中国经济网于 2 月 21 日在北京发布消息，记者李方参与报道。人工智能正引发一场变革，此变革涵盖从科研范式到应用场景等多个方面，是系统性的。并且，这场变革有望大幅提升科研机构以及千行百业的科技创新效能。在 2 月 19 日下午，“人工智能赋能科学研究”研讨会在北京举行，全球业界的专家学者纷纷参与其中，围绕该议题展开了深入研讨。

出来之后，《自然杂志》在一个星期的时间里发表了五篇文章来谈论它，并且探讨它是否能够推动科技的发展。在个人看来，“赋能”这个词对人工智能对科学的颠覆程度有所低估。中国工程院院士、之江实验室主任王坚表示，人工智能并非是一次工具层面的革命，而是一次科学革命所

人工智能是否要代替人类进行研究呢？答案是否定的，它应当是来帮助人类进行研究的。中国新一代人工智能发展战略研究院执行院长龚克称，需持续提升 AI4S（AI for ）自身的能力，要让模型具备更强的可解释性与透明度，一同制定标准和规范，同时应推动资源实现共享，强化跨学科、跨行业之间的交流合作，以此来开发开源且开放的科学创新模式。

“人工智能会越来越多地被用于取得重大的科学突破。英国皇家科学院院士温迪·霍尔是英国南安普敦大学计算机科学钦定教授且担任副校长，同时还是联合国人工智能高层顾问机构专家。她通过视频发言称，在科学领域将会有巨大突破，原因在于人工智能能够分析大量且海量的数据，这是一种前所未有的方式，是以往用老式计算技术无法做到的。AI 可以助力我们进行图像处理和数据统计分析，新的生成式 AI 能够帮助我们进行推理，还可以帮助我们发现之前发现不了的事物。”

欧洲科学院外籍院士孙茂松表示，他是清华大学人工智能研究院常务副院长。他认为 AI4S 极具挑战性，然而与 AI+X 相比，AI4S 实际上相对容易，且取得成果的确定性较强。他还指出，AI4S 的对象是自然科学，自然科学中有不变的东西，而这恰恰是最适合人工智能去做的。

大模型为何具有如此强大的能力？此模型是如何得来的？阿里巴巴集团副总裁、大数据和智能实验室负责人叶杰平介绍道，首先是预训练大模型，接着是基础大模型，之后是后训练，包含指令微调、编号学习等环节。预训练大模型需要海量的数据，要收集整个互联网的所有数据，并且需要大量的算法，以千卡、万卡级别的规模来训练大模型。后训练仅需极少的算力与极少的数据便能完成。最新成果表明，实际上在后训练或许无需数据，凭借强化学习，此模型能够自我学习且自我迭代。

不过，AI 目前还难以避免“一本正经地胡说八道”。中国科学院自动化研究所的研究员曾毅持有这样的观点，他认为“人工智能当下依旧只是一个看似具备智能的信息处理工具，依然会犯下许多人不会犯的错误”。他还指出“目前在科学意义层面上，人工智能并不存在，需要从各个学科进行交叉科学方面的理解，以此来推动人工智能科学本身的塑造，只有这样才能够真正形成正向的循环”。

另一方面，人工智能发展迅速，给能源系统带来诸多挑战。我们发现计算需求和能源需求都在不断增长。尤其当下，随着集中式大型语言模型的兴起，人均二氧化碳排放量正快速上升。训练大型模型需要大量能源，这对环境是不利的。欧洲科学院院士沙赫兰·杜斯塔是奥地利维也纳技术大学教授，同时也是信息学院分布式系统研究部主任。他通过视频发言提出建议，应该加大对分布式智能的研究和工业应用的投资。

世界互联网大会人工智能专业委员会主办了“人工智能赋能科学研究”研讨会。2025 年乌镇峰会期间，世界互联网大会正式成立了人工智能专业委员会。这是大会设立的首个专业性、常态化的分支机构。专委会汇聚了多方面的权威专家和专业人才，包括来自人工智能领域的国际组织、知名智库、科研院所、专业协会以及产业界。同时，专委会设立了标准推进计划、安全与治理推进计划和产业推进计划。此次研讨会是专委会成立后的首场公开活动。