Computational（计算）作为形容词，在 AI 语境下泛指以算法和大规模算力驱动的科学发现与研究方法，覆盖计算病理学、计算药物发现、计算设计科学等方向。随着大模型与智能体（Agent）技术成熟，Computational 正从传统的数值模拟工具，转向由 AI 智能体主导的自动化科研范式，成为近期学术界和产业界共同关注的热点。
Computational 科研方向的近期进展
当前焦点与观察点
目前围绕 Computational AI 科研的讨论集中在三个层面。其一是可靠性：智能体提出的科学结论能否被独立验证，上述可复现性研究说明社区已开始把这一问题工具化。其二是领域落地深度：药物发现、病理分析、逆向设计（如 SHRAV 框架面向物理建模与逆向设计）等方向正把通用大模型改造成领域专用的工作流，而非停留在演示阶段。其三是治理与责任：AI for Computational Design Science 相关工作提出了人类-AI 协作的责任框架，并以短视频安全监测为案例，反映出生成式 AI 进入真实科研与内容场景后，伦理与问责机制被提上日程。
总体来看，Computational 方法正处在从辅助工具向自主科研伙伴过渡的阶段。大型实验室的原型系统与开源社区的领域框架并行推进，但结果可验证性、领域数据壁垒和责任界定，仍是决定这一范式能否规模化落地的关键观察点。