今天分享的是：人工智能专题：科研智能（AI4R&D） ——人工智能驱动的研发新范式

报告共计：29页

《人工智能专题：科研智能（AI4R&D）——人工智能驱动的研发新范式》由中国人工智能产业发展联盟（AIIA）发布，该报告对科研智能的发展态势、产业情况、应用发展、生态建设等方面进行了全面深入的分析。

一、科研智能发展态势

科研智能（AI4R&D）是人工智能赋能科学研究及产业研发的新范式，包括加速基础科学研究和推动产业研发创新两方面。全球各国纷纷发布政策支持科研智能发展，AI 在生命科学、物理等领域取得重要成果，同时加速了产业研发进程。

二、科研智能产业发展情况

- 科研算力：结合智能算力与超算算力，采用异构计算架构满足科研需求。业界提供科研智能算力服务的方式包括云服务、人工智能算力中心和一体机。我国面临高端 AI 芯片受限、智能算力生态弱、算力资源分布不均等挑战，需建立普惠的科研算力保障机制。

- 科研数据：科研数据来源多样、质量要求高、数据量大且维度高。国外公开数据集资源丰富，我国也在加强建设，但存在领域覆盖有限、优质数据未有效利用等问题。我国需加强数据集建设与共享，建立科研数据战略，构建统一的科研数据空间。

- 开发工具链：

- AI 框架：主流框架包括 TensorFlow、PyTorch、PaddlePaddle 和 MindSpore 等，需具备支持科研智能算子库、计算库和作业调度优化等能力。现有框架存在不足，我国需构建更高效统一的框架，优化高性能计算、支持跨领域算法和应用、丰富生态系统建设。

- 算法库：科研智能算法库是面向特定领域的高效算法集合，国内外高校、科研院所及企业纷纷推出算法库。我国在算法库领域面临原创不足等挑战，需鼓励原始创新。

- 开发套件：针对特定科研领域的端到端工具集，能提升科研效率、降低使用门槛。但存在易用性低、功能覆盖不全、标准化程度低等问题。

- 领域模型：分为领域专用模型和基于大语言模型的科研模型，在材料科学、气象、流体仿真、电磁仿真、生命科学等领域应用广泛，大语言模型与领域专业模型的深度融合推动科研突破。

三、科研智能应用发展情况

- 基础科学研究：AI 在基础科学领域应用广泛，包括辅助科学文献研究、指导加速科学实验、启发新理论和算法发现、优化加速科学计算等，相关成果连续入选《Science》杂志评选的十大突破。

- 产业研发创新：科研智能在新药研发、电池材料研发、航空航天仿真测试、电磁仿真、工业设计、工业制造等产业领域取得显著成效，提升了研发效率、降低了成本、提高了产品质量。

四、科研智能生态建设情况

- 产业组织：中国人工智能产业发展联盟成立“科学智能（AI4S）工作组”，促进产学研用交流合作。

- 社区建设：华为、深势科技、百度等企业构建了多个专业社区，推动 AI 技术在科研领域的应用与发展。

- 科研赛事：百度、深势科技、华为、中山大学等举办了多场科研智能赛事，推动技术创新和人才培养。

- 会议交流：举办了科学智能峰会、全国智能流体力学研讨会、CCF 秀湖会议、人工智能科学计算学术研讨会、中国计算机大会 CNCC 2023 等会议，促进学术交流。

- 教学培训：深势科技、百度等提供了丰富的教学资源，支持科研智能人才培养。

- 标准布局：中国信通院联合多家单位正在研制科研智能标准。

五、总结与展望

科研智能发展迅速，形成了多元化产业生态体系。未来，科研智能将在技术创新与突破、跨学科融合、产业化应用、政策保障等方面持续发展，为解决重大科学问题和技术挑战发挥重要作用，推动社会进步和人类福祉。

以下为报告节选内容