AI赋能多维成果展示！ACCSI2026第二届人工智能与科学仪器融合论坛成功召开

AI赋能多维成果展示！ACCSI2026第二届人工智能与科学仪器融合论坛成功召开

2026年4月23日下午，“第二届人工智能与科学仪器融合论坛”在北京朗丽兹西山花园酒店举行。作为第十九届中国科学仪器发展年会（ACCSI2026）的重要组成部分，该论坛由仪器信息网与中国分析测试协会化学计量学与人工智能专业委员会联合主办，中国人工智能产业发展联盟“科学智能（AI4S）”工作组提供支持。

论坛吸引了超过300位来自科学仪器产业上下游及相关行业的代表参与，共同探讨人工智能与科学仪器融合发展的前沿趋势。

论坛开幕之际，北京海淀区中关村科学城管委会产业四处副处长郜盼盼发表致辞。她指出，人工智能与科学仪器的融合创新，有助于推动科技自立自强。

海淀作为北京的科创核心区，兼具科学仪器产业和AI发展的双重优势，已率先推动融合创新。未来，该区域计划打造国家级融合创新示范区，并呼吁各界携手推进科学仪器产业高质量发展。

中关村科学城管委会产业四处副处长 郜盼盼

PART1：从“解释性科学”到“创造性科学”的范式转移

人工智能正以空前的深度与广度渗透至科学研究的核心领域，引发从数据分析方法到科研范式的根本性变革。尽管四位论坛报告人来自不同学科——涵盖分析化学、生命组学、蛋白质设计与食品安全检测，但他们共同揭示了一个清晰的演变路径：AI正在将科学研究由“经验驱动”向“数据智能驱动”转变，从表象描述走向本质预测与设计。

这一变革的起点在于AI对多维数据的解析能力取得重大突破。无论是科学仪器输出的高维信号、单细胞组学数据，还是蛋白质结构模拟或半抗原分子设计，传统方法常受限于维度灾难和特征提取瓶颈。AI凭借其强大的表征学习能力，能够从复杂数据中挖掘潜在规律，将噪声转化为可计算的信号，将“数据荒漠”变为信息沃土。

除了解析效率的提升，AI还在促使科研人员从被动观察者转型为主动设计者。

南开大学教授 邵学广

南开大学的邵学广教授系统回顾了化学测量数据解析方法的发展历程，指出人工智能正推动该领域从传统一元校正和化学计量学，迈入多模态深度学习的新阶段，有效解决了海量多模态信号处理的行业痛点。

他提出“感算一体”智能仪器的四种应用场景，通过“编码-解码”协同设计，实现传感、采样与计算的一体化，展现出仪器微型化与高维信息获取的巨大潜力。此外，AI将推动分析仪器向具身智能和自主决策方向发展，带来化学测量领域的范式变革。

中科院自动化研究所研究员 马喜波

中科院自动化研究所研究员马喜波以AI赋能生命科学智能系统为主线，介绍了AI与生命科学交叉领域的前沿成果。

她表示，其研究团队围绕多模态持续学习大模型、多模态智能系统构建以及AI在生命科学中的应用三个方向，构建了宏观行为大模型和微观迁移大模型等核心技术体系。在技术实现上，团队构建了超60000帧的大视野细胞转录分割跟踪数据集，并提出路径引导的无训练神经架构搜索（PATNAS）框架，为高性能细胞分析大模型研发奠定了算法基础。

此外，马喜波还展示了AI在多个领域的突破性应用，包括基于AI的行为分析揭示猕猴脊髓衰老机制、完成39项人类衰老核心行为评估，以及开展活体动态RNA四维时空转录组学等研究。相关成果发表于《Nature》《Cell》等顶级期刊。目前，团队正推动视觉大模型在药物研发和疾病机理研究中落地，建设全智能化AI大平台，为生命科学研究提供核心技术支撑。

