一台号称“AI科学仪器”的设备，如果把AI模块拿掉，它还能正常工作吗？在10月17日举行的2026浦江创新论坛科学仪器专题论坛上，中国计量科学研究院原院长方向研究员抛出这样一个问题。他的结论是：移除AI后系统崩溃，才是真正的“AI原生”；移除后照常运行，那只是“AI+”。
这场以“智能原生·本源创新——重塑科学仪器产业新生态”为主题的论坛，由上海科学院主办，300余位代表齐聚松江区G60科创大厦。论坛上，多位院士专家围绕一个核心议题展开——当人工智能从科学仪器的“外挂插件”走向“底层基因”，科学仪器究竟要被重新定义成什么。
AI是骨架而非外挂
通俗讲，“AI+”是传统仪器额外接上AI做后期数据分析；而AI原生仪器是从底层就为AI设计，信号采集、硬件控制、算法逻辑、实验规划全部围绕AI重构。AI不是附加配件，是仪器运行的核心骨架。
中国科学院院士、厦门大学教授田中群将当前AI for Science的问题概括为四个有待改进的断点：感而不知、知而不动、动而不联、联而难用。这种简单的“AI+”模式难以应对产业和科学中的真问题。
他指出，真正的AI原生应是在系统科学指导下，围绕要解决的科学问题构建“感知、解析、控制、行动、协同”的实时闭环；其中系统论、控制论、信息论是“大脑”，AI是负责局部决策、感知与调控的“小脑”。
除了适用“移除测试”判断，中国计量科学研究院原院长方向还指出，AI原生仪器必须有七个构成要素的“原生”，包括信号链、表示、环内决策、目标函数、软硬件协同、在役进化与可信。
AI助力“换道超车”
科学仪器是基础研究的“先行官”。我国是仅次于美国的第二大科学仪器消费市场，但一些高端仪器迄今仍受国外长期垄断。田中群借新能源汽车相比燃油汽车“换道超车”的例子说明，国内仪器产业若在旧赛道上追赶上百年的国外积淀，胜算有限。而AI带来的范式变革，让“重新定义仪器赛道”成为可能。
之江实验室研究员郝永富从天文观测实践出发提供了另一重佐证。中国空间站巡天望远镜每年原始数据达11TB量级，整体数据量预计将达300PB，传统科研方式下小团队已无法处理，大量旧数据处于“沉睡”状态。郝永富团队尝试用多模态基础模型对图像、光谱、时域信号进行统一表征，将原始数据压缩为可供研究人员直接调用的嵌入向量，完成90%以上的下游任务。他描述的理想闭环是仪器产生多模态数据，数据训练模型，模型又能反过来优化控制仪器。
向AI原生演进中要筑牢“可信”
田中群指出，当下行业多数产品仍停留在简单“AI+”外挂改良阶段，距离真正的AI原生仪器还有不小距离。
北京深势科技股份有限公司创始人张林峰结合产业实践谈到仪器迭代的现实矛盾。AI算法迭代以周、月为单位快速更新，但高端科学仪器硬件研发周期普遍需要3到5年，二者迭代节奏严重错配。同时底层硬件开发人才稀缺，直接攻坚硬核硬件难度巨大。因此产业现实路径是，先通过横向的仪器操作系统打通市面上存量的各类仪器， 依靠数据飞轮持续积累，循序渐进向AI原生形态演进。
方向特别提醒，可信性是AI原生仪器最大的现实考验。AI模型存在结果漂移问题，如果输出的数据不可采信，仪器再智能也失去科学价值。同时提出科学问题、判定科研发现意义、发动范式革命、授予回收仪器自主权限，这四项核心权责必须保留在人手中，AI只能拥有人类委托之下的有限自主性，做到自主而不漂移。
基于论坛发布的《智能原生科学仪器创新发展上海共识》，行业也在加快生态布局。一方面研究机构成立创新生态联盟、搭建共性技术创新平台，推进标准研制、软硬件适配与数据集共享；另一方面通过上海科学院发布的“仪元智衡OS1.0”等技术成果，为行业提供实践样板；同时配套科技金融赋能，产学研协同，推动AI原生仪器从概念走向规模化落地。
万隆优配提示：文章来自网络，不代表本站观点。
