有了AI，人的科研能力是否会退化

这逼着我们重新思考：AI能不能不只作为单点工具，而是作为科研基础设施，把整个流程重新组织起来？

我们搭建高能AI平台，整合算力、模型、数据、专业知识和科研软件，推动AI成为可复用、可共享的新型科研基础设施。这件事的深层意义，是让AI从个别团队的实验性工具，变成科研人员可持续使用的公共能力。

真正让我感受到范式转变的，是在高能同步辐射光源上的实践。我们建设先进光源AI4S平台，贯通数据、算力、模型、智能体和实验控制，科研效率大大提升。譬如，X射线吸收谱到三维结构的解析时间，从数小时缩短到秒级。

更关键的是科研流程的变化。过去，实验、分析与方案调整之间的衔接，主要依靠科研人员推动；如今，AI正将这些环节更紧密地连接起来，使分析结果及时反馈到实验，支持参数动态调整。科研人员的作用也随之转变：从逐步执行和协调具体任务，转向更多地把握研究方向、设定物理约束，并在关键环节作出判断。

这种变化在散裂中子源上更加明显。我们参与的跨学科团队研发了一个智能体，它融合大模型、专家知识和专业精修软件，能根据拟合结果自主调整参数和策略，形成“决策—执行—评估”的循环。在五种材料的实测数据测试中，它的精修结果达到人类专家水平，同时效率提升约5倍。

这背后是研究逻辑的深刻转变：从“人使用工具”转向“人机协同求解”。AI把大量规则性、重复性的工作接过去，让科研人员有更多精力聚焦科学问题本身。但这要求我们必须更清楚地知道要解决什么问题、哪些假设需要验证、哪些结果需要审查。AI正在倒逼我们把过去藏在经验里、说不清楚的东西显性化，变成模型、规则和约束，大科学装置的科研范式也由此发生三个方面的转变：科研流程闭环迭代提速，研究方式走向人机协同，科研体系走向平台化组织。（记者 陈海波、崔兴毅）

编辑：HN008