0
雷峰網訊 2025國際人工智能科學家大會（ICAIS 2025）開幕式暨中關村兩院智能科學系統成果發布會在北京隆重舉行。本屆大會由北京中關村學院與中關村人工智能研究院，聯合清華大學、西湖大學共同主辦，芝加哥大學協辦，是全球首個聚焦“AI驅動科研創新”的標桿性盛會。匯聚中外院士、頂尖學者等多學科領域專家，共探人工智能從科研輔助工具向“智能科研伙伴”的演進之路，碳硅協同正由歷代科學家的夢想發展成為全球科技創新的核心引擎與關鍵路徑。
教育部黨組成員、副部長徐青森，北京市政府黨組成員、副市長穆鵬，北京市教工委副書記、市教委主任李奕，北京市科委副主任、市人才局副局長楊璞，海淀區委書記張革，中關村科學城管理委員會副主任、海淀區副區長唐超出席了此次盛會。清華大學黨委常委、副校長吳華強，中國工程院外籍院士、清華大學智能產業研究院院長張亞勤蒞臨現場并致辭。北京中關村學院院長劉鐵巖擔任大會主席并致歡迎辭。
大會更云集全球頂尖科學力量：2012年諾貝爾物理學獎得主塞爾日·阿羅什（Serge Harochel），2011年諾貝爾經濟學獎得主托馬斯·薩金特（Thomas J. Sargent），2013年諾貝爾化學獎得主亞利耶.瓦謝爾（Arieh Warshel）教授，2010年諾貝爾物理學獎得主康斯坦丁·諾沃肖洛夫（Konstantin Novoselov），2000年諾貝爾經濟學獎得主詹姆斯·赫克曼James J. Heckman，2021年諾貝爾物理學獎得主喬治·帕利西（Giorgio Parisi）等多位諾貝爾獎獲得者通過現場或遠程方式出席這場學術盛宴并做主題報告，為大會注入全球科學視野與創新智慧。
北京中關村學院院長、中關村人工智能研究院理事長，大會主席劉鐵巖在致辭中表示：聚焦“AI 科學家”核心主題，指出大會不僅探討AI輔助科研的路徑，更前瞻性探索AI成為獨立“科學家”的可能性，涵蓋多學科領域的認知拓展。他指出：“未來的科研教育與人才培養，將超越純粹的‘人力驅動’，邁入‘人機協同、碳硅融合’的新階段——人類的‘碳基智慧’蘊含著意識、靈感與創造，機器的‘硅基智能’承載著不知疲倦的分析、計算與優化，二者的深度融合，將有望超越生物局限，開啟一個人類與機器優勢互補、協同進化的新時代。”
清華大學副校長吳華強對本次大會給予高度評價，“此次大會恰逢其時，意義深遠。不僅是學術界的盛事，更是響應時代呼喚、催動科學發展的切實行動。”同時強調：“必須前瞻性地構建起與智能社會相適應的治理與倫理框架，確保技術發展始終向善、造福人類。”
中國工程院外籍院士、清華大學智能產業研究院（AIR）院長張亞勤指出：AI4S正推動科學研究范式的革命性轉變，它不僅將作為新語言和工具加速解決復雜科學難題，還會通過交叉學科融合反哺AI技術本身的突破。未來，AI將不僅模擬人類智能，更會超越頂尖專家智能，重構科學發現體系，并強調“AI for Science是AI的機遇，是科學的機遇，也是中國與全球的機遇。”
中關村兩院智能科學系統成果發布
成果發布環節，中關村兩院正式發布“全球首個助力科研人才全流程培養的科研智能體系統”——OmniScientist。該系統以“元科學洞察”與“學者數字孿生”的雙引擎為核心，旨在超越傳統科學智能系統的輔助工具定位，成為青年科學家成長道路上“不可或缺的共創伙伴”。
“元科學洞察”源于對科學知識生產體系的結構化理解與動態建模，使科研智能體能夠洞察科學邏輯、識別潛在問題并預測研究前沿；“學者數字孿生”則致力于刻畫人類科學家的思維模式與學術軌跡，使系統能夠洞察個體科研風格、認知偏好與成長節奏，提供個性化支持與協同優化。兩者相輔相成，使OmniScientist不僅理解科研，更理解“做科研的人”。這一創新范式為AI時代的科研人才培養與科學創新模式帶來全新啟示，推動科研生態邁向更高效、更精準、更具創造力的新階段。北京市教委主任李奕，海淀區區委書記張革，北京市科委副主任、市人才局副局長楊璞，北京中關村學院劉成林副院長，中關村人工智能研究院院長邵斌，清華大學電子系長聘教授李勇等領導與專家共同完成了系統啟動儀式。
科學突破榜單發布
