AI 对于科学研究的革命性意义，被严重低估了

无独有偶，同样是在 8 月份，曾经负责「OpenAI for Science」团队的前 OpenAI 成员 Kevin Weil 也宣布离职，他也成立了自己的 AI For Science 公司，估值 7.5 亿美元。他在今年初说过一句让整个 AI 行业瞩目的话：2026 年对科学来说，将如同 2025 年对软件工程一样重要。

一时之间，AI For Science，已然成为这场 AI 科技革命中的前沿热门。

当然，在大洋彼岸的中国，通过 AI 来赋能于科学研究，也在成为一门显学——这其中的一个关键背景是，在 AI 落地的实践中，确实有一些科学研究正在加大力度引入 AI，并且已经呈现出明显的效果和价值提升。

 当「松树癌症」遇见 AI

在我国林业科研中，松材线虫病，又称「松树癌症」，一直是一道难题。

这是一种由松材线虫引起的具有毁灭性的森林病害——这种病自 1982 年传入中国，已经蔓延了 14 省，面积达 7.7 万公顷，导致大量松树枯死，对中国的松林资源、自然景观和生态环境造成严重破坏，，造成了严重的经济和生态损失。

这个病的难题在于，松树一旦感染，从感染到枯死，最快只要四十多天，而且能够成片传染给附近的松树。关键是，它感染之后，早期根本看不出来，等到树冠出现明显变化时，病害可能已经进入中后期，后续采伐、运输和清理的成本也会随之增加。

为了解决这个问题，已经有不少林业研究者参与其中，比如南京林业大学。

在以往的防治方面，科研人员需要依靠林业经验，从不同光谱波段、植被指数及其组合中筛选可能有效的特征，再通过大量实验逐项验证；南京林业大学团队构建的候选特征池比较多，人工全部验证需要较长时间，也容易受到既有经验的限制。

但是，AI 的到来，有效地解决了这个问题。

根据南京林业大学信息科学技术学院、人工智能学院副院长林海峰教授的说法，在课程建设和学生竞赛过程中，其研究团队与百度进行了接触，双方很快开始通过百度伐谋的 AI For Science 项目进行合作——科研团队负责提出问题并验证，百度伐谋则帮助团队找到方案。

那么，双方合作的结果是什么？

根据相关科研数据显示，通过伐谋优化，团队从 107 个候选特征中筛选出约 5 个关键特征，预计将前期特征筛选和消融实验时间压缩约 80%。

对于这个结果，南京溧水林站的相关负责人表示，之前已经投入了很多精力在松材线虫病的治理中，那么多年下来效果并不是特别好——但是，在接触到双方合作的智能系统之后，他感觉到这是一个革命性的技术。

从经济效益的角度来看，南京林业大学相关技术目前已多个省份规模化应用，通过早期精准防控为国家节约防治成本约 7 亿元。在引入百度伐谋后，该能力有望进一步支撑约 50 万至 100 万亩重点风险松林的早期预警能力提升，预计可节约核查、防控和模型迭代等相关成本约 3000 万至 5000 万元。

值得一提的是，在 8 月 12 日的百度伐谋 AI4S AI Day 活动现场，百度伐谋也与南京林业大学联合上线了全国首个 AI+ 早期松材线虫病防治一体化平台；平台覆盖多光谱特征筛选、模型识别、无人机巡检、地图定位和现场复核等环节，为松材线虫病的早发现、早判断和现场复核提供支持。

可以说，在「松树癌症」的防治研究中，AI 对于科学研究的助力，得到了充分的体现。

 「一位不知疲倦的工程师」

在 AI 赋能于科学研究的成果中，「松树癌症」仅仅是其中的一个。

在本次百度伐谋 AI4S AI Day 上，百度伐谋集中了呈现十大跨学科科研标杆成果，覆盖数据驱动的机理预测、科学仿真的加速求解、可验证环境下的目标搜索和动态环境下的自主博弈等四类方向，涉及到林业、材料、脑科学、金融科技、光电、汽车、能源、数学和具身智能等多个领域。

其中，「松树癌症」就属于 AI 应用于林业科学的典型案例。

但实际上，在其他领域，百度伐谋也已经实现了不少的 AI 落地成果。比如，在汽车领域，百度伐谋和北方最大的汽车设计公司阿尔特汽车一起进行了 CFD 仿真加速求解工作，双方的合作重心是计算风阻系数，并且改变局部车身机构下的风阻系数变化趋势。

在以往的工作中，主要是通过软件来解微积分方程，一次计算就需要花费 10 个小时。而在双方引入 AI 合作之后，2 天时间就能够完成此前 AI 工程师 3 个月的工作成果，而且同一类车型还可以直接复用伐谋算法进行风阻评估，最终优化出来的算法能够实现秒级运行。

在 EDA 芯片研发领域，百度伐谋的落地效果也是令人眼前一亮。

光本位是一家通过光电芯片设计来打造光计算系统的企业，在进行芯片设计的过程中，光本位引入了百度伐谋进行 AI 合作。

在 AI 的助力下，光本位的研究员围绕 1×16 MMI 功分器开展多目标寻优，对 6 个几何变量和 3 项性能指标进行 120 轮自动搜索，其结果是，均匀度指标改善约 55%，综合性能评分提升 6.5%，伐谋只用了四个小时就达到了更好的参数配置——而在以往，这个过程需要资深工程师用一到两周时间才能完成。

