2025年12月16日，美国国家科学院发布报告《科学发现与创新的基础模型：能源部及科学事业的机遇》，探讨了新的基础模型如何与传统计算方法相辅相成，推动科学发现，并提出支持能源部（DOE）使命的战略方针和投资建议^[1]。

报告由美国国家科学院科学发现与创新基础模型委员会完成，主要内容指出，基础模型是基于海量数据集训练的人工智能系统，能够执行包括生成研究结果和识别模式在内的各种任务，具有变革性科学发现和创新的潜力。而传统的计算方法构成了可信模型仿真的基石，能够在能源部研究的一些最复杂系统（如材料物理和地球系统）中实现预测科学。这些模型基于物理定律，经过验证和验证，这对于核研究等关键的安全性研究至关重要。报告主张将新的基础模型与传统模型协同整合，而非将其视为替代品。这种融合有望弥合预测建模与解释性推理之间的鸿沟，使研究人员更接近于拥有既能解决复杂问题又能阐明其原理的模型^[2]。

1、能源部基础模型的机遇与战略方向。能源部有机会引领人工智能驱动的科学发展。未来有前景的发展方向包括：①将传统模型与新的基础模型相结合：这些混合将经典计算方法的物理可解释性和稳健性与基础模型的数据驱动适应性相结合。②利用基础模型支持决策：新的基础模型有望为面临安全或经济约束的能源部任务提供快速分析支持。能源部应探索利用基础模型整合分散、孤立且多样化的多模态数据，加速态势感知。③探索用于自主实验室的代理式人工智能（Agentic AI）：代理式人工智能正迅速崛起，它可以通过基础模型启动外部代理式人工智能来验证假设或响应需求。

2、能源部新基础模型的安全保障考虑因素。尽管人工智能系统在许多方面能超越人类表现，但也可能以人类难以想象的方式失效。因此，让人类参与监督和验证至关重要。能源部应优先研究人工智能与人类能力如何互补，并评估代理式人工智能系统的能力和风险。为应对潜在安全风险并防范对抗性攻击，能源部必须制定并实施全生命周期验证流程，确保基础模型具备可靠性、安全性和可信度。还应探索主动式网络安全策略，涵盖人工智能安全、红队演练及反制措施开发等领域。

3、提升验证和可重复性。人工智能模型本质上是复杂、不透明的，且日益应用于高风险场景。为新基础模型建立验证、确认和不确定性量化（VVUQ）标准至关重要，可确保这些系统能安全有效地使用。科学领域的基础模型需要更广泛的物理实验来验证人工智能预测的准确性，确保模型输出符合物理定律。能源部应主导开发适用于基础模型的VVUQ框架，优先推进数据收集工作，以支持基础模型的可重复训练和验证。尽管基础模型相关技术难题可通过能源部的内部研发解决，但能源部对其规模的部署仍需外部合作。能源部应积极寻求与产业界和学术界的合作，以实现国家使命目标。这就需要建立灵活的合同机制、明确的知识产权协议、数据共享流程、统一的VVUQ方法论、负责任的人工智能实践，并就各自使命、目标及限制达成共识。

4、投资基础设施与人才队伍。为构建专业化基础模型并充分发挥其潜力，能源部需对现有基础设施进行现代化改造，并投资新建基础设施，以生成、整理和促进科学基础模型所需的大型数据集。还应投资建设大规模数据用户设施（包括保密与非保密设施），利用人工智能日益增强的对异构科学数据进行解读的能力。为培育并维持顶尖人才队伍，能源部需设计领先的机器学习科研的项目，并为员工提供快速适应技术变革的机遇。尽管在人工智能人才领域难以与产业界竞争，但能源部可凭借其独特的尖端科学研究及关键任务应用优势，吸引职业生涯初期的科学家加入。 

  （王海霞）