2026 GOAI 世界人工智能开源大赛「AI for Research 前沿探索」赛道报名中

一天之内完成相当于人类六个月的研究分析量——这是 FutureHouse Kosmos 在生物学领域做到的事。AlphaEvolve 在数学与芯片设计上实现了自主发现；2026 年 6 月，Anthropic 发布 Claude Science 工作台，把 60 多个科学数据库与专业技能直接预置进科学家的工作流。

工具层的问题，正在被系统性地解决。

那么接下来，真正稀缺的是什么？

不是更快的计算，而是提出问题的能力——能把科学直觉转化为可计算探索环境的人，能重新定义「AI 时代的科学应该长什么样」的人。

这正是首届 GOAI 世界人工智能开源大赛「前沿探索（AI for Research）」赛道设立的核心逻辑。

2026 年 7 月 21 日，大赛在杭州云谷中心正式启动。作为核心赛道之一，前沿探索聚焦 AI 与科学研究的交叉，设置算法赛题与开放探索赛题两类题目，鼓励参赛团队围绕真实的科学问题，构建可运行的算法方案或自主探索环境。本赛道由 Datawhale 承办，西湖大学、浙江大学等科研机构参与出题。

为什么是现在：AlphaFold 之后的下一个断裂

AlphaFold 解决了一个已经被清晰定义的问题——给定氨基酸序列，预测蛋白质结构。它的伟大之处在于把这个问题解得足够好，好到让整个结构生物学的工作方式发生了改变。

但问题本身，是人类科学家提出的。

现在正在发生的转折是：AI 开始进入「问题尚未被定义」的地带。

而定义问题这件事，恰恰是最难被自动化的。解题有标准答案，可以被 benchmark、被刷分、被优化；定义一个好问题，需要的是判断力——判断什么值得研究、什么算作发现、什么样的失败是有信息量的。

这也是这条赛道真正想探索的：在 AI 时代，人与机器在科学发现中的新分工究竟是什么。

两条参赛路径

前沿探索赛道设置两类相互独立的题目，面向不同的参赛方式，独立评审、独立排名。

算法赛题：

这里有一个真实的科学难题和它的数据，看你的方法能走多远。

开放探索赛题：

你觉得什么问题值得被计算？自己定义它，然后让 Agent 去试。

算法赛题覆盖虚拟细胞、小分子-蛋白质结合轨迹预测、材料科学文献驱动的科学发现智能体等方向。参赛团队需要在给定数据集和评测框架下，形成可运行、可复现的算法方案，并解释研究结果的科学意义。

开放探索赛题则鼓励参赛者从自身研究领域出发，提出一个真实且尚无公认答案的科学问题，将其转化为 Agent 能够进入、尝试、修正并持续探索的环境。

开放探索赛题：三条约束与四条有效路径

开放命题往往让人不知从何入手。为此，赛道给出三条核心约束——它们不是限制，而是让不同学科的作品能够被放在同一个尺度上讨论。

· 真实问题：你聚焦的问题必须真实存在，且目前没有公认答案，或尚未被充分结构化。

· 探索环境：你需要说明 Agent 在什么环境里行动、看到什么、能改变什么、如何获得反馈。

· 发现信号：你必须提前说明什么算发现——而不是等结果出来后再回头解释。

在这三条约束之下，有四条同样有效的贡献路径，它们之间没有高低之分：

· 从零提出问题并搭建环境——原创性最高，但也最需要证明环境规则可信、发现标准可检查。

· 使用已有数据或仿真器，重新定义一个新的探索问题——旧数据不等于低创新，关键在于你问了一个新的问题。

· 围绕已知的重要问题，设计新的 Agent 探索协议——这类项目需要避免退化为单纯的工程优化。

· 元评测与范式创造——提出新的科学评测框架，需要在具体领域案例中跑通才能被充分讨论。

一个重要的开放：社会科学与经济学同样属于这条赛道

当人们谈论 AI for Science 时，默认想到的往往是生物、化学、材料、物理。开放探索赛题在这里做了一个明确的选择：

不限学科领域。经济学、社会科学、公共政策、城市系统、金融市场等方向，与自然科学在这条赛道上享有完全同等的地位。

这不是一种照顾，而是基于赛题逻辑的必然结果。三条核心约束——问题是否真实、环境是否可探索、发现信号是否提前定义——本身并不区分学科。真正决定一个项目能否成立的，是你能否把研究直觉转化为一个可以运行、可以检查的探索过程。

更值得一提的是：在这类领域里，构建环境这件事本身，往往就是最难、也最有价值的部分。

在自然科学中，仿真器常常已经存在——分子动力学、第一性原理计算都是成熟工具，难点在于如何用好它们。而在经济学与社会科学中，很多重要问题至今没有一个可信的可计算环境：市场中的策略如何涌现、一项政策的干预效应如何扩散、制度与合作规范如何随时间演化——这些问题真实、重要，却长期缺少可供 Agent 反复尝试的形式化空间。

这也正是本赛题把「问题定义与环境设计质量」的权重设为 45% 的原因。 如果你能为一个此前无法被计算的社会科学问题，构建出第一个可信的探索环境，这本身就是这条赛道最看重的贡献。