熊胤江还强调：

伐谋对于光本位而言，更像是一位不知疲倦的出色的硅光器件的工程师，把我们在源头上保障了光计算芯片的最终算法精度，打破了物理底层器件的性能天花板。伐谋证明了 AI 同样可以深入半导体企业的核心研发问题，反哺最底层的元件研发，帮我们跨越工程落地的鸿沟。

值得一提的是，百度还将伐谋应用于量化研究中。具体来说，百度伐谋围绕从 A 股日内交易数据中挖掘短期收益信号的任务，持续测试不同的特征、模型、训练策略和组合方式。经过 28 天持续长程搜索，最终策略达到顶尖量化机构水平，大盘年化收益提升 11%。

另外，在现场的展区内，百度伐谋还展示了电磁材料特性预测、跨人群抑郁症识别、氢能电力系统调度、具身智能控制、数学问题证明和多智能体对抗博弈策略优化等成果，进一步呈现百度伐谋在不同学科和科研任务中的应用探索。

 用 AI 重审「李约瑟之问」

上个世纪，英国著名史学家李约瑟提出了一个沉重的叩问，那就是：为什么现代科学没有在中国文明中发展，而是在欧洲兴起？对于中国科技创新的发展来说，这个问题确实显得异常沉重，也因此被称之为「李约瑟之问」。

但如今，这个问题，确实要被重新审视了。

原因很简单，在过去数十年的发展过程中，中国科学研究的发展已经得到了长足的进步，也涌现出不少让整个世界瞩目的成果——更重要的是，随着人工智能时代的到来，AI 给中国科技创新带来了更多的新机会。

实际上，在百度集团执行副总裁、百度智能云事业群总裁沈抖的事业中，AI 正在改变科研、教学、生产和生活的很多方式。对于已经定义清楚的问题，AI 可以帮助人们更快验证和找到更优解；对于尚未完全定义清楚的问题，AI 则可以帮助科研人员提出新假设、发现新路径。

不仅如此，AI 也正在从提升信息获取效率，进一步走进企业和科研机构的真实任务场景，成为中国引领全球科技创新的重要力量。

对于百度来说，伐谋的推出，就是为了推动 AI 更好地服务于生产生活和科研创新。作为一个能够自我演化、擅长解决创新和优化类问题的智能体，百度伐谋把目标、规则、资源限制和评价标准组织起来，让 AI 持续生成、筛选、验证和改进方案，在更大的空间里探索更优解，实现或逼近最优解。

其中，在科研场景中，百度伐谋可以帮助科研人员发现规律、搜索方案、加速验证，探索过去难以抵达的新解法。

这主要包括四类工作：一是从大量数据中识别复杂现象背后的规律、算法、模型；二是用 AI 加速高精度仿真计算；三是在目标明确、约束复杂的情况下寻找全局更优解；四是研究多个智能体如何在变化的环境中相互影响、共同演化，从而找到更稳定、更高效的协同策略。

值得一提的是，许多 AI 应用主要擅长从已有数据中总结规律，而百度伐谋进一步把重点放在对未知方案的持续探索上。它可以将一个研究设想拆解成多个可验证的方案，帮助专业人员减少重复试错，在更大的范围内探索不同路径，推动科学发现从「妙手偶得」走向「规模化创新」。

确实，从百度伐谋在科研领域的落地实践来说，AI 在科研领域确实正在发挥越来越重大的作用。

值得一提的是，在南京举行的百度伐谋 AI4S AI Day 上，除了集中展示十大跨学科科研标杆成果，百度伐谋还正式发布了 AI4S「1+10+N」战略。

不仅如此，随着这一战略的发布，百度伐谋同步启动了 AI4S 科学家计划，该计划将支持 100 位各领域学者，重点覆盖材料科学、可控核聚变、量子计算、药物研发、合成生物学、先进制造与半导体、生命医学工程、能源与电池、空天与智能系统等方向。

具体来说，AI4S 科学家计划设置青年学者计划和 R&D Pioneer 计划第二期两条路径，围绕课题立项、联合探索、资源支持、AI 技术指导和科研实习生培养等环节，为高校与科研团队提供长期支持，推动 AI4S 从科研提效进一步走向成果创新。

通过 AI4S 科学家计划，百度伐谋希望连接高校与科研团队，形成从科研能力建设、成果验证到长期共创的推进路径——从落地的角度来看，这确实是一个 AI 能力赋能于科学研究的系统性尝试。

无论如何，一个无法忽略的事实是，正如南京林业大学党委书记孙爱武所言：人工智能正在深刻地改变科学研究的范式。

随着人工智能科技革命的到来，AI 对于科学研究的赋能将会更加深入，科学研究同样也将会史无前例地拥抱 AI，其在成果方面的潜在爆发力将会超乎人类预期——这将会是一个漫长的过程，而这个过程如今才刚刚开始。