中國工程院攜旗下《工程》系列期刊發佈了年度旗艦研究成果——《全球工程前沿2025-2026》。這是中國工程院連續多年系統追蹤全球工程科技演進的年度報告，以資料驅動與專家研判相結合的方法論為核心，從機械與運載、資訊與電子、化工冶金與材料、能源與礦業、土木水利與建築、環境與輕紡、農業、醫藥衛生、工程管理九大領域出發，凝練出94個工程研究前沿和95個工程開發前沿，並重點解讀其中29個研究前沿與28個開發前沿。這份超過三百頁的研究檔案，是目前中文世界中覆蓋工程科技領域最為系統和權威的年度前沿圖譜之一。報告的資料基礎來自Web of Science收錄的12840本學術期刊與65558個學術會議，按各學科領域篩選2019至2024年間被引頻次位於前10%的高影響力論文，通過共被引聚類分析提取前沿主題，再輔以專家研判加以修正與驗證。在專利層面，研究團隊同步採用Derwent Innovation專利資料庫，對各領域的工程開發前沿進行量化識別。整份報告的底層邏輯是：用定量資料錨定"正在發生什麼"，用專家判斷闡釋"為何重要以及將走向何處"。閱讀這份報告，最難以迴避的結論是：人工智慧已經不再是某一具體學科的專屬工具，而是正在系統性地重構工程科技各大領域的底層研究範式與開發路徑。從能源材料的高通量篩選到城市的數字治理，從農業的精準養分管理到醫藥的蛋白質動態構象預測，AI的身影幾乎遍及報告所涵蓋的所有九個工程領域。人工智慧科研自動化：從輔助工具到研究主體報告在資訊與電子工程領域將"人工智慧賦能的科研自動化系統開發"列為工程開發前沿之首，這一判斷本身具有深刻的元層面意義——工程科技的研究方式正在被AI改變。人工智慧科研自動化（AIRA）的核心願景，是賦予AI類似乃至超越人類科學家的科研能力，使其能夠自主完成從提出研究問題、設計實驗方案、執行與驗證，到生成論文與同行評議的完整科研閉環。這聽起來像科幻，但報告援引的案例表明，這一處理程序已經開始。Sakana AI於2025年發佈的"AI Scientist-v2"可自動完成從研究思路提出到論文撰寫的全流程，其成果已被國際頂級會議ICLR 2025接收；加州大學伯克利分校的A-Lab自主運行17天，連續發現41種新材料；史丹佛大學的研究展示了由AI擔任首席科學家設計奈米抗體、由人類完成合成與驗證的協作範式，成果發表於《自然》。報告進一步指出，2025年發佈的GPT-5已在所有領域具備博士級知識問答能力，這標誌著大模型的語言智能已從"可用"邁向"可信賴地參與專業推理"。然而，研究團隊清醒地標註了當前最難突破的瓶頸：AI仍缺乏感知真實物理世界的有效途徑，"實驗設計—執行—驗證"閉環中的物理實驗環節，仍是邁向完全式AIRA最大的工程挑戰。報告將未來五至十年的研發重點歸納為四個方向：針對特定環節的部分式AIRA系統、AI驅動的創新想法自主提出、AI與機器人協同的自動化實驗系統，以及最終的面向全學科完全式AIRA。在專利產出方面，該前沿2024年核心專利公開量已達43件，較2023年翻倍，說明工業界對這一方向的投入正在加速。這一前沿的戰略意義在於，一旦AIRA成熟，科研的速度與質量將發生指數級變化，科研資源的分配邏輯也將被根本重寫——算力和資料將比人才更早成為限制科研產出的核心瓶頸。AI滲透能源與材料：從實驗室到工業前端在能源與礦業工程領域，"人工智慧輔助能源材料設計"被列為12個工程研究前沿的首位，核心論文506篇、被引頻次14885次、篇均被引29.42次，是該領域熱度最高的研究方向之一。這一前沿的本質，是用機器學習、深度學習、生成模型與大語言模型替代傳統試錯式實驗，加速新型能源材料的發現與最佳化。研究路徑已從早期用支援向量機和隨機森林預測電池材料性能，演進至用圖神經網路進行精準屬性預測，再到當前用生成對抗網路和擴散模型進行逆向設計——即從目標性能反向生成新材料結構，探索此前人類難以觸及的化學空間。報告援引的資料揭示了一幅清晰的地緣競爭圖景：在該領域的核心論文產出中，美國以33%位居第一，中國以31.62%緊隨其後，兩國合計佔據全球產出的近三分之二。在機構層面，麻省理工學院、清華大學、中國科學院、多倫多大學與新加坡國立大學位列前五，但在施引核心論文（即引用這些核心論文的後續研究）方面，中國科學院以23.85%的佔比遙遙領先，清華大學、浙江大學、上海交通大學亦在前五之列，說明中國在這一領域的實際研究產出深度已超越核心論文數量所呈現的表面比較。