北京大学化学与分子工程学院教授 张文彬

北京大学化学与分子工程学院张文彬教授指出，自然界中非线性复杂拓扑结构的蛋白质稀缺，但往往具备独特功能优势。通过融合人工智能技术，团队开发出具有普适性的拓扑蛋白质设计方法，结合基因编码的多肽标签-蛋白质化学反应与分子动力学模拟，实现了轮烷、蛋白质索烃等多种复杂拓扑蛋白的胞内精确合成。

研究证明，拓扑结构可显著提升蛋白质稳定性、抗酶切和抗变性能力，为蛋白质药物研发开辟新路径，也为AI驱动生物大分子研究提供了重要实践。

中国农业科学院农业质量标准与检测技术研究所研究员 金茂俊

中国农业科学院农业质量标准与检测技术研究所金茂俊研究员指出，当前农产品安全风险中既有传统农兽药残留隐患，也面临新污染物等新兴风险，这对检测技术与仪器提出更高要求。他重点分享了AI在半抗原-抗体开发中的关键成果：通过AI将传统经验型设计升级为可计算、可解释和可平台化的标准化流程，大幅提升了抗体制备效率与性能。

基于这一技术，团队已研发出406项定制化智能快检产品。他同时指出，快检领域存在数据孤岛和标准不统一等问题，为AI赋能检测仪器创新提供了明确方向。

PART2：AI时代下科学仪器正从“感官延伸”走向“自主决策”

人工智能正在重新定义科学仪器的能力边界与研发范式，推动其从“人类感官的延伸”逐步演进为具备感知、决策和知识发现能力的“智能科学体”。

这一变革首先体现为对仪器物理极限的突破。例如，在超分辨显微成像中，光毒性损伤和时空-程限制构成量子极限，而在高端电镜领域，精度、效率与自动化之间的张力也难以调和。传统光学设计与机械优化已面临瓶颈，而科学家选择的解决路径是，将深度学习、物理先验与仪器原理深度结合，以算法创新弥补硬件不足。

北京科学智能研究院研究员 张泽中

北京科学智能研究院研究员张泽中围绕AI驱动的科学范式革新和科学仪器智能化升级，介绍了AI for Science领域的前沿成果。

他提出，AI赋能高端科学仪器是一项系统工程，旨在实现“高精度”与“高效率”的双重要求。他展示了从原理到算法再到模型的全链条解决方案，其技术栈覆盖硬件接口、AI-ready数据库、仿真模拟以及上层智能应用。目前，该方案已与8种仪器、10余家厂商及6000多个接口实现深度适配。

张泽中团队开发了首个国产Hyper-FIB智能双束电镜系统，通过将工作流、科学智能体、高保真物理仿真与机器视觉深度融合，实现了全流程无人值守的高效精准制样与多点位切割，标志着从“人工操作”到“智能仪器”的范式变革。报告还介绍了SEM/TEM/STM等仪器的智能化进展，为AI与科学仪器的深度融合和自主创新发展提供了实践样本。

清华大学精密仪器系助理教授 乔畅

清华大学精密仪器系助理教授乔畅指出，超分辨荧光显微成像虽是推动生命科学的核心工具，但长期面临时空带宽积受限、光毒性损伤、分辨率与成像时程的矛盾等瓶颈，其底层标准量子极限难以通过传统光学方法突破。

团队提出融合光学物理先验与深度学习模型的创新路径，开发了傅立叶通道注意力机制等核心算法，仅需1/100光子即可实现高质量超分辨预测。同时，通过时间序列超分辨重建方法与置信度量化体系，解决了图像闪烁和结果可靠性判断的难题。基于零样本学习和元学习框架，团队大幅降低了AI模型使用门槛，实现了多模态显微成像的通用适配。相关技术实现了684Hz的超快、30倍超长时程的活体超分辨成像，相关成果发表于《Nature》系列期刊，为显微成像仪器的智能化升级提供了系统性解决方案。

PART3：从跟随到引领：AI驱动产业创新的“三重加速度”

