科技日报记者 薛岩 代小佩
近日，2025年《科技导报》《前瞻科技》编委会议暨人工智能赋能科研专题学术研讨活动在京举办。会上，科技日报记者对中国科学院院士、清华大学化学系教授李景虹进行了专访。
记者：结合具体工作谈一谈，人工智能如何赋能您团队的科研工作？
李景虹：我们团队主要将AI应用于化学与生物医药两大方向，其核心价值体现在高效合成与精准筛选环节。
以mRNA疫苗的递送系统为例，其核心——阳离子磷脂（LNP）的合成传统上依赖大量实验试错。我们曾合成超过1000种化合物，但每个化合物从合成、结构确定到细胞及动物实验，整个过程会耗时长达4个月。为突破这一瓶颈，我们将这些数据交由机器学习，AI通过学习规律，成功预测出13000种潜在化合物。我们仅从中选取12个高潜力目标进行合成验证，其中9个达到了预期效果，极大提升了研发效率。
在生物医药方面，我们正利用AI应对抗生素耐药性挑战。传统方法难以捕捉分子间的弱相互作用，而我们开发的AI模型能够精准识别多肽分子的关键结构特征，快速筛选出有效候选分子，显著加速了新药研发进程。
目前，我们已初步构建起一个覆盖蛋白质、核酸、多肽等关键领域的AI驱动研发平台。
记者：您认为AI在哪些方面颠覆了传统的科研范式？
李景虹：传统科研范式的核心是基于线性思维认识客观世界。以往我们做科研，常用的就是控制变量法——先固定核心实验条件和关键参数，再去调整其他单一变量，以此来合成材料或推进课题研究。但这种方式很难契合客观世界的本质规律。客观世界本身是复杂的，各变量间不是孤立的，而是相互关联、彼此影响。不管是自然现象还是科研结果，都是多种因素共同作用才会产生，只改变某个单一变量，很难还原事物的真实面貌。
而AI的核心价值在于打破这种线性思维，它能够推动研究者从单一变量研究，转向探索复杂系统中不同因素的网络关联。以分析化学为例，从分子、核酸、蛋白、细胞、器官再到生命体，这构成了一个相互影响的复杂系统。过去，受限于研究手段，我们只能研究单一因素与某一生命现象的关联，而生命过程的本质是系统性的，必须借助AI挖掘底层复杂网络的内在联系，从而更真实、高效地揭示生命过程的本质。
记者：能否展望一下5—10年后，AI赋能的生物分析化学及实验室会呈现怎样的发展态势？
李景虹：我认为，未来主要有三个发展方向。第一，AI将助力我们更深入地认识真实、复杂的客观世界，获取更贴近实际分析场景和过程的数据，更精准地揭示事物本质规律。第二，研究过程将更加智能化，通过数据挖掘、人机互动等，持续深化对各要素相互作用的认知。第三，各类检测工作将实现更高程度的自动化。
记者：会上，很多专家都谈到了“智能体”的发展，对此，您怎么看？
李景虹：事实上，“智能体”并非一个简单的数据集采集与分析工具，而是具备判断和指导能力的系统。它能够参与实验全过程，实验完成后，可以对数据进行分类整理。我们建立相关数据库后，智能体还能提供查询、分类、深度分析和实践指导等功能。
比如，在LNP合成研究中，我们已实现初步应用——研究者可以向智能体咨询合成方法等问题，它能提供具体指导。不过，目前这类智能体尚未在所有研究体系中普及，毕竟相关科学研究才刚刚起步，仅在部分局部领域实现突破，未来还有待持续优化完善。
记者：党的二十届四中全会提出，一体推进教育科技人才发展。您认为如何贯彻落实这一点？
李景虹：作为全国政协委员，近年来，我多次向全国政协提交关于推进教育科技人才一体化发展的建议。如今，这一目标被纳入“十五五”规划建议，我很受鼓舞。
当前，一体推进教育科技人才发展方面还存在一定壁垒。面向未来，教育对人才的培养应该更加注重因材施教、强化理论与实践能力的结合，让人才更好地适应未来社会。
为此，要引导学生主动学习人工智能相关知识，要树立跨学科培养人才理念，还要引导学生将个人兴趣爱好与时代发展紧密结合。这就要求建立跨学科合作平台、完善配套体制机制、打造个性化课程体系、建立健全科学评价机制，同时要积极开展更加广泛的国际合作。
人物简介
李景虹，中国科学院院士、清华大学化学系教授，高校分析测试中心研究会理事长，国务院学位办纳米科学与工程学科评议组秘书长。第十二、十三、十四届全国政协委员。《科技导报》编委、“学术科协”科学智能专家委员会委员。近年来，主要从事分析化学、化学生物学、纳米化学、能源化学、AI for Science等领域的教学科研工作。
网友评论
