AI for Science领域综述论文

1. 研修活动参与概况

2025年10月25日-26日，多场AI及科技领域重要活动同期举办，包括IROS 2025具身智能顶会、上海交通大学全球校友创新论坛、未来科学大奖周2025科学峰会、2025“人工智能赋能新型工业敏捷化部署应用”AI急需紧缺人才研修项目、Stanford成长创新圈线下活动等。

基于“聚焦创业项目真实需求”原则，优先选择两项核心活动参与，形成“输入-输出”闭环：

- 前期（两天半）：参与2025“人工智能赋能新型工业敏捷化部署应用”AI急需紧缺人才研修项目，系统学习工业与AI融合核心知识；

- 后期（半天）：在Stanford成长创新圈分享创业项目，将研修所学与实践结合，验证项目方向可行性。

2. AI未来核心发展方向判断

结合研修课程中杜玉河老师关于“工业4.0和人工智能时代变迁”的宏观分析，及行业前沿动态，判断以下四大AI方向具备高活力与工业价值，且契合“新型工业敏捷化部署”主题，本节先聚焦前两项方向展开：

2.1 具身智能（实体机器人相关）

具身智能虽非本人研究领域，但随AI技术发展，其工业应用价值逐步凸显。参考宇树科技王兴兴老师在2025CCF中国开源大会发布的观点，具身智能（机器人领域）发展核心要点如下：

- 技术演进：起源于人体机器人、四足机器人领域，2013年技术方案构思成型，2015年发布extop机器人获全球关注，2016-2017年持续迭代并推动开源；

- 产品布局：涵盖机构型机器人（高速性能、多模态模型）与工业级机器人（强负载续航），2023年初启动人形机器人研发，最新“阿沃机器人”具备轻量化、可定制外观特点，在舞蹈、格斗场景表现突出，核心优势为全身运动能力与任意动作生成技术；

- 行业现状：全球机器人市场需求旺盛（国内上半年业绩增长至少50%），国外巨头加速布局，但行业面临“AI能力不足”挑战，统一端到端机器人大模型与低成本大批量算力为关键突破点；

- 未来预测：10年内有望实现人形机器人任意动作与任务执行，需持续聚焦核心技术突破。

*注：王兴兴老师为本人合作伙伴Alan老师的直系学长（上海大学同专业），本人高中+大学学长朱嘉学长的光速光合基金已投资宇树科技。*

2.2 世界模型

世界模型是AI感知与交互物理世界的核心技术，当前行业进展与关注要点如下：

- 技术突破：李飞飞团队已实现“单张清晰二维照片生成可探索三维空间”，解决“从二维恢复三维”的技术难点（三维转二维易，二维逆推三维难），且融合物理规律等关键因素；

- 行业关注：世界模型已获业界大咖认可并纳入布局：

- 特赞范凌老师：计划涉入世界模型研究，由设计人工智能实验室夏磊博士（本人好友+前同事）主持；

- 字节跳动任奇老师（本次研修讲师）：明确字节跳动已在该赛道布局；

- 学术支撑：斯坦福大学助理教授吴佳俊（本人高中直系学弟）为李飞飞团队核心合作者，深耕世界模型领域，于2025未来科学大奖周（香港）科学峰会发表《透过物理本质理解视觉智能》主题演讲，本人曾于2025年9月通过Gmail与其探讨AI for Science落地及学术问题。

3. AI for Science领域重大进展

AI for Science领域正经历底层变革，近期两大核心进展对行业影响深远，具体如下：

3.1 LabOS：全球首个AI-XR协同科学家系统

该系统由普林斯顿AI实验室与斯坦福大学联合研发，相关成果发布于LinkedIn动态（本人交大直系师弟邰骋老师转发其学姐王梦迪老师分享），核心信息如下：

- 定位：全球首个“能看见并与人类协作”的AI-XR协同科学家（AI-XR Co-Scientist），覆盖“假设提出-真实实验”全流程；

- 核心突破：通过XR智能眼镜与多模态AI，捕获人类专家第一视角操作（角度、力度、节奏），将“隐性技能”转化为可量化、可教学的数据，解决传统科学研究中“手感”“经验”难以传承的痛点；

