人工智能驱动科学研究战略的国际比较与政策启示

面对AI4S引发的新一轮国际竞争与变革机遇，主要发达经济体2025年下半年纷纷紧急推出国家级战略部署，构建面向科学突破与产业创新的AI4S顶层设计与政策框架，如表1所示。美国“创世纪计划（Genesis Mission）”以“曼哈顿计划”级别的国家之力，开启人工智能（Artificial Intelligence，AI）加速创新与发现的时代。欧盟发布“科学AI战略”（AI in Science Strategy），启动欧洲AI科学资源中心（Resource for AI Science in Europe，RAISE）以巩固科学领导力和技术主权。英国“AI4S战略”（AI4S Strategy）计划5年内投资1.37亿英镑（约合人民币12.64亿元），打造世界级AI科研和创新生态。日本制定“推进AI4S的基本方针”，以“科学复兴”为目标革新科学研究体系，并推动科学与商业的良性循环。本研究系统梳理了各国在战略目标、优先领域、资源配置、治理框架、推进计划等方面的重要部署，并分析了AI4S战略演进的趋势和特点，以期为中国制定和完善AI4S的国家战略提供参考。

2025年11月24日，美国总统特朗普签署行政命令启动“创世纪计划”。在“星际之门计划（Stargate Project）”和“赢得竞赛：美国AI行动计划（America’s AI Action Plan）”基础上，该计划着力整合全美的计算资源和科学数据，利用AI4S创造更高效率、更具突破性的科学发展新模式，确保美国在全球科技竞争中的主导地位。该计划由总统科学技术助理（Assistant to the President for Science and Technology，APST）领导，国家科学技术委员会（National Science and Technology Council，NSTC）综合协调，能源部（Department of Energy，DOE）负责实施，凸显了“任务导向、平台引擎、协同整合”的系统逻辑和“数据优先、算力保障、领域聚焦、安全可控”的总体考量。

“创世纪计划”将AI4S发展置于国家安全和竞争力的总体图景下，赋予其远超科学发现功能的战略定位，深刻反映出特朗普政府对争夺AI全球技术主导地位的决心。该计划不但被视为与“曼哈顿计划”比肩的国家级科技计划，而且有着“十年内将美国的研发效率与影响力提升一倍”的确切目标，将统筹举国资源打造美国科学与安全平台（American Science and Security Platform，ASSP），推进AI赋能的创新与发现。

DOE作为“创世纪计划”总牵头方，确立了“AI、量子计算、核聚变能源”三大支柱技术为战略优先方向。其中，AI是科研与技术变革的核心引擎，量子计算是突破算力瓶颈的关键增量，核聚变是保障能源安全的终极方案。三者构成相互赋能的“智能—算力—能源”闭环，且均可依托DOE国家实验室现有科研设施、人才、数据等基础条件，快速形成研发合力，降低推进成本，有力巩固美国科技霸权。根据美国白宫“创世纪计划”专题听证会披露的信息，在AI领域，DOE、国家核安全管理局（National Nuclear Security Administration，NNSA）现有3台、在建3台百亿亿次超级计算机；在量子计算领域，多家国家实验室拥有量子计算设备并已建5个跨学科的量子信息科学研究中心；在核聚变领域，劳伦斯利弗莫尔国家实验室的国家点火装置（National Ignition Facility，NIF）已实现“净能量增益”突破，各领域的众多大科学设施积累了海量科学数据集可用于训练不同领域的AI科学模型。“创世纪计划”聚焦先进制造、生物技术、关键矿产/材料、核裂变与核聚变能源、量子信息科学、半导体与微电子六大战略优先领域，制定了极其紧凑的推进时间表：60天内确定挑战清单、90天内梳理计划可用的各项资源、120天内确定安全计划以及数据和模型资产、240天内审查实验设施能力、270天内展示初始运行能力。此后，由DOE联合APST和NSTC进行年度动态更新，以确保推进方向与国家优先事项一致，及时回应国家最新需求。

