美国人工智能“创世纪计划”对我国科研范式变革的启示与战略应对
PDF下载
前瞻科技
| 科技政策 2026,5(3): 114-123
收起
前瞻科技
| 科技政策
2026, 5(3): 114-123
美国人工智能“创世纪计划”对我国科研范式变革的启示与战略应对
全屏
全屏
作者信息
- 1北京理工大学管理学院, 北京 100081
- 2北京理工大学国际组织创新学院, 北京 100081
- 3上海人工智能实验室, 上海 200232
尹西明，研究员、博士生导师。北京理工大学管理学院/国际组织创新学院公共管理系主任，粤港澳大湾区数字经济与科技协同创新研究院副院长，教育部战略研究基地北京理工大学科技创新与教育发展战略研究中心副主任。国家制造强国重大项目首席专家，工业和信息化部“十五五”规划专家组成员，国家人工智能产业投资基金专家咨询委员。主要从事人工智能时代的创新管理与科技政策等研究，是场景驱动创新、整合式创新、企业主导型国家创新体系理论的主要提出者和领先研究者。主持并完成国家自然科学基金面上项目、国家自然科学基金青年科学基金项目、工业和信息化部重大项目等国家级和省部级课题10余项。荣获中国科学学与科技政策研究会优秀青年奖、中国科技产业化促进会科技创新一等奖、北京市科技进步奖二等奖等国家和省部级奖8项。出版《场景驱动创新》《场景经济》《国家先导能力》等学术著作8部。多篇资政建议获国家领导人或部委肯定性批示和采纳应用。电子信箱：yinximing@bit.edu.cn
陈律铭，博士研究生。主要从事创新管理与科技政策等研究。电子信箱：chenlyuming@bit.edu.cn。
通信作者:
U. S. AI Genesis Mission: Implications for China’s Research Paradigm Transformation and Strategic Responses
Affiliations
- 1School of Management, Beijing Institute of Technology, Beijing 100081, China
- 2School of Global Governance, Beijing Institute of Technology, Beijing 100081, China
- 3Shanghai Artificial Intelligence Laboratory, Shanghai 200232, China
出版时间: 2026-09-20
doi: 10.3981/j.issn.2097-0781.20260030
文章导航
摘要
收起
人工智能（AI）正由通用科研辅助工具加速演变为驱动科学发现的核心力量，AI领域的全球竞争正从模型、芯片和算力等基础要素延伸至科研基础设施、组织方式与制度规则的综合较量。美国“创世纪计划”以建设“美国科学与安全平台”为核心，通过国家科学技术挑战、分阶段资助和跨部门协同，推动超级计算、科学数据、领域模型、科研智能体与自动化实验设施一体化配置。文章系统分析该计划的战略定位、实施机制和资源组织方式，指出其正推动科研流程由单点工具应用转向计算−实验闭环、科研组织由学科分割转向任务牵引的平台化协同、科研治理由结果评价转向全过程可信验证，但同时面临跨部门协调、持续拨款、数据与知识产权治理、技术路线适配、开放合作与国家安全平衡等现实约束。立足我国科技强国建设和高水平科技自立自强要求，提出依托现有国家科技计划实施科学智能先导专项，构建多节点协同的人工智能驱动科学研究（AI4S）基础设施体系，以重大科研场景牵引跨主体协同，统筹科研智能体、自主实验室发展与安全，完善评价激励与可信验证机制，增强我国科学智能体系的自主性、开放性和韧性，为我国提升原创发现和体系化攻关能力提供参考。
美国“创世纪计划”
/
AI4S
/
科研范式
/
国家创新体系
/
科技强国
Artificial Intelligence (AI) is rapidly evolving from a general-purpose research support tool into a core driver of scientific discovery. Global competition in AI is extending beyond foundational inputs such as models, chips, and computing capacity to comprehensive contest of research infrastructure, organizational arrangements, and institutional rules. Centered on the construction of American Science and Security Platform, the U.S. Genesis Mission promotes the integrated deployment of supercomputing resources, scientific data, domain-specific models, research agents, and automated experimental facilities through national science and technology challenges, phased funding, and inter-agency coordination. This paper systematically examines the Mission’s strategic positioning, implementation mechanisms, and approach to resource organization. It is pointed out that the Mission is driving three interrelated transformations: research workflows are shifting from isolated tool use to computation-experiment closed loops, research organization is changing from discipline-based fragmentation to mission-driven, platform-based collaboration, and research governance is evolving from outcome-oriented evaluation into trustworthy verification throughout the entire research process. However, the Mission faces practical constraints including inter-agency coordination, sustained appropriations, data and intellectual property governance, technological pathway adaptability, and balance between open collaboration and national security. In light of China’s goal of becoming a great power in science and technology and achieving sci-tech self-reliance and self-strengthening at higher levels, this paper proposes launching a scientific intelligence pilot initiative under existing national science and technology programs, developing a multi-node collaborative AI for Science (AI4S) infrastructure system, promoting cross-actor collaboration through major research scenarios, coordinating the development and security governance of research agents and self-driving laboratories, and improving evaluation incentives and trustworthy verification mechanisms. These measures can strengthen the autonomy, openness, and resilience of China’s scientific intelligence system and provide reference for enhancing its capacity for original discovery and systematic mission-oriented research.
