在福州举办的科学论坛上，中科院马大为院士表达了对 AI for Science 的理性看法，他肯定 AI 预测蛋白质结构是一项革命性成果，但强调这项成果能成功，是因为蛋白质折叠有明确的氢键规律，同时积累了 22 万个高质量结构训练数据，属于条件刚好匹配的特例，不能直接推导出 AI 可以解决所有科学问题，很多化学、新材料、基础科学方向变量复杂、底层规律还没有完全摸清、高质量系统性数据不足，AI 很难直接给出靠谱突破，AI 更适合作为科研辅助工具，用来筛方案、缩小实验范围，原始创新、重大科学突破依然离不开科学家的猜想、试错和跳跃式思考，不能过度神化 AI 在科研里的能力。
一、蛋白质结构预测能成功的先天条件
| 条件 | 说明 |
|---|---|
| 底层规律清晰 | 蛋白质折叠主要遵循氢键等稳定物理化学规律，机理框架明确 |
| 高质量数据充足 | 已经积累 22 万条经过解析验证的蛋白质结构样本，足够模型学习 |
| 评价标准明确 | 结构预测结果可以和实测晶体结构比对，好坏很容易量化判断 |
| 问题边界清楚 | 输入是氨基酸序列，输出是三维空间结构，任务定义简单直接 |
二、很多科学领域 AI 很难直接实现突破的原因清单
- 底层机理不明：不少前沿科学问题还没有成型理论框架，没有稳定规律给 AI 学习。
- 高质量数据稀缺：很多化学、催化、新药实验数据碎片化、记录不规范，没法直接拿来训练。
- 变量维度太多：反应体系里温度、溶剂、杂质、催化剂状态互相干扰，变量耦合复杂。
- 缺少统一评价标准：没有简单指标直接判断一个 “科学猜想” 是不是正确。
- 科学突破需要跳跃式灵感：很多重大发现来自科学家跨联想、直觉猜想，不是单纯拟合已有数据。
三、AI 在科研里的正确定位
- 擅长的工作：海量文献整理、候选分子筛选、实验条件初筛、结构快速预判、数据拟合
- 不擅长的工作：提出全新科学假说、发现新底层原理、完成无参考框架的原始创新
- 理想模式：科学家定方向、提问题，AI 缩小实验搜索范围，再由实验验证 AI 给出的方案
四、马大为院士深耕的化学领域 AI 现状
- 有机合成、催化反应数据碎片化，很多文献只记录成功案例，失败数据很少公开。
- AI 可以给出合成路线参考，但推荐方案经常在真实实验里行不通。
- AI 可以辅助筛选配体和反应条件，但核心突破性反应，还是依靠大量人工试错。
- 他的团队也在和 AI 团队合作，把 AI 当成提升效率的辅助工具，而不是创新主力。
五、对科研从业者的启发
- 不要盲目迷信 AI 能快速搞定所有难题，区分哪些问题适合 AI、哪些不适合。
- 做实验的时候，同步规范、系统化记录完整数据，包含失败数据，才能给 AI 提供养料。
- AI 输出结果必须经过实验验证，不能直接当成科学结论。
- 青年科研人员重点锻炼提出科学问题、设计实验的能力，这是 AI 很难替代的核心能力。
【常见问题】
问题 1：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，为什么说 AI 预测蛋白质结构是特例？
回答 1：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，因为蛋白质折叠规律清晰、有 22 万条高质量结构数据、任务边界明确，刚好满足 AI 发挥作用的条件，这类场景在科研里并不普遍。
问题 2：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，马大为院士怎么看待 AI 在化学研究中的作用？
回答 2：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，他认为 AI 可以辅助筛选反应条件、合成路线，但化学领域数据碎片化，AI 很难带来颠覆性突破，重大创新仍依靠人工试错。
问题 3：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，AI 在科学研究里适合做哪些工作？
回答 3：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，AI 适合做文献梳理、候选物料筛选、结构预判、数据拟合，用来减少无效实验，不适合独立提出全新科学原理。
问题 4：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，这是不是代表 AI for Science 没有价值？
回答 4：马大为院士提出 AI 预测蛋白质结构属于特例，AI 无法横扫全部科学研究领域，并不是否定 AI for Science，而是理性划定边界，AI 是很好的科研提速工具，只是不能期待它包揽所有科学突破。
【参考资料】
[2026-11-11]（马大为院士：AI 成功预测蛋白质结构是特例，不代表它能横扫一切科学）澎湃新闻
[2026-11-11]（科学论坛｜马大为谈 AI 科研边界：AlphaFold 是条件适配的特例）科学网
[2026-09-02]（AI for Science 落地难点：高质量、系统化科研数据稀缺）中国科学院院刊
[2025-11-27]（马大为院士：AI 只能辅助化学研究，科研灵感无法被算法替代）齐鲁晚报
【免责声明】
本文仅整理马大为院士论坛公开观点，不否定 AI for Science 技术路线，AI 在科研中的能力上限、落地效果随算法、数据持续迭代，相关科研判断仅代表院士个人观点，不构成科研项目决策依据。