對話

中國科協(xié)之聲原創(chuàng)欄目。與大家對話，前沿探索娓娓道來，用科學初心與熱忱同您交流。

黨的二十屆四中全會通過的《中共中央關于制定國民經濟和社會發(fā)展第十五個五年規(guī)劃的建議》提出，全面實施“人工智能+”行動，全方位賦能千行百業(yè)。在這一國家戰(zhàn)略指引下，如何讓AI真正成為科研創(chuàng)新的核心引擎，破解從實驗室到真實應用的鴻溝？中國科學院院士、北京大學教授鄂維南的思考與實踐，或許能給我們啟示。中國科協(xié)之聲邀您一起，對話鄂維南→

人物簡介

鄂維南，數學家，中國科學院院士，北京大學教授，“學術科協(xié)”科學智能專家委員會聯席主任。主要從事計算數學、應用數學及其在力學、物理、化學和工程等領域中的應用等方面研究。

“很不幸，過去研發(fā)的算法，大多困在‘理想實驗室’里——能求解簡化模型，卻對真實世界的復雜問題束手無策。”鄂維南從事算法研究數十年，談及倡議AI for Science（科學智能）的緣起，話語里滿是科研工作者的痛點與頓悟。

直到大約10年前，深度學習興起，鄂維南意識到，破解“維數災難”的鑰匙來了。

“AI for Science是我國科研千載難逢的超車機會，2017年我在團隊內部討論時就這樣說過，但是到2022年才在公眾場合宣之于口，因為論證了5年，我們明確這個機會就是千載難逢的，沒有‘之一’?！?/p>

破解“維數災難”的鑰匙

10月27日，由科技導報社主辦的2025年《科技導報》《前瞻科技》編委會議暨人工智能賦能科研專題學術研討活動在京舉行，“學術科協(xié)”（CAST SCHOLAR）科學智能專家委員會在會上成立。鄂維南受聘該專委會聯席主任。

鄂維南在研討活動上作題為“AI for Science現狀與意義”的報告。

作為深耕計算科學領域的學者，鄂維南的研究足跡遍布計算數學、力學、物理、材料科學、計算生物學等領域——凡涉及物理模型的科學與工程算法問題，他幾乎都曾深入探索。

但長期以來，“維數災難”這一核心痛點始終如影隨形：算法的復雜度會隨變量自由度增加呈指數級上升，導致科研人員只能處理簡化后的理想問題，與實際應用存在巨大鴻溝。

“比如模擬一個復雜材料的性能，需要處理海量變量，傳統(tǒng)算法的計算量大到根本無法落地?！彼寡?，這種“理論與實踐脫節(jié)”一直讓科研推進步伐沉重。

深度學習的出現，為突破這一困境帶來了轉機?！吧疃葘W習的本質是提供了一種高效處理復雜數據的工具，它能整體提升科研能力，讓過去‘不可能’的復雜問題成為可能。”

基礎設施與垂直賦能雙輪驅動

談及當前AIforScience發(fā)展的核心突破點，鄂維南指出兩個方向：基礎設施建設，以及垂直領域突破。

在他看來，要實現科研范式的根本性變革，必須先搭建起適配新范式的“舞臺”。而這樣的基礎設施需要政策、人才、資金等各方面的支持。鄂維南感慨：“相對于要實現的宏大目標而言，我們團隊一直處在資源短缺的困境之下?！?/p>

其團隊正用“愚公”精神“搬山”。2025年3月上線的“玻爾科研空間站”，如今已成為AIforScience領域的核心基礎設施之一。

“‘玻爾’既是門戶，能讓科研人員方便找到資源；也是超市，能讓開發(fā)者便捷部署科研工具。”鄂維南介紹，這個集圖書館、計算中心、實驗中心、教室功能于一體的平臺，已被國內頂尖高校和科研機構廣泛采用，截至目前用戶量達175萬，年底目標直指600萬。

如果說“玻爾”是“地基”，那么科學基座模型Innovator與通用科研智能體SciMaster就是搭建其上的“核心引擎”。

以SciMaster為例，其具備“讀、算、作、寫”全流程科研能力?！霸诶碚撐锢眍I域，它求解量子Bose-Hubbard模型臨界溫度的問題，從理解問題、設計算法、實際計算到撰寫論文，全程自動化完成，文章質量達到可發(fā)表水平。”鄂維南舉例，北大元培學院兩名學生僅用一周就基于SciMaster開發(fā)出燃燒仿真智能體，而過去這類工具研發(fā)往往需要數年。

在垂直領域，鄂維南認為AI forScience的賦能潛力同樣巨大。他舉例表示，中國科學院院士黃三文等人提出的“植物星球計劃”，以及其他如數字細胞、材料基因組計劃等，都是能改變科學格局的重大項目，也是AI使其成為可能。

打破“門戶之見”，讓創(chuàng)新回歸本質

放眼國際格局，鄂維南有著清醒判斷：“美國很重視AIforScience，但競爭力主要來自谷歌等企業(yè)，集中在生物醫(yī)療、材料等領域，缺乏系統(tǒng)布局；新加坡等國剛起步。中國是最重視的國家，且布局更系統(tǒng)，基礎設施建設已處于領先水平。”但他也直言：“高端科研儀器和設備依賴進口是潛在風險，這是需要補的短板?！?/p>

面向未來3～5年，鄂維南最期待的是科研與研發(fā)范式的整體改變?！斑@意味著實驗室自動化、新材料新藥物設計能力、科學軟件開發(fā)能力、儀器制造能力的全面提升?！?/p>

但獲得突破的核心瓶頸，他認為是資源配置問題。“今年8月，我和中國科學院院士丁洪、湯超一起組織了一場AIforScience務虛會，參會的前沿學者大多是年輕人，討論未來可能突破的方向時很有想法，但一提到資源支持就有些悲觀?！痹谒磥恚钣袆?chuàng)新活力的往往是年輕團隊，卻在資源分配中處于劣勢。

破解之道，既需要機制創(chuàng)新，更需要打破“門戶之見”?！叭绻苷先珖顑?yōu)秀的資源，我們很可能獲得2～3年的先發(fā)優(yōu)勢，這就是我們科技‘換道超車’的機會?！倍蹙S南強調，尤其是在國家戰(zhàn)略科技力量體系上處在核心位置的機構，應該真正把國家利益置于機構利益之上。

而科研評價體系改革則是“關鍵一招”：“必須打破‘唯論文’，論文只是中間態(tài)，想法、數據、工具、實際效果都應成為評價指標?，F在玻爾平臺已覆蓋大量科研工作者，能夠為新評價體系的建立提供基礎?！?/p>

他始終強調：“AIforScience不是簡單的技術賦能，而是要讓科研回歸解決真問題的本質?！?/p>

責　　編：張 楠鄧涵文

審　　核：張敬一

值班編委：宋玉榮