雷峰网(公众号：雷峰网)讯 2025国际人工智能科学家大会（ICAIS 2025）开幕式暨中关村两院智能科学系统成果发布会在北京隆重举行。本届大会由北京中关村学院与中关村人工智能研究院，联合清华大学、西湖大学共同主办，芝加哥大学协办，是全球首个聚焦“AI驱动科研创新”的标杆性盛会。汇聚中外院士、顶尖学者等多学科领域专家，共探人工智能从科研辅助工具向“智能科研伙伴”的演进之路，碳硅协同正由历代科学家的梦想发展成为全球科技创新的核心引擎与关键路径。
教育部党组成员、副部长徐青森，北京市政府党组成员、副市长穆鹏，北京市教工委副书记、市教委主任李奕，北京市科委副主任、市人才局副局长杨璞，海淀区委书记张革，中关村科学城管理委员会副主任、海淀区副区长唐超出席了此次盛会。清华大学党委常委、副校长吴华强，中国工程院外籍院士、清华大学智能产业研究院院长张亚勤莅临现场并致辞。北京中关村学院院长刘铁岩担任大会主席并致欢迎辞。
大会更云集全球顶尖科学力量：2012年诺贝尔物理学奖得主塞尔日·阿罗什（Serge Harochel），2011年诺贝尔经济学奖得主托马斯·萨金特（Thomas J. Sargent），2013年诺贝尔化学奖得主亚利耶.瓦谢尔（Arieh Warshel）教授，2010年诺贝尔物理学奖得主康斯坦丁·诺沃肖洛夫（Konstantin Novoselov），2000年诺贝尔经济学奖得主詹姆斯·赫克曼James J. Heckman，2021年诺贝尔物理学奖得主乔治·帕利西（Giorgio Parisi）等多位诺贝尔奖获得者通过现场或远程方式出席这场学术盛宴并做主题报告，为大会注入全球科学视野与创新智慧。
北京中关村学院院长、中关村人工智能研究院理事长，大会主席刘铁岩在致辞中表示：聚焦“AI 科学家”核心主题，指出大会不仅探讨AI辅助科研的路径，更前瞻性探索AI成为独立“科学家”的可能性，涵盖多学科领域的认知拓展。他指出：“未来的科研教育与人才培养，将超越纯粹的‘人力驱动’，迈入‘人机协同、碳硅融合’的新阶段——人类的‘碳基智慧’蕴含着意识、灵感与创造，机器的‘硅基智能’承载着不知疲倦的分析、计算与优化，二者的深度融合，将有望超越生物局限，开启一个人类与机器优势互补、协同进化的新时代。”
清华大学副校长吴华强对本次大会给予高度评价，“此次大会恰逢其时，意义深远。不仅是学术界的盛事，更是响应时代呼唤、催动科学发展的切实行动。”同时强调：“必须前瞻性地构建起与智能社会相适应的治理与伦理框架，确保技术发展始终向善、造福人类。”
中国工程院外籍院士、清华大学智能产业研究院（AIR）院长张亚勤指出：AI4S正推动科学研究范式的革命性转变，它不仅将作为新语言和工具加速解决复杂科学难题，还会通过交叉学科融合反哺AI技术本身的突破。未来，AI将不仅模拟人类智能，更会超越顶尖专家智能，重构科学发现体系，并强调“AI for Science是AI的机遇，是科学的机遇，也是中国与全球的机遇。”
中关村两院智能科学系统成果发布
成果发布环节，中关村两院正式发布“全球首个助力科研人才全流程培养的科研智能体系统”——OmniScientist。该系统以“元科学洞察”与“学者数字孪生”的双引擎为核心，旨在超越传统科学智能系统的辅助工具定位，成为青年科学家成长道路上“不可或缺的共创伙伴”。
“元科学洞察”源于对科学知识生产体系的结构化理解与动态建模，使科研智能体能够洞察科学逻辑、识别潜在问题并预测研究前沿；“学者数字孪生”则致力于刻画人类科学家的思维模式与学术轨迹，使系统能够洞察个体科研风格、认知偏好与成长节奏，提供个性化支持与协同优化。两者相辅相成，使OmniScientist不仅理解科研，更理解“做科研的人”。这一创新范式为AI时代的科研人才培养与科学创新模式带来全新启示，推动科研生态迈向更高效、更精准、更具创造力的新阶段。北京市教委主任李奕，海淀区区委书记张革，北京市科委副主任、市人才局副局长杨璞，北京中关村学院刘成林副院长，中关村人工智能研究院院长邵斌，清华大学电子系长聘教授李勇等领导与专家共同完成了系统启动仪式。
科学突破榜单发布
