内地官方近期首次将科学智能（AI for Science）写入新质生产力顶层设计文件“关于发展新质生产力的意见”，明确提出“以人工智能引领科研范式变革，助力提升科研效率”。这标志着内地正进入以AI重塑科研范式的阶段。

根据内地官媒报道，AI for Science也被简称为“AI4S”，作为人工智能加速科学发现的新方法，是区别于以往传统科研的第五范式。中国近年非常重视利用人工智能发展基础科学。

从政策端看，早在2023年，科技部会同国家自然科学基金委启动“人工智能驱动的科学研究”专项部署，围绕数学、物理、化学等基础学科的关键问题，以及药物研发、基因研究、生物育种、新材料研发等领域进行布局；2025年“关于深入实施‘人工智能+’行动的意见”将“人工智能+”科学技术列为六大重点行动之首，提出加快探索人工智能驱动的新型科研范式、加快科学大模型建设应用、强化人工智能跨学科牵引带动作用等。

地方层面也在迅速行动。广东省今年6月发布《广东省加快推动人工智能赋能科学研究行动方案（2026—2030年）》，北京7月出台实施方案并设定目标：到2028年北京市人工智能赋能科学研究基础理论和关键技术取得重大原创突破。

随着AI技术快速迭代，内地政策布局层层递进，折射出决策层对科研范式变革的判断。这种判断，主要源于AI对科学界实实在在的“冲击”。从近期数学界经历的一波三折来看，这种“冲击”已显露无遗。

今年7月以来，OpenAI与Anthropic的模型接连在雅可比猜想、黎曼猜想、埃尔德什多道难题上取得进展，还完成了费马大定理的形式化证明；9月8日，OpenAI动用约一万个AI智能体、历时88小时，为克雷数学研究所七大千禧年难题之一——纳维—斯托克斯方程存在性与光滑性问题，给出了一个解答；10月7日，OpenAI一次性发布722份数学论文。

数学界早已震动。今年6月，国际数学联盟（IMU）背书的《莱顿人工智能与数学宣言》，警告AI解题正挑战数学研究的可靠性、公平性与研究自主等；陶哲轩等25位菲尔兹奖得主联名发声，指出AI公司以解决数学问题展示模型能力的竞赛与数学共同体的目标“严重错位”。

更值得关注的是，在科学界，AI的“冲击”正溢出数学界。MIT学者Neil Thompson近期发布的研究报告显示，前沿AI模型在解决理论密集型科学问题上的表现正迅速提升，解决率从2024年年中的约2%升至2026年年中的约35%。前沿AI正开始重塑理论密集型科学，其影响远不止于数学，如今还能解决统计学、经济学、宇宙学、引力与量子物理等领域中越来越多的问题。

面对这场科学范式的变革，中国并非旁观者。内地行业报告显示，AI参与发现与设计的候选药物进入Ⅲ期临床试验，深度学习预测的新材料正被自动化实验室高效合成，AI深度嵌入芯片设计与制造。深势科技、晶泰科技、华大基因、华为云、腾讯AI Lab等机构已成为内地科学基础模型与自主科研系统主要企业。

今年8月，中国工程院院士李国杰发表文章，对未来五年科学智能给出谨慎乐观的预判，并指出，很多人认为AI4S是科研领域的事，没有多大安全风险，这是认识上的误区。其实，AI4S很可能先于AGI（通用人工智能）进入“不可逆阶段”。

李国杰表示，AI4S并不需要自我意识，只要AI在材料、能源、生物医药、工程物理等关键领域中，持续给出“可复现、可工程化、可规模化”的有效结果，它就会迅速成为科研和工程决策链条中的核心环节。这种风险并非来自智能失控，而是来自效率优势所带来的路径锁定。

李国杰指出，在人工智能治理框架中，应该将AI4S作为独立重点领域进行前瞻性风险评估和分类管理，防止在不自觉中形成难以调整的技术路径依赖。他强调，任何情况下，均须明确保留人类决策权、责任主体和可回退路径。

整体来看，内地科学智能相关的政策在升维，从2023年专项部署，到“人工智能+”行动，再到嵌入新质生产力顶层设计，科学智能被逐步纳入内地政策顶层设计。而如何在AI“冲击”科研界的形势下，既借助AI提升科研效率，又守住人类决策红线，成为一道需要科学界共同作答的难题。