数据和计算的作用在今天变得越来越重要，跨学科协作也成了搞科研的关键。以前的研究方法效率不高，问题特别明显。学科分的太细了，把知识给隔开了，跨领域交流特别费劲。人类研究者的寿命和认知能力也有限，对付大项目的时候就得靠几代人接力。要是只凭经验瞎试错，成功率也太低。这些问题在生物制造和新材料研发这种地方最突出。 最近科技发展的挺快，计算能力强了好多，数据也积累得越来越多。这就让科研模式有了创新的可能。研究文献、设计实验这些步骤现在都能通过智能系统来搞。上海那边就有机构试了试，智能系统在优化实验方案和自动写代码上已经比人强了。 但光有技术还不够，人才结构的问题也得解决。现在最缺的不是单一领域的专家，而是既懂专业又会搞智能技术的人。上海交通大学就开始想办法打破院系之间的墙了。只有大家的知识能共享，才能真正提出有价值的问题。 这种新模式也有了一些成果。在蛋白质设计上就挺有突破的。他们通过大数据和模型分析发现了一些以前人看不见的规律，弄出了全球第一个能工业化生产的智能设计蛋白质。 以后的实验室里会有很多自动化设备。科研人员的工作就会变轻松些了，不用老重复干活儿了。他们能把更多心思放在想问题、规划路线上。这就要求评价体系和资源配置都得跟着变才行。 这种变化不光是技术升级这么简单。它代表着我们探索未知的方式变了——以前靠个人智慧，现在要靠机器和集体的智慧。机器负责干重复的活儿和大工程的事。 未来谁要是能把组织模式搞活了，让人和机器配合得最好，谁就能站在科研的最顶端。这就是新时代科学保持活力的关键所在。