随后，大会重磅发布“2025前沿科技进展与2026未来重大突破预测”科学突破榜单。该榜单由中关村两院联合多位诺贝尔奖得主、中外科学院院士、领域资深研究者与一线青年科研人员，基于AI Scientist智能分析与人类专家深度研判的多维评估模式遴选而成，涵盖信息、物理、化学、生物、经济五大领域。榜单既系统梳理了前沿进展，又为青年学者与科研工作者提供了一份具前瞻性的战略导航，标志着“AI 驱动科研创新”正从微观技术改进迈向宏观科学方向引领，让智能辅助真正成为科学远见的催化剂。
北纬诺贝论坛启动
大会同期启动“北纬诺贝论坛”。据悉，“北纬社区”位于北纬40°，是全球科技创新资源集聚带，此次发起“北纬诺贝论坛”，旨在持续汇聚顶尖智慧，邀请诺贝尔奖得主与青年学者、企业家、科学家深度对接、长效合作，实现思想碰撞、创新赋能与精英孵化。诺贝尔化学奖得主亚利耶·瓦谢尔（Arieh Warshel），诺贝尔经济学奖得主托马斯·萨金特（Prof. Thomas Sargent），中关村科学城管理委员会副主任、海淀区副区长唐超，北京中关村学院副院长李国良，北京中关村学院副院长秦涛，北京中关村学院助理院长盖珂珂等嘉宾共同见证论坛启动。
未来两天（11月24日- 25日），大会将持续汇聚全球智慧、呈现多场学术盛宴，以碳硅协同的深入思考实践，解锁科研创新的无限可能，触及以往未及的思想境界与文明高度。
北京中关村学院与中关村人工智能研究院，“是科技教育人才一体化的新尝试，是新型研发机构的二次方”，以“极基础-极应用-极交叉”为共同导向，实现从理论创新到产业应用的无缝衔接。ICAIS 2025的举办是推动全球科研从“个体突破”走向“智能协同”的重要里程碑。它标志着人类科研范式的深刻变革，更引领我们以一种截然不同的全新视角，接纳和拥抱一个由碳基智慧与硅基智能共同描绘的崭新未来。
附一：关于科研智能体系统OmniScientist
【发布视频下载链接：https://pan.baidu.com/s/1SvyeMyxlE2KlaTA6A_v4lw?pwd=ui4i 提取码: ui4i】
中关村两院正式发布“全球首个助力科研人才全流程培养的科研智能体系统”OmniScientist。该系统以“元科学洞察”与“学者数字孪生”的双引擎为核心，旨在超越传统科学智能系统的辅助工具定位，成为青年科学家成长道路上“不可或缺的共创伙伴”。“元科学洞察”源于对科学知识生产体系的结构化理解与动态建模，使科研智能体能够洞察科学逻辑、识别潜在问题并预测研究前沿；“学者数字孪生”则致力于刻画人类科学家的思维模式与学术轨迹，使系统能够洞察个体科研风格、认知偏好与成长节奏，提供个性化支持与协同优化。两者相辅相成，使OmniScientist不仅理解科研，更理解“做科研的人”。
OmniScientist 致力于为AI时代的科研人才提供最AI的全新培养范式。面对信息爆炸带来的选题迷茫、学科壁垒造成的创新瓶颈、学术与产业脱节的落地困境，以及科研长周期过程中的延时反馈，OmniScientist构建了一套贯穿科研全流程的智能支撑体系：它通过解析海量科学文献与产业前沿报告，帮助研究者建立“以终为始”的思维，以真实需求定位研究切入点；通过捕捉跨学科科学网络的动态脉动，促进跨领域知识迁移与创新融合；通过嵌入产业知识体系，使科研问题始终紧扣社会与经济发展的核心议题。同时，平台打造的“数字科研伙伴”可提供7×24小时的智能反馈与思想共振，助力研究者持续优化科研思路；并支持构建多学科虚拟学术社群，实现跨领域即时协作与灵感激荡。
通过这套系统化支撑，OmniScientist已深度融入从文献调研、创意构思、实验设计到论文撰写的科研全流程，实现“懂科学、懂科研、懂学者”的三重突破，从工具真正进化为科研伙伴。这一创新范式为AI时代的科研人才培养与科学创新模式带来全新启示，推动科研生态迈向更高效、更精准、更具创造力的新阶段。
附二：中关村两院发布《年度科学榜单》
【发布视频下载链接：https://pan.baidu.com/s/1_wnKFElO73YVleCCYES2tw?pwd=jntu 提取码: jntu】
北京中关村学院x中关村人工智能研究院
《2025年度重大科学突破 & 2026年度关键科学问题》
Zhonguancun Academy x Zhongguancun Institute of Artificial Intelligence Release
