“科学”攀登AI for Science新高峰，《2023科学智能全球发展观察与展望》看到未来 ｜元璟科技分享

今天，很高兴为大家分享来自市场资讯的攀登AI for Science新高峰，《2023科学智能全球发展观察与展望》看到未来 ｜元璟科技分享，如果您对攀登AI for Science新高峰，《2023科学智能全球发展观察与展望》看到未来 ｜元璟科技分享感兴趣，请往下看。

毫无疑问，AI带来了巨大的创新机会，在科研领域，AI for Science也正在将原来依赖人的创意和灵感推动的科学研发变成一个系统化和体系化的新范式。

8月10日，2023中关村论坛系列活动——2023 科学智能峰会（AI for Science Congress）顺利举行，旨在搭建 AI for Science 领域科研突破、技术培育、人才交流的共建共创平台，共同推动 AI for Science 的基础设施建设，激发创新效能。

在这场AI学术界的顶级盛会上，承办方之一的深势科技联合北京科学智能研究院，络绎科学和新华网共同发布了《2023科学智能全球发展观察与展望》。

作为目前备受瞩目的技术突破，人工智能与科研领域的融合带来日新月异的发展。AI for Science可以将原来依赖人的创意和灵感来推动的科学研发变成一个系统化和体系化的新范式，这是一个类似农耕时代迈入工业革命的突破，而且发生在人类智慧的顶尖科研领域，无论是对产业还是对人类未来大发展都有巨大的意义。而在AI for Science领域，深势科技正是其中佼佼者。

2021年，元璟资本成为深势科技的早期投资者，我们持续关注AI技术与各类应用的百花齐放，也一路支持陪伴深势科技成为行业领军公司。在会议发布的《2023科学智能全球发展观察与展望》中，元璟科技投资团队也撰文提出了我们对于AI for Science的观察与思考：

“原来科研和产业界总是有着明确的距离，一个重要的原因是科研本身是一个小规模的突破，而产业界需要的是大规模的效率，而AI for Science通过将科研的过程和目标都变成大规模，能解决更复杂的实际产业问题，直接拉进了科研和产业的距离，不管在药物研发还是在新材料领域，这样的促进都已经出现。”

2023 科学智能峰会（AI for Science Congress）刚刚结束，作为AI学术界的顶级盛会，会议由中关村论坛办公室作为指导单位，由北京科学智能研究院主办，北京大学北京国际数学研究中心、北京大学国际机器学习研究中心、北京材料基因工程高精尖创新中心、DeepModeling开源社区、嘉庚创新实验室人工智能应用电化学联合实验室（AI4EC Lab）、宁波东方理工大学（暂名）、上海交通大学药学院、深势科技、苏州实验室、之江实验室、中国科学院计算机网络信息中心、中国科学院宁波材料所联合承办，由新华网作为战略合作媒体，共同推动AI for Science的基础设施建设，激发创新效能。

这次盛会大咖云集，包括中国科学院院士、北京科学智能研究院院长、北京大学国际机器学习中心主任鄂维南，中科院院士、北京大学前沿交叉学科研究院院长、国家自然科学基金委交叉科学部主任汤超、中国工程院院士、之江实验室主任、阿里云创始人王坚等在内的多位院士和科学家及产业界的代表进行了深入的探讨和交流。

（鄂维南院士发表演讲）

主论坛上，主办方北京科学智能研究院院长鄂维南院士进行了题为“共建AI for Science”的“引导性”发言。鄂院士指出：“AI for Science 可以帮助科学家解决复杂的科学问题，提高科研效率和质量。”鄂维南院士表示，发展 AI for Science，推动走向“平台科研”模式，需要解决不同科研领域的共性问题，需要共建 AI for Science 的基础设施（概括为”四梁”），包括基本原理与数据驱动的算法模型与软件、高精度高效率的实验表征方法、替代文献的数据库与知识库、高度整合的算力平台。以基础设施为支撑，也在赋能工业应用的实际场景（概括为“N柱”），将在材料科学、能源化工、航空航天、药物研发等方向上带来巨大变革。