为了让边界更清楚，以下是几个方向上的示例对照。 它们只是示意，不构成对赛题范围的限定：

无论来自哪个学科，项目都须指向真实的研究问题，而非单纯的业务优化或应用集成——这是唯一的边界。

在这条赛道上，「没有发现」不等于失败

做过研究的人都知道，大部分时间里，实验是不成功的。但几乎没有一场比赛愿意承认这件事。

正向发现是成果；异常、反例、稳定的负结果，甚至对原始问题定义的修正，同样是有价值的研究信号。科学上的「没有发现」并不等于失败——只要它让问题的边界更清楚。

这条原则不是为了降低标准，恰恰相反：它要求团队提前定义什么算发现信号，而不是等结果出现之后，再回头解释「这算不算一个发现」。一个能清楚说明「为什么没做出来、这个失败排除了什么可能性」的团队，与一个展示了正向结果的团队，在评审中具有同等的竞争资格。

核心要求：不是单点答案，而是一条证据链

在科学研究中，一个结果有价值，并不只是因为它看起来正确，还因为它能够被解释、被复现、被进一步检验。

前沿探索赛道因此强调数据、代码、随机种子、运行环境、实验日志与参照基线——它们共同构成一条可追溯的证据链，让后来者能够理解一个结论究竟是如何产生的。

这也呼应了开源在科学中的本来含义：论文、同行评审、可复现性，本质上就是开源精神在科学中的长期实践。而 AI 时代的科学发现，需要新的开源单位——不只是代码与论文，还包括问题包、探索环境，以及被完整记录下来的失败。

参赛对象：既懂 AI，也懂科学问题的人

赛道面向全球高校实验室、科研院所、博士生与博士后团队、青年研究者开放，覆盖计算生物、计算化学、计算材料等自然科学方向，同样欢迎来自计算社会科学、经济学、复杂系统、公共政策等领域的研究者。你可以是熟悉算法、模型与智能体系统的 AI 开发者，也可以是长期深耕具体学科的科研人员。

赛道尤其期待兼具 AI 能力与学科知识的交叉团队。你不一定需要训练规模最大的模型，但需要理解问题为什么值得研究；不一定要在初期给出确定答案，但需要说明 AI 如何介入、什么可以被视为发现，以及研究结果如何验证与复现。

参赛者可个人参赛，也可组队参赛，鼓励 AI、生命科学、化学、材料、物理、数学、经济学、社会科学等不同背景的研究者开展跨学科协作。具体组队规则以大赛官网及参赛手册为准。

提交路径：两类赛题，不同要求

初赛阶段，算法赛题需提交方案说明与技术路线，可附初步实验结果或可行性验证；开放探索赛题需提交不超过 4 页的问题定义文档，说明问题为何值得研究、AI 如何介入、探索环境如何构建、什么可以被视为发现信号，以及最小参照系如何设置。

进入后续阶段，算法赛题需逐步形成可运行代码、完整实验结果与科学意义说明；开放探索赛题则需提交最小可运行环境、完整探索日志、随机探索或平凡解等参照基线，以及清晰的复现说明。

参赛团队可以使用商业 API 或闭源模型，也可基于已有项目继续开发，但必须披露调用环节、成本假设、权限范围、替代方案及其对可复现性的影响。研究数据、外部资料、开源依赖与第三方工具均需说明来源、授权状态、许可证与使用边界。

评审标准：科学意义与可验证性同样重要

算法赛题： 技术性能 45%、科学意义 30%、方法创新性 20%、开放与开源贡献 5%。

开放探索赛题： 问题定义与环境设计质量 45%、探索过程与科学／研究信号 30%、可检查性与可延续性 20%、开放与开源贡献 5%。

这意味着分数不是唯一目标。评委同样关心结果是否具有明确的科学意义、方法能否复现，以及探索环境能否沉淀为其他研究者可以接续使用的「问题包」。赛道要寻找的不只是更高的分数，也包括新的问题、新的环境和新的科学评测范式。

赛程与奖项

大赛报名通道已于 7 月 15 日开启，初赛作品提交截止时间为 8 月 16 日；8 月 24 日公布复赛入围名单，Top 50 队伍进入复赛；9 月 3 日复赛作品提交截止；9 月 10 日公布决赛入围名单，Top 15 队伍进入决赛；9 月 22 日举行线下决赛答辩与展示；9 月 23 日 GOAI DAY 颁奖，并进行项目展示与生态对接。具体安排以组委会最终通知为准。

奖项方面，两类题目各设冠军、亚军、季军一名，奖金分别为 25 万元、15 万元和 5 万元，表现优异的项目还有机会进一步角逐 100 万元 GOAI 全场大奖。

奖金之外， 入围团队将获得与科学家评委直接对话的机会；优秀的探索环境有机会沉淀为社区可复用的公共资源；跨学科团队也将在赛事中获得长期的连接与合作可能。

结语：让 AI 不只回答问题，也帮助科学提出新问题

前沿探索赛道寻找的，不是「AI + 科研」的概念包装，而是那些真正理解科学问题、尊重研究证据、重视复现与开放的探索方案。

这条赛道希望与全球研究者共同回答：什么问题值得被计算？什么环境能够支持自主探索？什么信号可以被称为发现？一次失败，又能为下一步研究留下什么？

如果你手上正好有一个想了很久、却一直没有时间做的问题——这条赛道就是为它准备的。

当科学直觉能够转化为可运行的探索环境，当正向结果、异常、反例与负结果都能被记录和解释，当一个团队的成果能够成为更多研究者继续前进的起点，AI 才能真正从科研工具走向科学发现的参与者。

大赛报名通道现已开启。访问大赛官网 goaihz.com 即可报名参赛，并下载赛道参赛手册，了解赛题详情。