2026年3月24日上午，SLAI Seminar第三十一期在深圳河套学院成功举办。本次讲座由学院副院长欧阳万里教授主持，特邀北京科学智能研究院院长、深势科技创始人兼首席科学家张林峰博士，围绕“科学智能：从基础设施建设到规模化智能科学”主题，系统分享了人工智能驱动科学发现的十年演进脉络，以及在构建全链路智能基础设施与前沿智能体生态方面的深刻洞见。

张林峰博士毕业于北京大学元培学院与普林斯顿大学，长期致力于结合人工智能与物理建模求解微观科学难题。其团队曾凭借在分子动力学模拟领域的突破性工作荣获2020年高性能计算领域最高奖项“戈登贝尔奖”，该成果亦入选中国科学院与工程院评选的年度十大科技进步。

讲座内容

01 范式跃迁：告别“小作坊”，迈向平台化的科学发现

张林峰博士开篇回顾了AI for Science的发展历程。早期的科学探索往往局限于两类场景：一类是如蛋白质折叠般拥有庞大且干净数据集的数据驱动场景；另一类则是拥有清晰物理方程（如薛定谔方程、分子动力学方程）但面临极高求解复杂度的基本原理驱动场景。通过引入深度神经网络，研究人员成功克服了传统物理建模中的“维数灾难”。

然而，张林峰博士一针见血地指出，若想让AI引发真正的科学范式革命，就必须打破过去高度依赖人类专家个人带宽、知识难以复制叠加的“小作坊式”科研模式。未来的科学发现必然走向跨学科协作与大装置驱动的平台化模式。这一转变的核心，在于将底层海量的科学数据、算力资源与物理规律进行深度整合，从而为人工智能提供一片肥沃的底层土壤。

02 基础设施重构：构建“读、算、做”全链路智能底座

为彻底打通平台化科研的瓶颈，张林峰博士团队聚焦于全要素科学基础设施的建设，生动地将其概括为“读、算、做”三大维度的智能化重构。

在“读”的层面，团队针对海量存量科学文献与专利这片“深矿”，打造了覆盖全量中英文文献的科学导航知识平台。该平台不仅为人类学者提供精准问答，更打破了传统商业数据库的垄断，将千万级文献中的分子式、合成工艺与物化性质提取为机器可读的结构化数据，成为了智能体查阅前沿知识的核心接口。

在“算”的层面，张林峰博士展示了令人震撼的智能体部署能力。面对科学计算领域极其繁杂、甚至包含几十年历史代码的开源软件生态，团队利用智能体系统，在短短一天内全自动完成了多达五万个科学工具的应用适配与环境镜像打包。同时，这种智能迭代机制正被应用于国产底层算力的算子优化中，实现了软硬件协同的飞轮效应。

在“做”的层面，如何将数字世界的AI能力延伸至真实的物理实验室是当前最大的鸿沟。张林峰博士指出，科学探索需要面向未知空间的“柔性”实验能力，而非传统工厂流水线式的僵化控制。为此，团队开发了统一的实验室操作系统，成功化解了底层繁杂仪器设备与上层多变实验场景之间庞大的排列组合难题，正稳步推进国内上千个传统生化环材实验室向自动化、干湿闭环的智能实验室升级。

03 规模化智能科学：从思维链图谱到智能体自主驱动

随着基础设施的全面铺开，科学探索正在步入“规模化智能科学”的全新阶段。张林峰博士指出，当数以万计的科学工具均已实现智能化接入后，人类亲自调用工具的模式将成为历史，取而代之的将是系统通过拆解任务，自主调度最佳工具的智能体生态。

更为前沿的是，为了弥合大语言模型在科学直觉与事实幻觉之间的一线之差，张林峰博士团队正在构建宏大的“科学百科”与推理超图。这一系统不再仅仅罗列科学结论，而是将人类科学家在探索过程中的推导逻辑、成功与失败的试错轨迹，编织成一张极其庞大的思维链网络。基于这种底层的逻辑重构，生命科学、材料科学与微观物理等不同学科之间内蕴的表征一致性正在被发掘，预示着一个统一的科学人工智能基座模型即将破茧而出。

问答与互动环节中，现场师生就数据驱动时代的科学洞见、国产高端仪器的AI赋能等前沿议题与张林峰博士展开了深度探讨。针对师生关于“在AI能够自主涌现并解决问题后，人类科学家的核心价值何在”的深刻提问，张林峰博士坦言，目前的AI系统虽然在执行特定流程或归纳海量数据方面表现惊艳，但面对纷繁复杂的表象，依然极度缺乏直击本质的“科学洞见”与提出第一性原理假设的能力。他指出，未来的科研培养将不再是标准化的知识灌输，而是需要通过真实的问题闭环，锻炼学者在庞杂系统中的拆解与推演能力。

本次讲座系统勾勒了AI for Science从单一算法突破走向宏大基础设施重构的壮阔图景。张林峰博士凭借极具前瞻性的技术视野，向与会者生动展示了如何通过构建“读、算、做”的智能底座，将零散的科学知识、庞杂的计算工具与物理实验室有机熔铸为一个高速运转的智能体协作生态。这不仅是一场关于算力与数据的技术革命，更是对数百年来人类知识生产范式的深层颠覆。在这场科学智能与通用智能的双向奔赴中，全面规模化的AI创新引擎正蓄势待发，为探求未知世界的科学征程点亮了全新的灯塔。