与此同时，践行 AI for Science 也离不开像深势科技这样的一批产业应用推动者，用好的产品解决行业的真问题。2023科学智能峰会，以“四梁N柱“为主线展开，设置了10余场深度研讨的学术分论坛。议题覆盖 AI for Science 模型算法、先进表征、数据库、OLED、能源材料、计算成像、算力引擎、新材料、生物医药，宏观流体。十场分论坛汇集了来自主办方、承办方及众多合作机构的一批优秀研究人员和产业代表，他们以十大议题为牵引，着重深入探讨 AI for Science 与各自专业领域相关的科学研究和实践应用。

《2023科学智能全球发展观察与展望》发布

论坛上，北京科学智能研究院副院长李鑫宇，深势科技创始人兼CEO孙伟杰，DeepTech联合创始⼈、络绎科学CEO李航，新华网总编辑助理、总编室主任肖阳联合发布了《2023科学智能全球发展观察与展望》，《展望》中详实的记录了 AI for Science 在生命科学、材料科学、能源科学、电子工程与计算机科学、地球与环境科学、以及工业仿真领域中最新的产研实践与应用实例，并详细讨论了大语言模型、生成式 AI / AIGC、预训练等先进 AI 方法在科学领域的技术落地，为广大科研群体和公众提供“字典”式索引。

作为深势科技的早期投资方，在《2023科学智能全球发展观察与展望》中，元璟资本也提供了来自投资视角的观察和观点，携手行业伙伴，共同投身AI for Science激动人心的创新浪潮。

以下，与大家分享：

在基础科学领域分为两种流派，第一性原理驱动和数据驱动：第一性原理驱动更加本源导向，对问题的理解更深刻，解决更优雅；数据驱动效率高，偏重结果导向。

今天的机器学习是在用大规模的算力去解决大规模的数据问题，本质是一种数据驱动的解决方法。而纯粹基于数据的机器学习在science领域最大的问题是，无法做到可解释和精准，虽然可以做到在一些领域解决问题，但要推动基础学科和科研的进步，还是需要回归到第一性原理，去理解问题的原理。

因此，只有让机器学习能够理解基础学科的运行原理，才能这种做到让机器学习做到跨领域和多尺度的去解决复杂科学问题（拥有在science领域内的泛化能力）

如何将科学的第一性原理和机器学习结合是AI for Science最重要的问题；

●  让机器学习的大规模计算能力，结合上第一性原理，去解决复杂和大规模的问题，帮助科学研究扩展到更高维的空间，理解人类依靠人脑很难去理解和抽象的高维问题，实现科研的突破。

●  今天人类在真实世界遇到的大部分问题都是复杂的系统化问题，只有让机器学习能够理解真实世界的运行原理，才能更好的解决真实世界遇到的问题。

AI for Science可以将原来依赖人的创意和灵感来推动的科学研发变成一个系统化和体系化的新范式，这是一个类似农耕时代迈入工业革命的突破，而且发生在人类智慧的顶尖部分——科研领域，无论是对产业还是对人类未来大发展都有巨大的意义。

原来科研和产业界总是有着明确的距离，一个重要的原因是科研本身是一个小规模的突破，而产业界需要的是大规模的效率，而AI for Science通过将科研的过程和目标都变成大规模，能解决更复杂的实际产业问题，直接拉进了科研和产业的距离，不管在药物研发还是在新材料领域，这样的促进都已经出现。

今天，算力，机器学习，人工智能领域的快速发展给了AI for Science最好的基础，科学计算，基础学科今天可以和这些新兴领域彻底结合，这是一个时代的机遇。在这样跨学科结合的新领域里，有大量没有解决的问题，同时也就有更多的机遇；而在这个新的领域，全世界都在同一个起跑线，无论是Google微软还是国内的学术界和产业界，都在类似的时间开始往这个方向探索，中国的团队有机会再这样的新范式的变革中，做到全球领先。

如果我们认为未来AI能更大幅度的推动人类社会的发展，AI for Science就是最重要的方向，能够真正的帮主人类去理解我们身处的世界，小到原子，大到宇宙。

好了，关于攀登AI for Science新高峰，《2023科学智能全球发展观察与展望》看到未来 ｜元璟科技分享就讲到这。