人工智能驱动的科学研究创新

　　* 陈强远，中国人民大学国家发展与战略研究院教授、中国人民大学长江经济带研究院研究员，博士生导师，主要研究方向为创新经济、区域经济。周佳元（通讯作者），中国人民大学经济学院博士研究生，研究方向为国际经济。周海东，中国（上海）自由贸易试验区管理委员会陆家嘴管理局副局长，研究方向为产业经济学、知识产权和创新发展。本文系国家自然科学基金项目（72473151，72073093）、中国人民大学长江经济带研究院长江经济带高质量发展经济版图研究项目（2025K20644）的阶段性成果。

1.引言

　　科学研究与技术创新是经济增长的核心驱动力，内生增长理论将技术进步内生化，明确研发投入带来的知识生产和积累是推动全要素生产率（TFP）提升、实现经济持续增长的关键（OECD，2023）。而知识生产和积累效率的提升，高度依赖科研范式的创新与科研工具的升级。从传统实验试错到计算机辅助科研，再到现阶段的“人工智能驱动的科学研究”（以下称为“AI for Science”），科研范式和工具的每一次变革，都推动了知识生产的边际产出实现大幅提升。在传统科研模式中，科研活动以“科学家提出假设—实验设计验证—结果迭代修正”的线性流程为主，高度依赖研究者的个人经验与专业直觉，大量人力被投入重复性实验、数据整理与低效筛选环节。这一科研模式不仅研发周期长、试错成本高，且受限于个体能力难以实现规模化复制，导致在高复杂度、高维度的科研领域，知识生产效率面临着显著瓶颈。随着AI技术的快速发展，算法模型的预测精度、泛化能力与算力支撑水平持续提升，AI的角色从“提高单环节效率的辅助工具”转向“参与问题提出与结果解释的科研合作者”，深度介入科学发现、技术研发、工程优化的全链条，推动科研活动形成“数据—模型—实验—再数据”的循环迭代系统，实现了科研范式的颠覆式革命和根本性变革。