- 技术架构：

- 自进化AI Agent：自主创建工具解决科学推理任务；

- 视觉-语言模型：将第一视角实验室视频转化为结构化推理内容；

- 3D/4D世界模型：跟踪工具、材料及空间上下文，提供闭环指导；

- 实时协同助手：运行于XR/边缘设备，而非传统仪表盘，实现“伙伴式”协作；

- 早期应用成果：

- 癌症靶点发现：AI引导假设筛选与实验方案验证；

- 干细胞工程：XR分步指导、错误检测与溯源跟踪；

- 量子材料发现：自动化参数扫描与实时反馈，加速发现效率；

- 学术链接：https://arxiv.org/abs/2510.14861

（可通过本人团队开发的FastPaperRead:https://www.bohrium.com/apps/fastpaperread工具解读，生成通俗博客材料）。

3.2 SciencePedia：具备“生命体征”的科学知识基座

由北京科学智能研究院、深势科技、中国科学院理论物理研究所、兰州大学、北京大学、上海交通大学等机构联合推出，定位“科学知识的智能操作系统”，核心内容如下：

- 背景：应对全球每日近2万篇学术论文的“信息爆炸”，解决传统平台痛点（维基百科难追前沿、arXiv缺乏深度梳理、AI助手缺科学理解）；

- 知识形态演进：

- 传统时代（2001-2023）：维基百科“词条模式”，解决知识“有无”；

- 过渡时期：知识图谱“结构化模式”，解决知识“关联”；

- 新探索：SciencePedia“思维链模式”，解决知识“演进与推理”；

- 初期成果：400万条思维链构建科学推理网络、覆盖200个学科、解构24万知识点、10万+练习题形成实践闭环；

- 三大技术革命：

1. 长思维链：再现科学发现全过程（如“量子纠缠”从EPR佯谬到量子计算应用的完整推导）；

2. 逆思维链搜索：基于深层逻辑网络实现跨学科关联（如“拓扑绝缘体”关联凝聚态物理、材料制备、拓扑数学）；

3. 人机协同进化：AI引擎（知识抽取、重写、初验证）+专家社区（治理、仲裁、深度校正），实现知识实时更新；

图片

- 应用价值：

- 科研新范式：生成共识地图、检测研究矛盾、系统化跨学科导航；

- 教育新形态：个性化学习路径、思维链可视化、实践闭环设计；

- 未来路线：

- 2025年：完善核心知识网络，建立基础应用生态；

- 2026年：实现自动化知识更新，构建全球贡献者社区；

- 2027年：成为科研必备基础设施，重构科学发现范式；

- 体验入口：访问https://sciencepedia.bohrium.com

支持“AI推荐学习规划”“动态讲解”“动手实践”等功能。

图片

4. 我的创业项目：FastPaperRead及规划

基于研修所学与行业洞察，本人团队聚焦“文科科研AI工具”赛道，推出FastPaperRead项目，具体如下：

4.1 项目定位：文科科研蓝海市场

现有AI文献分析工具多集中于计算机科学、生物医学等自然科学领域，而社会科学、经济学、管理学、法学等“文科”研究者面临“阅读效率低”痛点（如“读完两小时，理解度不足50%”）。项目瞄准该未充分服务市场，目标将社科类文献阅读效率提升10倍。

