英國科學、創新與技術部(Department for Science, Innovation and Technology, DSIT)在2025年11月發布「英國人工智慧科研應用策略」，前言部分由人工智慧與線上安全大臣(Minister for AI and Online Safety) Kanishka Narayan以及科學、創新、研究與核能大臣(Minister for Science, Innovation, Research and Nuclear) Lord Vallance共同撰寫，展現英國政府已將AI應用於各科學領域視為國家科技戰略的重要方向。報告中確立了兩大戰略目標：(1)發展英國在AI驅動科學(AI-driven science)的前沿能力，以及(2)在全球AI驅動的科學變革中，維持英國的科研領導地位。為達成上述目標，英國政府規劃投入高達1.37億英鎊的資金與相關政策資源，致力打造具全球競爭力的「AI科學強國」。

策略聚焦五個優先領域，包括工程生物學、核融合、材料科學、醫學研究及量子技術；同時提出數據(Data)、算力(Compute)及人才與文化(People & Culture)三大支柱作為推動基礎，並規劃推動AI科學任務(AI for Science Missions)，首波任務將聚焦於加速新藥與新療法的研發。

一、 兩大戰略目標
1. 發展英國在AI 驅動科學的前沿能力：主要目標為強化英國在開發通用型AI科學工具、自主實驗室方面的能力建設。英國將推動AI驅動科學的相關行動，例如：資助AI的潛在缺陷應對研究，並確保AI應用不會損害研究完整性與可信度。
2. 維持英國的全球科研領導地位：在全球AI科研轉型中，英國必須創造經濟成長並確保公眾利益，將透過三大支柱(數據、算力、人才與文化)下的具體行動作為核心推動架構。

二、 五大前沿產業
1. 工程生物學
AI已逐漸從過去以「預測」為主的應用模式，進一步發展至實際參與科研流程。由於AI能協助進行新型設計、高通量分析，並大幅降低實驗成本，因此正加速工程生物學的發展。此外，AI 也可應用於設計、建構、測試與學習（Design-Build-Test-Learn）循環的各個階段，進一步提升研發效率，加速化學品、新材料及低碳燃料等解決方案的開發。例如：協助開發新型藥物研發路徑，以及可持續的生物基替代材料，用以取代部分日常消費品原料。另外，AI已具備設計全新蛋白質的能力，有助於加速瘧疾與帕金森氏症等疾病的相關研究。
2. 核融合
AI應用涵蓋資料運用、材料開發及電廠運作等多個環節，能有效協助科學家突破核融合能源技術瓶頸，並在實現核融合能源商業化的過程中發揮關鍵作用。例如：透過AI強化對反應爐中電漿的控制，有望加速實現近乎無限的潔淨能源供應。為加速推動核融合能源商業化，英國政府已宣布將首個人工智慧成長區(AI Growth Zone)設置於英國原子能管理局的所在地，作為推動永續能源與核融合技術的試驗基地。
3. 材料科學
材料科學是目前AI應用成熟的領域之一，重點在於加速新材料的發現、設計與驗證流程。目前，英國已投入5,000萬英鎊推動「國家材料創新計畫」，以開發資料驅動工具，提升材料研發效率。例如：利物浦大學的「材料創新工廠」被視為歐洲最先進的自主實驗室之一，其開發的移動式機器人化學家可在無人介入情況下，於8天內完成688次實驗，並成功發現新型催化劑。另外，劍橋大學Gábor Csányi教授團隊也正運用Isambard AI、Dawn等超級電腦，以及位於愛丁堡大學平行計算中心的國家級超級運算服務，開發領先的材料基礎模型MACE，以解決複雜的材料設計挑戰。
4. 醫學研究
AI正為醫學研究、診斷、治療及製程帶來重大變革，並且能顯著縮短新療法的開發時間。英國政府目前設定的國家級戰略任務，目標是在2030年前將藥物開發加速至100天內完成可進入臨床試驗階段的候選藥物研發。重點聚焦利用AI篩選候選藥物，並進行電腦模擬研究(in silico)以預測人體反應，除可降低對動物實驗的依賴，更希望藉此提升英國的流行病防範能力。例如：由倫敦大學學院與Moorfields眼科醫院開發的RETFound模型，不僅能檢測眼疾，還能預測心臟病風險，展現了 AI 在精準醫療中的巨大潛力。
5. 量子技術
AI與量子技術之間具有高度互補潛力，目前AI已展現可有效加速量子系統設計的能力。英國正積極運用前沿技術帶動產業成長，並探索 AI 與量子技術在材料科學、能源及複雜系統模擬等領域的應用潛力。另外，該報告將國家量子技術計畫中心(National Quantum Technologies Programme Hubs)視為成功的跨學科與跨領域科研合作模式，並以此為基礎發展未來的AI研究中心。

