【ZiDongHua 之“创新自化成”收录关键词：科研自动化 人工智能 知识图谱 科研智能化 实验室自动化 机器人 智能自动化】

 

科研自动化：中国科学院技能大赛揭示AI驱动科研新范式

——简评《中国科学院第四届职工技能大赛人工智能领域比赛团队赛晋级名单出炉！》

 

导读：学科知识图谱自动生成、科研智能工具灵活调用，20支晋级队伍在中国科学院第四届职工技能大赛上展示了科研自动化如何重塑科学研究范式。

 

2025年10月17日，中国科学院第四届职工技能大赛人工智能领域比赛“AI+科学”团队赛初审答辩圆满结束。来自院内30余家单位的参赛团队围绕学科知识图谱生成挑战和科研智能工具调用及开发两大赛题展开激烈角逐，最终20个优秀团队成功晋级线下决赛。

这场赛事不仅是一场技术比拼，更展现了科研自动化技术正在如何深刻改变科学研究的范式与方法。

 

中国科学院第四届职工技能大赛人工智能领域比赛“AI+科学”团队赛在10月17日圆满完成初审答辩，团队赛晋级名单出炉。

 

 

 科研自动化的内涵与演进

 

科研自动化是AI驱动科研新范式演化的关键阶段。从演进历程看，AI驱动的科研范式正经历从科研自动化到科研模型化，再到科研智能化的发展过程。

 

​​科研自动化的核心价值在于通过对实验操作过程的模仿复制，实现对科研人员一定程度的替代，解决高强度、高重复、高频率、高精度的科学实验与试错问题。根据自动化的程度和规模，实验室自动化大致可分为四种类型：单模块形式自动化、工作站形式自动化、流水线形式自动化、机器人形式自动化。

 

在中国科学院此次技能大赛中，参赛团队需要完成学科知识图谱生成和科研智能工具调用及开发两大任务，这正体现了科研自动化技术在不同层面的应用。从简单的实验操作自动化到复杂的科研流程自动化，技术进步正在不断扩大自动化在科研中的应用范围。

 

 大赛亮点：两大赛题展现自动化水平

 

学科知识图谱生成挑战

 

这一赛题要求参赛团队利用人工智能技术，将复杂的学科知识体系转化为结构化的知识图谱。知识图谱作为人工智能时代的“知识基础设施”，能够将碎片化的科学研究成果整合成有机联系的知识网络。

 

对于科研人员而言，这意味着可以更快速地把握学科全貌，发现不同概念间的潜在联系，从而加速科学发现进程。参赛团队需要解决从海量文献中自动提取实体、关系构建、知识融合等关键技术难题，体现了知识处理自动化的高级形态。

 

科研智能工具调用及开发

 

这一赛道聚焦于提升科研工具的智能化水平。参赛团队需要展示如何利用AI技术优化现有科研工具的性能，或开发全新的智能科研助手，实现科研流程的自动化。

 

优秀的科研智能工具不仅能自动化处理重复性劳动，更能通过智能算法提供科研决策支持，从数据分析和实验设计等环节为科学家赋能，实现更高层次的自动化决策。

 

 科研自动化的实际应用与价值

 

科研自动化在实际科研工作中展现出多重价值。它能够最大程度地降低科学家或实验操作人员身体疲惫或情绪变化等主观因素带来的负面影响。

 

在实验操作中，科研自动化适合进行高危高频高强度实验，可实现在高温、剧毒、黑暗等恶劣实验环境下对人力的替代。在高精度实验试剂的操作中能够提升克级、毫克级高通量试剂筛选中的效率与准确性。

 

以中国科学技术大学开发的机器人化学家“小来”为例，这一智能科研设备覆盖了收集信息、提出假设、分析处理等科研全流程。它能够在智能查找并阅读文献过程中，将前人的论文、专利等文本通过自然语言形成机器可以“理解”的结构化数据，并以此为基础提出科学假说、设计实验方案，实现了从信息处理到实验设计的全流程自动化。

 

 技术支撑：科学基础大模型的核心作用

 

中国科学院自动化研究所发布的ScienceOne智能科研平台为科研自动化提供了核心技术支撑。该平台基于科学基础大模型，瞄准各学科的共性科学研究需求，从数据理解、计算优化、推理评估三个维度实现了能力突破，可平台式、规模化地赋能“假设提出-方案规划-仿真推演-实验验证-规律发现”科研全流程。

 

ScienceOne平台的S1-ToolChain科学工具调度台实现了跨学科数据理解、科学计算与仿真等工具的自主协同调用，通过科学模型标准协议，支持接入各类通用与专业科学模型和工具，以智能体进行工具流编排和任务串联。当前，科学工具调度台已集成数理化与工程学科近300个多模态科学数据分析、微分方程求解、离散优化、跨尺度仿真等工具。

这种基于大模型的工具调度系统，使得科研自动化从简单的操作自动化升级为智能决策自动化，大大提升了科研效率和质量。

 

 行业影响：科研自动化推动科研范式变革

 

科研自动化正推动整个科研范式的变革。从传统依赖科研人员个人经验和直觉的实验方法，转向数据驱动和算法优化的自动化科研模式。

 

在生物医药领域，AI驱动的自动化药物筛选平台能够大幅缩短新药研发周期。在材料科学领域，自动化实验平台可以实现新材料的快速合成与表征，加速材料发现过程。

 

中国科学院此次技能大赛通过“以赛促研、以赛促用”的方式，加速了科研自动化技术创新与产业应用的结合。往届获奖团队的技术成果已成功应用于实际科研场景，如上海微系统所开发的无人机多机协同技术等。

 

 未来展望：从科研自动化到智能自动化的演进

 

随着人工智能技术的不断发展，科研自动化正朝着更加智能化的方向演进。未来的科研自动化系统将不仅能够执行预设的实验操作，还将具备自主学习和决策能力。

 

科研范式将从当前的科研自动化阶段，向科研模型化和科研智能化方向发展。科研模型化阶段，通过对AI大模型的探索应用，实现高维计算和高效解析。科研智能化阶段，则将通过建立通用大模型训练平台并持续推动模型迭代与优化，实现高复杂度、高任务量科研的过程自主决策。

 

中国科学院在科研自动化领域的布局与探索，为我国在未来科技竞争中占据有利位置奠定了基础。随着磐石·科学基础大模型的开源开放，科研自动化技术将迎来更广泛的应用和发展。

决赛将于10月30日至31日在中国科学院自动化研究所举行。这场AI与科学创新的碰撞，将为我们展示科研自动化技术的更多可能性。

 

正如大赛组织者所期望的，这类赛事不仅促进技术创新，更在于培养一批既懂科学又懂AI的复合型人才，为我国科研事业发展注入新动能。科研自动化作为AI驱动科研新范式的重要阶段，正在为中国科研范式的变革提供强劲动力。