4.2 核心竞争力：跨学科AI Agent能力

基于“MCP+Agent+DeepResearch”架构，具备三大核心能力：

- 深度理解与提炼：自动提取论文核心贡献、研究方法论（回归模型、问卷设计等）、主要结论，实现分钟级深度理解；

- 结构化输出：将晦涩学术论文转化为结构化技术博客或知识点清单，优化阅读体验；

- Paper2Code潜力：对涉及量化分析的社科论文，可提取关键算法骨架。

4.3 团队构成：“技术-产品-商业化”互补结构

团队共6人，覆盖全链条能力：

- 技术与产品核心：

- 刘（首席科学家，博士）：核心技术体系构建；

- 钟（CTO）：Agent技术落地；

- 叶（解决方案负责人）：SA解决方案专家；

- 商业化与生态：

- 陈（商业化负责人）：腾讯云架构师同盟核心成员，获多项全球技术竞赛荣誉；

- 邓（生态渠道负责人）：资深AI高级工程师、开源社区专家，获多项全球技术竞赛荣誉。

4.4 项目里程碑与现状

- 产品进展：完成两次重要迭代，具备完整演示能力与上线条件；

- 行业认可：在知名黑客松中获优异成绩；

- 合作意向：与国内某财经类院校建立合作意向。

5. 创业方向延伸：AI for Social Science

基于FastPaperRead项目经验，团队规划将方向延伸至“AI for Social Science（AI for Public Good）”，核心如下：

5.1 核心解决问题

聚焦社会科学研究两大痛点：

1. 田野调查的规模化和自动化；

2. 计量经济学模型的自动建立和解读。

5.2 技术路径与案例参考

- 痛点1解决方案：参考范凌老师的atypica.AI，通过自动化技术突破传统田野调查的时间、空间、成本限制；

- 痛点2解决方案：参考“The Causal Canvas：AI Co-Pilot for Transparent Econometrics”项目，解决计量经济学“可复现性危机”与“进入壁垒”：

- 核心设计：“玻璃盒”工作台+AI Co-Pilot，AI建议转化为Jupyter Notebook中透明、可修改的Python代码；

- 覆盖流程：数据上传、探索性分析、研究问题识别、文献检索、理论分析、模型建立、代码生成、结果报告、自动Debug、稳健性检验、学术写作（流程见原文图示）。

5.3 科学影响与创业价值

- 科学影响：

- 加速发现：缩短从原始数据到稳健因果推断的路径；

- 赋能新生力量：降低学习曲线，缩短“领域新手到发表首篇成果”的周期；

- 创业价值：提供“新研究范式”，将研究人员从数据清洗、模型构建等繁琐工作中解放，聚焦创造性任务（新方法研究、理论思考等）。

6. DataAgent领域探索

DataAgent是AI与数据处理融合的重要方向，本人结合实践与行业交流，形成以下洞察：

6.1 个人技术实践与痛点发现

- 技术演进：2012年毕业後使用Excel VBA，因数据量超限（Excel≤108万行）转向PowerBI（2015年），早期PowerBI的text2sql雏形存在准确性与性能问题；

- 核心痛点：即使资深数据分析师写SQL，也面临性能问题（多表Join、索引不完整、临时表逻辑复杂），LLM出现后有所改善，但“AI自主特征工程”仍未解决。

6.2 行业现状与需求场景

- 行业交流：2025年10月研修期间，与字节跳动火山引擎席宇老师（数据产品与科学专家）沟通，确认“AI自主特征工程（如从100个维度中筛选20个重要维度并做相关性/回归分析）”的成熟产品与技术路径尚未出现，国外已有相关研究（如OpenAI），国产化需兼顾数据科学与工程能力；

- 需求场景：初级数据分析师岗位可能被替代，人员精力转向高价值工作。

6.3 实际案例：化妆品线下渠道影响因素研究

为某知名公司完成《地区环境因素对美妆化妆品线下渠道发展效果（销量）的影响》课题，过程与成果如下：

- 数据痛点：

- 数据源多样：100个来源（国家/省市统计局、企业数据、第三方数据、司法文明数据、民政局数据、天气数据等）；

- 格式散乱：Excel、网页表格、CSV、数据集、ZIP、JSON等；

- 处理量大：3人工作两周完成原始数据处理（未含数据清洗）；

- 研究成果：

- 模型：多元线性回归模型，化妆品卖力值=0.099*[湿度]-0.189*[离婚指标]+0.211*[司法文明指数]+0.030*[日用品零售价格指数]+0.195*[化妆品零售价格指数]-0.106*[家庭日用杂品居民消费指数]+0.057*[个人护理用品居民消费指数]+0.355*[年末常住人口]+0.106*[城镇单位就业人员平均工资]；

- 关键结论：年末常住人口（最重要正相关因素）、司法文明指数、湿度等正向影响销量；离婚率、家庭日用杂品居民消费指数等负向影响销量；夏季护肤品需求高，8月彩妆需求高；

- 建议：人口密集+司法文明指数高地区优先营销，按地区调整定价与品牌策略。

7. 总结：AI未来四大方向展望

结合研修学习、行业实践与项目探索，判断未来AI四大核心方向具备高商业化价值与工业潜力：

1. 具身智能（实体机器人相关）；

2. 世界模型；

3. AI for Science；

4. DataAgent。

AI未来发展前景广阔，期待AGI时代的到来。本报告感谢上海市科技金融协会组织的本次AI研修培训支持。