前，全球科技革命与产业变革加速演进，人工智能（AI）正从“辅助工具”跃升为驱动社会变革的核心引擎。国务院近日出台《关于深入实施“人工智能+”行动的意见》（以下简称《意见》），以六大重点行动和八项基础支撑促进技术与应用“双向赋能”。《意见》推动AI深度融入科学研究、产业发展、民生改善等领域，积极规划AI在安全治理方面的应用，为智能化时代治理现代化布局“中国方案”。 从“赋能变量”到“发展增量”的战略跃升 《意见》推动AI成为高质量发展的“关键增量”，其核心价值突出体现在赋能、减负、提质、增效4个维度。 AI赋能的新领域：拓展科学研究的“认知边界”——AI正成为基础研究的“加速器”，如阿尔法折叠（AlphaFold）破解了困扰科学界半个世纪的蛋白质折叠难题。《意见》聚焦国内需求，支持科研范式转型，加速创新成果转化，推动AI+赋能产业发展，新业态、新优势、新模式走进千行百业，惠及千家万户。 工作减负的新手段：释放“效率红利”——AI通过自动化技术将人们从危险繁重的工作中解放出来，创造更多更好的智能化就业机会和工作方式。《意见》关注民生，提振消费，生动诠释了“以人民为中心”的理念——技术进步的最终目的是让人民更幸福，让生活更便捷。 提高质量的新途径：强化重点领域的“增长动能”——智能制造中，车企通过AI维护系统将设备故障率降低20%；在教育领域，AI学习系统根据学生实际定制学习路径；医疗领域，AI成为医生的“智能助手”。《意见》对产业及教育、医疗、消费等民生领域的精准支持，体现了技术应用的普惠性与实践性。 增加效益的新方式：推进治理能力的“精准提升”——社会治理领域，让AI多思考，让群众少烦恼；安全治理领域，智慧警务，动态防控，应急效率大幅提升；生态治理领域，实时监测，模拟推演，人与自然和谐共生。《意见》为国家治理体系和能力现代化加装AI新引擎。 综上，《意见》紧扣全球科技趋势，以战略性布局引领方向、科学性设计推动融合、指导性举措明确路径、及时性部署抢抓机遇，为AI高质量发展与应用提供了坚实支撑。 从“技术红利”到“安全可控”的系统考虑 《意见》将“坚持安全可控”作为四项基本原则之一，要求着力防范AI引发的安全风险。 模型的内在风险：技术局限带来的“不可控性”——当前大模型的“黑箱”特征显著：不可解释性导致决策逻辑难被理解、鲁棒性不足使其易受对抗攻击、幻觉问题会生成虚假但

一项针对1.5万种开放获取期刊的研究运用人工智能（AI）识别出“问题期刊”的典型特征。据《科学》近日报道，这是目前规模最大的利用AI识别潜在问题期刊的研究，共标记出1000多种期刊，约占样本总数的7%。 学术出版领域专家认为，这款免费筛查工具虽不完美，但能为科研人员及其他群体避开可疑期刊提供参考。非营利组织“开放获取期刊目录”（DOAJ）常务董事Joanna Ball表示：“对于这项研究的部分成果及其为期刊相关评估提供的支持，我感到十分振奋。” 科学出版领域一直受学术不端行为困扰。分析人士指出，目前，开放获取占主导地位的商业模式背后有强烈的利益驱动，即作者向出版商付费，使论文可立即免费阅读；出版商倾向于快速发表大量论文，同时尽可能减少耗时的质量审核工作。 研究负责人、美国科罗拉多大学博尔德分校的Daniel Acu?觡a表示，新研究未公布涉事期刊或出版商的名称，但多数被标记为问题期刊的出版物来自发展中国家。印度和伊朗的出版物被标记的比例最高，均接近1%。他同时强调，发达国家的知名出版商也存在此类问题期刊。 Acu?觡a承认，AI判定“并非完美”。在15191种期刊样本中，AI将1092种期刊正确归类为问题期刊，但同时误判345种为无问题期刊，另有1782种问题期刊未被标记。他表示，研究结果“应被视为需要进一步调查的初步信号，而非最终定论”。 研究团队将DOAJ的指南作为质量基准，原因在于它细则丰富，便于定量分析。但目前学术界对问题期刊尚无公认定义，不同机构已制定了至少90项条款用于识别问题期刊。而DOAJ所指的问题期刊无法保证所刊发的论文不涉及学术不端，不具备处理剽窃、数据造假等问题的能力，且费用不透明。 尽管存在局限性，Acu?觡a认为，相较于仅由人类评估者进行的主观分类，AI工具能帮助研究人员节省时间，并实现更公平、更主动的期刊评价。团队估算，2000年至2020年，在问题期刊上发表的论文数量增长了10倍以上，达到4.5万篇，可见对这类工具的需求十分迫切。 加拿大渥太华大学的Kelly Cobey指出，问题期刊出版商可能通过改变运营方式或期刊名称逃避检查，因此AI工具需持续更新。“恶劣的问题期刊往往难以追踪，非常适合用AI工具应对，因为AI能随时间变化及时调整识别策略。”（记者 王方）

