AI for Science并不是一个新概念，早在2018年，中科院院士鄂维南就在全球首次提出“AI for Science（科学智能）”概念。AlphaFold在蛋白质结构预测方面的重大突破，也持续推动着这一概念深入大众视野。而今年10月，诺贝尔物理学奖、化学奖纷纷颁给人工智能相关专家，则让这一概念走向更大舞台，再一次成为了热门话题。
“大家最兴奋的是，原来AI for Science要由各种不同的模型去做，但现在搞蛋白质的、搞数学的......都可以‘揉’到大模型的方式中来，核心架构甚至全都是transformer。”百度杰出系统架构师王雁鹏告诉数智前线。
这让一向作为科研主阵地的高校们看到了新的确定性方向，都在集中火力，推进AI for Science的发展。
更频繁的学术交流和经验探讨是一方面。近期，全国各地涌现出了多场AI for Science相关论坛。其中，有不少是由高校主动发起。比如，10月底的2024中国计算机大会上，复旦大学发起和组织了“第一届科学智能（AI for Science）论坛——探索科学智能的边界”。11月初，北京大学计算机学院，也和北京科学智能研究院一起，主办了“2024科学智能峰会”……
一些高校也在成立专门的机构或组织，来推进AI for Science发展。比如香港城市大学，就在10月21日宣布成立了香港人工智能与科学研究院，并与多名学术和业界伙伴签署合作备忘录，共同推进人工智能（AI）领域的前沿科研。
像上海交通大学，已转变传统科研模式，期望科学与AI更紧密的结合。他们与百度智能云合作建成了自己的AI for Science科学数据开源开放平台，支撑白玉兰科学大模型的训练。依托AI for Science平台，上海交大已在Nature Computational Science封面，发表了AI+城市的科学成果。
大模型时代，产学研合作有了新内涵
高校纷纷加码AI for Science的同时，产学研的结合正变得愈加密切。
中国科学院院士鄂维南曾不止一次在演讲中表示，随着AI for Science的发展，科学研究将告别原来一个课题组完成所有科研任务相关事务的“作坊模式”，转为类似“安卓模式”的平台科研，打破学科边界。
“AI for Science在材料、生命科学、能源化工等领域落地成果的不断涌现，让我们看到其带来的巨大前景。但AI for Science带来的不仅仅是点状的突破，而是系统性地带动科学研究基础设施的建设，推进迈向‘平台科研’时代。”2024年7月，在2024世界人工智能大会的一场分论坛上，中国科学院院士鄂维南如是称。
他同时强调，发展AI for Science，落地“平台科研”模式，应该着重推进“四梁N柱”方面的综合建设和发展。
中国移动，在今年10月，发布了AI赋能科学“AI For Science（AI4S）科学装置智算节点”，并提供AI4S Station科学工作站平台。该工作站集合了科研模型研发基础工具集、科学模型服务平台、生物蛋白等科学领域工具套件，提供端到端极简科研开发流程，让科学家专注自身专业领域，提升科研模型研发效率。
