诺贝尔奖将AI for Science推上风口，这个科研范式改变了什么？

在2024年诺贝尔物理学奖与化学奖接连发布后，比起这两个领域更兴奋的是人工智能领域的从业者与关注者。

10月8日，瑞典皇家科学院宣布，2024年诺贝尔物理学奖遭授予美国普林斯顿大学教授约翰·霍普菲尔德（John Hopfield）和加拿大多伦多大学教授杰弗里·辛顿 （Geoffrey Hinton），以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。

次日，2024年诺贝尔化学奖公布，一半授予大卫·贝克（David Baker），“以表彰在计算蛋白质设计方面的贡献”；另一半共同授予德米斯·哈萨比斯（Demis Hassabis）和约翰·M·詹珀（John M. Jumper），“以表彰他们在蛋白质结构预测方面的成就”。

两项名单跟AI关联度之高，在各自领域激起了巨大浪潮。

前者共同帮助启动了机器学习的爆炸式发展，即以人工神经网络为核心的深度学习革命。后者则是利用AI技术促进科学研究的典范，其中大卫·贝克为华盛顿大学蛋白质设计研究所所长，首次使用生成式人工智能从头设计出了全新的抗体，有望让AI从头设计蛋白进入抗体药物市场。德米斯和约翰则共同来自以AlphaGo闻名在外的谷歌旗下DeepMind，团队研发的AlphaFold系列对于蛋白质结构预测及相关变革性研究具有里程碑式贡献。 

这一奖项的决定，在很大程度上肯定了由计算机科学撬动其他领域基础科学研究进程的研究范式，即AI for Science（AI4S），这背后存在一个巨大的可发展的创业体系和商业空间。 

AI4S是指利用人工智能技术来推动和加速科学研究的新型研究范式。这种范式通过结合机器学习、数据分析、高性能计算等技术，帮助科学家在各个领域进行更深入的探索和发现。正如DeepMind和大卫·贝克团队的研究成果，加速了该领域对于蛋白质结构预测与设计的研究工作，这将直接推动生物医药领域的研发进程。 

在国内，有一家叫做深势科技的创业公司，其成就能够对标DeepMind。2021年，深势科技团队凭借UniFold成功复现了AlphaFold 2，并在个别指标上优于后者，打破了DeepMind在蛋白折叠领域的垄断。随后，其发布的Uni-Mol Docking V2在蛋白-配体对接预测工作上实现重大突破，表现仅略微逊色于AlphaFold 3。

深势科技同样锚定在AI4S领域的基础设施搭建，提出了“多尺度建模+机器学习+高性能计算”的科研范式，目前已推出Bohrium科研云平台、Hermite药物计算设计平台、RiDYMO难成药靶标研发平台及Pilotey电池设计自动化平台等工业设计与仿真基础设施。

作为国内为数不多定位AI4S领域的企业，融易新媒体消息，深势科技CEO孙伟杰就诺贝尔奖对AI4S形成的话题效应接受了界面新闻记者的采访。

对于诺贝尔物理学奖和化学奖显示出Science与AI的关系，孙伟杰认为物理学奖更像是Science for AI，化学奖则更多体现了AI for Science。从两个奖项的可预测性来讲，物理学奖更让人意外。团队推测，这可能与过去几年来人工神经网络在物理学领域陆续发挥了重要作用有关，例如相关的数据处理、新仪器设备研发以及新材料发现等等。 

虽然今年的诺贝尔奖让大众忍不住猜想，评委们的视线是否有意向AI进行了倾斜，但在科研人员视角下，逻辑并非如此。 

孙伟杰告诉界面新闻记者，公司内部在日常讨论的时候，已经有人推测过AlphaFold获得诺贝尔奖的可能性。因为在人类现存尚未获奖的重大成果中，AlphaFold对于蛋白折叠（指蛋白质在合成后，从无规则的多肽链自发形成具有特定三维结构的过程，AlphaFold利用AI技术实现了对蛋白质三维结构的精准预测）的贡献，是内部公认最值得获奖的成果之一，相比其他成果对科研和产业的影响都至关深刻。

大卫团队和DeepMind的成果毫无疑问是AI技术在化学生物领域的重要突破。从领域上来看，生命科学和物质科学将是AI4S的重点落地方向，它们包括但不限于生命科学、材料科学、能源科学、环境科学、信息科学等。