当外界还在争论AI能否取代程序员时，零一万物创始人、CEO李开复已经给出了一个更激进的判断：AI的下一个身份，是科学家。8月7日，李开复在北京的一场新闻发布会上向21世纪经济报道记者表示，人工智能正推动科学研究进入第五范式，基础科研不仅将成为AI最重要的应用领域之一，AI更将逐步从科研辅助工具演变为科学发现的主体，未来AI for Science将进入由AI主导创新的新阶段。
这一判断并非空泛的畅想。李开复梳理了AI能力的跃迁路径：从最初能够回答问题，到具备大学生水平的编程能力，再到如今开始展现科学创新能力，正在一步步突破传统认知。他特别强调，OpenAI今年已经在数学领域作出多项新发现，虽然距离菲尔兹奖或诺贝尔奖级别的突破仍有距离，但这只是时间问题。在他看来，当AI能够比人类更高效地完成编程，就意味着它已经具备开展科学研究、作出科学发现所需的核心能力。
李开复对AI科学能力的论证，建立在一个容易被忽视的逻辑链条上。编程不仅仅是执行任务，更代表着分析问题、拆解任务、不断试错和验证假设的思维过程。能够编写复杂程序，意味着AI已经掌握了假设驱动的思考方式，这是科学研究的底层能力。当AI可以把一个宏大问题拆解成可执行的步骤，并在虚拟环境中反复试验、迭代修正，它实际上已经完成了科研工作中最核心的思维劳动。
第二个层面的逻辑，是AI处理知识的能力远超个体科学家。人类科学家穷其一生只能精读有限数量的论文，而AI可以瞬时检索、阅读和理解相关领域的全部文献，并在此基础上进行推理和综合。李开复设想，未来科研人员向AI提出的问题，将不再局限于开发一款应用程序，而是更具科学探索性质，例如能否发明一种治疗某种疾病的新药，能否阅读全部相关论文并证明或推翻某一数学假设。当问题的复杂度和知识广度超出任何个体人类的能力范围，AI作为科研主体的优势才会真正显现。
第三层逻辑则指向科研范式的根本转变。李开复明确指出，过去AI for Science主要依赖AI专家与传统科学家合作开展研究，这一模式仍然具有重要价值，但一个更加重要的变化已经出现：新的科研范式，应该属于AI，而不是属于AI科学家，也不属于传统科学家。未来科研人员更重要的职责，是将不同学科的知识输入AI系统，让比人类更聪明的大脑完成创新与发明，这才是AI for Science未来发展的必然方向。科学家将从亲自做实验的执行者，转变为AI科研系统的设计者和管理者。
李开复对诺奖级突破的乐观预期，建立在近期一系列实证进展之上。今年早些时候，OpenAI在官方博客中披露，其模型解决了10个悬置十年以上的开放数学问题，而这些成果由下一代模型Astra的内部版本取得。如果这一表述属实，意味着AI已经跨越了从解题到发现的门槛，开始触碰人类数学界长期未解的难题，这正是菲尔兹奖级别的数学贡献所具备的特征。
在生命科学领域，类似的进展同样密集。从AlphaFold系列在蛋白质结构预测上的突破，到AI设计的新药进入临床阶段，再到AI虚拟细胞、AI自动化实验机器人等新范式接连涌现，AI在科学发现中的角色已经从辅助工具升级为独立的研究力量。李开复认为，基础科研是AI最具潜力的应用方向之一，尽管外界经常讨论AI带来的安全挑战和双刃剑效应，但在制药、生命科学、生物化学、数学等基础科学领域，AI的发展绝对是对人类有益的事情，也是科技向善最重要的体现之一。他同时提醒，AI在数学和生命科学上的突破节奏可能不同步，有些领域三到五年就可能看到诺奖级成果，另一些则需要更长时间积累，外界不必以单一时间表衡量整个AI4S赛道。
李开复指出，国际科技界已经开始加速布局AI科研。包括诺贝尔化学奖得主、谷歌DeepMind联合创始人在内的多位顶尖科学家，正将更多精力投入AI驱动的科学研究；与此同时，国内多家科技企业近期也相继加大对AI for Science领域的投入。从产业资本动向看，AI4S赛道的融资热度持续攀升，晶泰科技、英矽智能、哲源科技等公司接连获得大额融资，北京、上海、深圳等地相继出台科学智能专项政策，AI科研基础设施的建设正在从个别实验室扩散到整个创新生态。
这种全球性投入的背后，是各方对科研范式红利的高度共识。历史上，每一次科研范式的跃迁都伴随着知识生产方式的根本变革，从实验科学到理论科学，再到计算科学和数据驱动科学，掌握新范式的国家和机构往往能占据下一轮科技竞争的先机。AI作为第五范式的核心驱动力，其战略价值已经超越单一的技术层面，成为国家创新能力的组成部分。谁能率先建立起AI主导科研的基础设施和人才体系，谁就更有可能在下一轮诺奖级突破中占据主动。
AI主导科研的范式转变，必然带来科研人才结构的重塑。在李开复的构想中，未来的科研人员更像是AI的教练和合伙人：他们需要具备深厚的学科知识，能够判断哪些问题值得让AI去攻克；需要理解AI系统的能力和边界，能够设计合理的实验方案和验证标准；还需要具备跨学科的视野，把不同领域的知识整合输入AI系统。传统的实验技能和数据分析能力仍然重要，但角色重心将从执行转向决策。
对年轻科研工作者而言，这既是挑战也是机遇。一方面，重复性的实验操作和数据分析工作将大量被AI替代，传统科研路径的就业空间受到挤压；另一方面，掌握AI科研方法论的人才将获得前所未有的杠杆，一个人加一个强大的AI科研系统，可能完成过去一个团队的工作。李开复的发言传递出的信号是清晰的：AI科研时代已经到来，与其担忧被取代，不如尽快学会驾驭AI做科研，成为新范式的参与者甚至定义者。科学发现的接力棒，正在从人类手中交到人类与AI共同掌握。