张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类

张宏院士在基础科学创新论坛上分享观点，明确 AI 能够在生命科学领域承担数据处理、图像解析、药物筛选等重复性工作，大幅加快科研节奏，可原创科学问题的提出、科研方向的探索抉择，依旧离不开科研人员，也就是大家总结的 “问问题” 和 “找路” 还得靠人，这套看法也点明 AI 在生命科学里的定位是高效工具，而不是科学探索的主体。张宏院士长期深耕细胞自噬方向的研究，他以自身研究举例，生命体系本身高度复杂，存在大量未知机制，AI 擅长在数据充足、规律明确的场景里做预测和计算，比如蛋白质结构预测；但 AI 没办法主动发现新的科学矛盾、提出大胆假设，也无法判断哪些研究方向值得投入资源去深耕。他还提出一个担忧，如果科研人员过度依赖 AI，会慢慢弱化好奇心、独立思辨能力，而好奇心恰恰是生命科学原始创新最核心的动力。AI 可以帮忙处理海量测序数据、快速筛选候选化合物、辅助影像分型，帮科研人省下大量试错和统计时间；但实验异常现象的捕捉、因果关系的判断、全新研究路线的开辟，这些都需要人结合专业积累、科研直觉去完成，AI 只能沿着已有数据的范围给出输出，很难跳出已知框架开辟全新赛道。

一、张宏院士观点核心清单

二、AI 在生命科学里能落地的具体场景

1. 生物成像解析：快速处理冷冻电镜、荧光成像海量图片，识别结构、标注特征，节省人工标注时间。
2. 候选药物筛选：在海量分子库里快速筛出符合靶点特征的化合物，缩小实验范围。
3. 疾病分型与组学分析：对基因组、蛋白组多维度数据聚类，辅助疾病亚型划分。
4. 已有规律的预测：像蛋白质折叠这类已经积累大量先验数据的方向，AI 预测效果稳定。

三、为什么 “问问题” 和 “找路” 只能依靠人

1. 数据局限：AI 学习素材都是已经产出的科研成果，没有办法主动看见现有认知之外的矛盾和反常现象。
2. 价值判断缺失：AI 不会评估一个科学问题的重要程度、研究价值，不知道哪些方向值得长期投入。
3. 因果推理薄弱：AI 大多擅长相关性拟合，很难自主挖掘底层因果机制，而生命科学重点就是找因果。
4. 创新需要好奇心：颠覆性的科学起点来自人的怀疑、追问、猜想，这是当前 AI 不具备的主观探索动力。

四、科研人员用好 AI 的正确思路

• 把 AI 当成科研助手，负责算力、统计、筛选等繁重、重复的工作，把人的精力留给思考、设计实验、解读反常结果。
• 所有 AI 给出的预测结果，都必须设计对照实验去验证，不能直接采信。
• 保持主动提问的习惯，不直接让 AI 定义课题，人先提出科学猜想，再交给 AI 辅助验证。

【常见问题】

问题 1：张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类，张宏院士认为 AI 在生命科学里的定位是什么？

回答 1：张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类，AI 属于高效科研工具，能加快数据处理、药物筛选等工作，但不能替代人提出原创问题、寻找科研方向。

问题 2：张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类，张宏院士担心过度使用 AI 会带来什么问题？

回答 2：张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类，他担心长期依赖 AI，会慢慢削弱科研人员的好奇心和独立思辨能力，而好奇心是原始创新的关键。

问题 3：张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类，AI 在生命科学里哪些工作做得比较好？

回答 3：张宏院士解读 AI 与生命科学，AI 可以提速科研，但提出问题、探索方向依靠人类，AI 适合生物成像解析、化合物筛选、多组学数据分析、蛋白质结构这类数据充足场景的预测工作。

【参考资料】

[2026-11-12]（张宏院士：AI 能加速生命科学研究，但 “问问题” 和 “找路” 还得靠人）澎湃新闻

[2026-11-12]（专家学者聚福州共探 AI 赋能基础科学与产业创新）中国新闻网

[2026-11-12]（AI 难以跨越基础科学的未知边界，这场论坛剖析了其中原因）澎湃新闻

【免责声明】

本文仅整理论坛现场发言和公开媒体报道，不构成科研方向、课题选择、AI 工具采购的建议。院士观点属于学术探讨，AI 在生命科学领域技术迭代速度快，不同细分方向 AI 落地能力差异较大，相关科研结论、技术进展请以学术论文、权威机构正式发布内容为准。