美国为推动“从计算到现实世界、再从现实世界回归计算的闭环系统”的科学研究模式革命，战略性地提出充分利用联邦政府历经数十年投资积累的全球最大规模科学数据集，建设并运行整合性基础设施“美国科学与安全平台”，通过将超级AI计算机与国家实验室的大科学装置、机器人实验室深度衔接，对各专业领域高质量科学数据进行标准化与AI-Ready处理，构建支撑科学研究的专属数据集、AI模型和AI4S智能体，打造“算力—设施—数据”联动的硬件体系，精准适配复杂科学模拟（如核聚变反应模拟、材料性能模拟）及自动化实验需求（如无人值守材料合成），优化自动反馈循环和监管机制，大幅提升科研效率。

美国加强行政领导力，协同全国力量快速推进“创世纪计划”。首先，DOE聚集核心力量，设立AI与量子办公室和聚变办公室，合并原有科学办公室和技术商业化办公室，整合旗下17家国家实验室的超级计算机、实验设施和科学数据资源，及约4万名科学家、工程师、技术人员力量，推进计划优先任务。其次，联邦政府汇聚跨部门资源，在APST总体领导和NSTC综合协调下，以国家AI研究资源（National Artificial Intelligence Research Resource，NAIRR）为基础，汇集国家科学基金会（National Science Foundation，NSF）、国防部（Department of Defense，DOD）、美国航空航天局（National Aeronautics and Space Administration，NASA）、国立卫生研究院（National Institutes of Health，NIH）等联邦机构协同投入，打破部门间资源壁垒，避免重复建设。最后，调动学术部门和私营部门力量，通过开放国家实验室的设施和数据资源，围绕国家重大科技挑战设立研究奖学金、实习和培训项目，加强与高水平研究型大学的协同联动，此外与英伟达、超威半导体公司（Advanced Micro Devices,Inc.，AMD）、戴尔等科技巨头建立政企合作与利益绑定机制，推动公私资源互补、协同研发。

2025年10月8日，欧盟委员会发布“应用AI战略”和“科学AI战略”两项相辅相成的战略计划，以期推动AI在欧洲的普及与创新，提升战略性产业竞争力，确保欧洲处于AI4S的发展前沿。11月3日，欧盟委员会启动旗舰项目RAISE计划，设立了虚拟的欧洲研究所，统筹来自欧盟成员国和私营部门的AI资源，促进前沿AI技术发展和AI赋能的科学进步，强化欧洲的科研领导力与技术主权，如图2所示。

RAISE计划强调在快速变化的地缘政治环境中，促进AI具备可解释性、透明性、问责性、可靠性、安全性，并与人类权利和社会价值观保持一致。这不仅体现了对AI技术的发展要求，更体现了欧洲在全球AI竞赛中以价值为导向的差异化竞争策略，和提升AI4S领域欧洲标准影响力，增强全球科技治理话语权的布局。

“卓越性与人才”支柱，旨在促进尖端AI技术的开发、使用，以解决复杂科学问题。一方面，针对生成式AI普遍应用引发的捏造、剽窃等问题，监测和评估用于科学研究的AI模型的性能与可信度，定期更新“关于在研究中负责任使用生成式AI的指南”，以提供可信赖的AI4S解决方案。另一方面，面对全球顶尖AI和科学人才竞争，对内构建以“欧洲前沿AI实验室网络”（European Network of Frontier AI Labs）和“科学领域AI卓越网络”（Excellence on AI in Science）为核心的研究社群，并资助“AI4S博士网络”，以促进顶尖研究者跨学科协作，加速科技突破向实际应用、新产品转化，并培养下一代研究人员；对外依托“选择欧洲”和欧盟签证等一揽子政策吸引AI与科学领域的国际人才，强化优势。

