在3月29日召開的2025中關村論壇年會AI for science青年論壇上，深勢科技聯合北京科學智能研究院正式發布全新版本的玻爾（ Bohrium ）科研空間站。這一以量子力學先驅尼爾斯·玻爾命名的AI for Science旗艦&&，被譽為“科研界的Hugging Face”。

  正如Hugging Face推動自然語言處理（NLP）和機器學習技術開源開放、降低AI應用開發門檻‌一樣，新版玻爾空間站備受科研群體關注，正在幫助科學家們擺脫繁瑣的信息搜索，把更多時間交給真正的科研。

  “整個玻爾空間站的目標，是成為未來所有科研人員的雲研發入口。”北京科學智能研究院院長、深勢科技創始人兼首席科學家張林峰&&，對AI for Science來説，當下一個非常關鍵的重點，就是在賦能行業之前，首先是賦能科研和科學家。而玻爾空間站其實處在這樣一個賦能整個科學家和研發群體的位置上。

  “AI讀算做”科研要素得以打通、閉環

  十多年前，深度神經網絡開啟了AI的新一輪浪潮。它所催生的一個標誌性技術工具就是AlphaFold，帶來從冷凍電鏡到模型預測蛋白質結構的工具革命。

  中國科學院院士、北京大學國際機器學習研究中心主任、北京科學智能研究院學術委員會主任鄂維南曾於2018年提出，AI之於數學，帶來了高維函數分析與建模的全新可能性；AI之於科學與工業，帶來科學研究與工業研發新範式。

  “AI for Science取得早期突破的底層邏輯在於AI帶來克服維數災難的工具，從而更好地建模，更好地加速計算。”張林峰認為，隨着數據足夠多，AI for Science帶來更整體的一個預訓練模型和下游的反饋。但是“讀”和“做”的部分其實進展相對很慢。

  事實上從2022年開始，深勢科技就注意到AI for Science往前推進的一個瓶頸——當下所有能夠讓計算世界閉環的事情，就差實驗驗證了。但這個“差”，不見得是幾個月的時間，可能是幾年甚至更久。

  過去，科研的分工並非像現在這樣，有人負責大模型、負責垂類，有人負責應用。而是做計算的做計算，做實驗的做實驗。“因為計算解決不了實驗的問題，所以兩個圈子越來越遠。過去加速了做計算的人能解決的問題。這一波本質上是在做什麼？其實只是做計算的人，可能就不一定有這個工作，不一定有學科分類了。”張林峰説。

  比如在藥物研發過程中，不只是倣真計算，也不只是一個大模型做擬合。需要研發人員把每個靶點相關的文獻、專利找出來，做好收集整理。再把相應的分子式對應的活性、對應的合成，後續實驗對應的效果提取出來。然後再把這些變成一個數據庫。有了數據庫，Uni-Mol這種分子三維結構的通用大模型才能擬合，才能迭代。得到實驗結果後，才能進一步推動研發。從中不難看出，第一步“讀文獻”就變成了困擾整個科研的一大瓶頸。

  在張林峰看來，“AI for Science當下的所有應用場景更徹底的爆發，有賴於‘AI讀算做’系統打通、加速閉環。”

  科學研究到最後無非是讀、算、做——讀文獻、做計算以及做實驗。玻爾空間站正是首個覆蓋“讀文獻-做計算-做實驗-多學科協同”的AI科研&&。

  “過去我們的積累，恰好在這三個方向的各個點上有非常好的探索，而這些點正在連接起來。無論是針對科研文獻全量地解析帶來的AI檢索、問答、推薦等綜合能力的提升，還是我們過去所積累的做計算，連接實驗的部分，這些方面在充分地整合起來。”張林峰説，所有的科研要素終於都連接了起來。

玻爾（Bohrium）科研空間站網頁截圖

  推動科學發現的自動化和智能化

  玻爾空間站以全新升級的“科學導航”（Science Navigator）為核心，並以其作為第一入口。

  這是一個困擾科研工作者的共性問題——文獻調研的低效率。據統計，學術研究約60%的時間都花費在學術調研階段。大語言模型的崛起，讓通過自然語言直接提出科研問題成為可能。