報告同時標註了該領域未來的三大範式轉變：一是從"小資料"轉向"巨量資料"，利用開放資料庫和雲平台加速材料發現，並嵌入物理知識提升模型可解釋性；二是模型驅動與資料驅動的深度融合，結合深度學習與物理化學理論建構混合預測模型；三是高通量與自動化實驗的協同，整合機器人與AI智能體實現材料的自主設計，將能源材料的開發周期從數年壓縮至數月乃至更短。在能源工程開發前沿，"人工智慧驅動的虛擬電廠"以近年核心專利公開量爆發式增長（從2023年的137件躍升至2024年的336件）成為最受關注的方向。虛擬電廠通過聚合分散的需求側資源，在電力市場中提供調峰、調頻等輔助服務，而AI的引入使其從規則驅動的自動化調度，升級為能夠即時學習市場訊號、動態評估可調資源、自動生成最優競價策略的智慧能源系統。報告指出，"AI+能源"已成為虛擬電廠技術發展的主流方向，未來的關鍵挑戰在於多源異構資料融合、隱私保護與模型可信賴性三個維度的協同突破。工程管理的AI化：從城市治理到低空經濟在工程管理領域，報告識別出的11個研究前沿與11個開發前沿，幾乎無一例外地與智能化、數位化技術深度交織。其中，"低碳算力服務系統分佈式最佳化"以核心論文篇均被引65.20次的高熱度躋身研究前沿，直接指向當前最棘手的工程管理挑戰：隨著大語言模型的爆發式應用，資料中心的能耗與碳排放已成為不可忽視的系統性壓力。如何在多目標（能耗、碳排放、服務延遲、成本）之間取得最優權衡，如何將算力基礎設施與分佈式可再生能源深度耦合，如何建構科學的算力度量與能耗監測體系——這些問題的答案，將直接決定數字經濟綠色轉型的可行性邊界。報告指出，中國和美國是該領域研究的絕對引領者，雙雙處於國際合作網路的中心。"東數西算"工程與算力網路概念的推進，正在為中國在這一前沿建立規模化實踐優勢提供政策基礎。"智能地空協同的低空交通與物流"是工程管理領域另一個被重點解讀的新興前沿，其核心是通過AI與智聯網技術，實現電動垂直起降飛行器（eVTOL）、載貨無人機與地面交通載具的融合運行。報告指出，這一方向將推動城市交通體系從二維走向三維，並將在多元異構化（多類型應用場景）、樞紐化營運（以垂直起降場為核心節點）和規模化（引入數字孿生與隱私保護機制）三個維度持續演進，為未來智慧城市的低空出行和即時物流開闢新路徑。在工程開發前沿，"大模型賦能城市數字治理"與"基於大語言模型的工程建造方案自動生成技術"同步位列重點解讀前沿。前者代表著AI對公共治理模式的滲透——大模型正在城市交通、空間規劃、公共安全、醫療健康、環境管理等多個治理場景中，將此前依賴經驗和小模型的決策流程，升級為能夠從海量城市資料中自主學習、進行複雜情景理解與決策支援的智能治理系統；後者則代表著AI對工程建設這一傳統勞動密集型行業的結構性改造——大語言模型正在將施工計畫與調度的編制過程，從人工主導逐步推向"AI生成—人工覆核—合規校審"的半自動化閉環，報告援引該前沿核心專利中中國佔比高達89.29%的資料，顯示中國在這一工程AI化方向上已形成顯著先發優勢。在醫藥衛生領域，"虛擬細胞大模型建構"與"AI預測蛋白質動態構象"是兩個極具深遠意義的研究前沿。前者旨在建構能夠在電腦中完整模擬細胞生命活動的數位化生命模型，有望成為繼AlphaFold預測蛋白質靜態結構之後的下一個生物學里程碑；後者則專注於捕捉蛋白質在功能執行過程中的動態構象變化，為理解酶催化、訊號轉導、分子機器等生命過程提供精準的分子圖譜，核心論文中美國以45.28%居首，中國以17.92%位列第二，處於跟跑態勢，但在引用方面已呈現加速追趕的勢頭。《全球工程前沿2025》的整體敘事，遠不止於技術清單的羅列。它描繪的是一幅工程科技正在經歷結構性範式重組的全景圖：AI從單一領域的效率工具，演變為跨域協同的基礎設施；從輔助人類判斷的助手，演進為具備獨立規劃與驗證能力的研究主體。而在這一演進過程中，中美兩國在幾乎所有關鍵領域均呈現雙極引領格局，其他國家的參與雖廣泛，但核心產出的集中度仍高度顯著。對於每一個試圖理解工程科技未來走向的研究者、投資者與政策制定者而言，這份年度前沿圖譜所呈現的方向性判斷，都值得被認真對待。 (21世紀關鍵技術)