U.S. Genesis Mission
/
AI for Science (AI4S)
/
research paradigm
/
national innovation system
/
a great power in science and technology
尹西明, 董思怡, 陈律铭, 茶洪波.
美国人工智能“创世纪计划”对我国科研范式变革的启示与战略应对.
前瞻科技,
2026
, 5
(3)
: 114
-123
.
DOI: 10.3981/j.issn.2097-0781.20260030
Ximing YIN, Siyi DONG, Lüming CHEN, Hongbo CHA.
U. S. AI Genesis Mission: Implications for China’s Research Paradigm Transformation and Strategic Responses[J].
Science and Technology Foresight,
2026
, 5
(3)
: 114
-123
.
DOI: 10.3981/j.issn.2097-0781.20260030
正文
收起
当前，人工智能（AI）正由通用研究工具加速进入科学发现的核心环节，全球科技竞争也由模型、芯片和算力竞争，进一步延伸至科研基础设施、组织方式与制度规则竞争。2025年，美国一方面推动以“星际之门”为代表的企业主导型人工智能基础设施投资，另一方面发布《赢得人工智能竞赛：美国人工智能行动计划》，并于11月以行政令启动“创世纪计划”（Genesis Mission）。到2026年7月，该计划已扩展为由白宫统筹、15个以上联邦机构参与的跨部门行动，联邦投入承诺超过50亿美元。2026年7月21日，白宫发布由科技政策办公室主任迈克尔·克拉齐奥斯（Michael Kratsios）起草的《科学：新的黄金时代》（Science: A New Golden Age），进一步将“创世纪计划”置于美国科研机构改革、AI科研基础设施建设和可信验证体系重构的总体框架中。由此，美国AI战略开始由通用算力和产业基础设施建设，向国家科学发现能力和科研制度体系重塑延伸。
我国正处于科技强国建设和“十五五”规划实施的关键阶段。2026年7月8日，习近平总书记在国家科学技术奖励大会、两院院士大会和中国科协第十一次全国代表大会上明确强调要“推进人工智能赋能科学研究”，并将其纳入增强科技创新体系化攻关能力的重要部署。面对人工智能加速重构科学发现过程的新趋势，亟须系统分析美国“创世纪计划”的战略定位、资源配置方式、组织机制和治理规则，既要识别其强化技术优势和重塑全球科研合作格局的战略意图，也应客观分析其制度创新及现实约束。在此基础上，探索符合我国创新体系特点的科学智能发展路径，这对于提升重大科技任务组织能力、加快原创性突破和实现高水平科技自立自强具有重要意义。
1 美国人工智能“创世纪计划”概况
收起
1.1 总体目标与战略定位
为实现上述目标，行政令设置了“资源摸底−数据治理−实验设施接入−场景验证”的实施路径：能源部须在行政令发布后90天内识别可用于计划的联邦和产业界计算、存储和网络资源；在120天内确定首批数据与模型资产，并开展数字化、标准化、元数据建设和来源追踪；在240天内评估国家实验室和其他联邦科研设施的机器人实验室和AI指导实验能力；在270天内推动平台至少围绕1项国家科学技术挑战形成初步运行能力。由此，平台建设不再停留于算力和数据汇聚，而是以可验证的科研场景逐步打通模型训练、仿真计算、实验执行和反馈优化。
在治理层面，该计划形成“白宫统筹、能源部建平台、联邦部门供资源、国家挑战定方向、外部联盟参与执行”的组织架构。白宫科技政策办公室依托国家科学技术委员会协调参与部门，能源部负责整合17个国家实验室的设施、数据和人才资源，参与机构围绕国家科学技术挑战贡献科研项目、专项数据和实验设施，企业、高校和非营利组织则通过合作协议和项目联合体提供模型、算力、云基础设施与领域知识。其核心战略逻辑是以统一平台降低科研资源跨机构协调调度成本，以国家科学技术挑战筛选适合AI介入的重大问题，以项目验证和年度更新维持技术路线的开放性。
1.2 任务导向的战略重点与分阶段实施机制
2026年3月17日，美国能源部发布总额2.93亿美元的资助申请，设置两阶段资助：第1阶段主要支持技术和组织方案验证，资助额度为50万~75万美元，周期9个月；第2阶段面向较为成熟的项目开展规模化攻关，资助额度为600万~1 500万美元，周期3年。7月22日，美国能源部公布278个进入资助谈判的项目，其中168个由高校牵头、87个由国家实验室牵头，最大项目为1项6 000万美元、为期3年的可控核聚变研究。该资助机制的政策价值是通过国家挑战清单、阶段性投入和跨机构团队，将长期战略目标转化为可验证、可淘汰和可扩大支持的项目组合。
