在 Web of Science 資料庫中，自然科學的 AI 相關論文在 2025 年達到約 80,150 篇，高於 2024 年的 63,547 篇 — 一年成長約 26%。物理科學與生命科學走勢相近，分別達到約 33,000 與 29,000 篇，各年增 27%–28%；地球科學是最小的類別(約 20,460 篇)，則成長約 23%。

AI 正成為各學科的常規作法

• 以佔總產出的比例來看，AI 相關研究在各領域仍是個位數，但攀升迅速。到 2025 年，地球科學的 AI 滲透率最高，達 8.8%，其次是自然科學整體 6.8%、生命科學 6.5%、物理科學 5.8%。在 2010 年，這四個類別都還不到 1%。
• 最明確的突破集中在既有資料基礎扎實的領域 — 結構生物學、物理、化學與材料科學 — 而不是那些建立在最精密數學或物理模型上的領域。
• 這些發展並不會自動轉化為科學進展。實驗驗證仍然昂貴又緩慢：AI 能大規模提出新的候選分子，但要確認它們是否有效的臨床試驗，仍是耗時多年、所費不貲的過程。「AI 能提出什麼」與「科學家實際能驗證什麼」之間的落差，在每個領域反覆出現。

物理、天文、化學、材料 — 以及生物學裡的小模型驚喜

• 在分子生物學，小模型正在勝過大模型。MSAPairformer 是一個 1.11 億參數的蛋白質語言模型，在 ProteinGym 基準上超越先前的領先方法；GPN-Star 是一個 2 億參數的基因體模型，勝過了 400 億參數的 Evo 2。
• 虛擬細胞模型成為 2025 年的新前沿：Evo 2(Arc Institute)、STATE 與 DeepMind 的 AlphaGenome，目標是在不做濕實驗的情況下預測細胞對藥物與基因擾動的反應 — 不過現行系統仍需實驗驗證。Evo 2 以 OpenGenome2 訓練，該語料涵蓋來自所有生命領域的 9.3 兆個 DNA 鹼基對。
• 天文學在 2025 年釋出了第一個基礎模型、第一個視覺化基準，以及一個 100TB 的訓練資料集。AION-1 以來自五大巡天的超過 2 億個天體訓練，是該領域首個基礎模型；AstroVisBench 則推出首個評測 LLM 科學運算與視覺化的基準。
• 2025 年，AI 系統首次端到端跑完整套天氣預報流程：Aardvark Weather 以單一機器學習系統取代傳統數值預報流程，多個 AI 天氣模型也進入實際運作部署。FourCastNet 3 能在 4 分鐘內產生 60 天全球預報 — 比先前方法快 8 到 60 倍。

子任務很強，整套研究很弱

前沿模型平均勝過人類化學家，卻無法重現已發表的研究。在 ChemBench(2,700 多題化學題)上，最佳模型擊敗人類專家平均，卻仍在基礎任務上絆倒。在 ReplicationBench 上，前沿模型在天文物理的論文級重現任務得分低於 20%。在 UnivEarth 上，LLM 代理回答地球觀測問題的正確率僅 33%，程式碼有 58% 的時候失敗；而在 BixBench 上，前沿模型在真實世界的生物資訊分析僅達約 17%。