当AI遇上科学：这场论坛用三幕剧揭开未来的神秘面纱

导语：2026年4月25日，2050大会“AGI4Science·新生论坛”以三幕剧形式，全景展现AI从实验室走向产业的科学地图。

2026年4月25日上午9点，2050大会将迎来“AGI4Science·新生论坛——正在生长的科学地图”专场。本次论坛由王婷担任召集人，以“三幕剧”的形式，从“AI落地真实世界”到“AI作为伙伴”，再到“未来去往何方”，全景式展现AI for Science（AI4S）从理论探索走向产业部署的前沿图景。论坛涵盖芯片、物理学、基础数学、生命科学、社会科学、新能源材料等多个领域，汇聚了来自高校、科研机构与产业界的17位青年科学家与技术专家，共同探讨AI4S的生长与变革。

幕前——生长中的AGI4Science：全景、边界、未来，我们走到哪了？

在正式进入三幕探索之前，我们需要先校准坐标。AGI4Science从概念萌芽到多点开花，究竟走到了哪一步？什么是已经被验证的路径，什么是仍在探索的边界，而真正的未来又在哪个方向？这一环节将为我们勾勒一幅正在生长中的科学地图，标定我们当下的位置与下一段旅程的起点。

于晓轶，上海人工智能实验室资深主管、项目经理人团队负责人，将在幕前环节以“生长中的AGI4Science：全景、边界、未来——我们走到哪了？”为题，基于其推动多个AI4S高价值项目的实战经验，勾勒AGI驱动科学发现的当前坐标与演进方向。

第一幕：落地前沿——AI in the Real World

AI for Science的叙事不能只停留在论文与代码中。当算法走出实验室、走进工厂车间与研发产线，它将如何应对真实世界中物理约束、安全边界与产业成本的严苛拷问？第一幕我们聚焦产业一线，邀请来自芯片、生物等领域的科学家与技术专家，讲述AI从“可用”到“有用”的落地故事——在这里，问题不是“AI能做什么”，而是“AI已经做到了什么，以及它还能做到什么”。

吴泰霖 西湖大学助理教授 —— “我们离聚变商用还有多远？AI的机遇在哪里”

吴泰霖博士是西湖大学工学院特聘研究员、助理教授、博士生导师，创立了人工智能与科学仿真发现实验室。其研究聚焦于AI与科学的交叉，利用机器学习加速大规模科学仿真与辅助科学发现，代表性成果包括提出“AI Physicist”算法，能够模仿科学家从观测数据中提炼符号化物理定律；在计算流体力学与等离子体物理中利用代理模型实现数个量级的仿真加速。多项成果发表于NeurIPS、ICLR、ICML等顶会，获MIT Technology Review等报道。本次论坛，他将探讨人工智能在聚变商用中的角色，挖掘AI的潜力与机遇。

姜若曦 复旦大学人工智能创新与产业研究院助理教授 —— “AI看懂物理：让流体在AI里重新流起来”

姜若曦博士现任复旦大学人工智能创新与产业研究院助理教授、硕士生导师，同时兼任上海科学智能研究院AI科学家。其研究聚焦于表征学习与生成模型的科学智能与视觉模型，致力于推进二者的理论统一与算法创新，认为生成模型与表征学习犹如一枚硬币的两面，相辅相成。相关成果发表于NeurIPS、ICML、CVPR等国际顶级会议。她将以“让AI真正‘理解’并预测复杂流体行为”为题，分享取得更深层次突破的思考。

杨晓晖 厦门大学化学化工学院副教授 —— “为什么高端芯片里，有些问题不能只靠实验”

杨晓晖博士现任厦门大学化学化工学院副教授、博士生导师，兼任嘉庚创新实验室AI4EC Lab副研究员。主要研究方向为芯片制造电子电镀材料筛选，致力于将人工智能与电化学计算方法相结合，专注于专用电镀液添加剂的计算模拟和智能设计，成果发表于ACS Catalysis、Chem. Sci.、Electrochimica Acta等期刊。他将阐述人工智能与计算化学如何协同破解传统实验方法难以逾越的瓶颈。

