当前，以大模型为代表的通用人工智能正引发新一轮科技革命和产业变革，其中“人工智能驱动科学研究（AI4S）”是孕育颠覆性创新、发展新质生产力的核心前沿。上海在产业生态、技术积累和应用场景方面构建了显著优势，已经形成从芯片算力、算法框架到行业应用的全栈人工智能产业链。

上海市人大代表、优刻得董事长季昕华对《国际金融报》记者表示，在推动AI深度赋能高风险、高价值的科学研究领域时，仍面临系统性挑战。季昕华建议，在上海率先建设科学智能创新示范区，把杨浦打造成为AI4S创新示范区，因为杨浦区内人工智能企业呈集群式发展，覆盖模型研发、数据服务及具身智能等前沿方向，为AI与生物医药、材料科学、物理化学等基础学科的深度融合提供了肥沃的产业土壤。区内有复旦、同济等多所重点高校，科教资源丰富，AI4S需求迫切。

AI深度赋能科学研究仍面临系统性挑战

季昕华指出，在推动AI深度赋能高风险、高价值的科学研究领域时，仍面临系统性挑战亟待解决。一是生物安全等新兴“深水区”风险凸显：生命科学领域已成为AI风险的焦点。AI正系统性地降低生物威胁的门槛，可能辅助创造新型病原体，对现有生物安全防护体系构成结构性挑战。目前，针对这类“能力与风险共生”的前沿挑战，缺乏覆盖AI模型开发、实验操作到成果应用的全链条、可操作的风险评估与防控体系。

二是敏捷治理与标准规范体系尚不健全：AI4S的发展速度远超传统监管框架的更新周期。超过70%的从业者担忧AI幻觉、错误决策与数据泄露问题，但超半数企业尚未设立明确的智能体安全负责人。在生物医药、新材料等领域，如何针对AI辅助的科研活动，建立既保障安全合规、又不扼杀创新活力的敏捷治理规则和标准，是当前空白。

三是数据要素的高效流通与可信使用存在壁垒：科学研究依赖高质量、多模态的数据，但涉及人类遗传信息、实验数据等敏感科研数据的跨机构、跨境流通，面临数据隐私、伦理审查和主权法规的多重约束。如何在确保数据安全、主权和隐私的前提下，利用联邦学习、安全计算等技术实现“数据可用不可见”，是激发AI4S潜能的关键瓶颈。

四是复合型人才短缺与国产化生态协同待加强：AI4S需要既精通AI技术又深谙领域知识的“桥梁型”科学家。同时，为确保科研活动的长期自主可控，需要推动国产AI芯片、框架、软件与科研软件（如模拟仿真、数据分析工具）的全栈式适配与优化。目前，产、学、研、用各环节在此方面的协同创新机制尚未完全打通。

在上海建设科学智能创新示范区

为此，季昕华建议，在上海率先建设科学智能创新示范区，为上海科创中心建设和人工智能产业发展作出积极贡献。一方面要在现有市级算力调度体系内，专项扩容建设“AI4S公共算力服务池”，整合高校、科研院所及部分企业的闲置算力，统一纳管调度。以现有成熟的专业孵化平台（如启迪之星等）与特色产业园区为抓手，提供容器化、预置多学科软件、集成开发环境、项目组管理等功能的云服务门户，向科研团队和中小企业提供普惠性算力支持。并且发放算力补贴，鼓励和补贴科研团队优先使用基于国产AI芯片的算力进行科学计算与模型训练。

二是要强化AI4S敏捷治理能力，建议由市级主管部门联合牵头，并吸纳顶尖科学家、伦理学家、法律专家及龙头企业代表，共同组建“上海AI4S敏捷治理中心”。聚焦生物计算、新材料设计等高风险高价值领域，研发动态风险评估工具，并出台分级分类管理指南。可授权并依托上海市已有的、管理规范的专业化园区和孵化器（如类脑智能科技产业园等专业基地），设立物理或虚拟的“前沿研究特区”。实现“创新在哪里，敏捷治理与服务就跟进到哪里”。

三是要建设可信科研数据协作平台，建议由相关委办牵头，联合重点科研机构及具备隐私计算技术能力的企业，基于隐私计算、区块链等前沿技术，构建“上海科研数据可信流通基础设施”。在数据所有权和使用权分离的前提下，为科研协作提供合规、可控、可追溯的数据融合分析环境。通过孵化数个标杆性数据协作项目，形成一套完整的技术标准与商业合约范式，彻底破解“数据孤岛”难题。

四是要加速培养兼具深厚学科知识和前沿AI技术的复合型领军人才，聚焦那些有望利用AI解决长期悬而未决的重大科学问题或产业瓶颈的项目。重点支持一批在AI4S特定细分领域（如AI for Bio, AI for Materials）已形成初步聚集效应、由专业机构运营的特色孵化器或园中园。支持其开展定向企业招募、举办垂直领域技术研讨会、构建细分领域工具链及促进国产软硬件适配等生态建设活动，从而培育出若干个具有全球辨识度的AI4S微集群。