2022 年底，ChatGPT 席卷全球，让人们再一次领略到了 AI 的强大与惊艳。
如今，AI 已然成为当今科技界最热门的话题之一，它不但改变了人们的生活，同时也为科学研究带来了更多可能，AI for Science（人工智能驱动的科学研究，亦称 AI4S）应运而生。
作为一种将“AI”和“科研”深度融合的新兴科技形态，AI for Science 利用 AI 技术学习、模拟、预测和优化自然界和人类社会的各种现象和规律以解决各种科研问题，从而推动科学发现和创新，被称为“科学研究第五范式”。
国内层面，今年 3 月，科技部联合自然科学基金委启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，布局“AI for Science”前沿科技研发体系。国际层面，特斯拉首席执行官 Elon Musk 宣布成立人工智能公司 xAI，旨在建立理解自然规律的人工智能系统；谷歌前首席执行官 Eric Schmidt 宣布成立 AI for Science 博后奖学金，目前已布局 9 所高校；微软成立科学智能中心 AI4Science；NVIDIA 联合 IIT 发布 AI for Science 公开课程......从国内到全球，从学界到业界，AI for Science 俨然已成燎原之势。
面对这场已经到来的科技革命，2022 年，北京科学智能研究院（AISI）、深势科技、高瓴创投联合发布了第一版《AI4S 全球发展观察与展望》，详细阐述了 AI for Science 的发展历史和技术现状，并深入剖析了其在多个行业领域的原理与实践，发布后便获得了来自全球各行各业的广泛认可和支持。
作为新一代科创资源枢纽与智慧服务平台，络绎科学十分期待人工智能与科学研究的结合，依托络绎科学开放社区，我们联合了新型研发机构、高校院所、OA 期刊等，以科研工作者需求为核心、以推动数据和相关学术资源公开共享为使命，为广大科研工作者提供创新智慧科研服务解决方案。目前，凭借对 AI for Science 的价值认可，络绎科学也已打造出一系列 AI 驱动的科研生产力工具，助力科研成果价值放大，以促进“产学研用”的交流融合。
为了推动 AI for Science 持续助力和拓展更多领域的科研边界，同时让国内乃至全球更多从业者看到和看懂 AI for Science 中所蕴藏的科研与商业机遇，北京科学智能研究院、深势科技携手络绎科学联合发布 2023 版《AI4S 全球发展观察与展望》。
此次发布的 2023 版《AI4S 全球发展观察与展望》（简称《展望》）在上一版的基础上对已有内容进行大幅更新，并新增近一倍全新内容，对过去一年的发展进行追踪并阐述其如何影响 AI for Science 的发展路径，整理汇总数十家领先企业和科研机构的经验方法，深入解析相关技术、产品、产业、政策的演化，并以全新的框架重新梳理 AI for Science 的要素、沿革、展望，详尽描述其在各行各业的实践。
在 AI for Science 迎来飞速发展的 2023 年，新版《展望》通过内容方面的重构全面呈现 AI for Science 在科学多领域的应用与发展，助力从业者更好地了解 AI for Science 的应用现状与未来趋势，共同推动 AI for Science 领域的融合创新，蝶变前行。
创新提出 AI4S“四梁 N 柱”发展框架与新基建思路
科学技术是第一生产力。在过去的数百年里，科学技术的发展历经了多次系统性危机，危机的解决让科学技术实现质的飞跃，科学借助新工具的应用和普及带来生产力的提升；如今 AI 时代已经到来，AI 在计算机视觉、自然语言处理，自动驾驶等领域大放异彩，但是 AI 要想从一套“数据处理”工具走向更加通用的“智慧”，科学技术是必经之路。
显然，AI for Science 将会是 AI 的下一个主战场，它将极大地拓展 AI 和 Science 的边界，赋能技术和工业的各个方面，助力加快走完科学研究和技术创新之间的“最后一公里”，也将助力研究人员从纷乱的自然和社会特征之中抽丝剥茧，发现事物背后的关键规律。
图｜AI for Science 的“四梁 N 柱”架构（来源: 北京科学智能研究院）
此次 2023 版《展望》首先概述了 AI for Science 原理与发展框架，并提出了“四梁 N 柱”观点。
《展望》指出，在原有的科学基础设施上，AI for Science 时代下的基础设施将有四个方面的全面突破。其一，基本原理与数据驱动的算法模型和软件系统；其二，高效率、高精度的实验表征系统；其三，替代文献的数据库与知识库系统；其四，高度整合的算力平台系统，此四个方面概括为 AI for Science 的“四梁”。
而将 AI for Science 落地于广泛场景中的具体实践，这些垂直领域的应用和技术则称为“N 柱”，比如生命科学、材料科学、能源、气象等众多领域。
完成“四梁 N 柱”的系统建设，一方面，要面临着高度抽象化的领域知识门槛；另一方面，还要摆脱“作坊模式”推动科研向“平台模式”转变，这其中科学问题与工程问题互相交织和影响，因此，推动科学家与工程师的充分协作是高效实现 AI for Science 时代科研基础设施建设的关键因素。
