8月10日，2023 中关村论坛系列活动——2023 科学智能峰会（AI for Science Congress）开幕。2023 科学智能峰会（下称“峰会”）由中关村论坛办公室作为指导单位，由北京科学智能研究院主办，北京大学北京国际数学研究中心、北京大学国际机器学习研究中心、北京材料基因工程高精尖创新中心、DeepModeling 开源社区、嘉庚创新实验室人工智能应用电化学联合实验室（AI4EC Lab）、宁波东方理工大学（暂名）、上海交通大学药学院、深势科技、苏州实验室、之江实验室、中国科学院计算机网络信息中心、中国科学院宁波材料所联合承办（按拼音首字母排序），由新华网作为战略合作媒体，旨在搭建 AI for Science 领域科研突破、技术培育、人才交流的共建共创平台，共同推动 AI for Science 的基础设施建设，激发创新效能。
本次峰会采取开放讨论，共商共创的交流模式。主论坛上，主办方北京科学智能研究院院长鄂维南院士进行了题为“共建AI for Science”的“引导性”发言。鄂院士指出：“AI for Science 可以帮助科学家解决复杂的科学问题，提高科研效率和质量。”鄂维南院士表示，发展 AI for Science，推动走向“平台科研”模式，需要解决不同科研领域的共性问题，需要共建 AI for Science 的基础设施（概括为”四梁”），包括基本原理与数据驱动的算法模型与软件、高精度高效率的实验表征方法、替代文献的数据库与知识库、高度整合的算力平台。以基础设施为支撑，也在赋能工业应用的实际场景（概括为“N柱”），将在材料科学、能源化工、航空航天、药物研发等方向上带来巨大变革。与此同时，践行 AI for Science 也离不开像深势科技这样的一批产业应用推动者，用好的产品解决行业的真问题。2023科学智能峰会，以“四梁N柱“为主线展开，设置了10余场深度研讨的学术分论坛。AI for Science 是一个具有广阔前景和巨大潜力的领域，也是一个充满挑战和机遇的领域。希望本次会议能够为参会者提供一个高水平的学术交流平台，激发 AI for Science 领域的思想碰撞和智慧交流。鄂维南：今年的论坛跟往年和明年可能又不大一样，去年是在线上，相对来说还是比较国际化的，我们邀请了一些国外的代表参加，明年开始我们希望把它做得比较国际化，所以今年是一个窗口。
所以今天我引导发言两个方面，一个方面是要给大家介绍一下明天分论坛的内容。第二个方面可能跟今天早上上午的闭门会比较相关的，引导大家思考一下中国应该怎么做。这里面最重要的一个问题就是说我们怎么样形成共识，所以这也是今天我这个引导发言主要的目的之一，就怎么样形成共识。首先讲一下过程，刚才已经说了，现在AI for Science已经从愿景到共识。最早2018年汤超院士和我，我们一起在北大组织AI for Science研讨会，这个研讨会以后其实在北大就开始讨论如何布局AI for Science，那到前年北京市政府支持我们成立了北京科学智能研究院AI for Science Summit，这可能是国际上第一个以AI for Science作为研究主题的这样一个研究院。两年前基金委发布了这样一个重大型计划，刚才于吉红副主任也说了，我要纠正一下鑫宇介绍词里面一个说法，基金委对AI for Science的支持可能是国内科研机构里面最早的，到去年科技部发布了这样一个专项部署，应该说这么一个流程使得AI for Science的概念得到了广泛的认可，不光是我展示出来的这些，包括现在有些地方政府、高校、研究机构、国家实验室都开始在这方面布局，前面大家也看到嘉庚实验室、之江实验室都有一些系统的布局。同步一下，它产生的背景是什么，背景很简单我们做科研面临的困难就是我们这个效率相对来说是比较低效的，尤其跟AI比我们效率真的是比较低下。原因在于几个方面，我们用基本原理，可以说科研研究最重要的目标，最重要的成果就是我们得到一些基本原理，像量子力学、流体力学这一基本原理，有了这些基本原理以后我们发现虽然这些基本原理非常重要，但是我们用它来解决实际问题的时候发现这个困难还是很大，能力还是很有限的，这是第一点。第二点，我们用实验手段提供的信息也是比较有限。第三点，我们分析利用数据的能力比较有限。当然还有其他一些，我就不多列了。另外一方面我们科学家工作模式还是小农作坊模式，就像上午我们讨论的，我们做科学计算的人我们自己买一个小的服务器，然后自己找一个地方放在那儿，我们团队就用起来了，就这种模式效率非常低下，这是第一点。正好AI帮助我们提供了这些解决困难的手段。首先，我们发现前面提到那些困难很多都是出于维数灾难这样的困难，深度学习正好提供了解决维数灾难的有些方法，实际上是AI for Science最早的出发点。其次，像大家看到的，或者明天会看到的就是像AI大模型的出现，AI数据库的出现它提供了我们整合知识、数据的有效手段，包括科学文献。第三，AI行业的工业模式就他们建平台来标准化流程，他们的工程能力都给我们提供了很好的榜样。我先说一下有了这样一个AI的帮助以后，最近这两年已经得到了一些比较好的成果，比如说在基本原理这个层面，可能最well known的成果就是DeePMD这样一个工具，分子动力学这样的一个工具，它把从第一性原理，也就是量子力学到分子动力学，从只能做几千个原子一下子提高到做几亿个原子，这是两年前的成果。