1.3 多场景驱动协同融合的AI科研资源
“创世纪计划”并非建设脱离科研任务的通用算力平台，而是以国家科学技术挑战为牵引，将算力、数据、模型、软件工具和实验设施嵌入具体科研场景。其基本逻辑是：不同领域共享“美国科学与安全平台”的计算、数据管理和AI工具底座，再根据科学问题接入相应的领域模型、专业数据和实验设施，从而形成可迁移的共性能力与面向场景的专用能力相结合的资源配置方式[1]。例如，在关键材料领域，“创世纪计划”提出整合材料数据集、物理信息AI模型及实验和计算能力，构建贯通性能预测、材料合成、性能表征与反馈优化的闭环研发体系；在先进制造领域，运用生成式AI、智能体和数字孪生技术连接研发设计、生产过程与测试验证，提升成果转化和生产效率；在核能领域，重点利用AI加快先进反应堆设计、材料研发和运行优化；在生命健康领域，整合分子、基因组、表型、临床和真实世界数据，服务疾病机制研究、药物发现、临床转化和生物安全监测。这一资源配置模式表明，AI驱动科研的关键已不只是扩大单项资源投入，而是通过场景牵引实现多类资源的动态组合和协同调用。
为保障跨领域资源调用，行政令还要求建立统一的数据标准、元数据和来源追踪机制，明确知识产权、技术许可和商业化规则，并对非联邦合作主体落实数据访问、网络安全和出口管制要求[7]。由此，该计划的重点不是简单扩大单项资源规模，而是围绕重大任务建立资源可识别、可调用、可追溯和可验证的协同机制。
1.4 构建以国家实验室为枢纽的政产学研协同机制
“创世纪计划”行政令明确提出大幅增加AI开发领域的公私合作，在研发协议、用户设施伙伴关系等方面与外部实体深度融合[5]。2026年初，英伟达公司、OpenAI公司、谷歌公司、戴尔公司、甲骨文公司、亚马逊公司等24家科技巨头已明确参与：英伟达公司承诺与能源部合作开发7台AI超级计算机，甲骨文公司负责数据平台搭建，亚马逊公司承诺投入500亿美元建设支持政府机构的AI与超算基础设施。到2026年7月，“创世纪计划”产业联盟的合作伙伴承诺提供的算力、模型、云基础设施、科研专长和直接资金超过8亿美元。首批278个项目涉及342家机构，表明该计划的跨主体协同已由政策倡议进入项目化实施阶段。这一机制的实质是白宫确定总体方向，能源部和国家实验室建设平台并整合设施，各联邦机构根据法定职能贡献数据、项目和实验资源，企业、高校和非营利组织围绕具体任务提供技术能力和科研团队，形成“政府定方向、企业出资源、高校供人才、国家实验室做整合”的分工结构[8]。
1.5 开放合作与安全边界并行
“创世纪计划”在扩大跨部门、跨机构和国际合作的同时，设置了严格的安全边界。行政令要求对平台用户实行高标准审查，并落实数据分级、隐私保护、知识产权保护、网络安全和出口管制要求。对竞争对手，则通过实体清单、排他性科研联盟、技术标准与数据集垄断、云计算资源管制等方式，限制其获取先进AI能力与科学数据资源[9]。
另一方面，行政令要求识别国际科研合作机会。2026年6月，美国与日本宣布未来5年合计投入10亿美元开展联合研究，日本由此成为该计划的首个国际合作伙伴。由此判断，美国并非单纯实施封闭式“小院高墙”，而是在核心平台、关键数据和先进技术受控的前提下，构建面向盟友和可信伙伴的选择性开放网络。这种“安全内核与联盟扩展并行”的模式，可能重塑全球AI4S资源流动、科研合作和技术标准体系，也将增加我国参与全球高水平科学合作的综合成本。
2 美国人工智能驱动科研范式变革的核心特征
收起
“科研范式”概念最早由美国科学哲学家托马斯·库恩在其1962年出版的《科学革命的结构》[10]中提出，主要是指“从事某一科学的研究者群体所共同遵从的世界观和行为方式，是为了保障科研活动高效有序运转所遵循的普遍法则”。库恩意义上的“范式”包含3个核心要素：一是学科共同体共享的理论框架和方法论规范；二是具有示范性的“范例”或“经典问题求解”；三是为常规科学提供问题求解的基本承诺与规则。范式变革（Paradigm Shift）则意味着上述共同信念、方法和评价标准的根本性转换。
循此脉络，科学发现先后经历了经验范式、理论范式、计算范式和数据驱动范式的重要演变。当前，人工智能全面融入科学、技术和工程研究，推动知识自动化与科研全过程智能化。人机智能融合，机器涌现的智能成为科研的组成部分，科研更加依靠大模型驱动的科研大平台。有学者将智能化科研（AI4R）称为“第五科研范式”[11]，其特征包括AI全面融入科研全过程、人机智能融合、有效应对计算复杂性极高的组合爆炸问题、面向非确定性问题、跨学科合作成为主流科研方式、前4种科研范式的融合。