“计算能力”支柱，依托与欧洲高性能计算联合体（European High-Performance Computing Joint Undertaking，EuroHPC JU）的合作，促使欧洲用户可用AI算力增加两倍以上。RAISE将依托“地平线欧洲”计划中6亿欧元（约合人民币47.89亿元）资金，确保研究人员和初创企业获得欧洲AI超级工厂（AI Gigafactories）的专用计算资源使用时间。通过汇集欧盟、成员国、地区和私营部门的资源，扩大欧盟AI工厂（AI Factories）建设，计划面向医疗、生物技术、机器人技术、科学等领域投资200亿欧元（约合人民币1596亿元）建设3～5个基地，同时计划在2021年到2027年间投资100亿欧元（约合人民币791亿元）建设13处配备超级计算机与数据中心的设施。通过集成强大算力与高能效数据中心，为科研与应用开发更多AI计算资源。“数据”支柱，旨在构建适用于AI科学研究的数据集。RAISE将支持设计数据实验室，并将其与欧洲共同数据空间（特别是欧洲开放科学云）连接，以确保其适用性及数据的可获取性、可复用性。协助科学家识别有战略意义的数据缺口，通过RAISE网络收集、整理和集合所需的各类数据集。

“研究资金”支柱，依托持续投资支持AI技术发展及其驱动的科学进步。2025年“地平线欧洲”计划专门投资7亿欧元（约合人民币55.87亿元）用于科学领域的AI研发，并计划至2028年将投资翻一番。欧盟委员会提供了超过1亿欧元（约合人民币7.98亿元），支持9个“AI卓越网络”发展，连接各成员国的顶级AI研究实验室，并承诺追加7000万欧元（约合人民币5.59亿元），投资开发大型、多模态AI模型。

RAISE计划力图推动在整个欧洲层面协同加速可信赖AI4S发展应用。公私部门协作方面，通过举办“AI科学峰会”汇集科学家、政策制定者、初创企业、科技公司，以欧盟委员会对商业化的支持，鼓励私营企业发展基于科学应用AI的产品和服务。针对成员国间政策协同，依托欧洲研究区AI科学专项行动开展工作，并通过指标体系监测AI在科研领域的应用进展，以实现政策和投资的及时调整。国际合作方面，借助现有区域研发与创新政策对话机制，与其他国家和地区合作解决AI4S领域具体问题，并通过多边论坛推广欧盟的价值观和标准。

2025年11月，英国政府发布“AI4S战略”。通过与“AI机遇行动计划”（AI Opportunities Action Plan）和“英国现代产业战略”（Industrial Strategy）紧密配合，聚焦有限领域采用“使命”（Missions）模式设置具体、有时限、雄心勃勃的阶段挑战目标，以此激发创新活力，发挥政府在算力资源、数据资产、召集力和针对性投资等关键领域的杠杆作用，强化AI4S的前沿能力和英国的全球科学领导地位，推动经济增长。

从AI与科学研究日益融合，并可能彻底改变科学研究的开展、评估和理解方式的认识出发，英国“AI4S战略”提出了极具时间敏感性的优先领域抢先发展战略，以兑现AI赋能科学和新兴产业发展的机遇，避免被后来者超越。战略基于英国现有优势、与现代产业战略契合度、通过AI显著驱动进步的潜力等因素，选定了“工程生物学、聚变能源、材料科学、医学研究、量子技术”五大优先领域，着力打造可供其他领域效仿的AI4S典范案例，并追求在短期内为公民带来切实成果，如大幅缩短药物发现时间。

战略设定了“能力+地位”双重目标框架。一方面，发展AI4S前沿能力，通过支持已采取行动、致力于引领自主实验室建设的企业，以及本土AI4S科研团队，降低AI与现实世界的连接障碍，加速科学研究进程；另一方面，为确保英国保持全球科学领导地位，以英国研究与创新署（UK Research and Innovation，UKRI）元科学小组（UK Metascience Unit）研究成果为基础，资助将AI融入科学研究的方法论研究，以理解科学过程的变化，确保方法论的发展能提升科研的完整性、新颖性和质量，并惠及公众。目前UKRI和英国科学、创新与技术部（Department for Science,Innovation and Technology，DSIT）联合成立的英国跨学科科学研究中心已资助18名早期职业研究员。为此，战略将采用分阶段启动“使命”的模式，集中资源、激发产业界和学术界协同推进，以期带来一系列科学突破和商业化机会。

