2026年6月，OpenAI的AI模型独立推翻了80年前由匈牙利数学家Erdős提出的平面单位距离猜想的核心假设，这是AI首次自主解决一个悬而未决长达80年的开放性数学难题。这一突破被誉为「AI for Science的里程碑」——AI已经从辅助计算工具进化为真正的科学发现伙伴。
{{image:AI科学}}
在生命科学领域，DeepMind的AlphaFold更新版本已经能够预测蛋白质与配体、核酸、离子的相互作用，将药物发现的靶点筛选流程从数年缩短至数周。在材料科学领域，AI通过高通量虚拟筛选发现了多种新型超导材料和电池电解质材料，大大加速了新材料的研发进程。在气象科学领域，华为盘古气象大模型实现了7天全球天气预测精度超越传统数值预报方法，单次预测耗时从小时级缩短到秒级。
AI正在从根本上改变科学研究的范式。传统的「假设-实验-验证」循环正在被「数据-模型-预测-验证」的新模式补充甚至取代。AI可以遍历人类研究者穷尽一生也无法完成的假设空间，在不同学科之间建立人类不易察觉的跨领域联系。然而，AI在科学发现中的角色仍然存在争议——它擅长形式化推理和大规模搜索，但在提出全新理论和判断「什么问题值得研究」方面仍有明显局限。未来最有可能的图景是：人类科学家提出问题、设计框架，AI负责在广阔的知识海洋中寻找答案。