“科研范式作为科学研究的理论根基与实践准则，其每一次革新都意味着人类探索未知的方式实现跨越式突破。”近日，中国工程院院士、同济大学党委书记郑庆华在《学习时报》撰文指出，人工智能通过多模态数据融合与自主推理，不仅颠覆了传统科研的线性流程，更催生出科学探索的多元路径：以生成式 AI 为代表的科学智能聚焦“0 到 1”的理论突破，而工程智能则侧重“1 到 N”的成果转化与实践反哺，共同推动人类认知与实践向智能化阶段跨越。

   《医师报》特刊登部分内容，以飨读者。

      在新的科研范式中，以生成式人工智能工具的广泛应用为代表的科学智能（AI forScience）致力于解决“0 到 1”的基础理论突破，着力于科学发现的“理论正确性验证”，开启计算密集度高且能够实现高效迭代的科学探索新征程。但以大模型为代表的生成式人工智能工具也存在固有缺陷，如数据依赖与泛化能力不足、算力与能源消耗过大、缺乏因果推理能力、可解释性差、存在伦理与安全风险等。

     大 模 型 的“ 暴 力 美 学”（更大数据、更大算力）并非唯一方向，而工程化、系统化的智能技术更能满足社会实际需 求， 即 通 过 工 程 智 能（AIfor Engineering）路径，结合工程学科的系统性思维和领域知识，构建更可靠、可解释、低成本的智能技术体系。

     人工智能在工程领域的广泛应用催生并验证了工程智能的可靠性。这种以数据闭环迭代机制、算法动态优化框架与领域知识图谱深度融合为特征的创新范式，以技术链与价值链的协同重构，推动人类工程实践向高精度建模、自主化决策与可持续创新的智能化阶段演进。

     相较于科学智能，工程智能包括双重实现路径：“1 到 N”的科技成果转化路径与“1 到0”的实践反哺理论路径，其核心是在复杂约束条件下，优先生成可执行的工程解决方案，而非追求理论模型的绝对正确性。这也使得以工程智能为代表的工程化、系统化的智能技术更能满足社会与工程的实际需求，具有更好的落地性和可控性，也使得工程智能日益成为推动高校传统工科转型、教学场景革新与教学模式重构的重要力量。比如，同济大学围绕国家重大战略和地方重大需求，依托优势显著的工程技术学科，发挥智能科学技术学科的优势，联合数学、物理、力学等基础学科，系统性推进人工智能赋能学科创新发展，赋能人才培养、学科建设、科技创新、师资建设、大学管理等全方位改革创新，为加快发展新质生产力提供了科技与人才支撑。