中国AI发展：如何打破跟风，实现原始创新？——鄂维南院士深度解读
中国科学院院士、北京大学教授、上海算法创新研究院院长鄂维南，长期深耕应用数学与机器学习领域。他在2023全球人工智能开发者先锋大会前夕接受专访时直言：中国人工智能发展亟需有效的顶层设计，目前仍缺乏原始创新的环境和生态。以下是他从个人经历、技术趋势到国家战略的完整观点，帮助读者理解中国AI的现状、挑战与破局方向。
一、中国AI发展的核心问题：跟风与缺乏顶层设计
鄂维南认为，当前国家对于人工智能研究还缺乏有效的顶层设计，人工智能的发展总是容易跟着别人走。“有的专家非常擅长解读国外的东西，但国外下一步会出来什么东西，他们脑子里面没有概念。”国内人工智能的创新与国外相比仍有很大差距，跟着别人的路径走也许可以走5年、10年，但从长远来看，还是要建立底层能力，包括算法、系统、数据等能力，同时打破人为的壁垒。
小提示： 底层能力是AI长期竞争力的根基，不能只关注短期应用。
二、从纯数学到机器学习：鄂维南的转型之路
- 1978年进入中科大数学系： 15岁的鄂维南放弃少年班，选择更低调的数学系，沉浸在纯数学的“不食人间烟火”中。
- 1982年春节的顿悟： 回到江苏农村老家过年，他感到自己“从天上回到了人间”，决心转攻应用数学，做真正有用的事。
- 坚持与退堂鼓： 最初对应用数学并不了解，只知加了“应用”二字，后来努力多年仍觉研究“不是真正的有用”，但最终坚持下来。
- 2014年转向机器学习： 从大数据算法研究多年无果，但深知其重要性，于是自己改行。数学背景让他发现深度学习本质上是在解决高维函数问题，科学计算中的困难可通过机器学习解决。
他总结道：“我的内心深处是属于入世的，想跟社会跟技术产生一点联系，我不是那种能一辈子待在象牙塔里的人。”
三、人工智能的两大趋势
近年来，人工智能的发展主要有两大趋势：
- 大规模预训练模型流行： 可以完成多任务学习，ChatGPT的出现证明这条路已经走通。
- AI for Science形成共识： 改变科研范式，打破学科与学科之间、研究与产业之间的界限，影响实体经济，催生新应用场景，有助于生物制药、材料设计等领域的系统化发展，不再靠猜、经验或试错。
小提示： 这两大趋势是当前AI发展的核心方向，值得重点关注。
四、AI for Science：未来更大的主战场
鄂维南认为，化学、材料、电子工程、化学工程等传统科学领域将是人工智能更大的主战场。AI for Science能够让科学家从整体的眼光来看待科学。他正为推动AI for Science打牢模型、实验工具和知识库的技术基础。任何学科都需要用到量子力学、牛顿力学、电磁场理论等基本原理，光谱、质谱、电子扫描仪等实验手段，以及以往积累的数据库、知识库。AI for Science的前提是扎实巩固这些基础，才有可能提供一种新的科研能力。
鄂维南从2016年开始推动AI for Science，2018年在北京大学策划组织的讨论会中，这一概念首次被明确提出。
五、原始创新缺失：环境、生态与文化
从AlphaGo、AlphaFold到ChatGPT，这些原创性研究都来自国外企业而非高校。鄂维南指出，中国拥有大量基础人才和广泛应用场景，但注意力集中在应用和跟风上（如ChatGPT）。头部大企业缺乏以一己之力推动技术根本革新的格局。尽管国家层面在努力推进原始创新，但真正的创新主体还没有很好响应。
在他看来，中国目前仍然缺乏原始创新的环境和生态，尚未形成原始创新的文化。原始创新的文化提倡做出与众不同的研究，而“在中国，有这样想法的人太少了”。他举了个例子：在普林斯顿大学数学系，“要是做跟别人一样的东西，那就会被鄙视，别人瞧不上你。”
常见问题：为什么中国AI容易出现跟风现象？
答案：因为缺乏有效的顶层设计，且原始创新文化尚未形成。很多专家善于解读国外成果，但缺乏对下一步方向的独立判断。企业和科研机构更倾向于复制成熟模式，而非承担探索风险。
六、原始创新人才需要具备三种能力
鄂维南表示，拥有原始创新能力的人才需要具备：
- 第一性原理思维能力和抽象思维能力
- 能够抓住复杂问题的本质
- 解决问题的能力
他进一步强调：“说到底就是三个学科：物理、数学、计算机。底层能力的培养，就是要把基本的数学基础、物理基础和计算机基础打好。”
七、给年轻人的建议：做实事，想清楚一辈子要做什么
“有了解决问题的决心，技术就不会成为障碍。”鄂维南表示，最重要的是培养价值观，培养想真正解决问题的人、想为社会做贡献的人，而不是想走捷径、为自己的小目标来设计最佳方案的人。他建议年轻人做实事，想清楚自己一辈子究竟要做什么，而非随波逐流、为外部环境所干扰。
小提示：未来人工智能如果要做出“顶天立地”的成果，“立地”的核心就要追求精益求精的态度，“顶天”则需要注重底层创新的文化和积累。
常见问题汇总
- 问：什么是AI for Science？
答：AI for Science 是指将机器学习等人工智能技术引入科学研究，帮助科学家解决传统方法难以处理的高维问题，改变科研范式，打破学科界限，促进生物制药、材料设计等领域发展。鄂维南是这一概念的主要推动者。 - 问：为什么中国AI缺乏原始创新？
答：主要因为缺乏有效的顶层设计，原始创新的环境和生态尚未形成，普遍存在跟风文化，且原始创新人才稀缺——他们需要具备第一性原理思维、抓住本质的能力以及解决问题的能力，而这些能力需要扎实的物理、数学、计算机基础。 - 问：鄂维南的转型经历对普通人有什么启发？
答：他经历了从纯数学到应用数学再到机器学习的多次转型，始终坚持要做“真正有用的研究”。他的经历说明，在迷茫时不要放弃对价值的追求，同时要敢于跨界，利用自身优势进入新领域。