科学智能北京范儿

人工智能从辅助工具跃升为推演与发现的“智能共研者”，科研范式正在发生变革。作为人工智能赋能科学研究的策源地，北京率先发布了首批16个典型案例。“科学智能北京范儿”栏目今日上线，将走进这些第一现场，生动呈现AI参与的科学问题、改变的研究环节和取得的实际突破。邀您一起，见证智能时代科研变革的北京答案。

过去化学是“经验试错”，试了才知道行不行；现在逐渐改为“数据预测”，算一下就知道行不行。在北京，这场变革正在实验室里悄然发生——传统的“摇瓶子”“等数据”，正被机械臂的精准操作和AI的自主决策取代。这一趋势，在今年8月北京市发布的首批人工智能赋能科学研究典型案例中得到集中体现：16个案例覆盖自主实验室体系、高价值场景、科学模型等五大类。

其中，自主实验室体系的两个标杆项目格外引人注目：清华大学化学研究自主实验室、北京化工大学与北京戴纳实验科技股份有限公司（以下简称“戴纳科技”）共建的基于AI自驱动的电化学催化剂研发CRO实验室。它们共同回答了一个问题：当AI真正“读懂”化学，科研会变成什么样？

这里是清华大学化学研究自主实验室，清华大学化学系教授、基础分子科学中心主任罗三中正在观察实验进展。

眼前，自动化机械臂完成取样后，样品随即进入测试流程，数据自动采集并上传，下一组样品同步就位——全过程连续化流转，无人工干预断点。该系统支持24小时不间断运行，改变了传统电化学实验依赖人工操作的模式。

几步之外，清华大学化学系博士后林奇峰拿起一根电极，在打磨盘上画着“8”字，一圈，又一圈——表面要平整光滑，称量要准，投放要稳，打磨要细，记录要全。如果每一步都靠手工，每组数据都可能带误差。“传统实验高度依赖人工操作，不仅耗费人力，人为误差还影响数据稳定性。”林奇峰说。

如今，从分子设计到数据采集，可以全流程24小时无人运行。机器替你熬夜，你只需在数据出来后做最关键判断。

高效运转的背后，是一整套软硬件协同的体系。数据层有iChemData基础数据库和iSynth合成数据库；设计层有SynAD、SynBO、ScopeMap等AI工具；执行层有Yanshi系列电化学平台——从基础测试到泛用流动合成，构成从设想到验证的完整闭环。

“国内基础学科研究正全面迎来人工智能赋能的范式变革。”罗三中说。

变革的起点，是三个环环相扣的痛点。第一，没有高质量的数据。2018年，罗三中团队启动iChemData数据库建设。“那会儿还没有完善的AI概念。但我们想，中国已是论文大国，可自己的化学数据库还是空白。文章发出去，数据散落在文章中、图表里，机器读不懂。没有高质量数据，AI就是空中楼阁。”从2018年到2026年，两代迭代，八年打磨，团队建立起标准化数据体系，为AI模型训练提供了高质量“燃料”。如今，iSynth合成数据库正在同步建设中。第二，机器不懂化学。“它能看到苯环，但不懂苯是什么性质。”第三，工程化。“AI建议了方案，然后要在物理空间做实验验证。从软件到硬件，每一步都需要反复验证。”打通这三个环节后，成果开始显现。一个合成化学课题，以前两个人做两年，现在两个月即可完成，节约了70%左右的工作量。

但罗三中强调：“离真正的全流程无人自主科学发现，还有相当距离。我们做到的是打通、加速。”谈及未来，他说：“AI for Science不要做成大科学工程项目。要给基础研究留出自由探索的空间。”他同时强调，数据的问题最好从学界发起，“数据就是护城河。有了它，就处于领先优势——话语权就在我们手里。”他提起《三体》里的“纳米飞刃”——细到看不见，却锋利到把整艘船无声切割。“那就是目标。你提一个想法，按一个按钮，机器就自我迭代，创造出新物质。”他笑了：“一键下去，让它自己去研发。”

一个时代的转弯，往往始于最朴素的坚持。从2012年的一块空白数据库，到今天打通数据、算法、自动化三个环节的自主实验室，清华大学团队用了14年。他们没有追逐风口，而是在风口到来之前，就把地基一寸一寸夯实。这或许就是基础研究最本真的样子——板凳甘坐十年冷，只为让后来者站得更高。

如果说清华的变革是一场从底层开始的“系统重构”，北京化工大学与戴纳科技的合作则是一场瞄准产业痛点的“定点突破”。

催化剂有多重要？电解水制绿氢、燃料电池车、二氧化碳变合成气——新能源领域的成果，背后几乎都站着一个催化剂。但催化剂的研发方式，与产业需求的爆发式增长之间形成了鲜明反差：配方优化动辄数月，人工误差大，数据碎片化，高端成套装备长期依赖进口……这些因素严重制约着催化材料的创新速度。

2024年10月，北京化工大学与戴纳科技签署战略合作协议。北京化工大学提供AI驱动的催化剂研发模型与制备工艺——这是“算法脑”；戴纳科技提供自动化实验平台的落地能力——这是“机械手”。脑手合一，催化剂CRO实验室诞生。

该实验平台完成技术迭代后，将完整实现电化学催化剂研发全流程——从配方设计、原料配制、合成制备、后处理，到电化学性能测试、应用性能评价——无人自主高通量运行，构建完整的DBTL（设计-构建-测试-学习）闭环研发体系。

实验效率只是一个维度。更关键的是，这套体系能够显著缩短催化剂研发周期，降低贵金属原料消耗，提升样品制备稳定性，实现实验数据标准化结构化沉淀——为AI模型的持续迭代提供高质量的“燃料”。目前实验平台1.0版本已完成国产高通量装备在新能源催化剂制备方面的可行性与可靠性验证，可7×24小时开展高通量平行实验，将传统数月级的配方优化周期大幅压缩，实验效率显著提升。

正在推进的2.0版本，将完成垂类AI模型、智能体与专属工具集的进化迭代及物理实验验证。完成湿实验验证后，将可以面向高校院所、行业企业提供催化剂研发CRO服务，填补国内催化材料智能研发服务空白。

当研发周期从“月”缩短到“天”，当实验数据从碎片走向标准化沉淀，北京化工大学与戴纳科技的这次联手，不仅是在建一个实验室，更是在为新能源产业锻造一把自主可控的“钥匙”。

两个案例只是一个缩影。2026年6月，中共北京市委教育科技人才工作领导小组印发《北京市加快推进人工智能赋能科学研究实施方案（2026—2028年）》（以下简称《实施方案》），明确到2028年科学智能基础理论和关键技术取得重大原创突破，努力建成辐射全球的科学智能创新中枢。

《实施方案》围绕自主实验室建设、标杆场景应用、科学模型构建、科学数据供给、创新生态营造等五大方向，系统部署18项重点任务。其中，自主实验室体系建设被置于首位。从化学研究自主实验室到基于AI自驱动的电化学催化剂研发CRO实验室——北京正在构建覆盖多学科的自主实验室矩阵。

北京得天独厚的

人工智能与基础科学双重优势，

加上精准的扶持政策，

为自主实验室建设提供了优渥土壤。

当机械臂在深夜的实验室里无声运行，

当AI在毫秒间完成人类

需要数小时的分析——

科学研究的“北京范儿”，

正在这些无人值守的实验室里

被重新定义。