这样的一个例子它的重要性在于不仅仅对分子动力学是可能实现的，它对我们科学领域里面其他的基本原理，包括像密度泛函等等都是可能实现的，所以这是一个。第二点，可能是更加well known，就是AI数据驱动的模式，给科学研究的数据驱动模式提供了新的工具，这里面大家都很熟悉的就是AlphaFold2，AlphaFold2实际上就是一个非常典型的数据驱动的这样一个例子，那么它用非常elegant的方法一举就解决了生命科学领域的技术问题，就是蛋白结构问题。第三个例子就是DeepModeling开源平台，从一开始我们就意识到我们推动AI for Science要用开源、开放的方式来整合国际科学领域所有的力量来做这样一个事情，这里面有一批年轻人在里面起到非常好的作用，现在国际上也有很大的影响力。总的来讲，我们推动AI for Science，尤其北京智能研究院我们的出发点是什么，这一页PPT可以说总结了基本的内容，我们在推所谓叫“四梁N柱”这样一个模式。所谓“四梁”就是基础的，就是下一代或者新一代的科学研究的基础设施，就像我们科学研究我们有图书馆，我们有宿舍、公园这样的基础设施，我们想推动的就是新一代的基础设施，比方说像基本原理和数据驱动的模型与算法，前面举了两个例子。比方说高效率、高精度实验表征的方法，比如说替代文献的数据和知识库，不光是替代文献，可能它也把我们科学数据进行有效整合，比方说高度整合的算力平台，就像今天早上提到的，我们可能在近几年就会走向所谓的终极算法这样的一个模式，如果有了终极算法这样一个模式我们也可以问我们词可以作为终极算法最好的算力支撑是什么，在这个基础上我们对这些具体的问题比方说像新能源汽车、锂电池、生命科学、生物制药等等这些应用问题，我们就可以打造所谓的垂直整合的平台，这就所谓的“N柱”，这个XDA这个词是从EDA来的，对于每一个行业就可以相应的Design Automation这样的工具。这是基本的一个出发点。那么介绍一下明天的这些分论坛，这应该是我们今天论坛的主要内容了，今天论坛因为各方面的原因真正的内容其实就明天一天，这里面一共有10个分论坛，这也是因为我们这个场地的限制。第一个，王涵召集的算法模型与软件，这是一个基础设施层面的；科学院周园春研究员召集的数据库与知识库层面的，这也是一个基础设施层面的；算力引擎，这个是李鑫宇，我们的主持人牵头组织从整合算力这个层面的；这也是一个基础设施，这一边都是基础设施，那一边是应用。关于表征实验工具，我们分了两块，一块是实验，一块是材料，召集人是苏州实验室的陈忻研究员，另一块就生物医学，那么这个召集人是北京大学的董彬教授，所以这是基础设施层面的，那边是应用；应用层面的有新能源应用专场，这个是厦门大学程俊教授作为召集人；材料应用专场科学院宁波材料研究所的钟志诚研究员召集的，OLED是帅志刚教授，今天上午他也针对性的做了发言；生命科学专场是上海交通大学药学院的张翱院长作为召集人；流体力学召集人是陈云天，是宁波东方理工大学。最后作为结束语，我先引用一下去年峰会上汤超院士他致辞里面的一段话。AI for Science是一个非常有挑战的交叉科学领域，也是一个难得的机遇，它从基础研究到转化再到企业都有很好的前景。它也必将在推动科学与技术的进步、促进经济发展、提高人们生活水平等方面发挥重要作用。从长远角度来讲，我今天讲的是短期目标，从长远角度来讲，我们愿景是利用人工智能技术发现新的科学规律这是科学家长期关注的事情。下面是我自己的一个表述。第一句话，我认为AI for Science中国科技创新历史上最好的机会，这一句话讲得比较大，我经过深思熟虑以后我确确实实感觉到它的确对我们国家来说是我们最好的机会。原因在于它的空间非常大，真的要全方位改变我们科学研究到产业落地，下一代的产业很可能就是在AI for Science基础上建立起来的，这是第一点。第二，我们的政府，科技部、基金委等等都在有力推动这件事情。最重要最重要的我们聚集了一批，包括很多在座的年轻人，聚集了一批真正想干实事的团队，我个人觉得这是目前AI for Science里面如果我们值得谈有什么成就的话，可能这是最大的成就，就是一批年轻人在这个旗帜下非常想做事情。这真是一个难得的机会，我个人希望我们利用这些优势，集力量集中资源尽快落实，以润物细无声，而不是造大势这样的一个方式率先搭建四大平台，而实现平台加垂直整合科研的新范式。深势科技是“AI for Science”科学研究范式的引领者和践行者，致力于运用人工智能和多尺度的模拟仿真算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。
我们开创性地提出了「多尺度建模+机器学习+高性能计算」的革命性科学研究新范式，并推出了Bohrium®微尺度科学计算云平台、Hermite®药物计算设计平台、RiDYMO™强化动力学平台及 Piloteye 电池仿真研发平台等微尺度工业设计基础设施，颠覆了现有研发模式，打造“计算引导实验、实验优化设计”的全新范式。
深势科技是国家高新技术企业、国家专精特新“小巨人”企业，总部位于北京，并在上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中公司的博士及博士后占比超过35%。核心成员获得过2020年全球计算机高性能计算领域的最高奖项“戈登贝尔奖”，相关工作当选2020年中国十大科技进展和全球AI领域十大技术突破。