加快建設智能化科研平臺系統的思路與建議

　　2026年4月，習近平總書記在加強基礎研究座談會上指出，要加強對基礎研究的支持保障，體系化布局建設重大科技基礎設施，建設智能化科研平臺系統。近年來，隨著人工智能技術在科學研究中的廣泛應用，引發“人工智能賦能科學研究”（AI for Science， AI4S）范式的變革熱潮。智能化科研平臺系統并非傳統意義上一般的科研平臺系統（例如，數據庫、文獻系統、管理系統、信息系統等），它是以人工智能（AI）、量子計算為代表的新一代信息技術加速與傳統自然科學各學科（如數理化天地生等）融合與匯集，形成的“人工智能、量子計算等共性技術驅動的科學研究平臺”，涵蓋計算機硬件、科學數據、算法模型、科學計算軟件、網絡和專業知識等方面。科學研究通過這一平臺可以融合科學規律、觀測數據和合成數據，發現復雜世界的未知規律，推動我們在下一輪科技革命中走在世界前沿。

　　一、全球趨勢：智能化科研平臺系統成為國家戰略競爭焦點

　　近年來，世界各國特別是歐美發達國家，已將智能化科研平臺系統視為保持科技領先和提升國家競爭力的關鍵舉措。其核心特征是融合數據、計算與模型，提供一體化服務能力，支撐前沿科學研究與科研數字化創新。

　　第一，從國際看，歐美發達國家和地區加速布局智能化科研平臺系統建設。歐盟自2002年起通過ESFRI持續發布路線圖，近五年投入超200億歐元建設泛歐科研信息化設施。從“地平線2020”到《“地平線歐洲”2025—2027年戰略計劃》，重點構建先進數據網絡、計算網格，并布局量子計算、人工智能等前沿實驗平臺，支撐從基礎研究到技術開發的全鏈條需求。《美國國家科學委員會：2030愿景》明確要求建設引領全球的科研信息化基礎設施。以美國能源科學網（ESnet）為代表，其第六代網絡（ESnet6）已實現400Gb/s至1Tbps數據傳輸能力，并完成46Tbps超高速傳輸實驗。2024年，先進網絡基礎設施（ANI）實現三大突破：一是FABRIC試驗網擴展至150+全球節點，支持量子-經典網絡混合計算實驗，為6G研發提供底層支撐；二是ESnet6光網部署單波800Gbps商用技術，極地科考衛星鏈路延時降至400毫秒，助力南極冰蓋實時監測；三是PAWR無線平臺在智慧農業領域落地，通過“毫米波+AI”實現農田蟲害預警準確率98%。2024年全年承載科研數據流超3EB，持續領跑全球。美歐通過高速網絡將國家級實驗室、大學及研究機構互聯，如ESnet連接能源部所有實驗室，GéANT連接歐洲40個國家的8 000個研究機構，打造了全鏈條的國家科技創新協作系統。

　　第二，從國內看，我國積極探索智能化科研平臺系統建設并取得相應進展。我國已布局“中國科技云”，初步建成網絡、數據與計算融合的國家級數智基礎設施，匯聚315PFlops計算資源、150PB存儲，集成60余個綜合服務平臺。同時建成14座國家級超算中心，超級計算機數量居全球第一，形成覆蓋全國的超算網絡。

　　二、突出問題：我國智能化科研平臺系統建設存在三大短板

　　當前，我國智能化科研平臺在關鍵環節存在一些短板，掣肘高水平科技自立自強。

　　第一，科研數據嚴重依賴國外權威數據庫。美國國立衛生研究院（NIH）自2025年4月起禁止中國等國家訪問其受控數據庫（如TCGA、dbGaP等），導致我國精準醫學、遺傳學等領域研究遭遇“數據斷供”。此外，調研顯示，在數學與物理、化學、生物、材料等8個重點領域常用的88個國際權威數據庫中，僅2個來自中國；93%以上一線科研人員優先使用上述國外數據庫。超70%的科研人員認為國內數據質量與國際差距顯著；約60%認為國內數據資源共享率低，受產權、安全等問題制約，共享深度廣度不足。

　　第二，科學計算軟件受制于人的局面依然嚴峻。調研顯示，國家級超算中心安裝的商業軟件（33款）中28款為美國研發，開源軟件（68款）中41款來自美國，我國自研（29款）軟件多限于內部使用，一線人員使用國外軟件占比超90%。約75%的科研人員認為我國缺乏支撐大科學研究的算法、軟件與平臺。例如，量子化學領域廣泛使用的VASP軟件，國內尚無成熟替代品。

　　第三，智能化科研平臺系統性支撐國家重大科技任務能力不足。我國現有信息化基礎設施如大科學裝置、科學數據中心、野外臺站等，雖已統一歸口管理，但發展規劃相對獨立，缺乏有效的協調與數據聯通機制。各平臺間僅停留在元數據層面的共享，未能實現裝置、儀器、數據、文獻等資源的深度打通，限制了數據在科研創新中的價值挖掘。

　　三、重點舉措：統籌建設智能化科研平臺

　　針對上述問題，亟須建設邏輯統一、布局合理、覆蓋全國的智能化科研平臺，融合科技基礎能力各要素、整合多模態數據與知識，支撐數據與智能驅動科研范式下的科技創新活動。

　　第一，統籌布局智能化科研平臺建設。圍繞國家重大科技任務，將智能化科研平臺的投入納入國家重大科技任務的整體設計。設立長期穩定支持的專項，聚焦科學數據治理與利用，研發AI與領域數據深度融合的產品與工具。面向AI4S需求，超前部署支持智能網絡調度、多模態處理與異構計算的基礎設施。

　　第二，建立健全國產科學計算軟件的產-學-研-用體系。加大對科學計算軟件研發的財政穩定性投入，重點支持底層數學庫、并行計算框架、領域算法庫等自主研發。在國家重大科技任務中優先使用國產軟件，并將任務需求轉化為軟件迭代動力。鼓勵國產軟件探索商業化運營和開源生態，加速更新升級與應用迭代。

　　第三，打破要素間數據互通、共享使用的壁壘。出臺協同共享政策，推行國家科研統一標識編碼，將科研單位、人員、儀器、文獻、數據等關聯，形成可追溯的科研鏈條。鼓勵數據中心高質量匯編與整理數據，借助AI加速科學數據與科技文獻的深度融合，形成高質量數據產品。鼓勵超算中心及團隊研發特色算法軟件，促進國產軟件生態形成。

　　第四，大力推進國際科技合作，在優勢領域形成主導地位。探索建立符合國情的智能化科研平臺系統的國際共建共享機制。在優勢領域主導建立以數據為核心的國際合作計劃，深入參與國際科學數據規則制定，打造一批國際一流的科學數據中心和數據品牌。