文章采纳“第五科研范式”的提法，但明确将其界定为一种正在形成的、以人机协同和“计算−实验”闭环为核心特征的AI驱动型科研活动组织方式的阶段性转变，而非库恩意义上已经完成的、具有全新“范例”和共同体共识的范式革命。“创世纪计划”不只在于增加科研投入，还在于同步重组科学问题选择、科研资源配置、组织协同和成果验证的科技创新全链条机制。其对科研范式的变革性影响主要体现在科研流程、科研组织和科研治理3个层面。
2.1 科研流程由工具辅助转向计算−实验闭环
行政令设置的实施时序进一步体现了这一闭环逻辑：先识别可用计算资源，再确定首批数据与模型资产，继而评估机器人实验室和AI指导实验能力，最终要求平台至少围绕1项国家科学技术挑战形成初步运行能力。2026年公布的26项国家科学技术挑战将“实现AI驱动的自主实验室”单列为重点方向；能源部发布的资助规则也要求项目团队设计并演示AI与科学研究相结合的新型工作流，并评估其能否提高预测、实验和科学发现效率。这表明，项目考核对象已经由单一算法性能，扩展至AI能否进入真实科研流程并产生可验证的科学增量。
在设施层面，该计划以国家实验室既有自主实验平台为先导基础。白宫于2026年7月21日发布的《科学：新的黄金时代》报告中列举了劳伦斯伯克利国家实验室面向无机固态材料合成的A-Lab、阿贡国家实验室面向材料表征的Polybot，并指出能源部已经布局14个涉及机器人、自主实验室和大型实验自主控制的项目。其政策意图是推动科学仪器采用开放接口和标准化数据格式，减少不同仪器之间难以通信造成的流程阻塞，使AI能够连续调用仿真、表征、合成和测试设施。
这一变化并不意味着科学家退出研究过程。科学家仍负责问题界定、目标设定、异常判断、因果解释和最终验证；AI主要承担大规模搜索、复杂计算、方案编排和重复性实验。因而，“创世纪计划”推动的不是完全无人化科研，而是通过人工智能驱动的平台连接人、模型、数据和实验设施，使科研流程由研究者调用分散工具，转向人机协同运行的计算−实验闭环。
2.2 科研组织由学科分割转向任务牵引的平台化协同
“创世纪计划”以国家科学技术挑战锚定攻关方向，而非完全按照传统学科边界配置项目。能源部首批26项挑战围绕能源主导、科学发现和国家安全展开，2026年7月又吸纳卫生、农业、交通、航天等部门提出新的任务。项目团队可以由国家实验室、高校、企业和非营利组织联合组成，使模型开发、数据治理、仿真计算、实验验证和工程转化由具有不同能力优势的主体共同承担。
2026年3月发布的资助机制设置概念与工作流验证、规模化研究两个阶段，但允许成熟团队直接申请第2阶段，并非所有项目必须依次晋级。这一机制实质上是以不同资助规模和周期匹配项目成熟度，将长期战略目标转化为可验证的项目组合。科研组织因此由单一课题组内部协作，转向依托共享平台的跨机构、跨学科和跨场景协同；国家实验室的功能也由单纯承担科研任务，进一步拓展为算力、数据、模型和实验设施的集成枢纽。
2.3 科研治理由结果评价转向全过程可信验证
传统科研决策在较大程度上依赖研究者的知识积累和经验判断，可能受到认知边界与有限理性的约束，也难以依靠人工方式充分处理海量且复杂的科学信息。人工智能虽然提升了科学知识生成的速度和规模，但也放大了数据偏差、模型幻觉、结果不可解释、实验失控和责任归属不清等风险。科学研究的重要约束正由“能否生成结果”，进一步转向“结果是否可信、可复现和可证伪”。因此，“创世纪计划”将数据来源追踪、访问授权、知识产权、用户审查和网络安全纳入平台建设。《科学：新的黄金时代》还提出在建设强大“科学生成器”的同时，应形成同等能力的科学验证体系。这一系列举措和要求的本质是实现人机场景协同，实现人与机器性能互补，构建“人类定目标、机器做分析、人机共决策”的双向互动模式。“创世纪计划”在模型层面，创世使命联盟（Genesis Mission Consortium, GMC）设“AI模型开发与验证工作组”专注垂直领域模型的严格验证与可靠性，能源部发布的“创世纪计划”国家科学技术挑战也明确要求开发可信数字语料库和AI输出验证工具。
这一变化意味着，科研治理对象将由侧重论文和项目最终成果，扩展至数据、模型、代码、计算环境、实验流程和中间产物的全生命周期。未来科研竞争不仅取决于谁能够更快提出假设和生成候选结果，也取决于谁能够借助人机协同机制，以更低成本实现研究过程的复现、审计和证伪。数据可追溯、模型可解释、过程可复现和责任可识别，将成为智能时代科研基础设施的重要组成部分。
2.4 战略动员与制度执行之间的现实张力