9月16日，2025北京国际科学传播交流周开幕，一批来自国际科学传播机构的科普展品亮相。目前，北京国际城市科学节联盟的国际成员已达40家，“朋友圈”还在不断扩大。 在本届交流周上，北京科学中心迎来了一批科普界的大腕儿。科萨纳古希腊科技博物馆带来了一件“智能”家用器具——菲隆巧壶。斟酒人用手指控制气孔，可以引导空气进入相应腔室，随心倒出清水、葡萄酒或兑水葡萄酒。 被誉为“古代的笔记本电脑”的安提基特拉计算装置、现代拼图的前身“奥斯托马雄”博弈游戏、可以动手探索复杂星系动力学的模拟器……南非科技促进局、马什哈德菲尔多西大学英加里亚姆天文馆等多家国际科学传播机构携展品参加交流周。此次展示将持续至9月19日，公众可以到北京科学中心2号楼地下一层参观。 不仅有展示，更有交流。来自14个国家科学传播机构的23位专家学者在本届交流周上举行北京中外科技馆馆长学术交流对话会、北京国际城市科学节联盟年会暨国际科学节圆桌会议、国际科学教育资源合作伙伴计划交流会等活动。（记者 刘苏雅）

工智能（AI）与科学研究的深度融合，正在孕育一场前所未有的科技革命。随着我国在AI驱动科学研究（AI for Science）领域的快速布局与持续投入，AI驱动科学研究的战略方向与发展路径已日益清晰。 近日，国务院印发《关于深入实施“人工智能+”行动的意见》，提出加快实施“人工智能+”科学技术行动，加快科学发现进程，率先建立基于AI的新型科研和研发范式，推动我国科技创新走在世界前列。展望“十五五”，AI for Science将成为我国科技体制变革和创新能力跃升的关键引擎，为实现整体科研和研发范式的智能化转型，以及2035年建成世界科技强国的战略目标奠定坚实基础。 推动科研范式智能化转型 首先，AI for Science的本质是通过人工智能解决过去无法解决的重大科学难题，加速原始创新步伐。例如，蛋白质结构预测这一生命科学领域的“世纪难题”正是通过AI技术取得了突破性进展。其次，AI for Science正在发展新的算法和工具以推动科研的根本性变革。新一代基于AI的科研工具不断涌现，极大提升了科学计算与模拟的效率和精度。而AI for Science更为深远的意义在于推动整体科研范式的智能化转型。这不是个别机构、团队的转型，而是整个科研体系、产业格局的重塑。它将推动科学研究从“作坊模式”转变为“平台模式”。 然而，目前AI for Science所引发的这场革命，其广度与深度尚未被国际社会充分认识。因此，这正是一个难得的机会。如果我国能够有效把握，集中力量、系统推进，有望在未来5年内率先实现“平台科研”的新范式，确保中国在全球科技创新中的引领地位。 架设智能科研“高速公路” 科学研究的范式变革，首先要依赖于坚实的科研基础设施建设。正如高速公路之于现代经济社会，智能化科研基础设施是AI for Science发展的“底座”。近年来，我国已在科研基础设施建设方面取得初步进展。例如，以玻尔空间站为代表的基础科研平台，集成了文献、数据、计算、实验等多种功能，能够高效支撑科学任务的全流程管理，正迅速成为广大科研工作者喜欢的工具。 此外，以Innovator+SciMaster为代表的通用科研大模型和智能体研发也取得一定突破，这些智能体不仅能够掌握全学科知识，还具备自主创新和“干湿闭环”科研能力，在保持通用能力的同时，显著提升了科学专业能力。 打造典型场景与亮点项目 AI

