刘少山：让全球科学家调用深圳——AI4S的下一场城市竞争

编者按· 2026.08.27

人工智能正在改变科学发现的方式，重塑城市参与科技竞争的路径。过去，科研优势更多来自人才、机构和资金的集聚。而随着科研活动越来越平台化、网络化，现在更重要的问题则是，城市如何把已有的技术优势转化为更广泛、更通用的公共能力。本文提出，深圳不必沿着传统科研城市的路径竞争，可以探索建设跨学科、可复用、面向全球的科学智能基础设施，并由此形成自身在科学智能时代的新优势。

深圳在AI for Science上的真正机会，不是再建设一个生物、材料或能源的专用AI平台，而是把算力、科学数据、机器人、自动化实验、大科学装置和标准体系组织成一套跨学科可复用的城市底座，并让全球科研机构能够以标准接口调用它。

AI4S竞争，正在从

“谁的模型更强”转向

“谁的科研系统更完整”

过去几年，人工智能竞争的焦点主要是模型：参数规模、训练算力、基准成绩。但AI for Science（AI4S，科学智能）的下一阶段，决定竞争力的已经不只是一个模型，而是一整套“提出假设—调用计算—设计实验—操作设备—获取数据—反馈学习”的科学发现闭环。

美国能源部正在推进Genesis Mission，其目标是把17个国家实验室体系中的超级计算机、实验设施、AI系统和独特数据连接成一体化科学平台，并提出在十年内将美国科研的生产率和影响力提高一倍。欧洲的RAISE（Resource for AI Science in Europe）走的是类似方向：它并不围绕某一个学科建设孤立平台，而是汇聚算力、数据、人才和科研资金，并通过跨学科网络让一个领域产生的AI能力能够被其他领域复用。

2025年，美国能源部长克里斯·赖特与人工智能及能源行业高管一同，共同启动创世纪（Genesis Mission）任务（图源：drivendata.com）

这两个动作释放出一个重要信号：AI4S正在从“学科工具”走向“科研基础设施”。如果这一判断成立，城市之间真正值得争夺的，就不再只是某个科学大模型的领先，而是谁能成为下一代科学发现的基础设施提供者。

深圳最不应该做的，

是复制另一个学科平台中心

深圳当然应该发展生物医药、新材料、能源、量子等方向的AI4S，但城市级战略不应等同于分别为每个学科再建设一套平台。AI4S的许多底层能力本来就可以复用：科学文献与知识库、算力调度、科学数据治理、多模态模型、仿真环境、智能体编排、实验仪器接口、机器人控制、实验数据回流、可追溯与安全审计，都不是某一个学科的专属能力。

真正需要高度学科化的，是最上层的专业知识、领域模型、实验流程和评价体系。因此，深圳更合理的架构应该是“底层公共、上层专业”：城市建设一个跨学科科学智能底座，不同学科在其上开发自己的适配层。材料科学做出来的实验调度能力可以被化学复用，生命科学的数据治理工具可以迁移到药物研发，具身智能形成的感知—规划—执行闭环也可以进入自动化实验室。

换句话说，深圳要解决的不是“每个学科如何拥有自己的AI4S”，而是“如何让不同学科共享同一套科学智能生产资料”。这才可能产生城市级的规模效应。

为什么这条路适合深圳？

因为深圳最强的不是单点科研资源，而是把技术变成系统的能力。

第一，深圳已经具备足够厚的创新投入底座。2024年深圳全社会研发投入达到2453.1亿元，研发投入强度达到6.67%，居全国城市第一；更值得注意的是，企业研发投入占全社会研发投入比重保持在93%以上。这说明深圳的创新结构具有一个非常鲜明的特征：科研和工程、技术和产业之间的距离相对较短。AI4S恰恰需要这种把算法迅速转化为实验系统和科研工具的能力。

第二，深圳拥有AI4S时代非常稀缺的物理执行层。2025年深圳战略性新兴产业增加值达到1.67万亿元，占GDP的43%；全年生产工业机器人13.39万套、服务机器人711.29万套。从芯片、传感器、机器视觉、运动控制，到机械臂、无人机、移动机器人和工业软件，深圳已经形成一条把数字智能作用于物理世界的完整产业链。

这件事的重要性常被低估。AI可以预测一个新材料、设计一个分子、提出一种实验方案，但科学发现最终仍要回到物理世界完成验证。美国Genesis Mission也专门把机器人、边缘AI、实时分析和智能反馈纳入自主实验室体系。对深圳而言，机器人产业的意义因此不只是“发展机器人”，而是有机会成为AI4S的实验执行基础设施。机器人计算研究也已经表明，未来机器人系统需要把感知、计算、控制和应用软件形成完整计算生态，而不只是单一算法模块。

