一、历史回望：科学范式的五次跃迁
白春礼首先回顾了科学发展的历史脉络，指出每一次重大科学革命都伴随着人类认知世界方式的转变：

17世纪：牛顿等先驱通过实验方法和数学工具，将自然现象转化为可度量、可计算的对象，塑造了经典科学体系。

19世纪：麦克斯韦将电磁现象统一为一组方程，推动科学从经验描述走向抽象理论；爱因斯坦通过相对论重构时空认知框架。

20世纪中叶：冯·诺伊曼等奠定计算机体系，人类得以通过数值模拟研究复杂系统，如曼哈顿计划中的核反应模拟。

21世纪初：人类基因组计划等大科学工程推动科学进入数据驱动的新阶段，重大科学基础设施不断涌现。

当下，通用人工智能（AGI）的发展正引领一场全新的范式跃迁，极有可能成为科学史上的又一重大转折点。

二、深层变革：三重结构性重塑
白春礼指出，在AI4S概念提出之前，科学研究已经悄然发生变化——计算模拟让机器参与感知与推演，高通量实验催生数据洪流，许多成果依赖模型筛选而非人工剖析。这些变化背后，蕴藏着三重结构性重塑：

1. 科学发现机制的转变
传统科研路径遵循“提出假设→实验验证→发表成果”的流程，高度依赖理论训练、经验积累与个人直觉。而人工智能深度介入后，科学发现的起点正在前移，路径演变为“数据→模型→假设→验证”。

这意味着“科学假设”这一核心任务不再完全由人类完成，而是部分由模型生成。AlphaFold系列便是明证——从预测2亿多种蛋白质结构，到升级版AlphaFold3模拟蛋白质与DNA、RNA及小分子配体的相互作用，准确率达98%，从根本上改变了生命科学的研究路径。

2. 科研组织方式的转变
传统科研组织以课题组为基本单元，由学术带头人统筹人工团队。如今，一种全新的科研单元正在崛起——由人工团队、AI与自动化实验平台协同构建的“人机系统”。

谷歌的自动化系统可在无人干预下完成数千次化学反应实验并优化路径；英国科学家打造的机器人化学家能自主提出假设并验证；上海人工智能实验室开源的虚拟科学家系统可模拟科学家合作过程。未来，科研竞争的核心或许不再是人的团队之间的较量，而是人机系统综合能力的比拼。

3. 知识生产方式的转变
长期以来，科学知识以论文为主要载体。在人工智能时代，模型、数据、代码本身正成为重要的知识承载方式，在部分领域，模型本身已成为核心科研成果，价值甚至超越论文。

DeepSeek-VL支持多模态检索，知识获取效率提升40倍，其能力体现在语言知识与推理的综合呈现上。美国硅谷的许多最新科研成果，不再首先发表于传统期刊，而是在开放社区或社交媒体上发布，抢占先机，成果形式涵盖代码、文本与模型。

三、认知转向：科学研究体系的新特征
白春礼提炼出AI4S时代科学研究体系的三个核心特征：

1. 从“理解世界”到“逼近现实”
传统科学强调对自然规律的解释能力，追求因果清晰与理论完备。而AI驱动的研究越来越多地表现为“有效却难以完全解释”——深度学习模型在图像识别、气候预测等领域取得极高精度，但其内部机制仍难以完全解释。例如AI天气预测模型的短期精度已超越部分传统物理模型，却未必完全解释气候系统的物理机制。

2. 从“因果逻辑”到“相关性与因果结合”
传统科学研究强调通过理论解释因果关系，而人工智能擅长从数据中发现模式与相关性。在药物筛选领域，AI可基于分子结构学习预测药效与毒性，无需完全明晰生物化学机制。这种转变带来了效率提升，也潜藏风险——我们可能在不明缘由的情况下运用正确结果。

3. 认知主体的变化：人机协同
传统科学以人类为唯一认知主体，而人工智能时代，科学逐渐演变为人类与机器共同构建的认知系统。在材料科学中，AI可在数周内筛选数十万种潜在材料候选；在可控核聚变领域，AI通过实时控制等离子体稳定性；中国科学院“磐石”科学大模型实现了靶点发现全流程自动化。知识的生成，正从“人类完成”走向“人机协同”。

四、应对之策：面向AI4S时代的战略思考
基于上述分析，白春礼提出四点应对建议：

1. 认清AI4S的竞争本质：认知体系的竞争
当前讨论多聚焦于算法、算力与数据规模，但从深层看，真正的竞争在于不同科研体系如何理解科学、如何认识世界。是以模型为核心、通过高维空间模式逼近现实？还是以理论为核心、强调因果逻辑的严密性？这些方法层面的差异，对应着不同的科学观与认知路径，将深刻影响未来科学的发展方向与知识结构。

2. 推动科研组织体系变革
现有科研体系以学科划分、PI结构与论文评价为基础，在AI4S时代面临适应性挑战。未来的科研组织将更加面向重大问题，强调跨学科协同，以人机系统为基本运行单元。这不仅是组织形式的变化，更将带来科研评价方式、资源配置逻辑与人才培养路径的系统性调整，需要领导者的战略性决心。

3. 发挥中国优势：科技创新与产业创新融合
中国在若干领域具备较强的原始创新能力，拥有大规模科学数据资源、完整的产业体系和丰富的应用场景。未来的竞争，或许不在于某一环节的领先，而在于能否在科学、工程与产业之间构建高效联动机制，实现持续迭代与系统优化。

4. 强化哲学与科学的深度对话
过去一段时间，人文科学在一定程度上被边缘化。但从科学发展长周期看，真正重大的突破往往伴随着对基本概念与认知框架的反思。哲学不应只是事后的反思，而应参与科学命题的形成，帮助识别哪些问题值得提出。科学问题必然与价值判断、社会后果和长期风险交织在一起，科学家与哲学家的结合，不仅为了提升认知深度，更是为了在无人区探索中保持理性自觉，确保科技进步始终服务于人类整体福祉。

五、结语：科学关乎能力，更关乎方向
白春礼在报告最后强调：在AI迅速发展的同时，人文思考不可或缺。科学不仅关乎能力，更关乎方向；不仅关乎发现，更关乎抉择。我们在推动技术进步的同时，更需以理性与善意拥抱科学，审慎思考它将引领人类驶向何方。