对话鄂维南：AI for Science是千载难逢的“超车”机会，没有“之一”
中国科协之声原创栏目。与大家对话，前沿探索娓娓道来，用科学初心与热忱同您交流。
党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出，全面实施“人工智能+”行动，全方位赋能千行百业。在这一国家战略指引下，如何让AI真正成为科研创新的核心引擎，破解从实验室到真实应用的鸿沟？中国科学院院士、北京大学教授鄂维南的思考与实践，或许能给我们启示。中国科协之声邀您一起，对话鄂维南→
鄂维南，数学家，中国科学院院士，北京大学教授，“学术科协”科学智能专家委员会联席主任。主要从事计算数学、应用数学及其在力学、物理、化学和工程等领域中的应用等方面研究。
“很不幸，过去研发的算法，大多困在‘理想实验室’里——能求解简化模型，却对真实世界的复杂问题束手无策。”鄂维南从事算法研究数十年，谈及倡议AI for Science（科学智能）的缘起，话语里满是科研工作者的痛点与顿悟。
直到大约10年前，深度学习兴起，鄂维南意识到，破解“维数灾难”的钥匙来了。
“AI for Science是我国科研千载难逢的超车机会，2017年我在团队内部讨论时就这样说过，但是到2022年才在公众场合宣之于口，因为论证了5年，我们明确这个机会就是千载难逢的，没有‘之一’。”
破解“维数灾难”的钥匙
10月27日，由科技导报社主办的2025年《科技导报》《前瞻科技》编委会议暨人工智能赋能科研专题学术研讨活动在京举行，“学术科协”（CAST SCHOLAR）科学智能专家委员会在会上成立。鄂维南受聘该专委会联席主任。
鄂维南在研讨活动上作题为“AI for Science现状与意义”的报告。
作为深耕计算科学领域的学者，鄂维南的研究足迹遍布计算数学、力学、物理、材料科学、计算生物学等领域——凡涉及物理模型的科学与工程算法问题，他几乎都曾深入探索。
但长期以来，“维数灾难”这一核心痛点始终如影随形：算法的复杂度会随变量自由度增加呈指数级上升，导致科研人员只能处理简化后的理想问题，与实际应用存在巨大鸿沟。
“比如模拟一个复杂材料的性能，需要处理海量变量，传统算法的计算量大到根本无法落地。”他坦言，这种“理论与实践脱节”一直让科研推进步伐沉重。
深度学习的出现，为突破这一困境带来了转机。“深度学习的本质是提供了一种高效处理复杂数据的工具，它能整体提升科研能力，让过去‘不可能’的复杂问题成为可能。”
基础设施与垂直赋能双轮驱动
谈及当前AI for Science发展的核心突破点，鄂维南指出两个方向：基础设施建设，以及垂直领域突破。
在他看来，要实现科研范式的根本性变革，必须先搭建起适配新范式的“舞台”。而这样的基础设施需要政策、人才、资金等各方面的支持。鄂维南感慨：“相对于要实现的宏大目标而言，我们团队一直处在资源短缺的困境之下。”
其团队正用“愚公”精神“搬山”。2025年3月上线的“玻尔科研空间站”，如今已成为AI for Science领域的核心基础设施之一。
“‘玻尔’既是门户，能让科研人员方便找到资源；也是超市，能让开发者便捷部署科研工具。”鄂维南介绍，这个集图书馆、计算中心、实验中心、教室功能于一体的平台，已被国内顶尖高校和科研机构广泛采用，截至目前用户量达175万，年底目标直指600万。
如果说“玻尔”是“地基”，那么科学基座模型Innovator与通用科研智能体SciMaster就是搭建其上的“核心引擎”。
以SciMaster为例，其具备“读、算、作、写”全流程科研能力。“在理论物理领域，它求解量子Bose-Hubbard模型临界温度的问题，从理解问题、设计算法、实际计算到撰写论文，全程自动化完成，文章质量达到可发表水平。”鄂维南举例，北大元培学院两名学生仅用一周就基于SciMaster开发出燃烧仿真智能体，而过去这类工具研发往往需要数年。
在垂直领域，鄂维南认为AI for Science的赋能潜力同样巨大。他举例表示，中国科学院院士黄三文等人提出的“植物星球计划”，以及其他如数字细胞、材料基因组计划等，都是能改变科学格局的重大项目，也是AI使其成为可能。
打破“门户之见”，让创新回归本质
放眼国际格局，鄂维南有着清醒判断：“美国很重视 AI for Science，但竞争力主要来自谷歌等企业，集中在生物医疗、材料等领域，缺乏系统布局；新加坡等国刚起步。中国是最重视的国家，且布局更系统，基础设施建设已处于领先水平。”但他也直言：“高端科研仪器和设备依赖进口是潜在风险，这是需要补的短板。”
面向未来3～5年，鄂维南最期待的是科研与研发范式的整体改变。“这意味着实验室自动化、新材料新药物设计能力、科学软件开发能力、仪器制造能力的全面提升。”
但获得突破的核心瓶颈，他认为是资源配置问题。“今年8月，我和中国科学院院士丁洪、汤超一起组织了一场AI for Science务虚会，参会的前沿学者大多是年轻人，讨论未来可能突破的方向时很有想法，但一提到资源支持就有些悲观。”在他看来，最有创新活力的往往是年轻团队，却在资源分配中处于劣势。
破解之道，既需要机制创新，更需要打破“门户之见”。“如果能整合全国最优秀的资源，我们很可能获得2～3年的先发优势，这就是我们科技‘换道超车’的机会。”鄂维南强调，尤其是在国家战略科技力量体系上处在核心位置的机构，应该真正把国家利益置于机构利益之上。
而科研评价体系改革则是“关键一招”：“必须打破‘唯论文’，论文只是中间态，想法、数据、工具、实际效果都应成为评价指标。现在玻尔平台已覆盖大量科研工作者，能够为新评价体系的建立提供基础。”
他始终强调：“AI for Science不是简单的技术赋能，而是要让科研回归解决真问题的本质。”