三、 三大支柱與策略行動
第一支柱：資料(Data)
英國政府主張從資料產生、儲存到優化的各個階段，皆應採取「AI優先」(AI-first)思維，並且在資料產生初期即納入AI模型未來應用需求的考量。相較於追求資料數量最大化，更強調針對特定科研挑戰建立高品質資料集。為此，英國已在布里斯托與愛丁堡建置大規模資料基礎設施，以利與主權算力中心協同運作。策略行動為：
(一)建立強制性規範，推動資料的系統化整理、標準化與品質管理，並確保所有實驗數據在2030年前符合可發現、可存取、可互通與可再利用(FAIR)的原則。首波行動將提升鑽石光源(Diamond Light Source)等國家級實驗室的基礎設施，使其具備生成「AI就緒」(AI ready)資料的能力。
(二)在材料科學、流體力學與神經科學等領域，開發類似蛋白質資料庫(PDB)的高價值資料庫。
(三)啟動試點計畫蒐集過去未發表的負面實驗結果或實驗設計細節等「暗資料」(Dark Data)，用以消除機器學習中的正向偏誤、提高模型效能。
(四)建立新一代資料儲存基礎設施，並擴充資料儲存容量，以解決AI模型訓練中資料與算力必須無縫互動的需求，並同時實現穩定的算力存取。

第二支柱：算力(Compute)
算力等同AI開發的引擎，能確保運算資源可以被有效獲取與大規模運用。為了建立世界級的AI算力生態系統，英國政府投入10億英鎊擴展人工智慧研究資源(AI Research Resource, AIRR)，並且英國政府的算力資源也已支持如材料基礎模型(MACE)與醫療基礎模型(Nightingale AI)等前沿AI模型開發。策略行動為：
(一)提供三種算力分配方案，以滿足不同規模的研究需求：支援小型應用(最高1萬GPU小時的運算資源)，適合博士生學生或新進使用者的「Gateway」機制。針對五大前沿產業提供20萬至100萬GPU小時的運算資源。為「科學任務」(例如：快速藥物研發)提供大規模的運算資源(最高140萬GPU小時)。
(二)透過數值模擬生成的資料集訓練複雜領域的AI模型，以降低運算需求。同時利用英國的國家研究與教育網路JANET建立聯邦式系統，並藉此整合大學與研究機構閒置運算資源，用以生成高價值的模擬資料集。
在發展大規模算力的同時，政府也致力於減輕環境影響。例如：Isambard-AI 被譽為全球最環保的超級電腦之一、愛丁堡平行計算中心嘗試回收廢熱供當地家庭與企業使用。

第三支柱：人才與文化 (People & Culture)
目標是建立一個能夠吸引並留住全球頂尖人才的科學生態系統，並且也透過跨學科、跨領域的協作模式來推動科研發展。策略行動為：
(一)培育跨領域科研人才，作法包含：培養精通AI的特定科學領域博士級研究員，主責解決複雜領域中的AI問題。透過獎學金計畫，培養高技能AI人才。推動多樣化的培訓計畫，確保研究人員在各個職涯階段都能適應AI時代。
(二)重塑研究組織結構，作法包含：整合領域科學家、機器學習專家、數據管理員，以及研究工程師的大型團隊。借鑑Google DeepMind與國家量子技術計畫中心的成功經驗，提供長期資金支持，以鼓勵突破性的組織結構發展。
(三)建立明確且具吸引力的職涯發展規劃與正向的職場回饋，以解決軟體工程師、數據管理員與AI倫理專家等技術人才的招募與留任問題。
(四)建立客觀與標準化的評估標準，增強大眾對AI科學工具的信任。