邵雷来 上海交通大学长聘教轨副教授 —— “让AI走进芯片设计核心，能走多远？”

邵雷来博士现任上海交通大学机械与动力工程学院长聘教轨副教授、博士生导师，2021年全职回国。其研究方向专注于新型半导体和Chiplet系统的设计工艺协同优化(DTCO/STCO)、柔性电子、电路设计自动化(EDA)以及机器学习等，累计在Nature Communications, IEEE TED等顶级期刊及会议发表20余篇文章，曾获EDA领域顶级会议IEEE DATE 2018最佳论文提名，谷歌学术累计引用1000+。他将结合实践经验，探讨AI从辅助工具走向芯片设计核心决策引擎的现实路径与关键挑战。

徐丽成 上海科学智能研究院物质科学研究员 —— “不想当‘算法孤勇者’？我们开源了一座AI+化学实验室”

徐丽成任职于上海科学智能研究院，担任物质科学方向的研究员。其主要聚焦于AI for Science领域，通过人工智能技术推动化学反应预测与合成规划。代表性成果是主导开发了名为RXNGraphormer的统一预训练深度学习框架，通过整合图神经网络与Transformer，成功实现了对化学反应活性、选择性以及单步正、逆向合成的精准预测，研究成果发表于《Nature Machine Intelligence》。他将介绍其参与构建的开源智能平台，倡导以开源共建的方式打破学科壁垒，加速AI化学从算法创新到真实实验闭环的转化。

董振 西湖大学助理研究员 —— “我把细胞‘放大’给AI看”

董振博士现任西湖实验室生命科学和生物医学研究所助理研究员，2020年在新西兰奥塔哥大学获得博士学位，2021-2023年在西湖大学郭天南团队从事博士后研究。其主要研究方向是开发基于组织膨胀的空间蛋白质组学技术，参与开发了第一代技术ProteomEx，并主导开发了第二代技术FAXP，该技术被《Nature》期刊作为空间蛋白质组学的重大进展进行专题报道。近五年，他以第一作者或通讯作者身份在Nature Communications, Nature Protocols, Cell Discovery等期刊发表论文12篇。本次他将讲述如何放大细胞，让人工智能得以解析生命活动的空间图谱。

张骥 锦波生物首席AI架构师 —— “一家生物企业的AI，从PPT到产线之间发生了什么？”

张骥作为从学术界坚定投身工业界的实干家，致力于将AI for Science的科学范式深度应用于人源化生命材料制造领域，旨在全面重塑重组人源化胶原蛋白的研发效率与产业化标准，让AI真正转化为实体制造的“新质生产力”。他将以产业一线操盘手的视角，还原一家制造型企业拥抱AI的真实图景，分享从算力基建、人才培养到数据治理、流程再造的全过程，深度剖析AI赋能生物制造跨越“最后一公里”的泥泞之旅与破局之道。

第二幕：AI作为伙伴——From Tool to Partner

当AI从单纯的工具进化为科研的“伙伴”，科学发现的人机关系正在被重新定义。AI不再只是被动计算引擎，而是能够提出假设、参与推理、甚至激发科学家新灵感的协作者。第二幕将目光转向这种新型协作范式：在数学、社会科学、量化金融等领域，AI如何从执行命令的“工具”走向共同探索的“伙伴”？我们承认AI的力量，也承认它还没到的地方。

方榯楷 浙江大学百人计划研究员 —— “一人成军or终产者——Agent时代的R&D、量化交易与科学发现”

方榯楷博士于2025年10月正式加入浙江大学信息与电子工程学院，担任“百人计划”研究员、博士生导师。此前，他博士毕业后加入微软亚洲研究院，在机器学习组担任高级研究员。其长期从事人工智能、机器学习及与物理、金融、气象等交叉学科研究，提出“AI向实”理念，研究方向包括生成模型、时空序列、概率张量、LLM agent、AI4Science等，成果多次发表于ICML、NeurIPS、ICLR等顶会并获得oral、spotlight paper等荣誉。他将探讨AI Agent如何重塑研发、金融与科学发现的工作范式，以及智能体时代个体与系统协作的新可能性。