秋季学期开始，本市中小学将全面普及人工智能通识教育。临近开学，市教委广纳智库专家，成立首届中小学人工智能教育工作专家委员会。专家委员会将指导学校利用前沿技术开展AI教育，提供课程建设、师资培养等专业支持。 首届AI教育专家委员会阵容强大，共55人，聘期至2027年12月。其中，中国科学院院士郑志明担任主任委员，清华大学计算机系教授马少平、北京中关村学院院长刘铁岩、北京智源人工智能研究院院长黄铁军等担任副主任委员。来自高校、科研院所、科技企业和中小学的专家，将分为专家指导组和教学指导组，发挥咨询、研究、培训、评估和指导等职能。 市教委介绍，该智库秘书处设在北京师范大学未来教育高精尖创新中心，将深入研究新形势下中小学AI教育规律，支持建设具有首都特色的中小学AI教育体系与模式；根据《北京市中小学人工智能教育地方课程纲要（试行）（2025年版）》，指导中小学开展AI教育工作，在建设课程体系、教学体系、支撑体系、师资体系、应用体系、推广体系等方面提供咨询意见和专业支持。（记者 李祺瑶）

记者27日从中国农业科学院获悉，该院农业基因组研究所农业基因编辑技术研发与应用创新团队构建了全球规模最大的实验验证数据集，并基于此开发出人工智能（AI）大模型AlphaCD。该模型不仅能高效预测超过2万余种胞嘧啶脱氨酶的酶活特征，还能设计出新型高性能碱基编辑工具。相关成果日前发表于国际期刊《细胞研究》。 胞嘧啶碱基编辑器是一种基因编辑工具，广泛应用于疾病治疗、动植物育种等研究领域。“但传统胞嘧啶碱基编辑器研发依赖大量试错实验，成本高、周期长，且难以系统优化酶活特征。”论文通讯作者、中国农业科学院农业基因组研究所研究员左二伟说。 为破解这一难题，研究团队历时3年，实验测试了1100种胞嘧啶脱氨酶变体的催化效率、脱靶效应等核心指标，首次建立了覆盖多维功能特征的大规模实验数据库。 基于该数据库，团队整合蛋白质序列、三维结构、理化性质等多模态数据，开发出AlphaCD。经严格验证，AlphaCD在预测胞嘧啶脱氨酶催化效率、脱靶活性、靶向窗口及基序偏好等关键指标时，准确性显著优于传统方法。 “AlphaCD突破了当前AI大模型依赖超算资源的局限。”左二伟介绍，研究团队采用随机森林算法发现，在个人计算机上即可完成模型训练。这一轻量化设计能让学术机构低成本开展高通量功能预测。（记者马爱平）

图片来源：EOLINTANG

记者9月15日从中科宇航技术股份有限公司（以下简称“中科宇航”）获悉，力箭二号遥一运载火箭船箭分离试验和船箭模态试验近日取得圆满成功，标志着该型火箭首飞发射任务船箭匹配圆满收官，为发射轻舟货运飞船初样试飞船奠定了坚实基础。 据介绍，此次船箭分离试验验证了船箭分离系统设计方案的正确性和系统匹配性，获取了分离冲击响应，降低冲击方案效果显著，验证了轻舟货运飞船与箭体总装对接工艺流程可行性及分离装置装配协调性，有力保障了首飞船箭联合操作流程的安全性和可靠性。 船箭分离试验顺利完成后，研制团队紧接着对力箭二号船箭组合体成功开展模态试验，准确获取了船箭模态参数，充分验证了船箭结构和连接形式的正确性与接口匹配性，为修正力箭二号遥一运载火箭全箭动力学模型，保障飞行试验圆满成功提供了重要依据。 力箭二号是中科宇航自主研制的一款中型液体运载火箭，是面向未来我国大规模星座组网建设和响应低成本货物运输需求而打造的一款大运力、高可靠、低成本的液体运载火箭。火箭总长52米，起飞重量625吨，起飞推力766吨，太阳同步轨道运载能力8吨，低地球轨道运载能力12吨，具备太阳同步轨道、近地轨道、转移轨道发射能力。 目前该任务已进入冲刺阶段，各项进场前工作正按计划有序推进。（记者付毅飞）

