Beijing University of Technology

> 2025年，人工智能从实验室概念全面渗透科研现场，在制药、工程等领域带来效率跃升，但也在社会科学中引发“幻觉”风险，重塑科学家的工作方式与职业路径。从火箭发动机两周完成验证到AI制药进入Ⅲ期临床，这场变革不仅加速发现，更挑战传统科研伦理与人才培养模式。 ## 效率革命：从制药到火箭的AI加速 在生命科学领域，AI正将药物研发从“试错”转向“理性设计”。**德睿智药**的AI辅助设计新药于2025年12月启动临床Ⅲ期，成为中国首个进入该阶段的AI设计一类创新药，全球范围内处于领跑地位。 依托AI平台，该项目仅用**8个月**便完成从靶点发现到临床前候选化合物确认，而传统流程通常需要3-5年。第三方服务商予路乾行已与全球50多家客户合作，参与80余个药物发现管线，2025年交付的18条管线中，**超过60%的收入来自国际市场**。 在工程科学中，AI让精密仪器和航天研发步入“自动智能挡”。北京科学智能研究院的智能双束电镜系统Hyper-FIB，将样品制备时间从数小时缩短到**60分钟内**，成功率从不足30%跃升至**90%以上**。  火箭发动机研发智能体平台“Prime一行”，实现设计、仿真、制造、试验全流程智能化，计算效率提升约**千倍**，从构想到实物验证周期压缩至**2周**。北京工业大学团队使用AI智能体“伐谋”优化空间站“电子鼻”，72小时内演化出更优构型，设备体积缩小**40%**，分离效率提升3倍。  ## 风险警示：社会科学中的AI“幻觉” AI进入社会科学研究后，最需要警惕的是系统性风险。中国社会科学网分析指出，**AI可能以极高的语言确定性呈现错误信息，甚至生成看似完整、实则并不存在的文献、数据或方法解释**。这类错误因流畅、权威的表述而更具迷惑性，挑战学术真实性。 同时，AI显著降低文本生成成本，导致低质量论文、拼贴式综述以前所未有的速度涌入学术市场，若评价机制仍重数量轻质量，将加剧生态恶化。 面对风险，学术界正形成人机协作规范： - **AI可做**：文献初筛、代码初稿、格式整理、语句润色等形式化任务。 - **人必须做**：概念界定、核心变量设定、结论判断与学术责任承担。 审稿标准也从“写得像论文”转向核查引文真实性、结果可复现性，强调证据链而非印象分。 ## 教育转型：跨学科项目式人才培养 中小学教育科研中，AI滥用现象凸显。中国教育新闻网报道，一些教师在课题申报中直接使用AI生成材料，但AI生成的课题常显得“大而空”或不完整，甚至存在**参考文献造假**问题。 学校探索“堵疏结合”，制定AI使用“正面清单”和“负面清单”：鼓励资料搜集、语法检查，禁止代写正文、编造数据。 高等教育层面，**北京中关村学院**颠覆传统模式，不设学科、不分专业，所有学习围绕具体科研项目展开。学院常务副院长董彬表示：“前沿AI研究本身就是跨学科的，强行划分学科边界，反而会束缚创新。” 学生自主立项，如南开大学博士生张博雅与AI、机械专业同学组队，攻关“人工智能颠覆微创外科手术”项目。同济附小则构建“师—机—生”三元互动，学生用AI模拟雨棚挡水效果、生成太阳轨迹动画，培养工程思维。  ## 就业分化：AI技能成为新分水岭 普华永道研究显示，2025年要求具备特定AI技能的职位，增长速度是整体就业市场的**近八倍**，薪资溢价从前一年的57%扩大到**62%**。 能利用AI增强人类技能（如创造力、判断力）的职位增长最快，例如放射科医生和招募人员；而因AI使非专业人士更易执行工作的职位（如IT服务经理）增长较慢。 > 金融分析师的案例值得关注：这些人员不但没有被取代，反而获得了强大的AI工具，使其能够进行更复杂的分析。就业人数持续增加，随着新专业化职位出现，薪酬更高。 入门职位日益需要过去被视为高级人才具备的能力，如判断力、同理心、伦理观，自2019年以来要求这些能力的职位增加35%。 ## 重构科研：人机协同成为新常态 2025年，AI赋能科学研究（AI for Science）进入规模化应用，推动科研范式从“试错驱动”转向“预测驱动”。