AI for Science，AI 能不能理解真实的科学问题？它能不能和科学家有效地协作？一个AI系统如果真的要参与科学发现，它还缺少什么？算力、数据、实验平台、工程基础设施，应该怎样支撑这样一种新的科研范式？这是每个科研人都关心的问题。
9月17日晚，由腾讯云与西湖大学联合主办、腾讯云大衍AI4S社区承办的“与AI一起做科学”——大衍AI4S Talk·西湖漫谈首场沙龙，在西湖大学云谷校区学生活动中心H5多功能厅举行。活动以TED式分享加圆桌漫谈展开，围绕AI蛋白质设计、科研AGI大脑层、大模型后训练工程化、科学与工程仿真控制等切口，探讨智能工具进入科研一线后，如何把“算力和模型”变成实验室日常仪器，深度回应科研人关切。
AI走进真实科研的四个切口
西湖大学生命科学学院特聘研究员、蛋白质设计实验室负责人卢培龙以《AI蛋白质设计》为题，梳理从结构预测到序列生成，再到功能验证的闭环。他结合团队在跨膜蛋白、离子通道等方向的公开研究，说明AI已能在给定功能目标下辅助生成具有特定结构的蛋白序列，并在光响应跨膜蛋白、电压门控阴离子通道等案例中缩短“设想—设计—验证”周期。“用蛋白质设计的方法去理解自然，进而超越自然，在AI辅助下，这已经触手可及。”卢培龙总结说。
香港科技大学助理教授、科理新序Scinetics创始人兼CEO/CTO张载熙以《Building the Brain Layer for Scientific AGI》为题作分享。他围绕“科学发现闭环中的AI4S基座模型”展开，指出当前构建闭环面临两大缺口：科学认知缺口（数据分散、模态间缺乏统一推理）和实验反馈缺口（预测与验证通量不匹配）。他提出“基模预测→任务执行→干湿实验验证→数据回流→再训练”的演进闭环，并指出AI4S教学应让学生理解科学数据token化与闭环训练，而非仅学提示词调模型。
“AI for Science的本质是以数据驱动代替传统假设驱动，研究重心应从‘提出好公式’转向‘设计好系统与收集高质量数据’”。情感机器联合创始人、PyTRIO & SwanLab产品总监林泽毅围绕“PyTRIO：用API驱动大模型后训练，赋能AI4S模型加速迭代”展开分享。他介绍PyTRIO平台，通过Training API将分布式训练、GPU调度等底层工程封装为标准化接口，科研团队无需自建基础设施，即可用自有数据对前沿开源模型进行GRPO、OPD、DPO、SFT等后训练，实现模型迭代周期从数周压缩至数天，并展示了其在天文大模型Spec-o3强化学习、Medical OPD医学场景在线策略蒸馏等场景的实际效果。他强调后训练是企业构建数据飞轮、形成差异化竞争力的关键路径。该路径面向高校实验室和中小企业，降低“想训专属模型但没有工程团队”的门槛。
复旦大学人工智能创新与产业研究院助理教授魏龙以“人工智能赋能科学和工程中的仿真、设计和控制”为题，介绍了扩散生成模型在三大方向的应用。他结合可控核聚变控制等案例指出，当任务规则、交付标准和验证信号足够清晰时，AI能够快速迭代和优化方案；进入现实环境后，仿真与真实世界之间的差异，以及可靠反馈和人类指导仍是关键。
共识与交锋：AI离“自己做实验”还有多远？
四场Talk后开展了西湖漫谈圆桌研讨，围绕“AI离‘自己做一场完整实验’还有多远”“谁来提问题：帮手，还是主宰者”等展开。
漫谈圆桌由林泽毅主持，卢培龙、魏龙、张载熙及英灵殿科技创始人兼CEO张昊天，围绕 AI4S 的真实问题与下一步，展开一场面对面的深度对话。
几位嘉宾都认为，AI在部分领域已经超过人类。卢培龙指出，在蛋白质设计领域，AI已经开始“自己做实验”；魏龙认为，凡是规则定义明确、验证信号清晰的任务，AI容易做到比人类专家强；张载熙表示，在纯计算领域（如代码、数学），由于语法规则和反馈机制完备，AI已能很好地解决问题，甚至已有AI生成的论文达到可录用的标准。
但嘉宾也都认同，AI在真实实验场景中仍面临一些问题，如验证信号一旦模糊，AI效果大幅下滑；当前灵巧手等问题尚未解决；纯计算领域，计算简化、实验噪声、泛化性不足是核心瓶颈。
对“AI能否自主提出科学问题”，魏龙坚持科学必须能被人类理解，否则只是技术；张载熙和张昊天则认为AI提出人类看不懂但有效的假说，恰恰是科学突破的标志，张昊天提出这甚至可能催生“Latent Science”新范式。
在给学生的建议中，张昊天鼓励学生尽早进组、开始严肃科研训练，并表示算力不足并非障碍——他在浙大时仅凭一张3090显卡就发表了多篇子刊论文，关键在于用intelligence弥补算力短板。张载熙建议学生充分利用AI工具，紧跟最前沿的进展，避免重复“造轮子”。魏龙建议有志于AI4S的学生要“两手抓”：一手是早进组做科研、以工程方式快速迭代解决问题；另一手是打好数学和AI基础，以科学态度理解AI背后的原理，让知识真正沉淀为内在理解。卢培龙则建议学生保持批判性思维，“尽信AI不如无AI”。
整场圆桌既有共识也有交锋，激发了关于科学本质的深层思考。圆桌不仅呈现了AI4S的前沿图景，也为在场师生提供了兼具方向感与实操性的行动建议。
大衍AI4S社区由腾讯云发起，定位为连接人、AI工具、算力资源与真实科学问题的AI for Science圈子；大衍AI4S Talk作为其思想分享栏目，旨在把一线科研人请到台前，讲亲历问题而非单纯方法论。腾讯云方面表示，大衍AI4S社区后续将联合西湖大学等高校，持续以Talk、开源案例、平台试用和算力资源支持AI for Science教学与科研。
