內地官方近期首次將科學智能（AI for Science）寫入新質生產力頂層設計文件「關於發展新質生產力的意見」，明確提出「以人工智能引領科研範式變革，助力提升科研效率」。這標誌着內地正進入以AI重塑科研範式的階段。

根據內地官媒報道，AI for Science也被簡稱為「AI4S」，作為人工智能加速科學發現的新方法，是區別於以往傳統科研的第五範式。中國近年非常重視利用人工智能發展基礎科學。

從政策端看，早在2023年，科技部會同國家自然科學基金委啟動「人工智能驅動的科學研究」專項部署，圍繞數學、物理、化學等基礎學科的關鍵問題，以及藥物研發、基因研究、生物育種、新材料研發等領域進行佈局；2025年「關於深入實施『人工智能+』行動的意見」將「人工智能+」科學技術列為六大重點行動之首，提出加快探索人工智能驅動的新型科研範式、加快科學大模型建設應用、強化人工智能跨學科牽引帶動作用等。

地方層面也在迅速行動。廣東省今年6月發佈《廣東省加快推動人工智能賦能科學研究行動方案（2026—2030年）》，北京7月出台實施方案並設定目標：到2028年北京市人工智能賦能科學研究基礎理論和關鍵技術取得重大原創突破。

隨着AI技術快速迭代，內地政策佈局層層遞進，折射出決策層對科研範式變革的判斷。這種判斷，主要源於AI對科學界實實在在的「衝擊」。從近期數學界經歷的一波三折來看，這種「衝擊」已顯露無遺。

今年7月以來，OpenAI與Anthropic的模型接連在雅可比猜想、黎曼猜想、埃爾德什多道難題上取得進展，還完成了費馬大定理的形式化證明；9月8日，OpenAI動用約一萬個AI智能體、歷時88小時，為克雷數學研究所七大千禧年難題之一——納維—斯托克斯方程存在性與光滑性問題，給出了一個解答；10月7日，OpenAI一次性發佈722份數學論文。

數學界早已震動。今年6月，國際數學聯盟（IMU）背書的《萊頓人工智能與數學宣言》，警告AI解題正挑戰數學研究的可靠性、公平性與研究自主等；陶哲軒等25位菲爾茲獎得主聯名發聲，指出AI公司以解決數學問題展示模型能力的競賽與數學共同體的目標「嚴重錯位」。

更值得關注的是，在科學界，AI的「衝擊」正溢出數學界。MIT學者Neil Thompson近期發佈的研究報告顯示，前沿AI模型在解決理論密集型科學問題上的表現正迅速提升，解決率從2024年年中的約2%升至2026年年中的約35%。前沿AI正開始重塑理論密集型科學，其影響遠不止於數學，如今還能解決統計學、經濟學、宇宙學、引力與量子物理等領域中越來越多的問題。

面對這場科學範式的變革，中國並非旁觀者。內地行業報告顯示，AI參與發現與設計的候選藥物進入Ⅲ期臨床試驗，深度學習預測的新材料正被自動化實驗室高效合成，AI深度嵌入晶片設計與製造。深勢科技、晶泰科技、華大基因、華為雲、騰訊AI Lab等機構已成為內地科學基礎模型與自主科研系統主要企業。

今年8月，中國工程院院士李國傑發表文章，對未來五年科學智能給出謹慎樂觀的預判，並指出，很多人認為AI4S是科研領域的事，沒有多大安全風險，這是認識上的誤區。其實，AI4S很可能先於AGI（通用人工智能）進入「不可逆階段」。

李國傑表示，AI4S並不需要自我意識，只要AI在材料、能源、生物醫藥、工程物理等關鍵領域中，持續給出「可復現、可工程化、可規模化」的有效結果，它就會迅速成為科研和工程決策鏈條中的核心環節。這種風險並非來自智能失控，而是來自效率優勢所帶來的路徑鎖定。

李國傑指出，在人工智能治理框架中，應該將AI4S作為獨立重點領域進行前瞻性風險評估和分類管理，防止在不自覺中形成難以調整的技術路徑依賴。他強調，任何情況下，均須明確保留人類決策權、責任主體和可回退路徑。

整體來看，內地科學智能相關的政策在升維，從2023年專項部署，到「人工智能+」行動，再到嵌入新質生產力頂層設計，科學智能被逐步納入內地政策頂層設計。而如何在AI「衝擊」科研界的形勢下，既藉助AI提升科研效率，又守住人類決策紅線，成為一道需要科學界共同作答的難題。