为解决AI4S在高质量输入、计算效率和创新主体方面的短板，战略构建了三大支撑体系。“数据”支撑方面，构建AI优先的数据生产与优化体系。针对现有数据质量不高、分散且缺乏“AI Ready”的问题，UKRI发布强制令，要求2030年前，所属设施的所有实验数据按可查找、可访问、可互操作、可重用（Findable,Accessible,Interoperable,Reusable，FAIR）原则归档。此外，联合文艺复兴慈善基金（Renaissance Philanthropy）与亨利·罗伊斯研究所（Henry Royce Institute）定向开发面向材料发现等方向的高价值数据集，并启动3～5项试点捕获负面数据与实验细节，对数据集做补强优化；同时，在布里斯托超级计算中心（Bristol Centre for Supercomputing，BriCS）与爱丁堡并行计算中心（Edinburgh Parallel Computing Centre，EPCC）新建联邦式数据仓储，以实现隐私保护下的高影响力数据安全共享。

“算力”支撑方面，依托AI研究资源提供分级算力访问。针对前沿科研团队普遍面临算力瓶颈的困境，英国从2025年秋季起分三层开放超算资源：“网关”（Gateway）路线提供小规模试用（1万GPU小时），大规模分配支持优先领域基础模型训练（20万～100万GPU小时），并设置“系统接管”（system takeover）通道服务使命型攻关（140万GPU小时）。同时，联合英国国家研究与教育网络（Jisc）盘活高校闲置的计算资源，批量生成材料、催化、聚变等方向的高价值模拟数据集。

“人才与文化”支撑方面，着力培育跨学科研究生态。针对AI科研新型团队结构与技术岗位短缺问题，英国将在博士培养中嵌入AI4S模块，5年内跨学科、跨产业训练至少1000名能桥接AI与科学问题的博士。同时扩大“Encode：人工智能驱动科学研究奖学金”（Encode：AI for Science Fellowships）、“图灵人工智能先锋跨学科奖学金”（Turing AI Pioneer Interdisciplinary Fellowship）两大跨界研究员计划，吸引全球AI人才并资助没有AI研究背景的人员建立领域相关的AI能力和方法，形成领域科学家、机器学习专家、工程师与项目经理协同的攻关体系，并依托英国技术技能与战略研究所（Institute of Technical Skills and Strategy，ITSS）和UKRI为软件工程师、数据管理员等关键短缺岗位建立职业发展通道，全链条重塑科研文化。

2025年10月日本文部科学省出台“推进AI4S的基本方针”。在“计算科学路线图2023”的基础上，进一步提出发挥固有优势，推进以“生命科学”和“材料科学”为首的跨领域、跨组织协作。通过强化信息基础设施，完善和共享先进研究设备与仪器，推动其高端化和大规模集成等举措，发展AI4S先导性应用，革新科学研究体系，实现科学复兴。

日本将AI4S视为“科学复兴”的决胜契机，力图到2030年，构建“全国无论何处、何人都能使用AI开展研究”的社会环境。其战略紧迫性源于三重考量：其一，AI正从根本上改变科学研究范式，从假设生成到实验设计均可实现自动化，而日本在该领域的国际布局已显著滞后于美国、欧盟与中国；其二，面对少子化和老龄化导致的研究人员短缺，AI的“人力替代与扩展”功能有潜力维持科研产出的刚性需求；其三，从经济安全出发，日本必须摆脱AI技术的对外依赖，确保国产科学基础模型的开发能力。战略定位上避免与中国、美国就通用大模型做规模对抗，而是将资源集中于小型专业模型及其智能体（AI Agent）开发，将日本传统优势领域的研究水平提升至世界顶尖。此外，依托精于制造的中小企业集群，将AI科学研究渗透至产业领域，构建科学与商业的良性循环，以求在国际竞争中取胜。