“创世纪计划”体现了美国强化国家科技动员的战略意图，但其政策宣示尚不能等同于已经形成高效统一的“举国体制”。首先，在跨部门协调方面，白宫科技政策办公室主要依托国家科学技术委员会、联邦首席数据官委员会和首席人工智能官委员会（CAIOC）开展协调，各参与机构仍需依据自身法定职能、预算权限和安全规则贡献资源。行政令多次使用“在法律允许范围内”和“视可用拨款情况而定”等限定语，尚未建立拥有独立预算分配权和强制资源调拨权的跨部门执行机构。因此，能源、国防、卫生、基金资助和航天等部门在任务目标、数据开放尺度和项目评价方式上的差异，仍可能形成较高的协调成本。
2026年7月公布的“超过50亿美元联邦承诺”主要由不同机构的科研资助、资助机会和设施投入汇总而成，并不等同于国会一次性批准的独立专项预算。行政令本身未创设新的拨款授权，后续平台建设和美日合作也均以未来拨款可用为条件。这意味着计划的持续性仍受年度预算、部门优先级调整和政府更迭影响。企业合作同样存在不确定性。2025年12月签署的24份合作备忘录主要确认合作意向或既有项目联系，产业联盟超过8亿美元的支持，包含算力额度、模型访问和科研服务等非现金投入。随着合作深入，政府数据开放、商业秘密保护、知识产权归属与成果商业化之间的矛盾可能更加突出。
此外，统一平台与学科差异之间存在技术张力。白宫报告承认，并非所有科学问题都适合AI介入，不同领域对数据规模、模型精度、因果解释和实验验证的要求差异显著。国家实验室现有科学仪器还普遍存在软件接口不开放、数据格式专有和设备互操作性不足等问题。与此同时，平台既要开放联邦科学数据、吸引企业和国际伙伴参与，又要满足涉密管理、供应链安全和出口管制要求，开放协同与安全控制之间难以完全兼容。因此，对“创世纪计划”的判断应区分制度设计、资源承诺和实际科研绩效，既关注其国家级平台建设的制度创新，也要避免将尚处于实施初期的战略动员直接视为已经取得确定成效。
3 对我国科研范式变革的启示与战略应对
收起
3.1 依托现有国家科技计划实施科学智能先导专项，构建多节点协同的AI4S基础设施体系
我国AI4S基础设施建设已形成一定规模，当前短板主要不是资源绝对数量不足，而是跨主体统筹、标准化治理和场景化协同能力不足[5]。算力方面，截至2025年底，我国智能算力规模达到159万PFLOPS，八大国家算力枢纽占全国智能算力规模的80%以上，但多元异构算力统一接入、跨区域调度，以及其与科学数据、算法模型的精准匹配仍不充分。科学数据方面，根据《全国数据资源调查报告（2025年）》，2025年科学研究和技术服务业数据生产量达到1.96 ZB，但数据开发率为32.88%，用于人工智能训练分析的科学数据占比仅为13.43%，权威、标准化和大规模AI就绪数据集仍较为缺乏。科研设施方面，2025年参与国家开放共享考核的5.3万台（套）大型科研仪器年均有效工作1 599 h，年均对外服务273 h，表明科研设施开放共享和跨机构利用水平仍有进一步提升空间。总体来看，我国亟须推动算力、数据、模型、软件、实验设施和科学验证场景由分散建设、独立运行转向标准统一、互联互通和面向重大科研场景的协同配置。
因此，在制度设计上，建议尽快研究启动“国家科学智能先导计划”，参考国家重点研发计划等重大项目支持模式，但突出其面向智能无人科学前沿和国家重大科技工程场景的战略性、先导性、牵引性作用。机制方面，由科学技术部作为主责单位牵头，联合工业和信息化部、国家发展和改革委员会、国家自然科学基金委员会、中国科学院等部门设立“科学智能”重大或重点专项，负责总体布局、关键节点考核与监督评估，委托专业机构承担项目申报受理、立项评审、过程管理等具体工作。专项内部围绕算力网络、科学数据底座、科学模型与智能体、自主实验室等方向设置若干项目集群。实施主体采取“揭榜挂帅”机制和“科学官推荐制”等新型科研组织模式，面向全国遴选优势科研团队和科学智能青年人才，发挥国家战略科技力量骨干作用，鼓励科技领军企业牵头组建创新联合体。考核指标遵循“目标管理、加快应用”原则，设置基础研究类、技术开发类和场景应用示范类3类差异化里程碑节点，实行“年度评估+里程碑考核+滚动长期支持”的动态管理机制，对进展突出的项目加大支持、对未达预期或技术路线验证不可行的项目及时调整或合并，从而将长期战略目标转化为可验证、可淘汰和可扩大支持的项目组合。
3.2 以重大科研场景牵引任务型协同，创新跨域跨主体组织模式
AI4S是模型、数据、算力、实验设备和领域知识深度耦合的系统工程，单一团队难以独立完成从科学问题凝练到实验验证和工程转化的全链条任务。应以重大科学问题和关键科研场景为牵引，建立国家战略科技力量牵头、高校和科研院所承担原创探索、企业提供工程化能力、开放社群参与工具和数据建设的协同机制。