马煜曦 北京大学人工智能研究院博士生 —— “当AI走进社会科学——人类行为的新显微镜”

马煜曦是北京大学人工智能研究院博士研究生，同时担任北京通用人工智能研究院高级项目经理，拥有PMP认证。其研究根植于心理学与人工智能的交叉领域，聚焦人机协作、计算社会科学等方向。作为核心成员，她参与了通智测试（Tong Test）与“通几何”（TongGeometry）等通用人工智能前沿项目的研发工作，学术成果发表于《Nature Machine Intelligence》、CHI及CogSci等国际顶尖期刊与会议。她将展示如何利用大模型与多智能体技术构建社会行为的计算模型，让AI成为观察、理解乃至预测人类集体行为的新一代工具。

胡舒悦 上海人工智能实验室青年研究员 —— “大模型能否解决人类的真实决策困境？”

胡舒悦于2019年在香港中文大学获得博士学位，2020至2022年在新加坡国立大学、新加坡科技设计大学进行博士后研究。目前为上海人工智能实验室青年研究员，研究领域涵盖多智能体系统、博弈论和大语言模型，特别关注利用大语言模型解决多智能体和博弈论的经典问题，以及提升大模型通用能力。她已在AAAI/IJCAI/AAMAS/ICML/NeurIPS等顶会发表多篇论文，并担任AAMAS 2024组委会成员及Area Chair。本次她将探讨在真实决策场景下，大模型如何辅助人类破解复杂决策困境。

刘奕好 清华大学在读博士生 —— “多智能体究竟好在哪？是不是另一个泡沫？”

刘奕好目前在清华大学交叉信息研究院数据库系统课题组学习，师从张焕晨教授。其研究聚焦于数据库系统和大模型基础设施（RL Infra）两大方向，致力于优化现代分析型数据库（如DuckDB、Presto）及提升大语言模型的训练和推理效率。在数据库领域，她探索存储与执行的协同设计以实现内存高效查询处理，成果发表在VLDB、SIGMOD、CIDR等顶级会议；在LLM领域，关注扩散语言模型的高效后训练基础设施、长文本问答等前沿课题，研究成果已发表在EMNLP等会议上。她将理性剖析多智能体技术的真实价值、适用边界与发展空间，直面行业对其是否为泡沫的质疑。

温力成 上海人工智能实验室研究员 —— “学了全互联网的AI，为什么造不出一架飞机？”

温力成现任上海人工智能实验室青年研究员，2022年获得浙江大学控制科学与工程专业硕士学位。其研究聚焦于自动驾驶、多智能体系统、运动规划与决策等方向，致力于在复杂交通场景中以数据闭环驱动的方式解决多车交互的决策与规划难题，并研发了长期多场景交通仿真器LimSim，为高级别自动驾驶系统的测试验证提供高效支撑。多项研究成果发表于IEEE ITSC、AAMAS、Robotics and Autonomous Systems等会议和期刊。他将从其工程实践出发，反思当前大语言模型在面向高安全、强物理约束系统时的结构性鸿沟，提出直击灵魂的工程之问。

第三幕：未来去往何方——Next-Generation Science

如果AI for Science是一场远航，那么我们已经看到了近海的风景。但更深处的未知海域在哪里？当前范式的能力天花板又在哪里？第三幕我们将以更批判性的视角，重新审视大语言模型。这一环节不给答案，只给问题——因为正是这些问题，将重新定义下一代科学的边界。

杜伟韬 阿里巴巴达摩院基础智能中心算法专家 —— “如果AI回到1900年，它能发现相对论吗？”

杜伟韬本科毕业于中国科大物理学院，后于中科大与美国西北大学攻读随机分析博士。他将在这一环节提出一个挑战性命题：假如将当前AI置于1900年的科学背景下，它能否像爱因斯坦一样发现相对论？通过这一思想实验，引发对AI创造力与科学发现本质的深刻反思。

本次“AGI4Science·新生论坛”不仅是一次前沿成果的展示，更是一次对AI与科学关系的集体思辨。17位嘉宾将用各自的实践与思考，共同绘制一幅正在生长的科学地图。无论您是科研工作者、产业实践者，还是技术爱好者，都能从中获得启发。