1、第一章 序言1.定义与范式2.发展与态势 3.数据分析第二章 AI 前沿1.从大语言模型走向自主智能体2.具身智能3.脑机接口4.AI 内生安全第三章 数学1.基础理论2.优化3.统计4.科学计算5.复杂系统第四章 物质科学1.物理 2.化学 3.材料 4.能源 第五章 生命科学1.合成生物学2.医学 3.神经科学 4.医疗 5.演化第六章 地球与环境科学 1.大气科学 2.环境科学 3.生态科学 第七章 工程科学 1.通信 2.遥感 3.微电子 4.空间信息第八章 人文社会科学1.社会科学2.人文科学3.AI 伦理治理第九章 展望与政策1.未来挑战与研究方向2.政策框架目录345121314

2、1518181920212425262730313233343738394242444548495051511第一章徐增林 复旦大学、上海科学智能研究院程 远 复旦大学、上海科学智能研究院杨燕青 上海科学智能研究院徐 燕 上海科学智能研究院第二章邱锡鹏 复旦大学 付彦伟 复旦大学 王守岩 复旦大学 杨 珉 复旦大学 邹 宏 复旦大学 第三章陆 帅 复旦大学 石 磊 复旦大学 魏 轲 复旦大学 朱雪宁 复旦大学 高卫国 复旦大学 李颖洲 复旦大学 林 伟 复旦大学 杨 伟 复旦大学 第四章向红军 复旦大学季敏标 复旦大学刘智攀 复旦大学 曹风雷 上海科学智能研究院高 悦 复旦大学 第五章 应天雷

3、 复旦大学 郁金泰 复旦大学 刘 雷 复旦大学 程 远 复旦大学、上海科学智能研究院朱思语 复旦大学、上海科学智能研究院彭汉川 复旦大学 徐书华 复旦大学 第六章李 昊 复旦大学、上海科学智能研究院张宏亮 复旦大学 赵 斌 复旦大学 第七章迟 楠 复旦大学 徐 丰 复旦大学 刘 琦 复旦大学 曾 璇 复旦大学 杨 帆 复旦大学 高 跃 复旦大学 第八章吴力波 复旦大学、上海科学智能研究院唐世平 复旦大学 胡安宁 复旦大学 周葆华 复旦大学 吴肖乐 复旦大学 傅晓明 复旦大学 文少卿 复旦大学 杨庆峰 复旦大学汤维祺 复旦大学 第九章应天雷 复旦大学 颜 波 复旦大学 主席金 力 复旦大学委员（

4、按姓氏拼音字母排序）步文博 复旦大学龚新高 复旦大学金亚秋 复旦大学彭慧胜 复旦大学研究团队内容支持吴文婷 施普林格自然张嘉慧 施普林格自然Rebecca Dargie 施普林格自然John Pickrell 施普林格自然数据支持巨 蓉 施普林格自然黄珏珺 施普林格自然陈佳怡 施普林格自然Vivek Aggarwal 施普林格自然项目协调徐晓创 复旦大学杨燕青 上海科学智能研究院王晓夏 施普林格自然丁思嘉 施普林格自然张瑶瑶 施普林格自然排版设计赵新武 施普林格自然Sou Nakamura 施普林格自然专家委员会漆 远 复旦大学、上海科学智能研究院沈维孝 复旦大学吴力波 复旦大学、上海科学智能

5、研究院张人禾 复旦大学科学智能白皮书 2025 23第一章 序言第一章序言1.定义与范式1.1 定义面向科学研究的人工智能（AI)创新和人工智能驱动的科学研究的总和可被定义为科学智能（AI for Science,AI4S），是体现了人工智能创新与科学研究双向促进与深度融合1，从而变革科研范式。1.2 范式科学研究促进人工智能创新。传统科研范式大致可分为经验归纳（实验科学）、理论建模（理论科学）、计算模拟（计算科学）以及数据密集型科学2。实验科学由自然现象和实验结果归纳出一般性规律，但没有抽象出经验规律背后的普适理论。理论科学基于自然现象或实验结果，提炼科学问题并形成科学假设，然后运用逻辑推理

6、和数学分析，构建普适理论，但难以在复杂系统中实验验证。计算科学以科学模型为基础，通过数值方法模拟复杂系统，但需要简化模型以及提高模拟精度，以解决模拟系统精度低且计算成本高的挑战。随着技术的发展和数据规模的增长，出现了数据密集型科学的研究范式。这一范式利用机器学习方法，自动从数据中发现统计关联，一定程度上避免了提出科学假设，但无法发现因果关系，且难以分析低质量数据和发现复杂系统中的规律。当前的科学研究主要面临系统复杂性的挑战，相互关联的自然、技术和人类系统受到跨时间和空间尺度作用力的影响，导致复杂的相互作用和涌现行为1。传统科学研究方法难以应对这些复杂性挑战，迫切需要新的科学研究方法。针对复杂数