沉淀，每个新人均需要从头学起。为应对材料工艺复杂度飙升、新材料研发进入标准化、高通量时代的产业需求，张泽中与北京大学赵晓续课题组“一拍即合”，带领团队研发的Hyper-FIB，将工作流、科学智能体、高保真物理仿真与机器视觉技术深度融合，支持全流程无人值守的高效精准制样与多点位切割，成功实现了双束电镜从“人工操作”到“智能操作”的范式变革。Hyper-FIB能实现“无人值守超过8小时”，样品的制备成功率跃升至90%以上，相当于为FIB装上了“AI大脑”，把FIB从“手动挡”变成了“自动智能挡”。
这样的成果是由顶尖的大学、新型研发机构和头部企业共同完成的。张泽中告诉北青报记者，智能仪器研发的核心难点在于跨学科融合与技术迭代速度。高校有很好的精密仪器，有坚实的理论基础，对需表征的材料特性有深刻理解；头部企业拥有AI及算法领域的最新技术；而北京科学智能研究院这样的新型研发机构在全球率先发展AIforScience基础设施，把科研的全流程用AI“串”起来，将最先进的AI技术有效整合进仪器系统中，实现智能化落地。在研究院与北大、深势科技的合作，各方基于自身优势明确分工，成功突破传统研发模式的瓶颈，在极短时间内实现了技术落地。这种模式不仅大幅缩短了研发周期，更确保了最终产品具备国际领先的智能化水平。
北青报记者了解到，北京市积极鼓励追踪由深耕AIforScience领域的新型研发机构与行业龙头企业合作，负责联合平台的技术研发、架构搭建、生态运营全流程工作，充分发挥其在科研规律把握、核心技术攻关、产学研协同方面的先天优势，实现平台建设与一线科研需求的深度适配。
新的全链路融通机制
AI加持黑灯实验室
深势科技之所以能与顶尖的大学和科研机构合作，是因为有自己的“绝招”——其硬实力体现在打造AI科学家（AIScientist），以及自主进行科学发现的智能系统。以深势·宇知科学发现智能引擎为基座，深势科技构建了一系列“读文献、做计算、做实验”的智能科学工具，和各领域的科学智能体，构成了ScienceasaService智能化科研产品和服务矩阵：玻尔·科学导航，Hermite、Piloteye等一系列研发软件，玻尔·跃迁实验室，SciMaster科学智能体及面向科学发现的“大装置”和研发服务，为基础科研、生命科学、物质科学等领域的科学家和研发型组织提供灵活组合的解决方案。
戴纳科技Al+黑灯实验室里，机械臂代替实验室人员操作表活剂配方生成
以深势科技联合北京科学智能研究院发布的玻尔科研空间站为例，这是国内首个覆盖“读文献—做计算—做实验—多学科协同”的AI科研平台，以量子力学先驱尼尔斯·玻尔命名。在“读文献”环节，有科学导航平台，覆盖超2亿篇文献与专利，支持自然语言提问，自动解析科研问题，精准匹配相关文献、专利、学者；在“做计算”环节，有Hermite、Piloteye等高性能计算工具，集成科学大模型与多尺度模拟算法，支持生物医药、材料、能源等领域仿真与建模；在“做实验”环节，玻尔·跃迁实验室实现自然语言控制实验、AI-Ready数据自动采集，打通“干湿闭环”，基于开源Uni-Lab-OS智能实验室操作系统支持远程实验、流程编排、物料管理与异常告警；在多学科协同方面，平台的通用科研智能体可调用工具、推理问题、协作研究，形成“人机共研”新范式，并支持高校、企业、实验室间资源共享。
这样的智能实验室克服的是线下实验室时间、资源分配不均的问题，在线上实现实验室装备互通互联。“可以帮小微企业、小型研发团队解决缺少计算工具的问题，也可以帮科学家、大型企业进行高通量实验，比如电池企业用我们的智能实验室研发电解液配方，研发效率过去以年为单位，现在可以周、月为单位，效率提高50%以上。”深势科技相关负责人介绍说。目前玻尔科研空间站的全球注册用户已超过450万，包括北京大学在内多所高校上线应用。
近年来，北京涌现出国内乃至国际上的一批AIforscience头部企业。这些企业依托平台打通模型、数据、实验等核心科研要素的融通壁垒，实现数据互通、模型共用、仪器共享，构建全要素联动的智能科研闭环，着力解决科研环节断点、要素孤岛的问题，大幅提升了科研全流程效率。
国内AIforscience领域的头部企业北京戴纳实验科技股份有限公司（以下简称“戴纳科技”）率先提出了“AI+黑灯实验室”的概念。在他们的实验室里，没有传统实验室里忙着摇试管、洗烧杯的身影，只有机械臂在精准地完成移液、检测与记录，全程无人干预——这背后，是AI垂类大模型在进行实时决策。有了AI加持的黑灯实验室，是能够24小时自主运转、会“思考”的科研空间。这里可以自主进行实验路径设计、自动完成样品处理、操作实验仪器、自动出具分析报告等任务，部分或完全代替人工完成重复性高、精细化程度高、危险性高的实验过程，同时通过自学习与自进化的智能算法，深度嵌入研发流程，动态调整实验路径，真正推动科研从“经验驱动”向“智能驱动”的范式转变。传统科研依赖科技工作者的经验积累和反复试错，而这里的AI通过自学习与自进化算法，实现了从“经验驱动”向“智能驱动”的质变，用数据驱动替代传统试错，将研发效率提升数十倍，能耗大幅度降低，让科学家得以从重复劳动中解放。
戴纳科技的“AI+黑灯实验室”广泛服务于化工、新材料、生物医药研发、食品、检验检测等领域，他们的服务客户包括中石油等企业以及众多高校和科研机构，并且正在走出国门。
文/北京青年报记者 雷嘉
编辑/周超
配资股票网提示：文章来自网络，不代表本站观点。
