鄂维南院士：中国AI的最大短板是“追赶式思维”

YinJi

鄂维南院士：中国AI的最大短板是“追赶式思维”，让我们难以成为领跑者

鄂维南

中国科学院院士

上海算法创新研究院学术委员会主任

北京大学国际机器学习研究中心主任

他将人工智能方法引入科学计算领域，推动了“AI for Science”研究范式的形成。曾获国际工业与应用数学联合会（ICIAM）Collatz奖（2003）、ACM Gordon-Bell奖（2020）、国际工业与应用数学联合会Maxwell奖（2023），2025年获世界华人数学家大会（ICCM）首届林家翘奖。

以下为鄂维南独家观点的部分摘录：

中国有先发优势，但可能被“追赶式思维”拖垮

“如果一直沉浸在这种思维之下，我们将难以成为领跑者。”

/ 01

AI4S先发优势


年轻科研人员缺少支持


资本市场带动内卷


警惕“追赶式”思维


数学界再不改变，会被边缘化

“人工智能显然对数学提出了全新的要求。”

/ 02

数学界现状


数学界停留在牛顿时代的节奏


缺失创新审稿人


AI的最大问题，是没有理论基础

“这不仅对AI的长远发展不利，也造成门槛很高、资源浪费很严重。”

/ 03


深度学习的数学内涵：我们在处理“千维、万维”的问题

“它本质上是处理高维问题的一种方式。”

/ 04


很多待解问题

“对训练方法如何克服维数灾难，尤其是大范围的训练，有很多地方我们还不太了解。像状态空间方法以及最近热门的Mamba等新结构，是否真的能解决长程依赖问题？目前仍缺乏明确答案。”

AlphaFold的成功，为什么难以复制？

“这是天时地利人和的结果。”

/ 05


做AI的人往往不懂科学问题

“有一个比较危险的倾向是，不少AI研究者缺乏对科学的敬畏。”

/ 06


破除“唯论文”：一份高质量的数据，就是最重要的科学贡献

“新的想法、产生的数据、开发的工具，这些都应当被视为科研成果。”

/ 07

多维评价机制

谈到数据开放，鄂维南认为，评价机制的问题比科学文化更突出。“我们目前的科研评价体系，几乎完全围绕论文展开。科学家不愿完全公开自己的数据，很大程度上是因为只要把数据掌握在手里，就能继续产出下一篇论文。”这种局面必须打破。“一份高质量的数据本身，就是最重要的科学贡献之一。未来我们必须建立多维度的评价体系，不能仅仅以论文为唯一标准。”

“小作坊”科研已过时

科学文化方面，他认为我们尚未形成真正开放共享的文化氛围。“不仅指论文，还包括研究思路、数据、工具等都应该开放，实现高效、高速的交流。”他对比了过去和未来：“本质上，我们过去的科研是‘小作坊’模式，一个老师带几个学生就是一个‘作坊’。但未来不同了，科研正在进入‘快速道’，我们的交流文化也必须随之改变。新的想法、产生的数据、开发的工具，这些都应当被视为科研成果，并被融入学术交流中。”

给年轻人：成为终身学习者，培养三种核心能力

“仅仅告诉我论文被引用了50次，是远远不够的。”

/ 08

有了这三种能力，不用担心被AI替代

鄂维南的答案很直接：“每个人都必须成为终身学习者，必须持续学习新知识、拓展思路、提升能力。”他对未来“领军人才”的定义，包含三种核心能力：第一，基本原理思维——洞察事物底层逻辑的能力；第二，把握真实问题的能力——能识别社会与技术发展中的核心挑战，“这正是我们当前教育中最欠缺的”；第三，工程能力——能够判断一个想法与现实落地之间的距离，并推动其实现。

年轻教师不能仅满足于发表一篇会议论文

“我希望他们能对人工智能的发展历程产生实质性的影响。”他举了自己团队的例子：“像我们做的基础算法、开源平台、玻尔空间站等等，这些动作都产生了真实可见的影响。甚至有人说，美国发布的《创世纪(7.640, -0.39, -4.86%)计划》，是在‘摸着我们过河’。”他留下一个拷问：“我们必须追问：你的工作究竟带来了什么影响？无论是大是小，它是否真正推动了进步？仅仅告诉我论文被引用了50次，是远远不够的。”


(图灵AI转自世界人工智能大会，仅用于学术分享)