封面新聞記者 邊雪

當前，人工智能技術正處于深度發展的關鍵階段，人才作為行業發展的核心驅動力，其戰略價值愈發凸顯。從新銳團隊研發的深度求索系統、宇樹機器人等創新成果，到近期國際頂尖 AI機構核心成員的職業流動動態，均印證了人才在推動人工智能領域突破中的決定性作用。

2025年7月27日，世界人工智能大會（WAIC）主辦了首屆“青年菁英會之科學智能”論壇，中國科學院自動化研究所楊戈老師擔任主理人。與會嘉賓青年學者，論壇圍繞“人工智能在科學研究中的應用”、“AI可解釋性的現狀與困境”、“模型訓練方法”、“AI在科學研究的角色定位”及“科學教育的未來展望”等話題展開，為全球青年AI研究者的高端學術交流搭建平臺。

“然而利用生成式AI，我們可以擴大范圍，擴大到十億甚至百億級別的空間里面進行探索。”大阪大學李晨教授以“生成式人工智能在藥物研發中的應用”為題，深入闡述了其團隊提出的GxVAE（Gene-to-molecule VAE）端到端生成式模型。

李晨回顧了從傳統高通量篩選到AI創藥的技術演進，指出通過兩個相互關聯的變分自編碼器，能夠從高維基因表達譜直接生成具有靶向性的候選小分子，在提高分子多樣性的同時，大幅縮減實驗與計算成本。他詳細展示了在LINCS/L1000數據集上的映射體系構建，以及有效性（Efficacy）、新穎性（Novelty）、QED評分和結構相似度等多維度評價結果，驗證了GxVAE在多種蛋白靶點上的優勢表現。

“我們希望通過一種更加通用、靈活的方式進行多種目標光譜和材料的逆向生成與設計。”

上海交通大學肖誠禹博士帶來“AGI輔助的超寬帶與波段選擇性熱輻射超材料設計”報告。他首先介紹了熱輻射在納米光子工程中的應用背景，闡明了傳統經驗式設計在多目標光譜控制上的局限性。肖博士提出，借助機器學習驅動的三平面參數化與cGAN（條件生成對抗網絡）逆向生成框架，能夠在數十種材料體系中高效篩選上千種候選結構，并通過張江戶外實驗驗證其輻射冷卻與熱管理性能。

肖誠禹重點解析了模型如何在小樣本情況下保持通用性及穩定性，并分享了團隊在實踐中針對數據稀缺與局部最優陷阱所采取的預訓練、數據混淆及多任務學習等策略，顯著提升了逆向設計效果。“通用性與靈活性，將成為超材料設計的未來趨勢。”

“我們需要明確AI for science其中一個很大的使命是我們要明白我們擅長解決什么問題”

香港科技大學程立雪教授的報告題為“Orbformer：通過深度量子蒙特卡羅方法建立的波函數原初分子基礎模型”。她回顧了從多體全配置交互（Full CI）到密度泛函理論（DFT）的演變，聚焦于基于變分量子蒙特卡羅（VMC）的Deep QMC框架及其神經網絡化改進。程博士詳細剖析了Electronic Transformer、Nuclear MPNN與Opportunity三大模塊如何協同工作，在88個小分子數據集及多條化學反應路徑上實現預訓練與微調，取得了媲美或超越高成本DFT方法的精度，且訓練部署成本僅為傳統方法的十分之一。

“完全自回歸的預訓練波函數模型，無需任何監督數據，就能在精度與效率之間實現突破，為量子化學計算帶來全新范式。”程立雪強調。

會上，其他學者也分享了各自領域的最新研究進展：中科院青藏高原研究所夏老師結合氣候變化與經濟學視角探討了AI可解釋性在水文與氣候模型中的關鍵挑戰；上海交通大學未來技術學院萬佳宇以鋰電池壽命預測為例，闡述了數據稀缺對模型訓練的困境及產業合作中對可解釋性成果的迫切需求；同濟大學土木工程學院代表介紹了大模型與科學大數據閉環融合在地震結構動力學的應用，成功實現秒級結構損傷預測。

此外，多位行業企業與學術界青年學者圍繞“AI在科學教育中的角色”展開討論，建議通過產學研協同、場景驅動項目制與開源資源共享，培養具備跨學科背景與實踐能力的新時代科研人才。

這場匯聚全球青年智慧的盛會，將成為觀察人工智能未來發展方向的重要窗口，推動前沿技術加速從實驗室產生并走向產業實踐。封面新聞記者在會場注意到，本次論壇的核心話題覆蓋了人工智能在科學研究中的深度應用、當前可解釋性的現實困境、模型訓練方法的創新路徑、AI從輔助工具向科研伙伴的角色轉變，以及面向未來的科學教育展望。“要在教育體系內植入計算思維與項目驅動，構建多元交叉的學習平臺，為新時代科研人才提供創新土壤。”參會者王林語在會后告訴封面新聞記者。