基本方针明确设立了分阶段推进目标：2026—2027年开展种子项目开发、科学基础模型及AI智能体开发；2028—2029年构建大规模自动化/云实验室，建设运营下一代旗舰超级计算机“富岳NEXT”；2030年实现下一代“学术信息网络”（Science Information NETwork，SINET）的运营，以及科研成果向初创企业、产业的转化。为此，制定了四大行动计划。

第一，推进优势领域的先驱性研发与AI应用。通过战略性投资，在数理科学、生命科学、材料科学、防灾、地球环境等重点领域，利用长期积累的高质量数据，开发领域专用科学基础模型。如生命科学领域的基因组语言模型与细胞响应模型，以及材料基础模型等。此外推进AI本身的研究（Science for AI），如AI新原理与架构，保持核心技术的自主创新能力。

第二，构建自动化、高质量的数据生成平台。通过推动研究设备的自动化、自主化与远程化，新建核心设施与大规模自动化/云实验室，显著提升研究数据生成的规模、质量与效率，为AI4S提供高效的数据供给体系。此外，在全国范围内推进研究数据标准化，开放共享与循环利用机制，高效活用日本长期积累的独特高质量数据资产；同时明确包含失败案例在内的负面数据价值，完善数据生态。

第三，建设下一代高性能计算与网络基础设施。以超级计算机“富岳”及计划2030年前后投入运行的“富岳NEXT”为算力核心，以高性能计算基础设施（High Performance Computing Infrastructure，HPCI）框架整合全国14家机构的计算资源，升级超高速SINET，以安全、高速地支撑爆炸性增长的研究数据流通，构建支撑AI4S的“计算—数据”基座。

第四，建立跨部门协同的推进机制，提供系统性保障。从人才培养、跨界合作与治理体系出发，要求多层次储备顶尖科学家、数据科学家和工程师等专业人才，并通过改革教育课程，强化技能再培训扩大人才基数。强调构建促进AI研究者、领域专家与机器人专家跨学科协作的平台，并依托日美国际合作项目（如理化学研究所与美国阿贡国家实验室）提升资源共享水平和日本标准的国际影响力。主张构建国家层面的强力推进体制，确保大胆且灵活的投资，借鉴美国NAIRR等模式统筹资源整合与战略实施。

通过考察美国、欧盟、英国、日本四个国家和地区的战略计划发现，AI4S普遍被提升至国家战略层面，呈现出高层驱动、设施先行、数据筑基、人才为本、领域聚焦、安全可控的特点。

早期人们对AI的认识主要停留在工具层面，即利用AI提高科研效率。而当前主要发达经济体普遍认识到，AI正在引发科研范式的系统性变革。通过发展AI4S，国家不仅能提升科学发现的速度，还可能催生新的产业形态，解决重大社会与经济问题，并作为未来国家的技术储备底线，强化在全球竞争中的主动权。因此，主要发达经济体纷纷从顶层战略高度对AI4S展开系统布局。美国以总统行政令启动“创世纪计划”，明确对标曼哈顿计划，强调“赢得AI全球技术主导地位竞赛”；欧盟提出建设RAISE虚拟研究所，将其纳入“AI大陆”战略核心，以价值观引领塑造“可信AI”的国际规则；英国以部长联合署名文件宣告“AI4S时刻”到来，警示“行动迟缓将被新兴对手超越”。日本则立足本国少子化、老龄化挑战，将AI4S视为“科学复兴”的必然选择，强调“没有AI4S就无法在国际竞争中取胜”。

AI4S上升为争夺未来全球科技主导权的关键战场，进一步使各经济体将其发展与经济安全、国际科技治理话语权深度绑定，在追求效率提升的同时，更加强调自主可控与安全、可持续。例如美国要求新构建的科学与安全平台运行须符合与其国家安全和竞争力使命相一致的安全要求，建立严格的数据访问管理流程和网络安全标准，并对合作伙伴实施最高标准审查；欧盟强调AI开发和应用须遵循欧洲经济安全战略，防范非必要技术转移及依赖风险；英国通过投资“主权AI”保护经济安全，并通过建立AI研究资源减少对大型科技公司依赖；日本政府携手产业界推动尖端研究设备与仪器国产化，以摆脱海外依赖和供应商锁定的经济安全风险，同时保持自主研发特定层级模型的技术能力。

