（來源：大灣區評論）

編者按 ·  2026.08.27

人工智能正在改變科學發現的方式，重塑城市參與科技競爭的路徑。過去，科研優勢更多來自人才、機構和資金的集聚。而隨着科研活動越來越平台化、網絡化，現在更重要的問題則是，城市如何把已有的技術優勢轉化為更廣泛、更通用的公共能力。本文提出，深圳不必沿着傳統科研城市的路徑競爭，可以探索建設跨學科、可複用、面向全球的科學智能基礎設施，並由此形成自身在科學智能時代的新優勢。

深圳在AI for Science上的真正機會，不是再建設一個生物、材料或能源的專用AI平台，而是把算力、科學數據、機器人、自動化實驗、大科學裝置和標準體系組織成一套跨學科可複用的城市底座，並讓全球科研機構能夠以標準接口調用它。

AI4S競爭，正在從

「誰的模型更強」轉向

「誰的科研系統更完整」

過去幾年，人工智能競爭的焦點主要是模型：參數規模、訓練算力、基準成績。但AI for Science（AI4S，科學智能）的下一階段，決定競爭力的已經不只是一個模型，而是一整套「提出假設—調用計算—設計實驗—操作設備—獲取數據—反饋學習」的科學發現閉環。

美國能源部正在推進Genesis Mission，其目標是把17個國家實驗室體系中的超級計算機、實驗設施、AI系統和獨特數據連接成一體化科學平台，並提出在十年內將美國科研的生產率和影響力提高一倍。歐洲的RAISE（Resource for AI Science in Europe）走的是類似方向：它並不圍繞某一個學科建設孤立平台，而是匯聚算力、數據、人才和科研資金，並通過跨學科網絡讓一個領域產生的AI能力能夠被其他領域複用。

2025年，美國能源部長克里斯·賴特與人工智能及能源行業高管一同，共同啓動創世紀（Genesis Mission）任務（圖源：drivendata.com）

這兩個動作釋放出一個重要信號：AI4S正在從「學科工具」走向「科研基礎設施」。如果這一判斷成立，城市之間真正值得爭奪的，就不再只是某個科學大模型的領先，而是誰能成為下一代科學發現的基礎設施提供者。

深圳最不應該做的，

是複製另一個學科平台中心

深圳當然應該發展生物醫藥、新材料、能源、量子等方向的AI4S，但城市級戰略不應等同於分別為每個學科再建設一套平台。AI4S的許多底層能力本來就可以複用：科學文獻與知識庫、算力調度、科學數據治理、多模態模型、仿真環境、智能體編排、實驗儀器接口、機器人控制、實驗數據迴流、可追溯與安全審計，都不是某一個學科的專屬能力。

真正需要高度學科化的，是最上層的專業知識、領域模型、實驗流程和評價體系。因此，深圳更合理的架構應該是「底層公共、上層專業」：城市建設一個跨學科科學智能底座，不同學科在其上開發自己的適配層。材料科學做出來的實驗調度能力可以被化學複用，生命科學的數據治理工具可以遷移到藥物研發，具身智能形成的感知—規劃—執行閉環也可以進入自動化實驗室。

換句話說，深圳要解決的不是「每個學科如何擁有自己的AI4S」，而是「如何讓不同學科共享同一套科學智能生產資料」。這纔可能產生城市級的規模效應。

為什麼這條路適合深圳？

因為深圳最強的不是單點科研資源，而是把技術變成系統的能力。

第一，深圳已經具備足夠厚的創新投入底座。2024年深圳全社會研發投入達到2453.1億元，研發投入強度達到6.67%，居全國城市第一；更值得注意的是，企業研發投入佔全社會研發投入比重保持在93%以上。這說明深圳的創新結構具有一個非常鮮明的特徵：科研和工程、技術和產業之間的距離相對較短。AI4S恰恰需要這種把算法迅速轉化為實驗系統和科研工具的能力。

第二，深圳擁有AI4S時代非常稀缺的物理執行層。2025年深圳戰略性新興產業增加值達到1.67萬億元，佔GDP的43%；全年生產工業機器人13.39萬套、服務機器人711.29萬套。從芯片、傳感器、機器視覺、運動控制，到機械臂、無人機、移動機器人和工業軟件，深圳已經形成一條把數字智能作用於物理世界的完整產業鏈。

這件事的重要性常被低估。AI可以預測一個新材料、設計一個分子、提出一種實驗方案，但科學發現最終仍要回到物理世界完成驗證。美國Genesis Mission也專門把機器人、邊緣AI、實時分析和智能反饋納入自主實驗室體系。對深圳而言，機器人產業的意義因此不只是「發展機器人」，而是有機會成為AI4S的實驗執行基礎設施。機器人計算研究也已經表明，未來機器人系統需要把感知、計算、控制和應用軟件形成完整計算生態，而不只是單一算法模塊。

