人工智能驱动科研范式变革，正在成为全球科技创新布局的重要方向。我国国民经济和社会发展第十五个五年规划纲要提出，全面实施“人工智能+”行动，以人工智能引领科研范式变革。今年7月，美国白宫科技政策办公室发布《科学：新的黄金时代》报告，对重大科学任务组织、科研资源整合、成果验证和科研组织改革作出系统部署。随着人工智能由辅助工具转向深度参与科学发现全过程，知识生产方式和科研组织形态正在重塑，从而推动知识创新体系发生变革，同时也对科研管理和科技治理机制提出了新要求。我国需要统筹推进人工智能科研能力建设与体制机制创新，加快构建人工智能驱动的科学研究体系。

全球主要国家积极应对变革

随着人工智能加快融入科学研究全过程，全球主要国家从科研任务组织、基础条件供给和成果验证治理等方面完善管理机制，以应对知识生产方式变革对科研组织和科技治理提出的新要求。

一是以重大科学问题牵引人工智能科研任务布局。人工智能驱动科学研究涉及科学数据集构建、领域模型开发和实验结果验证等不同类型任务，需要围绕科学目标进行整体设计与协同组织。美国依托“创世纪任务”，围绕先进制造、生物技术、关键材料和核聚变等领域的国家重大科技问题，统筹配置数据、模型、算力和科研力量。日本分别设置面向战略性联合攻关和全学科探索的两类计划，支持人工智能研究人员与不同学科领域的科学家合作。英国则将药物发现和新疗法开发作为优先使命。各国人工智能驱动科学研究布局正由单个项目探索转向围绕重大科学目标组织多类型任务。

二是推动数据、模型、算力和实验设施协同配置。人工智能驱动科学研究需要算力、科学数据、领域模型和实验设施等多要素密集投入、协同支撑。美国建设国家人工智能研究资源，综合提供计算、数据、软件、模型和专业服务。英国依托两座超级计算机建设人工智能研究资源，并设置面向重点科学领域的算力通道。欧盟推动人工智能工厂及服务节点联网，促进计算资源、数据服务和模型开发协同。科研基础条件供给正由单项资源建设向多要素集成和跨机构共享转变。

三是加强人工智能科研成果验证与可信治理。人工智能降低了科学假设和研究结果的生成成本，需要同步提升成果验证能力、完善相应治理规范。《科学：新的黄金时代》报告提出建设与科学发现“生成器”相匹配的“验证器”，发展规模化验证基础设施。英国强调对人工智能设计的药物和材料开展现实验证，形成可复现证据。欧盟则加强人工智能科研质量基准、开放科学和负责任使用规范建设。随着知识生成速度加快，独立复现、质量评测和责任规范正成为科研体系建设的重要内容。

我国体系化水平需进一步提升

我国已在人工智能基础方法、科学数据、领域模型、科研算力和智能实验平台等方面形成多层次布局。随着人工智能加快重塑知识生产和科研组织方式，科研管理和科技治理机制也亟需相应调整，当前在任务组织、资源协同和成果验证等方面仍需进一步完善。

一是面向重大科学问题的任务组织能力仍需强化。当前，我国已围绕重大科学问题、人工智能基础方法和典型领域应用开展多层次布局，但面向同一重大科学问题，数据建设、模型开发、实验系统和结果验证等任务的组合设计仍需加强。不同类型任务在组织实施、持续支持和成果汇聚等方面也需要更好衔接，推动形成从方法研究、概念验证到实验应用和结果验证相互贯通的任务链条。

二是关键科研资源的协同配置能力仍需提升。我国科学数据、科研算力、领域模型和自动化实验平台建设取得积极进展，但不同资源分布在多个机构和平台，开放规则、技术标准和服务机制尚未充分衔接。跨机构、跨平台的资源调度和协同使用机制仍需完善，平台建成后的专业运维、持续更新和开放服务也需要稳定支持，推动分散资源更好转化为科研团队可以便捷使用的公共能力。

三是适应人机协同科研的验证和治理能力仍需完善。随着人工智能知识生成能力快速提升，与之相匹配的独立复核、重复实验和持续验证机制需要同步加强。人工智能参与科研过程的可追溯、研究结果的可复现以及模型使用的披露规范仍需完善。高质量数据集、科研软件、实验平台和验证工作等贡献也需要得到合理认定，并进一步明确人机共同科研中的责任边界、成果归属、开放许可和安全要求。

统筹推进科技体制机制变革

人工智能深度参与科学研究，正在重塑知识生产模式与科研组织形态，推动知识创新体系加速变革，对科研管理和科技治理体制机制提出了新要求。我们应统筹推进科研能力建设与体制机制创新，以重大科学问题凝聚科研力量，促进关键科研资源贯通衔接，打通知识生成到成果验证的全链条，深化科研管理和科技治理体制机制变革。

一是强化重大科学问题牵引，优化人工智能驱动科研任务组织。以国家战略需求和科学前沿为导向，加强重大科学问题凝练，围绕共同科学目标统筹布局人工智能基础方法、科学数据建设、领域模型开发、科研软件研制、自动化实验和成果验证等相互衔接的任务。完善前沿探索、概念验证和持续支持相衔接的资助机制，根据科研进展动态调整支持方式。支持不同学科领域的科学家与人工智能、数据、软件和实验技术人员组建长期稳定的交叉团队，形成共同科学目标牵引的协同攻关机制。

二是推动关键科研资源贯通，增强公共科研支撑能力。发挥国家科研机构、高水平研究型大学和重大科技基础设施的枢纽作用，统筹科学数据、领域模型、科研算力、科学软件和实验设施建设与配置。加强数据标准、模型接口、软件工具和实验设备控制协议衔接，推动重大科研仪器和科技基础设施数字化、智能化改造，促进“模型预测—实验验证—数据反馈—模型优化”循环迭代。提升智能化科研资源平台服务能力，完善专业化运营、质量控制、持续更新和开放授权机制，通过科研算力支持、平台使用补助等方式，降低中小科研团队获取关键科研资源的门槛。

三是健全科研成果验证机制，提升人机协同科研治理能力。将成果验证纳入人工智能科研项目全过程管理，加强重要研究结论的独立复核、重复实验、反证研究和持续验证，形成与知识生成能力相匹配的科研验证能力。健全研究过程记录和结果复现规范，增强研究过程的可追溯性和研究结果的可复现性。完善适应知识创新体系变革的成果评价和科技治理规则，将高质量科学数据集、领域模型、科研软件、科学智能体、实验系统和复现验证等纳入成果认定范围，明确人机共同参与科研中的责任边界、成果归属、开放许可和安全要求。

（作者张越系中国科学院科技战略咨询研究院副研究员，陈凯华系中国科学院大学公共政策与管理学院特聘教授）