新年伊始，位于上海的生物科技企业正在进行一场深刻的研发范式变革。
一套学习了百亿条蛋白质数据、已交付30余个产业化项目的蛋白质设计大模型，正为新项目持续寻找最优解。
这一现象背后，反映出人工智能驱动的科学研究正在成为加速基础研究向新质生产力转化的核心力量。
从问题导向看，传统蛋白质设计面临着突出瓶颈。
上海交通大学特聘教授、相关企业首席科学家指出，蛋白质作为生命的物质基础，其设计工作长期依赖于专家经验和大量试错，耗时长、成本高。
这种模式严重制约了生物医药、生物农业等战略性产业的发展速度。
同时，许多具有应用潜力的产业需求，如设计耐受极端工业条件的产品、将注射大分子药物扩展到口服剂型等，在传统路径下几乎难以实现。
从机制创新看，科学智能体系通过深度学习和参数优化，解决了这一难题。
十年前，相关研究团队开始收集蛋白质数据进行基础研究，目的是理解极端环境下微生物与普通环境微生物的差异。
用传统指标比较，两者差异不大，但当将数据纳入大模型进行分析，通过逐步细化颗粒度，在1200多项参数指标维度下，大自然的微观规律被完整揭示。
大模型强大的特征提取能力使其能在海量数据中快速识别蛋白质耐受极端环境的结构特征，为科研人员有效解释了微生物耐酸、耐碱等性质的成因，使生物医药等领域研发更加精准高效。
从产业应用看，这一新范式正在加速从实验室走向应用场景。
2025年8月，工业和信息化部公布的人工智能在生物制造领域典型应用案例中，不仅包括蛋白质设计企业，还有来自北京、安徽、天津等地的多家企业，共同推进生物制造全产业链提质升级。
与此同时，由临港实验室牵头打造的多智能体虚拟疾病生物学家系统，目标指向药物研发源头——通过人工智能发现具有临床潜力的新靶标。
该系统已提出两个癌症相关靶标，并将传统以年为单位的靶标发现周期大幅缩短。
从战略高度看，科学智能已成为国家前瞻布局的重点。
"十五五"规划建议明确提出，要前瞻布局量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等未来产业，探索多元技术路线和可行商业模式。
这表明，以科学智能为驱动的基础研究创新，已被纳入国家经济增长战略的核心位置。
从深层意义看，人工智能对科学的赋能远超计算工具的提速优化范畴。
业内专家指出，科学智能的核心价值在于体系化推动科研范式变革，成为加速科学发现和学科交叉的引擎。
它改变的不仅是研发效率，更是整个科学研究的组织方式和知识生成机制。
从全球视角看，科学智能正成为变革科研范式、赋能行业发展、影响产业经济格局的关键引擎。
值得注意的是，在系统性推进科学智能发展的同时，还需在提出全新理论框架等深层领域加大探索力度。
这要求科研机构和产业界不仅要发挥人工智能的工具优势，更要在基础理论创新上寻找更适宜的发展路径，确保科学智能的可持续发展和深度应用。
把科学智能作为“科研伙伴”，不仅意味着更快的计算与更短的周期，更意味着科研组织方式、创新流程和产业转化逻辑的重塑。
面向未来产业的培育壮大，既要加速场景落地、打通转化链路，也要守住安全与规范底线、厚植理论创新根基。
只有在“快”与“稳”、“应用”与“基础”之间形成良性平衡，科学智能才能更持续地释放推动高质量发展的动能。