“10 Major Breakthroughs in 2025 & 10 Key Questions for 2026”
—— 由人类与AI科学家共同评选Human-AI Co-Curated Science Selections
2025年度重大科学突破10 Major Breakthroughs in 2025
人工智能
1、纯强化学习激发反思性推理
提名理由：突破了推理能力依赖人工标注思维链数据的根本障碍。在 AIME 2024 基准测试中取得 77.9% 的成绩（基线仅为 15.6%），并展现出“顿悟时刻”等涌现行为。截至 2025 年第二季度，该成果促使业内实验室广泛采用纯强化学习方法，年底已有超过 40 项复现尝试被记录。
2、 AI首次在国际数学奥赛中达到金牌水准
提名理由：成功解决了需要真正数学洞察力的多步抽象证明，而非仅靠模式匹配。这是首个在正式验证的竞赛数学中达到专家级人类水平的AI系统，并获得国际数学奥林匹克委员会认证，已促使8个国家重新设计课程，纳入AI推理工具。
Physics物理学
3、在重子衰变中观测到 CP 破坏
提名理由：该发现为探索物质-反物质不对称性及超越标准模型的新物理开辟了新路径。其成果依赖于探测器重大升级与全球合作，被列为 2025 年粒子物理学的里程碑式成果。
4、原子钟将精细结构常数变化限制在每年 10⁻¹⁸ 量级
提名理由：为基本物理和暗能量理论提供了迄今最严格的检验；该约束已用于排除 30 多个理论模型，并确立原子钟作为探索新物理的探针，代表了精密测量的新应用方向。
Chemistry 化学
5、固态电池在汽车原型中实现 18 分钟快充
提名理由：首次在真实场景中证明固态电池可安全满足电动汽车快充需求，消除了 2024 年的主要疑虑。示范车队的发布引发汽车板块股价上涨及广泛合作。
6、实现 10,000 小时稳定间歇式碱性海水制氢
提名理由：解决了长期困扰海水制氢的氯离子腐蚀和间歇运行难题，为海洋可再生能源整合开辟路径。该成果被引用 135 次，已成为美国能源部 HydroGEN 联盟的基准研究。
Biology 生物学
7、可编程染色体工程实现兆碱基级基因组重写
提名理由：PCE 将基因组编辑能力延伸至早期工具无法触及的大规模结构变异和染色体结构层面，可应对涉及大片段突变的疾病并推动基础研究。已成功实现兆碱基级编辑（如 12 Mb 的倒位），在医学与农业领域具有变革性意义，其快速应用已充分证明其价值。
8、 蛋白质组尺度诱变揭示蛋白稳定性与疾病关联
提名理由：提供了用于临床变异解读和方法评估的权威、一致的基准数据集，重塑了 2025 年的致病性变异分类体系。
Economics 经济学
9、去中心化金融风险量化模型
提名理由：该模型填补了监管盲区——此前因缺乏数据与方法，DeFi风险无法被衡量。该2025年模型利用链上数据估算，若发生重大DeFi崩溃，可能通过稳定币挤兑引发传统银行高达850亿美元的损失。其在2025年G20峰会上的展示以及金融稳定委员会（FSB）的采纳，使DeFi被正式认定为系统性风险来源，推动研究焦点转向“中心化金融-去中心化金融”（CeFi-DeFi）的传染渠道。
10、 实时金融系统AI监控
提名理由：该系统解决了导致2008年危机的系统性风险检测滞后问题。该2025年系统已在OFR投入运行，将流动性压力事件的预警时间从6个月缩短至72小时。其识别出非银行抵押贷款机构隐藏的杠杆风险，促使美国证券交易委员会（SEC）于2025年8月采取干预措施，展现了切实的政策影响，并推动研究向AI增强的宏观审慎监管方向转变。
10 Key Questions for 2026
AI 人工智能
1、 如何让AI系统拥有在非稳态环境中持续学习与适应的能力？
提名理由：2025年在动态企业环境中部署智能体后发现，静态模型迅速过时，而现有的持续学习方法则面临灾难性遗忘或安全性退化问题。随着AI系统被要求在长时间内自主运行，适应性与稳定性之间的张力已变得尤为关键。解决这一问题将推动网络安全、市场交易和个性化医疗等动态领域实现真正的自主智能系统。
