“化学的发展离不开持续创新，但长期以来，科研创新常常受困于低效的试错循环，‘猜测—尝试—犯错’这一经典范式已沿用超过150年。走到今天，我们会清晰看到一个现实问题：与灯丝、火药、合成氨等具有划时代意义的发明相比，当代不少科研成果似乎正在失去‘变革性’。作为物质科学创新前沿阵地的实验室，也在某种程度上演变成了充满重复劳动、效率偏低的‘小作坊’。”中国科学院院士、同济大学校长杨金龙在2025年世界人工智能大会“人工智能赋能材料科学”论坛上的这番发言，直指物质科学领域长期存在的深层难题。当前，人工智能正从知识数字化、理实模型化、创新平权化三个维度切入，尝试打破这一发展困局。从国家顶层设计层面看，我国也已系统布局“智能科学家”一体化科研体系，整合高校、科研院所和企业资源，加快建设国产化、自主可控的智能科研基础设施。

物质科学创制的三大瓶颈

杨金龙将当前物质科学创新所面临的挑战总结为三大瓶颈——

数据基础瓶颈：不同科研团队往往各自开展研究，科研数据共享难度大，知识碎片化问题突出。低水平重复投入较为普遍，“手动试错、口传心授”的传统低效模式，严重制约了高质量科研数据的沉淀与积累。

科学认知瓶颈：化学反应体系如同一个相对封闭的“黑箱”，其微观结构演化过程和反应机理高度复杂、相互交织。传统实验方式往往类似盲人摸象，只能观察局部现象、归纳片面规律，难以真正把握体系整体运行机制。

系统协同瓶颈：尤其对青年科研工作者而言，知识、能力、资源之间存在明显的三重孤岛。跨学科学习门槛较高，动手实践空间有限，优质科研资源难以实现普惠共享，导致原始创新的门槛和研发成本持续上升。

高效筛选火星陨石产氧催化剂

那么，“智能科学家”体系究竟如何赋能物质科学研究与化学实验室创新？

第一步：知识数字化。2009年，大卫·贝克将蛋白质折叠这一复杂科学难题转化为一款在线屏保游戏，吸引六万多名爱好者以闯关协作的方式共同参与，最终仅用10天就攻克了传统科研团队预估需要15年才能突破的问题，并诞生了一篇由五万七千余人共同署名的论文，成为全球众智协同科研的经典案例。也正因此，大卫·贝克被称为“史上最成功的包工头”。

在中国科大，数百名学生历时三年，完成了上千万条化学专业数据的标注、整理与分类。原本零散分布的化学理论知识、碎片化实验记录以及差异化实验数据，被进一步整合并转化为标准化、可共享、可复用的数字化科研资源。依托这一关键数据底座，中国科大构建了机器化学家“小来”，使其具备机器阅读文献、机器计算和机器实验三大核心能力——从依赖人工试错，到实现机器“能读、会想、勤做”，人工智能正在重塑化学科研与材料科学研究的底层运行逻辑。

第二步：理实模型化，也就是理论计算与机器实验的深度融合。杨金龙在现场通过视频展示了中国科大已稳定运行5年的自主实验室。该实验室配置了200多个智能化学工作站和50多台科研机器人，能够实现全天24小时不间断开展各类科研实验。大规模、全天候运行虽然意味着较高的研发与运维成本，但破解化学研究中“可能性无限”与“资源有限”之间矛盾的关键，恰恰在于理论数据的“大”与实验数据的“真”相结合。通过理实交融的研究模式，既能够借助理论计算把握整体方向，又能够通过真实实验修正现实偏差，让人工智能科研摆脱盲目试错，迈向科学预判与精准探索。

“这一方法已经在火星陨石产氧催化剂筛选中得到验证。待筛选的催化材料组合数量超过370万种，我们先借助理论大数据完成近3万次模拟计算，大幅缩小筛选范围；随后依托机器人实验室，只进行了80次精准实验，就成功锁定了综合性能最优的催化材料方案。”杨金龙说。

第三步：创新平权化。“智能科学家”系统目前已在全国布局19个分布式创新设施、80个AI驱动的化学与材料实验平台，覆盖了80%的化学与材料实验场景，并在电催化、有机合成等多个应用方向与行业龙头企业开展协同创新。当前，基于云网互联的分布式设施已经实现数据共享和模型共享，智能科研基础设施正在推动规模化创新不断涌现。例如，中国科学院上海有机化学研究所将高端润滑油研发效率提升了12倍；中国科学院上海技术物理研究所成功研制出性能达到国际领先水平的红外探测器，并随“天问二号”发射升空。

最后，杨金龙向全球青年发出邀请，欢迎大家参加AI造物创新大赛，借助智能化科研工具释放想象力与创造力，成长为新时代的物质创造者和科技创新开拓者。

原标题：化学实验室缘何困在“小作坊”？同济校长杨金龙：“智能科学家”重构创新范式