隨后，大會重磅發布“2025前沿科技進展與2026未來重大突破預測”科學突破榜單。該榜單由中關村兩院聯合多位諾貝爾獎得主、中外科學院院士、領域資深研究者與一線青年科研人員，基于AI Scientist智能分析與人類專家深度研判的多維評估模式遴選而成，涵蓋信息、物理、化學、生物、經濟五大領域。榜單既系統梳理了前沿進展，又為青年學者與科研工作者提供了一份具前瞻性的戰略導航，標志著“AI 驅動科研創新”正從微觀技術改進邁向宏觀科學方向引領，讓智能輔助真正成為科學遠見的催化劑。
北緯諾貝論壇啟動
大會同期啟動“北緯諾貝論壇”。據悉，“北緯社區”位于北緯40°，是全球科技創新資源集聚帶，此次發起“北緯諾貝論壇”，旨在持續匯聚頂尖智慧，邀請諾貝爾獎得主與青年學者、企業家、科學家深度對接、長效合作，實現思想碰撞、創新賦能與精英孵化。諾貝爾化學獎得主亞利耶·瓦謝爾（Arieh Warshel），諾貝爾經濟學獎得主托馬斯·薩金特（Prof. Thomas Sargent），中關村科學城管理委員會副主任、海淀區副區長唐超，北京中關村學院副院長李國良，北京中關村學院副院長秦濤，北京中關村學院助理院長蓋珂珂等嘉賓共同見證論壇啟動。
未來兩天（11月24日- 25日），大會將持續匯聚全球智慧、呈現多場學術盛宴，以碳硅協同的深入思考實踐，解鎖科研創新的無限可能，觸及以往未及的思想境界與文明高度。
北京中關村學院與中關村人工智能研究院，“是科技教育人才一體化的新嘗試，是新型研發機構的二次方”，以“極基礎-極應用-極交叉”為共同導向，實現從理論創新到產業應用的無縫銜接。ICAIS 2025的舉辦是推動全球科研從“個體突破”走向“智能協同”的重要里程碑。它標志著人類科研范式的深刻變革，更引領我們以一種截然不同的全新視角，接納和擁抱一個由碳基智慧與硅基智能共同描繪的嶄新未來。
附一：關于科研智能體系統OmniScientist
【發布視頻下載鏈接：https://pan.baidu.com/s/1SvyeMyxlE2KlaTA6A_v4lw?pwd=ui4i 提取碼: ui4i】
中關村兩院正式發布“全球首個助力科研人才全流程培養的科研智能體系統”OmniScientist。該系統以“元科學洞察”與“學者數字孿生”的雙引擎為核心，旨在超越傳統科學智能系統的輔助工具定位，成為青年科學家成長道路上“不可或缺的共創伙伴”。“元科學洞察”源于對科學知識生產體系的結構化理解與動態建模，使科研智能體能夠洞察科學邏輯、識別潛在問題并預測研究前沿；“學者數字孿生”則致力于刻畫人類科學家的思維模式與學術軌跡，使系統能夠洞察個體科研風格、認知偏好與成長節奏，提供個性化支持與協同優化。兩者相輔相成，使OmniScientist不僅理解科研，更理解“做科研的人”。
OmniScientist 致力于為AI時代的科研人才提供最AI的全新培養范式。面對信息爆炸帶來的選題迷茫、學科壁壘造成的創新瓶頸、學術與產業脫節的落地困境，以及科研長周期過程中的延時反饋，OmniScientist構建了一套貫穿科研全流程的智能支撐體系：它通過解析海量科學文獻與產業前沿報告，幫助研究者建立“以終為始”的思維，以真實需求定位研究切入點；通過捕捉跨學科科學網絡的動態脈動，促進跨領域知識遷移與創新融合；通過嵌入產業知識體系，使科研問題始終緊扣社會與經濟發展的核心議題。同時，平臺打造的“數字科研伙伴”可提供7×24小時的智能反饋與思想共振，助力研究者持續優化科研思路；并支持構建多學科虛擬學術社群，實現跨領域即時協作與靈感激蕩。
通過這套系統化支撐，OmniScientist已深度融入從文獻調研、創意構思、實驗設計到論文撰寫的科研全流程，實現“懂科學、懂科研、懂學者”的三重突破，從工具真正進化為科研伙伴。這一創新范式為AI時代的科研人才培養與科學創新模式帶來全新啟示，推動科研生態邁向更高效、更精準、更具創造力的新階段。
附二：中關村兩院發布《年度科學榜單》
【發布視頻下載鏈接：https://pan.baidu.com/s/1_wnKFElO73YVleCCYES2tw?pwd=jntu 提取碼: jntu】
北京中關村學院x中關村人工智能研究院
《2025年度重大科學突破 & 2026年度關鍵科學問題》
Zhonguancun Academy x Zhongguancun Institute of Artificial Intelligence Release