  資料顯示，科學導航以AI為核心，系統性解決科研人員在文獻篩選、跨學科知識發現及學術資源獲取等環節中的關鍵痛點，尤其有效應對了信息過載、檢索繁雜、整理耗時等挑戰。面向文獻數量龐大、更新迅速、格式多樣等現實問題，可為全球科研人員提供“一站式”的智能研究支持，顯著提升科研效率，助力科學突破的誕生。

  “AGI與AI for Science雙向奔赴，‘AI吞噬文獻世界’的時間窗口就在今年。”張林峰預測，AI讀文獻，今年有望實現全量文獻專利的“幹閉環”；面向未來，“乾濕閉環”從局部片面走向整體全面。此外，張林峰還指出，AI讀文獻其實還會改變科研生産關係，探索建立一個新的評價學者、評價文章、評價工具和算法的新機制。

  “科學導航”被集成在玻爾空間站，為什麼這樣做？其實AI不僅改變了文獻閱讀，也在改變着教學、實驗等各個環節。

圖為張林峰在2025中關村論壇年會AI for science青年論壇發布Uni-Lab-OS智能實驗室操作系統

  2025中關村論壇年會AI for science青年論壇上，張林峰首發了Uni-Lab-OS智能實驗室操作系統。他説，從文獻工具發展而來的Uni-Lab,本質上是一個操作系統，它對上連接的是各個類型的實驗裝備，支持標準化、自動化地進行合成、製備、表徵及測試，是一個針對具體實驗場景的不斷反饋優化的過程。

  “在AI for Science的背景下，結合大模型優化合成、製備、表徵和測試流程，最終將實現科學發現的自動化和智能化。”張林峰&&。

  展望未來，AI for science大模型，可充分探索物理、化學、生物空間，基於主動學習，發現模型不足，指導實驗數據生成；自動化實驗，帶來更多定制化、批量化、標準化數據，科學智能體的人類反饋強化學習，完成數據閉環；産學研生態方面，涌現更多人才及下游應用場景，更多去中心化探索與落地。

  張林峰認為，當AI for Science大模型、自動化實驗和新的産學研生態實現飛輪時，我們將迎來下一個重大科學問題。

  “AI讀算做”推動科研生産關係變革

  隨着AI for Science“讀算做”打通、閉環，特別是AI讀文獻被攻克，將推動科研生産關係變革。

  從AI技術邏輯的角度來説是超級科學智能。“AI for Science是實現超級科學智能的一個路徑，但達到這個點需要超級配置。同時，在這個過程中，並非是一個東西拔地而起，而是所有的文獻慢慢地被整合起來，所有的儀器設備、實驗室慢慢地被吸收進來，然後升級改造，慢慢地實現。”張林峰説。

  從組織要素來説，對高校來講，“AI讀算做”對應的是文獻中心、計算中心和實驗中心，以及教學，人才培養；對一個企業來説，對應的是IT部門、研發部門和測試部門。所以它對於每一個組織來説都是一個橫向的變化。“最後我們的産品形態就變成了圖書館、教學樓、計算中心、實驗中心。這幾個部分的模塊不斷快速迭代，這正是我們現在在做的工作。”張林峰説。

  在2025中關村論壇年會上，鄂維南院士提出“大科研時代”將在三、五年內甚至更短的時間到來。新的科研一體化&&將幫助科研人員打破學科之間、理論與實驗之間、科研與産業之間的界限，帶來更大的探索空間和更高的探索效率。

  AI for Science本質上是研發能力的系統級提升，打破藥物研發、材料研發、化學化工等各個領域研發效能的瓶頸。在玻爾空間站基礎上，深勢科技面向藥物設計、能源材料等所打造的一系列産品解決方案，正在賦能整個産業鏈。

  張林峰期待，“希望到明年，也是薛定諤方程提出的100周年，玻爾本身也是物理學家，我們希望無論問題是什麼，大家至少能在玻爾空間站上找到更好的答案。”（記者凌紀偉）