《自然》联合 BCG X 颁出首届“AI赋能科学发现奖”，港理工等四校成果入选
2026年11月11日，国际权威学术期刊《自然》（Nature）联合波士顿咨询公司旗下科技构建与设计部门BCG X，正式颁出首届“AI赋能科学发现奖”（AI for Discovery Award）。
随着人工智能技术向基础科研纵深演进，AI正从单纯的辅助工具蜕变为推动科学发现的核心引擎。首届奖项旨在表彰利用AI突破传统科研瓶颈、具备显著应用潜力的前沿成果。经过严格评选，来自普林斯顿大学、耶拿大学、香港理工大学以及斯坦陵布什大学的四项代表性研究脱颖而出，横跨生命医学、化学信息学、前沿传感硬件与全球公共卫生四大领域。
四大获奖成果速览
1. 普林斯顿大学 Michael Skinnider：利用AI识别人体未知疾病分子
借助人工智能算法，在人体内精准识别此前未被发现的疾病相关分子
人体内部存在着大量功能尚未完全揭示的分子机制，传统实验手段往往面临周期长、筛选盲区大等难题。该研究利用AI强大的高维数据挖掘与模式识别能力，在复杂生物系统中锁定潜在的致病与调控分子，为复杂疾病的早期精准诊断及创新药物靶点发现开辟了全新路径。
2. 耶拿大学 Kevin Jablonka ：自动整合化学文献与实验数据
构建智能化系统，海量化学文献知识与实验数据的自动提取与深度整合
化学领域每年产出数以万计的科研论文与实验记录，但数据分散、格式非结构化长期制约着科研转化效率。这一成果通过AI打通了历史文献与实时实验之间的数据壁垒，不仅大幅将科研人员从繁琐的文献梳理中解放出来，更为数据驱动的自动化化学合成与新材料研发奠定了坚实底座。
3. 香港理工大学 Yang Chai ：开发器件内感算一体AI传感器
成功研发具备“器件内感算一体”（In-sensor Computing）能力的AI传感器
传统智能传感架构通常需要将采集到的原始数据传输至独立处理器或云端进行运算，存在高延迟与高能耗瓶颈。港理工团队将信号感知与智能计算功能深度融合于单一物理器件之中，让传感器在捕获外界信息的同时即可完成实时特征提取与分析，为下一代低功耗边缘计算、智能医疗穿戴及物联网终端提供了极具潜力的硬件基石。
4. 斯坦陵布什大学 Houriiyah Tegally ：融合气候与基因组数据预测传染病暴发
打破跨学科数据壁垒，将宏观气候数据与微观基因组数据融合，构建传染病暴发预测模型
气候变化与病原体演化共同深刻影响着传染病的传播规律。该研究不再局限于单一维度的流行病学统计，而是借助AI捕捉环境变量与病原体基因变异之间的复杂关联，显著提升了对传染病暴发风险的早期预警精度，为全球公共卫生应急响应提供了前瞻性的科学决策支撑。
AI for Science迈入跨学科深水区
首届“AI赋能科学发现奖”的获奖版图覆盖北美、欧洲、亚洲与非洲，既涵盖分子生物学与公共卫生等关乎人类健康的重大命题，也深入化学数据基建与底层感算硬件等硬核技术底座。
这四项成果共同印证了一个清晰趋势： 未来的科学突破，正越来越多地诞生于“人类科学直觉”与“AI跨维度计算能力”的深度耦合之中。
无论是破译微观生命密码，还是推演宏观流行病趋势， AI正在帮助人类触及过去受限于算力与学科壁垒而难以企及的科学新大陆。