“10 Major Breakthroughs in 2025 & 10 Key Questions for 2026”
—— 由人類與AI科學家共同評選Human-AI Co-Curated Science Selections
2025年度重大科學突破10 Major Breakthroughs in 2025
人工智能
1、純強化學習激發反思性推理
提名理由：突破了推理能力依賴人工標注思維鏈數據的根本障礙。在 AIME 2024 基準測試中取得 77.9% 的成績（基線僅為 15.6%），并展現出“頓悟時刻”等涌現行為。截至 2025 年第二季度，該成果促使業內實驗室廣泛采用純強化學習方法，年底已有超過 40 項復現嘗試被記錄。
2、 AI首次在國際數學奧賽中達到金牌水準
提名理由：成功解決了需要真正數學洞察力的多步抽象證明，而非僅靠模式匹配。這是首個在正式驗證的競賽數學中達到專家級人類水平的AI系統，并獲得國際數學奧林匹克委員會認證，已促使8個國家重新設計課程，納入AI推理工具。
Physics物理學
3、在重子衰變中觀測到 CP 破壞
提名理由：該發現為探索物質-反物質不對稱性及超越標準模型的新物理開辟了新路徑。其成果依賴于探測器重大升級與全球合作，被列為 2025 年粒子物理學的里程碑式成果。
4、原子鐘將精細結構常數變化限制在每年 10?1? 量級
提名理由：為基本物理和暗能量理論提供了迄今最嚴格的檢驗；該約束已用于排除 30 多個理論模型，并確立原子鐘作為探索新物理的探針，代表了精密測量的新應用方向。
Chemistry 化學
5、固態電池在汽車原型中實現 18 分鐘快充
提名理由：首次在真實場景中證明固態電池可安全滿足電動汽車快充需求，消除了 2024 年的主要疑慮。示范車隊的發布引發汽車板塊股價上漲及廣泛合作。
6、實現 10,000 小時穩定間歇式堿性海水制氫
提名理由：解決了長期困擾海水制氫的氯離子腐蝕和間歇運行難題，為海洋可再生能源整合開辟路徑。該成果被引用 135 次，已成為美國能源部 HydroGEN 聯盟的基準研究。
Biology 生物學
7、可編程染色體工程實現兆堿基級基因組重寫
提名理由：PCE 將基因組編輯能力延伸至早期工具無法觸及的大規模結構變異和染色體結構層面，可應對涉及大片段突變的疾病并推動基礎研究。已成功實現兆堿基級編輯（如 12 Mb 的倒位），在醫學與農業領域具有變革性意義，其快速應用已充分證明其價值。
8、 蛋白質組尺度誘變揭示蛋白穩定性與疾病關聯
提名理由：提供了用于臨床變異解讀和方法評估的權威、一致的基準數據集，重塑了 2025 年的致病性變異分類體系。
Economics 經濟學
9、去中心化金融風險量化模型
提名理由：該模型填補了監管盲區——此前因缺乏數據與方法，DeFi風險無法被衡量。該2025年模型利用鏈上數據估算，若發生重大DeFi崩潰，可能通過穩定幣擠兌引發傳統銀行高達850億美元的損失。其在2025年G20峰會上的展示以及金融穩定委員會（FSB）的采納，使DeFi被正式認定為系統性風險來源，推動研究焦點轉向“中心化金融-去中心化金融”（CeFi-DeFi）的傳染渠道。
10、 實時金融系統AI監控
提名理由：該系統解決了導致2008年危機的系統性風險檢測滯后問題。該2025年系統已在OFR投入運行，將流動性壓力事件的預警時間從6個月縮短至72小時。其識別出非銀行抵押貸款機構隱藏的杠桿風險，促使美國證券交易委員會（SEC）于2025年8月采取干預措施，展現了切實的政策影響，并推動研究向AI增強的宏觀審慎監管方向轉變。
10 Key Questions for 2026
AI 人工智能
1、 如何讓AI系統擁有在非穩態環境中持續學習與適應的能力？
提名理由：2025年在動態企業環境中部署智能體后發現，靜態模型迅速過時，而現有的持續學習方法則面臨災難性遺忘或安全性退化問題。隨著AI系統被要求在長時間內自主運行，適應性與穩定性之間的張力已變得尤為關鍵。解決這一問題將推動網絡安全、市場交易和個性化醫療等動態領域實現真正的自主智能系統。
2、 基礎模型能否在開放世界場景中實現因果推理，而非僅依賴模式匹配的相關性？
