OpenAI 的研报指出，AI 正在加速科学研究，特别是在数学和科学领域。报告首先强调了科学研究的巨大价值，以及当前科研面临的挑战，如研究生产力下降和知识复杂性增加。AI 被视为解决这些挑战的关键工具，能够帮助科学家进行文献综述、代码生成与调试、数据分析、模拟支持以及实验规划等工作。
报告的关键数据包括：
- 2025 年，ChatGPT 上关于高级科学和数学话题的每周消息量增长了约 47%，达到近 840 万条。
- 目前有近 130 万每周用户在 ChatGPT 上讨论高级科学和数学话题。
报告详细描述了 AI 在不同学科中的应用：
- 数学：GPT-5.2 在数学推理和证明方面取得了显著进展，甚至在国际数学奥林匹克竞赛中取得了金牌水平的表现。AI 正在帮助解决一些长期存在的数学问题，如 Erdős 问题。
- 物理：LLM 正在被用于加速物理实验的分析和决策，特别是在高吞吐量、决策密集型的研究环境中。AI 助手能够参考实验室内部文档并运行自动检查，将实验警报、笔记和日志文件转化为优先级较高的下一步研究计划和可重复的分析输出。
- 化学：AI 系统正被用于将自然语言转换为化学表示，并依赖外部工具进行验证和检索。例如，图神经网络（GNNs）在分子模拟方面表现出色。
- 生物学：AI 正在帮助生物学家进行多步骤工作，结合自然语言问题和结构化科学来源，如基因组数据库和生物医学文献。例如，AlphaFold 3 代表了统一生物分子建模的进展。
报告还介绍了几个具体的案例研究，展示了科学家如何使用 ChatGPT 进行研究：
- Ernest Ryu（数学家）：使用 ChatGPT 解决优化问题，并加速了数学研究的进程。
- Alex Lupsasca（物理学家）：使用 ChatGPT 进行物理计算和推导，并取得了显著的成果。
- RetroBioSciences（生物学）：使用 AI 进行蛋白质工程，加速了细胞重编程的研究。
最后，报告提出了四项政策建议，以支持 AI 在科学和数学领域的持续发展：
- 扩大 AI 技能培训：支持 K-12 AI 课程、AI 学位和证书项目，以及中青年工作者的短期培训。
- 开放数据和扩大开放研究合作：建立国家 AI 研究资源，提供大规模计算和高质量数据集，并确保数据的安全性和隐私性。
- 现代化 AI 基础设施：建立 AI 基础设施中心，支持高容量数据中心和相关能源投资，并加强半导体供应链。
- 提供广泛的前沿 AI 系统访问：建立国家前沿 AI 访问分配机制，为研究人员提供先进 AI 系统的访问权限，并扩大 SBIR 项目以覆盖 AI 采用。
