当前，人工智能正深刻改变科研方式，被不少人视为继经验、理论、计算和数据之后的“第五科研范式”；但在加速落地的同时，问题也随之显现。全国政协委员周志华指出，一些科研工作对人工智能的使用仍停留在“拿来就用”的工具层面，或把希望寄托在“一个大模型解决所有问题”上，结果不仅效果有限，还容易造成资源浪费、效率下降。，科学数据标准不统一、共享机制不完善，也限制了人工智能在科研中的深入应用。
科学研究每一次范式跃迁，都意味着认知更新与制度调整。人工智能赋能科研，既不是“万能钥匙”，也不是“洪水猛兽”。它的价值，取决于能否与具体科学问题真正结合，取决于能否培养出懂科学、也懂人工智能的复合型人才，取决于能否建立支撑创新的数据生态与制度环境。周志华委员的建言，指向的正是这场变革中亟待补齐的短板。能否抓住这个机遇，检验的不仅是技术水平，更是科技治理的系统能力。