战略科学家对话：AI+科学，数据和人才是关键

主要观点总结

本文报道了关于人工智能与科学探索交汇的议题，提到了在WAIC 2025科学前沿全体会议上上海人工智能实验室主任周伯文教授的主旨报告以及一系列关于人工智能在科学研究领域的应用和实践。文章还介绍了多位战略科学家在人工智能与科学交叉领域的最新进展和讨论，强调了AI正在革新科学研究范式，并讨论了AI与科学深度融合的关键因素，包括数据和人才。

关键观点总结

关键观点1: 人工智能与科学探索交汇带来的机遇和挑战

人工智能与科学探索的结合展现出无尽的可能边界，开始激发无限想象。这一历史性机遇可能会推动人类认知边界的突破。

关键观点2: 先进人工智能在科学研究中的应用

上海人工智能实验室推出的『书生』科学多模态大模型Intern-S1和『书生』科学发现平台Intern-Discovery等实践，助力科研突破与产业创新。

关键观点3: AI对科学研究范式的革新

随着AI的发展，许多过去难以攻克的科学难题有望得到解决。国内最顶尖的科学家在AI+生命科学领域的最新进展展示了AI在科研领域的重要性。

关键观点4: AI与科学交叉领域的挑战和解决方案

高质量数据和人才是推动人工智能与科学深度融合的两个关键因素。科学家们讨论了建立规范化、规模化的数据生态系统的重要性，并呼吁加快复合型人才培养。

关键观点5: AI在科学领域的应用实例

上海AI实验室采用科学多模态架构打造Intern-S1大模型，实现了对科学数据的深入理解与高效处理，并在多个学科专业任务上超越了顶尖闭源模型。此外，还通过整合专业数据，提供了一系列科研工具，助力科研人员一站式完成科研流程。