文｜彭晓钊 综合开发研究院（中国·深圳）金融发展与国资国企研究所

      当前，人工智能正从“赋能千行百业”工具属性，向“驱动科学发现”范式属性升级。AI4S（即AI for Science）以深度学习为引擎，以前所未有的速度处理海量科学数据、自动提取隐藏规律、提出人类未曾设想的研究假设，被视为继实验科学、理论科学、计算科学之后的第四范式革命——谁率先完成从“用AI解决已知问题”到“用AI发现未知规律”的跨越，谁就掌握了下一轮科技竞争的底层话语权。深圳拥有完备的产业体系和活跃的市场主体，在AI落地转化、产业场景迭代方面具备领先优势。不可忽视的是，深圳缺乏深厚基础研究积淀的短板，在AI4S时代非但不会自动消失，反而可能因全球科研节奏的指数级加快而被进一步放大，有必要加快以AI4S为战略支点，推动城市创新范式根本性重塑，从“应用创新之城”跃迁为“源头发现之城”。

一、AI4S正在成为全球科技竞争“新赛点”，慢一步则失全局

普林斯顿大学教授唐纳德·斯托克斯在《基础科学与技术创新：巴斯德象限》一书中提出科学研究四象限模型：玻尔象限（纯求知型基础研究）、巴斯德象限（应用导向基础研究）、皮特森象限（技术训练与经验推广）、爱迪生象限（需求导向技术研发）。传统线性创新观认为“玻尔→巴斯德→爱迪生→皮特森”依次推进，但AI4S的出现让四象限发生螺旋融合——AI既在玻尔象限加速数学与物理猜想的验证，又在巴斯德象限将产业难题反演为可计算的科学问题，同时在爱迪生象限通过生成式设计大幅压缩工程试错成本。这种跨象限的加速循环，使得“科学发现—技术发明—产业应用”的闭环周期从十年量级骤缩至月级甚至周级。

//图 斯托克斯模型与巴斯德象限

面对科研范式颠覆性变革，世界主要经济体相继以“曼哈顿计划”级别的国家动员抢占有利位势。美国推出“创世纪计划”，将AI赋能基础科学研究列为国家优先方向，聚焦材料、生物、量子、核聚变等关键领域突破；欧盟启动《欧洲AI科学战略》和欧洲AI科学资源（RAISE）虚拟研究所，在“地平线欧洲”框架下，推动AI在材料、气候、生物医药等领域的科学发现。更为值得关注的是，谷歌、微软、英伟达等科技巨头密集布局AI4S领域，DeepMind发布AlphaFold3实现蛋白质-DNA-RNA-配体复合物的原子级结构预测，微软研究院推出AI量子化学模拟平台，英伟达发布BioNeMo生命科学大模型等。上述动向表明，AI4S已从学术前沿议题上升为国家战略博弈核心战场，任何迟疑都可能意味着在新一轮科技版图重构中被边缘化。

二、对深圳而言，AI4S既是不进则退的紧迫挑战，更是变道超车的战略机遇

正如十六世纪的实验科学成就了伽利略时代的意大利，十七世纪的理论科学成就了牛顿时代的英国，二十世纪的计算科学成就了硅谷所在的美国，每一次科研范式变革往往都伴随着全球创新版图重塑。站在全新十字路口的深圳，也应深刻思考如何在AI4S时代锁定自身的科学坐标？

（一）竞逐人工智能下半场的破局之策。近年来，国内AI产业格局逐步固化，北京依托清华系、北大系等顶尖高校群抢占大模型基础研究高地，上海凭借MiniMax等领先企业形成多模态技术集群，杭州以DeepSeek等新兴力量在大模型推理领域异军突起。相比之下，深圳虽在AI应用场景和智能硬件领域占据优势，但在通用大模型、算力芯片等“根技术”已然丧失先手，若继续在通用赛道上开展同质化竞争，在AI领域的战略主动权将被进一步削弱。以AI4S为代表的物理AI阶段，其核心关键不再是单纯算力和资本比拼，深圳必须抓住这一范式转换窗口，在AI4S赛道上卡位布局，才能在下半场竞争中赢得先机。