一是围绕重大使命型科研场景组建任务型、动态可调整的科研联合体，强化首席科学家与平台总师协同负责，在科学技术攻关基础上强化科学能力和科学数据、科学成果溢出效应；二是推动重大科研设施、科学数据中心和科研算力平台按规则开放，降低跨机构资源调用成本，打造智能化科研的创新公地；三是完善联合立项、成果共享、知识产权和利益分配机制，减少协同过程中的制度摩擦；四是支持开源科学模型、开放数据集和标准化工具链建设，将单个项目形成的资源沉淀为可复用、可迁移的公共科研能力。
3.3 统筹科研智能体与自主实验室发展和安全，提升科研全流程智能化能力
面向AI由单点工具向科研流程参与者演进的趋势，应加快科研专用模型、科研智能体和自主实验室布局，重点突破科学知识表示、因果推理、不确定性估计、实验规划、仪器控制和多智能体协同等能力。推动科研智能体由文献检索和数据处理，逐步延伸至候选假设生成、仿真搜索、实验方案优化和结果分析，但不宜把“端到端无人科研”设定为所有学科的统一目标。2026年7月，上海人工智能实验室发布“书生·端砚”科学发现平台，连接科学大模型、专业智能体、实验数据与具身自动化设备，并在蛋白质、新材料等方向开展干湿实验闭环验证，可作为国内贯通模型与实验设施的先导实践[14]。
科研智能体进入实验环节后，风险将由信息空间延伸至物理空间。此外，训练数据泄露、模型幻觉、智能体越权调用设备、AI生成虚假数据和实验记录、第三方组件供应链风险，也可能损害科研诚信和实验安全。因此，应坚持“分级授权、人在回路、全程留痕、独立验证”。对一般信息处理和低风险模拟任务，可给予智能体较高自主度；对危险化学品、生物安全和大型科研仪器操作，应设置权限隔离、确定性底层控制、操作沙箱、人工审批和紧急中止机制。建立覆盖数据来源、模型版本、工具调用、实验指令和结果修改的全过程日志，推动第三方复现实验和智能体验证；形成模型与组件清单，记录外部数据、算法、软件和硬件来源。由科技主管部门会同伦理、安全和学术共同体制定科学智能伦理指南与操作规范，在促进创新的同时明确责任主体和问责边界。
3.4 重构评价激励与可信验证机制，提升原创研究质量
尽管我国科研评价改革持续推进，但部分领域仍存在重论文数量、重短期可见产出和重追赶性指标的倾向，与AI驱动、高风险、长周期原创研究的规律尚不完全适配。
建议在评价激励与可信验证机制方面，将相关改革举措嵌入国家重点研发计划现有的“关键节点考核、监督评估和总体验收”全流程管理框架，在专项实施方案中增设科学智能专属评价指标，将原创假设、数据集、模型、代码、实验协议、否定性结果、复现结果和平台服务等纳入成果认定范畴，同时对长周期、高风险研究实行稳定支持与里程碑评估相结合，并参照“需求导向、动态部署”原则建立突发需求的快速响应机制；可信验证体系建设则纳入国家科技报告、科学数据汇交和科技成果汇交制度的现有框架，在科学智能重点专项中增设专项要求，具体包括：要求标注数据来源、采集方法和预处理流程，实现数据来源可追溯；建立版本管理系统，实现模型版本可记录；依托国家科技管理信息系统记录环境参数与依赖条件，确保计算环境可复现；推动自主实验室操作日志全程留痕并自动存档，实现实验流程可审计；建立第三方复现平台与重大成果交叉核验制度，确保关键结论可证伪。
同时，建设与科学智能基础设施配套的可信验证体系，形成数据来源可追溯、模型版本可记录、计算环境可复现、实验流程可审计、关键结论可证伪的全链条机制。推动建立独立验证智能体、第三方复现实验平台和重大科研成果交叉核验制度，防止人工智能在提高成果生成速度的同时放大低质量研究和系统性偏差。
3.5 坚持自主可控与开放合作并重，增强科学智能体系韧性
我国推进AI4S具有新型举国体制、完整产业体系、较大规模科研人才队伍和丰富应用场景等优势，但不宜简单复制美国以国家实验室和大型科技企业为核心的建设路径。应重点提升高端科研仪器、关键科学软件、领域基础模型、核心数据和科研算力的自主保障能力，同时避免资源过度集中于单一平台或单一技术路线。通过跨平台互操作、备份替代、开源生态和动态竞争机制，增强国家科学智能体系的安全性和韧性。
自主可控不等于封闭发展。应继续参与基础科学和全球性议题合作，积极参与科学数据、模型评测、实验接口和科研伦理等国际规则制定。建立科学数据和模型分级分类制度，对开放共享、受控使用和禁止外流的资源实施差异化管理，在保障国家安全和科研伦理的前提下扩大高水平开放，防止美国以算力、数据和技术标准为核心的选择性开放网络演变为对我国的制度性排斥。
4 结束语
收起
