GDPS 2026：AI for Science成焦點，中國科研範式換道提速

3月27日至29日，2026全球開發者先鋒大會（GDPS 2026）在上海登場，焦點落在 AI for Science 這一新興科研範式。來自浙大校友基金藕舫天使、浙江大学上海高等研究院與晶泰科技等產學研單位的專家齊聚「AI4S浙大校友創業論壇」，共同探討人工智慧如何深度介入科學研究全流程。與會者一致認為，國產芯片、虛擬製造與 AI製藥已逼近商業化門檻，但真正的瓶頸不在算力，而在數據取得與人才轉型。

會中首次揭露，上海未來產業基金已啟動規模達150億元的長期資本布局，專注於「投早投小」。該基金存續期長達18年，採取80%投入子基金、20%直接投資的策略，目前已完成近50億元部署。直投項目涵蓋quantum computing 量子計算、可控核聚變與腦機介面等前沿領域，同步支持35隻聚焦早期技術的子基金，展現政府對未來產業的長期承諾與patience 耐心資本導向。

AI for Science的技術演進被劃分為四階段：從輔助工具、研究助理，到自主發現系統，最終邁向智能體社群。浙大上海高等研究院曹子峥以計算光刻為例指出，這項過去由國際巨頭壟斷的技術，正因AI介入而出現「換道超車」的可能。傳統上依賴人力與經驗累積的研發模式，正被以算力與智能體架構為核心的新競爭力取代，大幅壓縮research cycle 研發週期並提升優化效率，使國內團隊在EDA與光刻軟體等領域迎來突破契機。

然而，數據才是比算力更稀缺的資源。沂景資本王昊澤比喻：「算力是彈藥，算法是路徑，data 數據是地圖。」真實、高品質且包含正負樣本的數據至關重要，但企業出於商業機密考量，往往不願提供實際運作資料，導致多數AI for Science公司陷入「局部最優」的困境。浙大孫奇補充，半導體業的數據即是企業生命線，即便本地部署效果有限，企業仍抗拒將資料移出內網，形成難解的data silo 數據孤島問題。

人才結構也面臨轉型壓力。深勢科技周慶國直言：「傳統實驗科學已走到盡頭，碩博士日夜苦撐只為發論文，反而阻斷了真正的科學創新。」浙大李承喜展示的實驗室場景顯示，學生僅需配置原料，後續的「設計-合成-篩選-反饋」流程皆由機器自主完成，使人類得以專注於高價值的decision-making 決策。智科慧創王一珉進一步指出，全球科研人力供給正趨緊縮，未來必須仰賴科學智能體與自動化實驗平台提升效率，這已是中美乃至全球的共同國家需求。

藕舫天使劉建斌總結，AI for Science已成為中美科技競爭的關鍵變數。中國具備完整產業鏈與人工智慧的雙重優勢，有條件走出一條政府引導與市場效率結合的科技創新路徑。美國已將自主實驗室列為國家戰略重點，而中國正憑藉人才儲備與豐富的產業場景，在計算光刻、AI製藥與virtual manufacturing 虛擬製造等領域加速突破。儘管挑戰仍在，但這場由AI驅動的科研範式變革，已成為我國實現科技自立自強、搶占未來產業制高點的關鍵路徑。