300多元成本，就能制作一部科幻短片？过去需要一整支团队才能完成的视频制作，如今只需一张图、一句话。从玩具成长为生产工具，AI视频生成技术正以惊人的速度走向规模化应用。 330元做出影视级科幻短片 “密码0821，快去重启，消灭他们。”“收到！”当男主角接到指令，历尽艰难输入重启控制台的密码，在暗无天日如同世界末日般的场景下，给人类带来巨大威胁的异形生物瞬间崩成碎粒、消失不见……8月21日，国际知名视效指导姚骐展示了一段自己用AI制作的2分钟科幻短片《归途》。 传统影视制作中演员、场地、设备租赁、后期配音、特效追加等环节费用不菲，一直是行业成本居高不下的原因，如今这些环节都能通过AI生成实现。“它让好莱坞级大片镜头不再需要百万元预算。”姚骐透露，《归途》有40多个镜头，每个镜头生成3次，共用AI生成超120个片段素材，其中包括18个10秒一体化的有声片段和102个5秒片段，最终花费约一周时间制作完成。 姚骐创作《归途》所用的AI工具是百度“蒸汽机”（MuseSteamer）音视频一体化模型。当天，该模型宣布重大升级。与业界大量AI生成视频大多为“默片”不同，“蒸汽机”首次实现多人有声音视频一体化生成。百度商业体系商业研发总经理刘林介绍，使用“蒸汽机”制作的《归途》，整体成本仅330.6元。 先行者开启收获期 从百度“蒸汽机”、字节跳动即梦、快手可灵AI，到智谱清影、生数科技Vidu、MiniMax海螺AI，互联网巨头与初创企业都相继布局AI视频生成模型。放眼国际市场，视频生成模型领域也是竞争激烈。记者注意到，在AI视频生成模型从“玩具”成长为生产工具的过程中，一些玩家已进入收获期。 近期，一部由热门IP故事改编，主要由AI视频生成的同名漫剧《明日周一》成为“爆款”，在抖音平台上线5天播放量累计突破500万。记者从生数科技获悉，该公司视频大模型Vidu在上线的8个月内已实现年化经常性收入突破2000万美元，用户覆盖全球200多个国家和地区。快手21日发布财报显示，可灵AI的收入在二季度超过2.5亿元，相比一季度大幅增长。 相比于产生直接收益，百度则将AI视频生成模型视为撬动其整体生态活跃度的重要支点。“如果‘蒸汽机’能对百度搜索流量、用户留存带来1个百分点的贡献，收益都将十分可观。”百度副总裁、移动生态商业体系负责人陈一凡说。近期，百度移动搜索结果页中AI生成的内容

工智能（AI）与科学研究的深度融合，正在孕育一场前所未有的科技革命。随着我国在科学智能（AI for Science）领域的快速布局与持续投入，战略方向与发展路径已日益清晰。近日，国务院印发《关于深入实施“人工智能+”行动的意见》，提出加快实施“人工智能+”科学技术行动，加快科学发现进程，率先建立基于AI的新型科研和研发范式，推动我国科技创新走在世界前列。展望“十五五”时期，AI for Science将成为我国科技体制变革和创新能力跃升的关键引擎，实现整体科研和研发范式的智能化转型，并为实现2035年建成世界科技强国的战略目标奠定坚实基础。 一、AI for Science的目标与意义 首先，AI for Science的本质是通过人工智能解决过去无法解决的重大科学难题，加速原始创新步伐。例如，蛋白质结构预测这一生命科学领域的“世纪难题”正是通过AI技术取得了突破性进展。其次，AI for Science正在发展新的算法和工具以推动科研的根本性变革。新一代基于AI的科研工具不断涌现，极大提升了科学计算与模拟的效率和精度。而AI for Science更为深远的意义在于推动整体科研和研发范式的智能化转型。这不是个别机构、团队的转型，而是整个科研体系、产业格局的重塑。它将推动科学研究从“作坊模式”转变为“平台模式”。 然而，目前AI for Science所引发的这场科研革命，其广度与深度尚未被国际社会充分认识。因此，这正是一个难得的机会。如果我国能够有效把握，集中力量、系统推进，有望在未来五年内率先实现“平台科研”的新范式，确保中国在全球科技创新中的引领地位。 二、科研基础设施建设：架设智能科研高速公路 科学研究的范式变革，首先依赖于坚实的科研基础设施建设。正如高速公路之于现代经济社会，智能化科研基础设施是AI for Science发展的“底座”。近年来，我国已在科研基础设施建设方面取得初步进展。例如，以玻尔空间站为代表的基础科研平台，集成了文献、数据、计算、实验等多种功能，能够高效支撑科学任务的全流程管理，正迅速成为广大科研工作者喜欢的工具。此外，以Innovator+SciMaster为代表的通用科研大模型和智能体研发也取得一定突破，不仅能够掌握全学科知识，还具备自主创新和“干湿闭环”科研能力，在保持通用能力的同时，显著提升了科学专业能力。 三、典型场景与亮