AI for Science：一場正在發生的“科研冷戰”

如果說過去十年，人工智能改變的是商業效率，那么從2023年開始，它正在改寫更底層的東西——科學發現本身的速度與路徑。

當AlphaFold2把蛋白質結構預測從“數月”壓縮到“秒級”，一個更深層的信號出現了：科研不再只是智力密集型活動，而開始變成算力驅動的工業化過程。

這正是“AI for Science”（AI4S）的本質。而到了2025年，這件事徹底變了性質——它不再是技術趨勢，而是國家競爭工具。

2025年，被多方視為AI4S的“戰略元年”。美國、歐盟、英國幾乎在同一時間窗口完成政策升級，背后邏輯高度一致：誰先用AI重構科研體系，誰就能提前鎖定下一代產業主導權。區別只在打法。

本文基于江蘇省科技情報研究所、江蘇省科技發展戰略研究院發表于《科技中國》2026年第1期的權威資料，還原歐美AI4S戰略布局的完整脈絡與深層邏輯。

進攻型美國：用“曼哈頓計劃”的方式做科研

美國的策略可以用四個字概括：壓強推進。

從取消監管約束，到發布AI行動計劃，再到啟動對標“曼哈頓工程”的“創世紀計劃”，美國幾乎是在用國家工程的方式，重寫科研體系。

核心不是單點突破，而是系統重構：美國將AI4S直接定義為全球技術主導權之爭。

2025年1月，特朗普政府簽署《消除美國在人工智能領域發揮領導作用的障礙》，批量撤銷此前監管約束，為AI創新松綁。

同年7月，白宮發布《贏得AI競賽：AI行動計劃》，鎖定加速創新、基建建設、技術外交三大方向，推出90余項聯邦政策。

11月，總統行政令啟動AI“創世紀計劃”，以國家級工程姿態，用人工智能徹底變革科學研究方式，其戰略量級對標二戰“曼哈頓計劃”。

核心不是單點突破，而是系統重構。

把超算、AI模型、數據集、實驗工具整合成統一平臺，用跨部門機制集中調度資源，總統科技顧問牽頭，國家科學技術委員會協同，能源部（DOE）負責落地實施與資源調度。同時設置60-90-270的剛性時間表來推進落地：60天敲定先進制造、生物、關鍵材料、核裂變/聚變、量子、半導體六大優先領域；90天完成算力與伙伴資源盤點；120天出臺數據與模型整合方案；270天平臺具備初始運行能力；每年常態化匯報進展。

同時，投入也極其直接。

算力方面，NSF于2024年1月啟動國家AI研究資源試點，2025年8月設立運營中心，聯合14個聯邦機構、28家伙伴，服務超400個研究團隊。

平臺方面，DOE推出FASST計劃，投入6800萬美元支持43個科研課題；2025年12月，能源部再投超3.2億美元，用于國家科學與安全平臺建設與基礎研究。

人才方面，NSF在2023年投入1600萬美元強化AI研究能力，從K12到科研人員，系統性補齊AI人才。

美國的真實目標并不隱晦：通過算力+數據的壟斷式優勢，制造“科研效率代差”。這本質上是一種新的技術霸權形式。

防御型歐盟：從“管AI”轉向“用AI”

歐盟過去的問題很典型：規則領先，產業落后。

2024年的《人工智能法案》建立了全球最嚴監管框架，但也在一定程度上壓制了創新速度。到了2025年，歐盟明顯調整方向：從“治理優先”，轉向“發展+治理雙軌”。

其核心抓手是RAISE體系，本質上是一個“泛歐洲科研操作系統”，圍繞五件事展開：

集中培養跨學科人才，更新生成式AI科研指南，建立AI評估中心；以“選擇歐洲”、人才庫、博士網絡降低引才門檻，支持跨學科研究與創業。

提供共享算力（AI工廠+超級工廠），依托EuroHPC超算聯盟建設AI工廠，AI算力提升兩倍以上；下一步打造AI超級工廠，“地平線歐洲”通過RAISE試點投入最高6億歐元，開放專用算力給科研團隊與初創企業。