人工智能正从辅助工具升级为推动生物制造、医药研发与检验检测产业落地的核心引擎，数据智能加速“发现”、高通量自动化加速“设计”、全链条闭环加速“落地”。

这一趋势的关键特征是研发效率的显著提升。传统生物育种、药物筛选和报告审核等环节高度依赖人工经验与重复劳动，周期长、成功率低。而AI从海量数据中学习规律、生成可验证假设的能力，使研究人员能够将精力集中于更高层次的创新判断，而非耗费于重复性操作。

多位嘉宾的报告指出，AI赋能的产业化落地，已成为突破关键环节自主可控瓶颈的重要路径。无论是核心菌种自主率不足、药物研发依赖进口，还是检测标准受限于国外标准，这些产业短板难以通过传统路径补齐。AI驱动的智能建库、高通量筛选与无人化实验体系，为后发突破提供了“换道超车”的可能性。随着生物制造被纳入“十五五”重点布局，并与AI深度融合，我国相关产业正从跟随走向引领。

清华大学教授 邢新会

清华大学教授邢新会认为，合成生物学与AI的融合是绿色生物制造和生物经济发展的关键前沿技术，已被纳入我国“十五五”规划的重点产业方向。

他指出，当前我国生物制造产业基础良好，但核心菌种与工业酶等关键环节自主率仍不足，亟需AI驱动的全链条创新。他重点介绍了团队构建的AI驱动科学发现、智能设计、工业生产闭环路径，开发了自主智能化数字微生物建库系统和高通量自动化生物育种设备，并参与制定多项育种标准。

团队还构建了AI分子剪裁高通量活性肽挖掘平台，将功能肽筛选效率提升数十至数百亿倍，已成功选育30余株高性能工业微生物，相关技术在食品、医药和材料等领域实现产业化，为AI与生物制造科学仪器的深度融合和自主可控发展提供了实践范本。

北京诺康达医药科技股份有限公司创始人 陶琇梅

北京诺康达医药科技股份有限公司创始人陶琇梅指出，AI与自动化技术正在重塑生物材料与药物研发的基础逻辑，是我国突破进口依赖、实现原始创新的核心机遇。

她展示了AI与科学仪器融合的落地成果：团队搭建了涵盖干湿实验闭环的智能管理体，开发了AI驱动的小分子合成24通道高通量无人化实验设备，并构建了“黑灯实验室-黑灯中试-黑灯工厂”全链条无人化体系。该体系可提升研发效率70倍以上，实验室到中试的工艺转化成功率超过95%，为医药研发领域的科学仪器智能化和自主化升级提供了完整解决方案。

北京触点互动信息技术有限公司董事长 毛俊

北京触点互动信息技术有限公司董事长毛俊表示，作为国内通信测试仪表领域的领先企业，触点互动已拓展至AI智能实验室业务，构建了覆盖测试、分析、审核的全链路AI智能实验室体系。

其自研的AI智能报告审核系统，搭载智能规则匹配引擎，可实现测试报告的全维度智能审核，已覆盖EMC、安规等多类测试场景。相比公有云大模型，该系统在私有化部署、数据安全、审核准确率及与实验室LIMS系统的集成方面具备明显优势。

毛俊认为，AI技术将推动行业向“黑灯实验室”演进，为科学仪器与检测行业智能化转型提供核心支撑。

PART4：标准引领，平台托举：构建自主可控的智能实验室

技术创新离不开标准的引导，同样，AI与科学仪器的融合也离不开规模化平台的支撑。

中国信息通信研究院平台与工程化部副主任 董昊

中国信息通信研究院平台与工程化部副主任董昊指出，科学仪器是科技创新的“国之重器”，AI正成为突破高端仪器技术瓶颈、推动产业智能化跃迁的核心驱动力。

他系统分析了AI与科学仪器融合的技术演进趋势，解读了AI在仪器智能感知、高精度数据解析、自动化流程和场景化智能应用等方面的赋能价值，同时梳理了行业在核心技术融合、标准体系构建及产业链适配等方面面临的挑战。

他还介绍了中国信通院在相关标准研制、测试验证平台建设与产业生态培育方面的实践成果，并提出以标准化引领技术创新、以平台化赋能产业落地的发展路径，为科学仪器智能化升级与高端自主可控发展提供了权威指引。