随着高水平科技自立自强战略深入推进，AI将加速嵌入科学问题凝练、模型构建、仿真计算、实验验证和成果转化全过程，推动科研活动由单点工具应用向人机协同、虚实融合和平台化组织演进。美国“创世纪计划”的重要影响，不仅在于扩大AI科研投入，更在于以国家级平台、重大任务和可信验证机制重组科研资源与组织流程。我国应立足自身科技管理体制和资源基础，依托现有国家科技计划推进科学智能能力建设，避免重复建设和单一技术路线依赖，统筹提升原创发现、体系化攻关和风险治理能力。
文章主要依据美国联邦政府政策文本和计划实施初期公开信息展开分析。截至2026年8月，多数项目仍处于资助谈判、平台建设或合作机制形成阶段，超过50亿美元的联邦承诺和8亿美元的合作伙伴支持也不等同于已经形成相应科研绩效。因此，现阶段尚难对该计划的长期产出、资源配置效率和制度影响作出充分的因果判断。后续研究应持续跟踪其资金实际拨付、平台运行、项目成果和跨部门协同情况，并比较AI在生命科学、材料、能源和量子等领域的适用边界与差异化影响。
基金
收起
- 国家自然科学基金面上项目(72474025)
- 工业和信息化部重大项目(ZFSZCYJ202501)
文献
收起
参考文献
引证文献
排序方式：
[1]
复旦大学全球AI创新治理中心. 全球AI创新治理| 面向AI时代的“国家级动员”: 特朗普政府“创世纪计划”的布局与前景[EB/OL]. (2025-12-25)[2026-07-16]. https://fddi.fudan.edu.cn/a5/ba/c21253a763322/page.htm.
Global AI Innovation Governance Center, Fudan Development Institute. National mobilization for the AI era: The design and prospects of the Trump Administration’s Genesis Mission[EB/OL]. (2025-12-25)[2026-07-16]. https://fddi.fudan.edu.cn/a5/ba/c21253a763322/page.htm. (in Chinese)
[2]
相博文. AI何以赋能科研: 美国“创世纪计划”的实践及启示[J]. 科学学研究, doi: 10.16192/j.cnki.1003-2053.20260616.009.
Xiang B W. How does AI empower scientific research? The practice of the U. S. Genesis Mission and its implications[J]. Studies in Science of Science, doi: 10.16192/j.cnki.1003-2053.20260616.009. (in Chinese)
[3]
蔡中华, 赵壮薇, 侯淑娟. “创世纪计划”中“美版举国体制”及对我国的启示[J]. 世界科技研究与发展, doi: 10.16507/j.issn.1006-6055.2026.04.010.
Cai Z H, Zhao Z W, Hou S J. The U. S. -style whole-of-nation system in the Genesis Mission and its implications for China[J]. World Sci-Tech R&D, doi: 10.16507/j.issn.1006-6055.2026.04.010. (in Chinese)
[4]
李艳. 美国AI版“曼哈顿计划”面临现实挑战[EB/OL]. (2025-12-11)[2026-07-26]. https://cn.chinausfocus.com/peace-security/20251210/44074.html.
Li Y. America’s AI-style "Manhattan Project" confronts practical challenges[EB/OL]. (2025-12-11)[2026-07-26]. https://cn.chinausfocus.com/peace-security/20251210/44074.html. (in Chinese)
[5]
美“创世纪计划”首批AI研究资助名单公布[EB/OL]. (2026-07-29)[2026-07-29]. https://news.sciencenet.cn/htmlnews/2026/7/568971.shtm.