大搞數據基建，在AI工廠內設數據實驗室，對接歐洲開放科學云，提供數據治理服務；系統性補齊關鍵科學數據缺口。

加大科研資金投入，幾乎翻倍。2026—2027年力爭將地平線歐洲年度AI投資翻倍至超30億歐元，科學領域AI資金同步翻倍，重點支持實驗室自動化與科學大模型研發。

輸出“可信AI”標準，舉辦AI科學峰會動員私營部門；在歐洲研究區（ERA）框架下對齊成員國政策；在G7/G20推廣歐盟可信AI原則與標準。

目前歐美的落地成效多點開花，可信AI路線正在逐步落地。

2025年4月發布新版科研生成式AI負責任使用指南；6月組建60人AI科學專家組；上線AI-on-Demand平臺提供可信工具；11月啟動RAISE試點，獲1.07億歐元資金支持。

歐盟的邏輯很清晰：不和美國拼效率極限，而是用規則、數據合規與協同網絡構建長期壁壘。這是典型的“防御型領先”。

聚焦型英國：用“小體系”撬動大影響力

英國資源體量有限，因此選擇了一條完全不同的路徑：不做全面競爭，只做關鍵突破。

策略可以總結為“三個集中”：

集中賽道：不搞全面鋪開，集中資源在生物醫藥、先進材料、核聚變等優勢賽道快速出成果，以小支點撬動全球影響力。

集中資源：算力、數據、人才定向投放，多輪征集算力需求，2022年英國出臺《國家人工智能戰略》奠定基建與人才基礎；2025年1月發布《人工智能機遇行動計劃》；6月追加10億英鎊升級國家算力設施；11月正式出臺《AI for Science戰略》，未來五年投入1.37億英鎊專攻AI賦能科研。

集中目標：快速產出可驗證成果，例如：超算Isambard-AI投入前列腺癌篩查、綠色材料、癡呆癥研究；先進材料獲5000萬英鎊啟動資金，利物浦大學建AI材料創新中心；醫學領域投入6億英鎊建設健康數據服務，AlphaFold庫覆蓋超2億蛋白質結構；牛津郡設AI增長區，服務核聚變等前沿領域。

英國的打法本質上是：用高ROI科研項目，維持全球科學話語權。

三種路徑，一種共識

盡管美歐英策略差異明顯，但底層共識高度一致：

• AI4S已上升為國家核心競爭力

• 算力、數據、人才是三大剛性投入

• 生物醫藥、新材料、能源是優先落地領域

• 政府+科研+產業的協同成為標配

換句話說：全球科研競爭，正在從“論文競爭”，變成“系統效率競爭”。英美兩國更在2025年9月簽署《科技繁榮協議》，攜手推進AI4S技術的落地應用。

中國的真實壓力：不是差距，而是“節奏”

歐美AI4S戰略全面落地，意味著全球科研競爭進入“算力+數據+算法”的新范式時代，并伴隨更嚴苛的技術封鎖與人才壁壘。

對照我國現狀：雖已部署“人工智能驅動的科學研究”專項、推進“人工智能+科學技術”行動，但仍面臨高端芯片與核心算法卡脖子、科學數據碎片化、高質量數據集不足、交叉學科人才短缺等瓶頸。

《國務院關于深入實施“人工智能+”行動的意見》

這些問題的共性是：都會直接影響科研效率，而不是單點技術能力。

而美國“創世紀計劃”的目標，恰恰就是在這些維度上拉開差距。這不是AI競爭，而是“科研工業化”的競賽。

如果用一句話總結這場AI4S競賽：它的本質，不是AI能力比拼，而是誰先把科學研究變成“可規模化生產”的體系。

美國在做“集中式工業化”，歐盟在做“合規型工業化”，英國在做“精英化工業化”。

而中國真正需要回答的問題不是“跟不跟”，而是：用什么機制，把科研效率提升到同一個數量級。

因為在這個新范式下，差距不再體現在單項技術上，而體現在：從提出問題，到得到答案，需要多長時間。

這，才是下一輪科技競爭最核心的變量。

—The End—