（二）破解源头创新不足的战略杠杆。传统科研模式高度依赖大院大所，尤其是顶尖科学家团队的长期探索，投入大、周期长、不确定性高，后发城市追赶难度极大。相较于北上依托科研院所的创新路径，深圳基础研究始终面临科研院所数量及能级不足、重大原始发现产出薄弱、基础研究与产业需求衔接不够紧密等现实难题。然而，深圳的最大优势恰恰在于华为、比亚迪、大疆等一批世界级企业每天都在产生真实的、高难度的科学问题。这些问题本身就是最宝贵的“第一性原理”数据源，若能以AI4S为纽带重塑知识生产方式，将企业工程难题转化为科学发现突破口，深圳就有可能探索出一条“非对称赶超”的独特创新路径。

（三）推动产业二次跃升的未来引擎。经过多年快速发展，深圳电子信息、新能源汽车、高端装备等主导产业已进入传统工艺优化、模式迭代、外观升级等“微创新”边际收益递减阶段，如新材料开发试错成本高昂、新药研发周期漫长、工业制造复杂机理难以解析、储能与新能源材料性能突破缓慢等，已成为制约产业进一步跃升的深层瓶颈。深圳若率先将AI4S嵌入优势产业链的研发前端，用人机协同方式模拟分子运动、预测材料性能、优化化学反应路径等，就有可能从根源上克服产业研发效率低、试错成本高、技术突破难题，构筑“科学发现驱动产品定义”新护城河，推动产业从效率竞争迈向原理竞争，实现向全球价值链顶端攀升。

三、以AI4S引领创新范式升维，开启以源头发现为标志的“深科学”变革

深圳过去的成功密码是“以应用促创新”，面向AI4S驱动的未来科学变革，深圳的创新逻辑要从“跟随市场”转向“定义未来”。这并非是深圳既有道路的否定，而是在更高维度上的进化，把产业场景优势接上源头发现引擎，从“应用创新之城”跃迁为“源头发现之城”。

（一）重塑创新导向：让应用场景成为基础研究“提问器”。参鉴美国“制造业USA”和德国弗劳恩霍夫协会，政府不直接确定技术路线，而是通过稳定资助、首台套采购等方式，把产业真实边界条件注入科学问题定义环节，可建立“产业出题—AI破题—科学答题”新型基础研究组织机制，由龙头企业提出制约产业发展的底层科学难题，联合高校院所组建实体化运作的“AI4S攻关联合体”，以产业刚性需求倒逼基础定向突破，再以基础突破的成果反哺产业链升级，实现“会用AI”到“用AI定义科学问题”的质变跃升。

（二）锁定发力方向：在关键领域率先实现“非对称突破”。AI4S是一场全域性科研范式变革，但深圳不宜全面铺开、平均用力，应选取有产业基础、有数据积累、有市场需求的战略方向率先突破，建议锁定AI+新材料、AI+新能源、AI+创新药、AI+高端制造等核心赛道，系统性重构传统科研实验流程，针对性部署适配各类实验操作、数值模拟、仿真推演的专业化AI智能体，打通“理论预测—虚拟筛选—实验验证—数据回流”的全链条闭环，在局部战场形成“人无我有、人有我快”的非对称优势。

（三）夯实底座支撑：构建“数据×算力×算法”一体化基础设施。支持建设多模态科学数据集，研究制定建立数据确权、分级流通、价值评估标准规范，搭建湾区级别科学数据可信空间，探索“可用不可见、可控可计量”安全流通模式。依托鹏城云脑、国家超算深圳中心等现有设施，规划建设面向AI4S的专用算力集群，重点部署支持混合精度计算和大规模并行训练的异构算力系统，开发覆盖数据采集、建模、分析及科研管理的端到端人工智能工具链，推动各类模型向昇腾平台迁移适配，筑牢源头创新的硬软件底座。

（四）延展开放生态：构建多元主体协同共生的创新雨林。立足于深港联动对接全球科学网络的独特区位优势，率先开展“人工智能+科学研究”开发者开源社区建设，搭建轻量化、易用化、共享化的公共模型服务平台，降低各类主体科研创新门槛。积极引导开源模型和工具入驻开源社区，向各类创新主体提供模型、数据、算力、工具链等开源服务，推动开源模型广泛应用。主动发起和参与国际大科学计划，让深圳AI4S技术在全球最前沿科学问题中接受检验、持续迭代，在开放合作中提升源头创新能力。