中国基础研究投入从2012年约499亿元跃升至2025年**2778亿元**，占全社会研发经费比重提升至7.08%。 自然科学基金委数据显示，**80%以上的科学基金项目由45岁以下青年承担**，AI加速了人才成长。 然而，AI不会取代科学家，而是重构核心竞争力。未来优势体现在问题选择、概念判断与责任承担上。北京科学智能研究院等机构通过政策布局，如《北京市加快人工智能赋能科学研究高质量发展行动计划（2025-2027年）》，构建通用科研基础设施，促进跨学科融合。  在这场变革中，科学家需驾驭工具而非被其裹挟，守住科研的专业与尊严。

> 2026年6月10日美股收盘，中概股市场呈现鲜明分化：纳斯达克中国金龙指数收跌0.39%，利弗莫尔中概股龙头指数收跌0.44%，多数热门个股走低，但传奇生物、万国数据等凭借硬核利好逆势上扬，凸显市场在宏观压力下对基本面的重新定价。 ## 市场整体承压：芯片股拖累与加息预期升温 当日，美股纳指收跌约1%，芯片板块反弹乏力重回跌势，这直接传导至中概股。下跌阵营中，**自动驾驶公司小马智行跌4.13%**，新能源车板块集体回调：**蔚来跌3.12%**、**理想汽车跌2.89%**、**小鹏集团跌2.21%**。 教育股**好未来跌2.76%**，半导体及光伏相关个股跌幅显著，如**奇景光电跌10.08%**、**大全新能源跌7.17%**。 整体回调的背后，是多重宏观因素的叠加： - **美国5月非农就业数据远超预期**，新增就业17.2万人，约为市场预估的两倍，导致交易员将美联储加息概率大幅上调。高利率环境对成长股构成系统性压制。 - **芯片股此前暴跌拖累市场情绪**，费城半导体指数在6月5日曾暴跌超10%，创2020年3月以来最大单日跌幅，科技板块悲观氛围蔓延。 - 交易员对前期涨幅较大的科技股获利了结，美股此前连续9周上涨，半导体、AI板块估值处于历史高位。 ## 传奇生物领涨：CAR-T疗法临床数据惊艳 在普跌行情中，**传奇生物逆势大涨6.25%**，成为当日最亮眼个股。这一表现源于其创新疗法的突破性进展。公司宣布，将在6月11日至14日的欧洲血液学协会（EHA）会议上，首次公布**体内CD19/CD20双靶向CAR-T细胞疗法LB2501**的初步临床数据。 早期数据显示，在复发/难治性B细胞非霍奇金淋巴瘤患者中，**客观缓解率（ORR）达100%**，**完全缓解率（CR）达83.3%**，且未观察到严重不良事件。这组数据在CAR-T领域堪称顶级水平，市场预期该疗法有望成为淋巴瘤治疗的新突破。 此前，礼来以最高70亿美元收购in vivo CAR-T平台，已催化整个赛道热度。 ## 万国数据发力：300亿加码AI基础设施 **万国数据上涨4.09%**，同样逆市走强。公司近期与乌兰察布市人民政府签署战略合作协议，计划**未来五年投资超过300亿元**，打造多个高密度数据中心园区和GW级数据中心园区。 > 根据规划，万国数据将通过绿电直连、绿电交易等方式实现80%以上绿电覆盖，形成规模化零碳数据中心集群。 随着AI大模型爆发，算力需求持续飙升，此次布局瞄准了智算客户的业务部署需求。乌兰察布的绿色能源（风电、光伏）和区位优势，契合AI基建对低成本、低碳排放的要求，强化了公司在AI基础设施赛道的领先地位。 ## 百度稳健上行：AI垂直应用落地支撑 **百度上涨1.69%**，在科技股普跌中表现相对稳健。近期，百度在AI垂直领域的密集布局提供了支撑： - **AI医疗方面**，百度健康AI智慧门诊已落地中科大附一院，规模覆盖近二十家三甲医院。 - **AI科研领域**，公司与北京工业大学合作，用AI解码科学“暗语”。 - 此外，百度还投资了AI虚拟细胞公司，持续推进AI智能体云端化方案。 在AI行情从“炒概念”转向“看落地”的阶段，这些扎实进展让市场看到其技术的商业化潜力，成为抗跌的核心因素。 ## 后市展望：分化行情聚焦硬核基本面 近期中概股的分化，本质是市场从“普涨”转向“精选个股”。