第三，深圳已經擁有可以被AI4S重新組織的大科學設施。光明科學城的合成生物、腦解析與腦模擬、材料基因組等首批重大科技基礎設施已投入運行，累計服務高校、科研機構和企業超過200家，開放設備有效機時超過33萬小時；鵬城雲腦Ⅲ、自由電子激光等設施也在持續建設。因而深圳當前真正需要的不是再多一個設施，而是讓算力、模型、機器人和科學裝置能夠通過統一接口互相調用。

深圳光明科學城啓動區內的合成生物研究大科學裝置（圖源：新華社）

深圳應該建設什麼？

不是一棟樓，

而是一套科學操作系統

如果把這條路徑具體化，深圳的城市級AI4S底座至少應包含五層。

第一層是計算底座。把智算、超算以及未來的量子計算等異構資源組織成面向科學任務的統一調度體系，讓科研團隊按任務調用資源，而不是先理解不同計算中心的邊界。

第二層是數據與模型底座。建立科學數據標準、知識庫、基礎模型、仿真工具、智能體編排和可追溯機制，使不同學科共享公共AI能力。

第三層是實驗執行底座。這應該成為深圳最具辨識度的一層：以標準化接口連接機器人、自動化實驗室、科研儀器和大科學裝置，讓AI不只是提出答案，而是能夠發起實驗、獲取反饋並進入下一輪推理。

第四層是學科適配層。生物醫藥、新材料、能源、量子等領域保留自己的專業數據、模型和實驗協議，但不再重複建設底層共性能力。

第五層是標準與治理層。數據格式、儀器接口、機器人操作協議、模型評測、安全審計、知識產權和跨境科研數據規則，都應與平台同步設計。只有做到這一層，深圳的底座纔不是本地IT項目，而可能成為一種可以被複制和採用的制度與技術組合。

不只是服務深圳，

而是讓深圳成為全球

科學發現網絡的默認接口

如果這套底座最後只服務深圳本地科研機構，它仍然只是一個優秀的地方平台。深圳真正應該發揮的，是全球化能力。

2025年深圳外貿進出口總額達到4.55萬億元，繼續位居內地城市首位，出口2.74萬億元，實現連續33年居內地大中城市首位。同年，世界知識產權組織將「深圳—香港—廣州」列為全球創新集群第一名。這些數據背後最值得AI4S借鑑的，是深圳長期形成了一套把技術做成產品、圍繞產品形成供應鏈、再通過標準和網絡進入全球市場的能力。

AI4S同樣可以採用這種邏輯，但輸出對象要從產品升級為科學發現能力。

所謂覆蓋全球，並不是把世界各地的科研數據集中搬到深圳。更現實的體系是深圳核心底座+全球科研節點：公共模型、工具鏈、實驗協議和評測標準可以從深圳輸出；敏感數據留在當地；海外實驗室通過統一接口接入；實驗結果經過標準化後實現跨機構復現和驗證。香港可以承擔全球高校、資本、專業服務和國際規則連接功能，深圳則提供工程實現、機器人、算力、硬件和產品化能力。

深圳光明科學城大科學裝置群鳥瞰效果圖（圖源：人民網）

這也是深圳相比許多傳統科學城市更可能建立長期壁壘的地方。北京可以擁有最強的基礎科研機構，上海可以在若干科學與產業領域形成深厚學科優勢，而深圳完全可以選擇另一條賽道：成為把AI、計算和實驗世界連接起來，並把這套連接方式工程化、標準化、國際化的城市。

從製造全球產品，

到定義全球實驗接口

深圳過去最成功的經驗，從來不是自己發明世界上的所有技術，而是建立一種極高效率的工程系統，讓全球創新能夠在深圳快速變成產品。AI4S提供了一個把這種能力向科學發現上游延伸的機會。

因此，深圳真正要爭的，不是哪個城市擁有最多AI4S項目，甚至不只是哪個城市擁有最強科學大模型。更重要的問題是：未來全球科學家設計實驗、調用AI、連接機器人和驗證結果時，是否會使用深圳定義的接口、工具和標準。

如果答案是肯定的，深圳輸出的就不再只是芯片、機器人和智能硬件，而是一種更高價值的公共能力——科學發現能力。

這纔是深圳發展AI4S最值得爭取的位置：不是再建設一個平台，而是成為全球科學智能基礎設施的默認接口之一。

劉少山：深圳市人工智能與機器人研究院（AIRS）具身智能中心主任，ACM科技政策委員會成員、IEEE國際設備和系統路線圖（IRDS）機器人計算方向主席。

*原創聲明：本文版權歸微信訂閱號「大灣區評論」所有，未經允許任何單位或個人不得轉載、複製或以任何其他方式使用本文部分或全部內容，侵權必究。公衆號授權事宜請直接於文章下方留言，其他授權事宜請聯繫IIA-paper@cuhk.edu.cn。