主要发达经济体普遍以基础设施、数据、人才作为AI4S战略的核心能力支点。通过平台化组织方式，打破传统按领域、机构分散配置资源的模式，激发三者之间的协同效应，并利用基础设施的排他性、高质量科学数据的稀缺性、顶尖人才的粘性，构建短期内难以复制的系统性优势。

算力设施与实验设施协同升级。AI算力和自动化实验室被视为变革科研范式的核心瓶颈和关键载体，各国普遍投资于基础设施的自主研发、新建、升级和连接，通过计算基础设施的规模化、分层化、专用化，科研基础设施的自动化、智能化，保障科研专用设施资源渠道和时间，为AI4S发展提供底层支撑。如美国要求90天内确定17个国家实验室及云环境的计算资源，270天内评估并建设机器人实验室及生产设施，通过美国科学与安全平台实现资源统一调度。欧盟通过AI工厂建设倍增可用AI算力，与EuroHPC超级计算和节能数据传输网络深度耦合，打造“模型算法开发、测试评估、验证”全链条服务。英国从2025年秋季起分三层开放超算资源，并强调自主实验室和干湿闭环实验系统建设。日本规划2030年前后启用“富岳NEXT”扩充AI专用计算资源，并在20个基地配置共享前沿研究设备，大幅提升实验速度。

科研数据从资源开放共享转向“AI Ready”的资产建设。AI4S发展焦点正在从模型转向数据，各国普遍认识到，高质量、大规模、标准化的科学数据是发展基石和重要资产。由此出发，美国强调整合联邦科学数据集训练科学基础模型；欧盟依托欧洲开放科学云（European Open Science Cloud，EOSC）和各类数据空间的连接，整合和共享AI4S数据集；英国提出建立“AI优先”的数据生产、存储和优化体系；日本通过国立信息学研究所（National Institute of Informatics，NII）开发的研究数据云平台（NII Research Data Cloud，NII RDC）和SINET打造高效AI4S数据生态。

人才体系的跨学科化与全周期培养。目前各国均面临AI人才短缺，并着力培养“领域+AI”的复合型人才。美国围绕国家科技挑战设立研究奖学金、实习和培训项目，并为参与者提供国家实验室平台访问权和AI赋能科学发现培训；欧盟通过RAISE的“AI4S博士网络”培养下一代研究人员，并依托“选择欧洲”等政策吸引国际顶尖科学和AI人才；英国设定了五年内培养1000名AI4S博士的量化目标，并着力构建融合AI专家、领域科学家和软件工程师的科研团队。日本从顶尖科学家、数据科学家到工程师，多层次储备专业人才。

出于资源有限性的现实考量，主要发达经济体普遍选择“聚焦”优先领域而非“全面铺开”的策略进行资源配置。聚焦领域主要围绕已有优势基础、国家战略使命、AI赋能的潜力、产业化前景四重原则进行盘点取舍。例如美国要求“创世纪计划”提交的科学技术挑战清单必须符合《国家科学技术备忘录第2号》规定的优先领域，基本与经济安全、军事技术、供应链韧性直接挂钩。欧盟基于“既有长期积累优势又能通过AI实现跃升”这一标准，筛选出先进材料和生物技术作为示范领域。英国综合考虑其现代产业战略布局领域、AI驱动学科进步的机会以及短期产生成效潜力，划定了五大优先领域。日本基于长期数据资产和应对人口结构危机的使命，锁定生命科学、材料科学及防灾减灾等优先领域。

鉴于构筑AI4S竞争优势的紧迫性，各国摒弃了传统科研政策的柔性倡导，转向具有明确里程碑和时限要求的工程化管理逻辑。美国设置了60/90/120/270天的刚性节点，要求限期提交挑战清单并展示初始运行能力；欧盟以季度为单位设置了2025年启动、2028年建成RAISE的阶段任务表；英国设立了“在100天内开发出可用于试验的药物”的清晰量化任务；日本在2026—2030年工程表中明确标注了各年度具体建设目标。这种目标导向下的工程化实施模式，体现了AI4S从探索性议题到国家刚性任务的转变。