国联民生证券研报指出，本次回调深层次是市场关注点从资本开支向自由现金流切换，高估值资产面临审慎出清。那些依赖题材炒作、缺乏基本面支撑的个股易随大盘调整，而有核心技术、进展兑现的公司则能走出独立行情。 对于投资者，后续可关注两个方向： - **生物医药赛道**：关注有突破性临床数据的创新药企，如传奇生物的CAR-T疗法进展直接驱动股价。 - **AI基础设施与应用**：数据中心等算力上游领域受益于长期需求，而百度等公司在垂直场景的落地成果正释放商业化潜力。 市场分析人士认为，在美联储加息预期升温、科技股估值高企的背景下，中概股的行情已非“一涨俱涨”，抓住硬核逻辑成为关键。

> 空间站空气监测设备体积缩小40%、效率提升3倍，研发周期从“周级”压缩至“小时级”；智能电镜“原眼一号”日均分析样品168个，两周工作量相当于传统设备一年。 当前，人工智能正深度融入中国基础研究全链条，从假设生成、实验优化到数据分析，一场由AI驱动的科研范式变革正在系统性重塑传统“试错”模式，为基础研究注入前所未有的效率与确定性。 ## AI渗透全链条：从经验试错到智能精准 在航天领域，**北京工业大学苗扬团队借助AI工具，将色谱柱构型优化抽象为数学任务**，最终实现设备**体积缩小40%、分离效率提升3倍**。在氢能安全领域，同一团队利用AI优化故障诊断模型，将准确率从92.26%提升至95.04%，理想情况下可节省**70%至80%的维修等待时间**。 在生物医药领域，AI正在改写研发“双十定律”： - **分子之心团队的MMDesign平台**在极低通量实验下，于十余个疾病靶点上实现**超过90%的结合成功率**，甚至攻克了TNFα、GPCR等“难成药”靶点。  - **百奥赛图的RenSuper平台**将抗体发现变为“精准检索”，每天可处理800个样本，高纯度抗体成功率达82%。  - **鲁南制药的AI辅助药物发现平台**有望将新药研发周期缩短30%以上。 在农业领域，**上海师范大学的水稻导航育种系统RiceNavi**为育种材料进行“基因体检”，仅用**两年半便完成主栽品种的精准改良**。 在材料科学领域，**合肥科学智能物质创制中心**利用AI研发的**单原子农药**，以1%铜含量达到国外40%铜制剂的杀菌效果，降低土壤重金属残留90%以上，推广面积超1000万亩。 ## 硬核支撑：经费、数据与人才筑牢根基 AI驱动科研并非空中楼阁，其背后是系统性的支撑体系构建。 在经费投入上，我国正探索**“三层漏斗”式结构**：底层约60%为5至7年长周期稳定支持资金；中层约30%为竞争性项目经费；顶层约10%设立高风险探索基金，专门支持非共识但具备颠覆性潜力的项目，评审核心标准是“成功后能否开创全新科研领域”。 高质量数据是AI科研的“燃料”。国家数据局局长刘烈宏指出，**高质量数据集是AI for Science加速发展的关键支撑**。截至2026年3月，全国已建成高质量数据集**超11.6万个**，总体量超过**960PB**。 人才培养模式同步变革。复旦大学、北京理工大学等多所高校试点开设 **“博士+硕士”双学位项目**，如“X+AI”、“国防特色+AI赋能”，通过双导师制与交叉考核，培养既懂专业又懂AI的复合型人才。 ## 机制破冰：评价改革与协同创新释放活力 体制机制创新为AI科研扫清障碍。**深圳南山区自然科学基金管理办法**彻底扭转“唯论文、唯学历”导向，重点考察项目的科学价值、产业贡献力，并建立科研容错机制，允许结余经费留存团队继续使用。 跨区域协同治理开始探索。针对长三角基础研究联合基金，各地正探索建立覆盖团队、设备、平台、数据、场景的 **“贡献共算”规则**，以解决跨省合作中成果认定与收益分配的难题。 从微观的原子成像到宏观的航天器设计，AI已成为中国基础研究“换道超车”的关键支点。这场范式革命不仅关乎论文与专利，更关乎如何以全新的工具与逻辑，探索未知、创造未来。随着技术迭代与机制完善，AI驱动的基础研究生态正为中国科技自立自强与新质生产力发展，筑牢最坚实的根基。