纵观近代以来的科学史，科研范式大致经历了三次重大变革。一是以观察实验为核心的“经验范式”。这种范式以伽利略物理学为典型代表，强调对自然现象的描述、记录、总结和归纳。二是以数理模型为基础的“理论范式”。这种范式以牛顿力学和相对论为代表，强调通过数学建模对自然规律进行抽象和推演。三是以仿真模拟为标志的“计算范式”，强调利用电子计算机仿真科学实验，实现结果预测和可视化。这三种科研范式的变革主要体现在科研工具创新和效率优化方面，但本质上都遵循“观察—假设—验证”的传统研究逻辑。随着计算机软硬件设施升级迭代，数据积累和算力不断加强，推动科学研究从传统的以假设驱动转向基于海量数据驱动。这为人工智能引领科研范式变革奠定了重要基础。

 

　　近年来，人工智能大模型快速发展，开启了人工智能发展的新阶段，推动人工智能全面融入科学、技术和工程研究。随着以ChatGPT和DeepSeek为代表的人工智能大模型取得重大突破，由海量数据和庞大算力“双轮驱动”的“智能化科研”逐步成为新一轮科研范式的核心特征，其内在逻辑表现为“数据密集—智能涌现—人机协同”，具体体现出三方面特征。一是以智能挖掘替代假设检验。传统科学研究主要依托理论推导和实验验证，而人工智能强调通过对海量数据中隐含规律的挖掘与分析，构建起以数据驱动和算力驱动为核心的科学研究体系，进而实现精准科研。比如，2024年诺贝尔化学奖授予了在蛋白质结构预测上作出突出贡献的3位科学家，表彰他们开发的计算工具AlphaFold在蛋白质结构预测和计算设计领域的革命性影响。AlphaFold成功预测了几乎2亿种蛋白质结构，其对蛋白质结构的智能挖掘大大超过人类以往百年的科研积累，展现了人工智能在推动科学创新方面的重要作用。二是以多元知识耦合激发智能涌现。人工智能技术具有显著的赋能作用和“渗透”特征，能够打破学科壁垒，拓展科研边界，催生交叉学科研究，以“人工智能+”助力打造跨学科融合的创新生态系统，不仅能提高科研效率，更能够激发出新发现新知识。例如，华为云盘古大模型将思维链技术与策略搜索深度结合，极大地提升了数学能力、复杂任务规划能力以及工具调用能力，已在30多个行业、400多个场景中落地，有望协助众多产业研发创新的智能升级。三是人工智能逐步从“辅助工具”转变为“科研主体”，形成人机协同的科研组织模式。目前，人工智能大模型已逐步实现从发现问题、分析问题到解决问题的全流程覆盖。这并不是对人类科学家的取代，而是以新的范式协助人类提升科研效率。比如，在考古研究中结合人工智能技术，通过人机协同智能技术开发的文物虚拟修复，可以在不干预文物实体的前提下，实现对出土文物碎片的虚拟拼接、矫形、复原，大大提升文物复原等相关研究的工作效率，也可以根据不同研究和修复目的进行快速、无限次调整，以多种表达和展示满足不同受众和场景需求。