The first batch of AI research projects under the U. S. Genesis Mission announced[EB/OL]. (2026-07-29)[2026-07-29]. https://news.sciencenet.cn/htmlnews/2026/7/568971.shtm. (in Chinese)
[6]
Genesis Mission national science and technology challenges[EB/OL]. (2026-02-12)[2026-08-03]. https://www.energy.gov/undersecretaryforscience/genesis-mission/genesis-mission-national-science-and-technology-challenges.
[7]
王雪莹, 高继卿, 纪怡. “创世纪计划”力图重塑全球科技版图: 我国面临的AI4S挑战与对策[J]. 世界科学, 2026(1): 13-17.
Wang X Y, Gao J Q, Ji Y. The Genesis Mission seeks to reshape the global science and technology landscape: AI4S challenges and countermeasures for China[J]. World Science, 2026(1): 13-17. (in Chinese)
[8]
史晨, 赵妤婕, 江飞涛. AI for Science: 重塑国家创新体系的新质生产力引擎[J]. 财经问题研究, 2025(10): 3-13.
Shi C, Zhao Y J, Jiang F T. AI for Science: An engine of new quality productive forces reshaping the national innovation system[J]. Research on Financial and Economic Issues, 2025(10): 3-13. (in Chinese)
[9]
“创世纪计划”: 美国霸权焦虑下的科技困局[EB/OL]. (2025-12-22)[2026-07-22]. https://www.qstheory.cn/20251222/43a0c46315894996b6bf9c9f1b0860b8/c.html.
The Genesis Mission: A technological predicament driven by U. S. hegemonic anxiety[EB/OL]. (2025-12-22)[2026-07-22]. https://www.qstheory.cn/20251222/43a0c46315894996b6bf9c9f1b0860b8/c.html. (in Chinese)
[10]
Kuhn T S. The structure of scientific revolutions[M]. Chicago: University of Chicago Press, 1962.
[11]
李国杰. 智能化科研(AI4R): 第五科研范式[J]. 中国科学院院刊, 2024, 39(1): 1-9.
Li G J. AI for Research (AI4R): The fifth paradigm of scientific research[J]. Bulletin of Chinese Academy of Sciences, 2024, 39(1): 1-9. (in Chinese)
[12]
王翠娟. 人工智能引领科研范式变革[N]. 学习时报, 2025-11-10(005).
Wang C J. Artificial intelligence leads the transformation of the research paradigm[N]. Study Times, 2025-11-10(005). (in Chinese)
[13]
秦铮. 人工智能驱动的科学研究: 特征、趋势及建议[J]. 科技中国, 2025(8): 7-11.
Qin Z. AI-driven scientific research: Characteristics, trends, and recommendations[J]. Science and Technology in China, 2025(8): 7-11. (in Chinese)
[14]
迈入AGI科学元认知时刻, 『书生·端砚』解锁全栈科研新能力 | WAIC 2026[EB/OL]. (2026-07-21)[2026-07-31]. https://www.shlab.org.cn/news/5444282.
Entering the scientific metacognition era of AGI: Intern-Duanyan unlocks full-stack research capabilities|WAIC 2026[EB/OL]. (2026-07-21)[2026-07-31]. https://www.shlab.org.cn/news/5444282. (in Chinese)
2026年第5卷第3期
PDF下载
2783
1439
引用本文
BibTeX
文章信息
doi: 10.3981/j.issn.2097-0781.20260030
- 接收时间：2026-08-03
- 出版时间：2026-09-20
- 发布时间：2026-08-17
补充材料
相关文章
表12种不同金属材料的力学参数
| 科 Family | 属数 Number of genus | 种数 Number of species | 占总种数比例 Percentage of total species (%) | 属 Genus | 种数 Number of species | 占总种数比例 Percentage of total species (%) |
|---|---|---|---|---|---|---|
| 鹅膏菌科Amanitaceae | 2 | 11 | 5.26 | 鹅膏菌属 Amanita | 10 | 4.78 |
| 小菇科 Mycenaceae | 2 | 12 | 5.74 | 丝盖伞属 Inocybe | 5 | 2.39 |
| 多孔菌科 Polyporaceae | 8 | 14 | 6.70 | 蜡蘑属 Laccaria | 5 | 2.39 |
| 红菇科 Russulaceae | 3 | 23 | 11.00 | 小皮伞属 Marasmius | 6 | 2.87 |
| 小菇属 Mycena | 11 | 5.26 | ||||
| 光柄菇属 Pluteus | 5 | 2.39 | ||||
| 红菇属 Russula | 17 | 8.13 | ||||
| 栓菌属 Trametes | 5 | 2.39 |
关闭全屏