提名理由：2025年，前沿系統通過延長推理時間和多智能體辯論已達到奧數級數學水平，但在跨領域的因果泛化方面仍不可靠，凸顯了純模式識別的天花板。隨著企業大規模部署智能體工作流，決策日益依賴對干預與反事實的理解。解決這一問題將釋放出超越2025年數據范疇的可靠規劃、科學發現與政策支持能力。
Physics物理
3、 引力波探測器能否達到足以觀測連續波或隨機背景的靈敏度？需要哪些儀器技術的突破？
提名理由：當前探測器已能常規探測雙星并合事件，但連續引力波和隨機背景信號仍遙不可及。下一代方案（如宇宙探索者、愛因斯坦望遠鏡）有望大幅提升靈敏度，但依賴復雜的工程技術。2026年是爭取資金、完成設計并測試量子增強技術的關鍵節點。成功將為致密物質、宇宙學和廣義相對論提供全新洞見。
4、 聚變示范電廠能否在2030年代初向電網輸出凈電力？需要在材料、氚增殖和能量提取方面取得哪些突破？
提名理由：NIF 和私營企業近年的進展使聚變能源變得切實可行，但尚未實現凈電力輸出。盡管已取得高溫超導（HTS）磁體等硬件里程碑，材料耐久性和能量轉換效率仍是主要障礙。2026年是敲定示范電廠設計方案的關鍵之年。若能成功，將驗證聚變作為無碳基荷電力的可行性。
Chemistry 化學
5、 能否全面理解電池中的固態電解質界面（SEI），從而實現面向長壽命、高性能儲能的理性設計？
提名理由：SEI 可能是鋰離子及下一代電池中最重要卻最不被理解的組分，其穩定性直接決定電池壽命與安全性。盡管已有數十年研究，2026年的關鍵挑戰在于開發原位表征技術（如2025年報告所強調）和多尺度建模工具，以最終理解并調控其形成與演化過程。
6、 如何校正機器學習原子間勢能中的系統性勢能面（PES）軟化問題，以可靠模擬催化與電池中的高能態？
提名理由：2025年的基準測試顯示，通用機器學習原子間勢能（如 M3GNet、CHGNet、MACE?MP?0）因訓練數據偏向近平衡態，導致對力場曲率和作用力的低估。要實現材料發現，必須可靠建模缺陷、溶解與退化等高能過程。2025年涌現的新數據集和誤差感知框架使解決這一系統性偏差成為2026年的優先任務。
Biology 生物
7、 能否通過可擴展的CRISPR篩選與AI引導的優先排序，實現全基因組范圍內所有人基因及調控元件的功能注釋？
提名理由：盡管人類基因組已大量測序，仍有約30%的基因缺乏功能注釋，調控元件的功能圖譜也遠未完善。2025年CRISPR篩選雖已擴大規模，但成本高昂且不完整；AI模型雖能預測功能，但缺乏充分實驗驗證。實現全面注釋將推動精準醫療，揭示疾病機制，并為各類遺傳背景下的藥物靶點發現提供指導。
8、 能否構建具有因果性的、面向個體患者的多組學模型，在單細胞與空間分辨率下，從基因組到蛋白質組再到代謝組預測并解釋疾病發展軌跡？
提名理由：2025年，多組學與空間單細胞圖譜技術迅速擴展，Borzoi 等工具已能從DNA序列預測RNA-seq覆蓋度，單細胞蛋白質組學單次研究可檢測超10,000種蛋白，但現有整合模型仍以相關性為主，且受限于特定上下文。AI基礎模型（如AlphaFold覆蓋擴展、scGPT）日趨成熟，使因果整合首次成為可能，但尚未實現。若能在2026年攻克此難題，將開啟具備機制性、可解釋性且可臨床落地的精準醫療新時代。
Economics 經濟學
9、 廣泛采用人工智能對勞動力市場、工資不平等和長期生產率增長的一般均衡效應是什么？
提名理由：2025年諾貝爾獎強調創新與創造性破壞，而行業數據顯示，到2030年AI將創造數千萬新崗位，同時淘汰更多崗位。然而，宏觀經濟模型尚未調和樂觀的生產率前景與工資停滯及技能兩極化的實證證據之間的矛盾。解決這一矛盾對設計2026年的教育、勞動與稅收政策至關重要。
10、 金融機構與監管機構如何衡量、監控和管理由互聯AI系統與算法決策所引發的系統性風險？
提名理由：2025年AI在金融領域的廣泛滲透催生了新的傳染、羊群效應與閃崩渠道，但現有風險衡量框架仍彼此孤立且滯后于現實。歐盟的AI監管框架與行業對壓力測試的呼吁凸顯了這一差距。亟需建立一套全面的、針對AI驅動型系統性風險的評估與管理框架。
雷峰網(公眾號：雷峰網)文章
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