美国、欧盟、英国、日本均以最高决策层级推动AI4S战略，并建立集中领导的组织间协调机制。美国由DOE直接负责，APST通过国家科学技术委员会召集5家联邦机构协同投入；欧盟RAISE计划由欧盟委员会联合成员国共同协调资源，推动整个欧洲层面的合作；英国发布部长级联合署名战略文件，明确DSIT与UKRI协同推进职责；日本通过了《人工智能法》并设立AI战略总部，由文部科学省牵头协调统筹以“科学复兴”为愿景的政府行动。

为了应对AI领域快速变化的挑战，主要发达经济体普遍制定“活计划”，通过分阶段试点、监测与调整机制、任务清单更新等手段，及时根据AI4S的最新进展调整政策、投资和任务。美国创世纪计划要求270天内展示至少一项挑战的初始运行能力，此后每年与NSTC协商审查并更新挑战清单；欧盟建立了监测机制，依托RAISE与“应用AI战略”中观察站数据的互通动态调整政策；英国将在已公布的战略任务基础上陆续纳入新使命，并实行12个月审查周期跟踪使命与目标的对齐度；日本AI4S年度工程表将与国家科技挑战年度更新联动，并营造容许失败与调整计划的共识。

在AI4S引发的颠覆性变革下，当前科学发展已进入历史性的关键时间窗口。面对主要发达经济体大力推动AI4S，争夺未来科学主导权的紧迫局面，中国迫切需要把握契机，加快形成国家层面的AI4S体系化发展战略，从而更好应对国际竞争，为建设世界科技强国注入强大动力。基于目前公众对AI、机器人等技术接受度较高的社会基础，充分发挥中国产业能力和工程能力的强劲优势，构建产业创新需求主导，工程师、科学家协同的AI4S差异化发展战略，塑造独特的国际竞争优势。通过增强科学发现、技术创新和经济社会发展的创新互动，引领AI4S引发的系统变革。

把握AI时代算力、数据、人才、设施、能源的耦合联动关系，针对重点应用场景和关键竞争领域，加强国家级重大项目、重大平台、重点人才团队集群化布局，引导促进AI与重点产业领域深度交叉融合发展。围绕提升重大任务研发效率，开发自动化实验系统与AI科研智能体，实现“数据采集—模型训练—实验优化”全流程闭环的新范式，大幅缩短科研周期。针对中国AI Ready科学数据建设领域覆盖度有限、格式不统一、面临科技封锁威胁等挑战，以《国家数据标准体系建设指南》为引领加快开展大规模、标准化、高质量的科学数据积累与源头治理，建设自主、开放、安全的国家科学数据体系。

面向国家重大战略使命、社会发展紧迫需求和国际竞争前沿，结合国民经济和社会发展“十五五”规划和国家科技创新规划研究编制，聚焦战略关键方向和有长期积累的学科的交叉领域，集中优势资源力量组织实施一批AI赋能的重大科技创新任务，发挥示范引领作用。科技创新中心城市和区域结合自身优势，实施“AI前沿赛道冲刺计划”，面向未来5～10年实现突破性技术商业化落地目标，凝练AI赋能产业创新的重大科技攻关任务，以任务为引领组建“高校+科研机构+企业”创新联合体承担攻关使命。

统筹科技发展与国家安全双重目标，兼顾自主创新与开放合作的平衡。在保障科技安全前提下，积极与国际伙伴开展AI基础前沿领域交流合作，共同推动面向人类共性挑战的跨国科学计划和大科学工程。积极参与推动开放开源、普惠共享的国际AI4S治理体系建设，力争成为AI时代的开放科学倡导者和引领者。积极开展举办具有国际影响力的AI4S学术交流活动，持续加强高水平海外人才引进，提升国际话语权。