2、 基础模型能否在开放世界场景中实现因果推理，而非仅依赖模式匹配的相关性？
提名理由：2025年，前沿系统通过延长推理时间和多智能体辩论已达到奥数级数学水平，但在跨领域的因果泛化方面仍不可靠，凸显了纯模式识别的天花板。随着企业大规模部署智能体工作流，决策日益依赖对干预与反事实的理解。解决这一问题将释放出超越2025年数据范畴的可靠规划、科学发现与政策支持能力。
Physics物理
3、 引力波探测器能否达到足以观测连续波或随机背景的灵敏度？需要哪些仪器技术的突破？
提名理由：当前探测器已能常规探测双星并合事件，但连续引力波和随机背景信号仍遥不可及。下一代方案（如宇宙探索者、爱因斯坦望远镜）有望大幅提升灵敏度，但依赖复杂的工程技术。2026年是争取资金、完成设计并测试量子增强技术的关键节点。成功将为致密物质、宇宙学和广义相对论提供全新洞见。
4、 聚变示范电厂能否在2030年代初向电网输出净电力？需要在材料、氚增殖和能量提取方面取得哪些突破？
提名理由：NIF 和私营企业近年的进展使聚变能源变得切实可行，但尚未实现净电力输出。尽管已取得高温超导（HTS）磁体等硬件里程碑，材料耐久性和能量转换效率仍是主要障碍。2026年是敲定示范电厂设计方案的关键之年。若能成功，将验证聚变作为无碳基荷电力的可行性。
Chemistry 化学
5、 能否全面理解电池中的固态电解质界面（SEI），从而实现面向长寿命、高性能储能的理性设计？
提名理由：SEI 可能是锂离子及下一代电池中最重要却最不被理解的组分，其稳定性直接决定电池寿命与安全性。尽管已有数十年研究，2026年的关键挑战在于开发原位表征技术（如2025年报告所强调）和多尺度建模工具，以最终理解并调控其形成与演化过程。
6、 如何校正机器学习原子间势能中的系统性势能面（PES）软化问题，以可靠模拟催化与电池中的高能态？
提名理由：2025年的基准测试显示，通用机器学习原子间势能（如 M3GNet、CHGNet、MACE‑MP‑0）因训练数据偏向近平衡态，导致对力场曲率和作用力的低估。要实现材料发现，必须可靠建模缺陷、溶解与退化等高能过程。2025年涌现的新数据集和误差感知框架使解决这一系统性偏差成为2026年的优先任务。
Biology 生物
7、 能否通过可扩展的CRISPR筛选与AI引导的优先排序，实现全基因组范围内所有人基因及调控元件的功能注释？
提名理由：尽管人类基因组已大量测序，仍有约30%的基因缺乏功能注释，调控元件的功能图谱也远未完善。2025年CRISPR筛选虽已扩大规模，但成本高昂且不完整；AI模型虽能预测功能，但缺乏充分实验验证。实现全面注释将推动精准医疗，揭示疾病机制，并为各类遗传背景下的药物靶点发现提供指导。
8、 能否构建具有因果性的、面向个体患者的多组学模型，在单细胞与空间分辨率下，从基因组到蛋白质组再到代谢组预测并解释疾病发展轨迹？
提名理由：2025年，多组学与空间单细胞图谱技术迅速扩展，Borzoi 等工具已能从DNA序列预测RNA-seq覆盖度，单细胞蛋白质组学单次研究可检测超10,000种蛋白，但现有整合模型仍以相关性为主，且受限于特定上下文。AI基础模型（如AlphaFold覆盖扩展、scGPT）日趋成熟，使因果整合首次成为可能，但尚未实现。若能在2026年攻克此难题，将开启具备机制性、可解释性且可临床落地的精准医疗新时代。
Economics 经济学
9、 广泛采用人工智能对劳动力市场、工资不平等和长期生产率增长的一般均衡效应是什么？
提名理由：2025年诺贝尔奖强调创新与创造性破坏，而行业数据显示，到2030年AI将创造数千万新岗位，同时淘汰更多岗位。然而，宏观经济模型尚未调和乐观的生产率前景与工资停滞及技能两极化的实证证据之间的矛盾。解决这一矛盾对设计2026年的教育、劳动与税收政策至关重要。
10、 金融机构与监管机构如何衡量、监控和管理由互联AI系统与算法决策所引发的系统性风险？
提名理由：2025年AI在金融领域的广泛渗透催生了新的传染、羊群效应与闪崩渠道，但现有风险衡量框架仍彼此孤立且滞后于现实。欧盟的AI监管框架与行业对压力测试的呼吁凸显了这一差距。亟需建立一套全面的、针对AI驱动型系统性风险的评估与管理框架。
雷峰网文章
正在生成分享图...