第三，深圳已经拥有可以被AI4S重新组织的大科学设施。光明科学城的合成生物、脑解析与脑模拟、材料基因组等首批重大科技基础设施已投入运行，累计服务高校、科研机构和企业超过200家，开放设备有效机时超过33万小时；鹏城云脑Ⅲ、自由电子激光等设施也在持续建设。因而深圳当前真正需要的不是再多一个设施，而是让算力、模型、机器人和科学装置能够通过统一接口互相调用。

深圳光明科学城启动区内的合成生物研究大科学装置（图源：新华社）

深圳应该建设什么？

不是一栋楼，

而是一套科学操作系统

如果把这条路径具体化，深圳的城市级AI4S底座至少应包含五层。

第一层是计算底座。把智算、超算以及未来的量子计算等异构资源组织成面向科学任务的统一调度体系，让科研团队按任务调用资源，而不是先理解不同计算中心的边界。

第二层是数据与模型底座。建立科学数据标准、知识库、基础模型、仿真工具、智能体编排和可追溯机制，使不同学科共享公共AI能力。

第三层是实验执行底座。这应该成为深圳最具辨识度的一层：以标准化接口连接机器人、自动化实验室、科研仪器和大科学装置，让AI不只是提出答案，而是能够发起实验、获取反馈并进入下一轮推理。

第四层是学科适配层。生物医药、新材料、能源、量子等领域保留自己的专业数据、模型和实验协议，但不再重复建设底层共性能力。

第五层是标准与治理层。数据格式、仪器接口、机器人操作协议、模型评测、安全审计、知识产权和跨境科研数据规则，都应与平台同步设计。只有做到这一层，深圳的底座才不是本地IT项目，而可能成为一种可以被复制和采用的制度与技术组合。

不只是服务深圳，

而是让深圳成为全球

科学发现网络的默认接口

如果这套底座最后只服务深圳本地科研机构，它仍然只是一个优秀的地方平台。深圳真正应该发挥的，是全球化能力。

2025年深圳外贸进出口总额达到4.55万亿元，继续位居内地城市首位，出口2.74万亿元，实现连续33年居内地大中城市首位。同年，世界知识产权组织将“深圳—香港—广州”列为全球创新集群第一名。这些数据背后最值得AI4S借鉴的，是深圳长期形成了一套把技术做成产品、围绕产品形成供应链、再通过标准和网络进入全球市场的能力。

AI4S同样可以采用这种逻辑，但输出对象要从产品升级为科学发现能力。

所谓覆盖全球，并不是把世界各地的科研数据集中搬到深圳。更现实的体系是深圳核心底座+全球科研节点：公共模型、工具链、实验协议和评测标准可以从深圳输出；敏感数据留在当地；海外实验室通过统一接口接入；实验结果经过标准化后实现跨机构复现和验证。香港可以承担全球高校、资本、专业服务和国际规则连接功能，深圳则提供工程实现、机器人、算力、硬件和产品化能力。

深圳光明科学城大科学装置群鸟瞰效果图（图源：人民网）

这也是深圳相比许多传统科学城市更可能建立长期壁垒的地方。北京可以拥有最强的基础科研机构，上海可以在若干科学与产业领域形成深厚学科优势，而深圳完全可以选择另一条赛道：成为把AI、计算和实验世界连接起来，并把这套连接方式工程化、标准化、国际化的城市。

从制造全球产品，

到定义全球实验接口

深圳过去最成功的经验，从来不是自己发明世界上的所有技术，而是建立一种极高效率的工程系统，让全球创新能够在深圳快速变成产品。AI4S提供了一个把这种能力向科学发现上游延伸的机会。

因此，深圳真正要争的，不是哪个城市拥有最多AI4S项目，甚至不只是哪个城市拥有最强科学大模型。更重要的问题是：未来全球科学家设计实验、调用AI、连接机器人和验证结果时，是否会使用深圳定义的接口、工具和标准。

如果答案是肯定的，深圳输出的就不再只是芯片、机器人和智能硬件，而是一种更高价值的公共能力——科学发现能力。

这才是深圳发展AI4S最值得争取的位置：不是再建设一个平台，而是成为全球科学智能基础设施的默认接口之一。

本文作者

刘少山：深圳市人工智能与机器人研究院（AIRS）具身智能中心主任，ACM科技政策委员会成员、IEEE国际设备和系统路线图（IRDS）机器人计算方向主席。

*原创声明：本文版权归微信订阅号“大湾区评论”所有，未经允许任何单位或个人不得转载、复制或以任何其他方式使用本文部分或全部内容，侵权必究。公众号授权事宜请直接于文章下方留言，其他授权事宜请联系IIA-paper@cuhk.edu.cn。

GBA Review 新传媒

校对 | 钟 天

排版 | 詹蕴第

初审 | 覃筱靖

终审 | 冯箫凝