院士鄂维南：当前人工智能技术路线不可持续，中国研究者要跳出主流框架

中国的高维科学家、创业者，已经跳出现有技术框架与思维模式，以研究与探索下一代人工智能系统的技术路线。

继中国科学院院士、清华大学计算机系教授、清华大学人工智能研究院名誉院长张钹，及具身智能创业者、宇树科技创始人王兴兴之后，元界（ID：Metabod）留意到，留美归国的中国科学院院士、北京大学教授鄂维南，在6月26日中国科学院第二十一次院士大会期间，也提出了同一维度的观点。

鄂维南以“数学与人工智能”为题，分析了目前人工智能技术发展态势和我国相关领域发展现状，从数学模型和计算系统两个角度，提出探索人工智能基本原理的框架和下一代人工智能系统的技术路线。

他希望，中国相关领域研究者跳出目前主流的技术框架和思维模式，找出适应中国人工智能发展的技术路线。

异曲同工

高维科学家走进无人区，迈向原创之路

2024年4月，张钹院士做客清华大学“人文清华讲坛”，以《走进“无人区”，探索人工智能之路》为题做了一场演讲。

在演讲中，他认为，第一代人工智能的目标是让机器像人类一样思考。第二代人工智能最大的问题是不安全、不可信、不可控、不可靠、不易推广。第一代和第二代人工智能的模型、算法都有很多缺陷。对目前的人工智能技术而言，虽然提高了效率和质量，但系统越信息化和智能化，也就意味着越不安全。

他表示，迄今为止，人工智能尚无较为成型的理论，更多是模型和算法，因此，必须大力发展科学完备的人工智能理论，在此基础上，才能发展出安全、可控、可信、可靠和可扩展的人工智能技术。

在他看来，第一代人工智能运用了知识、算法、算力三个要素，其中最主要的是知识。第二代人工智能则主要用了数据、算法和算力三个要素。为了克服人工智能的固有缺点，唯一的办法是把知识、数据、算法和算力这四个要素同时运用。从人工智能三要素走向四要素之路，院士张钹清华演讲全文

而在刚结束不久的2024智源大会的具身智能论坛上，宇树科技创始人兼CEO王兴兴也有一段令人高看的观点。

他说，在理想情况下，我们应开发对数据需求较低的模型，就像人类和动物一样。一个小孩在成长过程中，通过较少的数据就能学会很多东西，包括语言。相比之下，现有的大语言模型对数据依赖性很强，这与人类学习方式不同。

在智能模型和模型结构方面，还有很多探索空间。现有的神经网络架构可能并非最优，可以研究脉冲神经网络或其它新结构。

他认为，”与其继续完善现有的大语言模型和多模态大模型，不如探索开发全新模型，这样可能会带来更大突破。“宇树科技王兴兴：与其完善多模态大模型，不如探索开发全新模型

而在6月26日中国科学院第二十一次院士大会期间，除上述言语外，鄂维南院士旗帜鲜明地表示，当前人工智能的技术路线是不可持续的，要想找到能使我国人工智能长期稳定发展的技术路线，必须探索人工智能的基本原理。

把这些观点放在一起，至此，元界（ID：Metabod）意识到，中国的顶尖科学家、创业者已经以走进无人区的心态，迈开走向原始创新之路。

他们是最早有意识摆脱跟随与聒噪而向着未知、未竟领域、方向前进的中国科学家、科学家型创业者。不仅如此，他们已然向中国研究者、创业者们发出最清晰的召唤：走自己的道路！

1989年鄂维南（右一）从加州大学洛杉矶分校博士毕业时，与左一陈大岳、中间杨焕安合影

其人其迹

留美35年，2020年回国发展

鄂维南院士，是唯一获得国际数学顶会ICIAM颁出的麦克斯韦奖的中国人，也是全球第一位同时获得科拉兹奖和麦克斯韦奖两个应用数学大奖的数学家。

他的研究方向包括机器学习、计算数学、应用数学，及其在化学、材料科学和流体力学中的应用。

他，1963年出生于江苏靖江市农村，15岁被中科大录取，纯数学的美妙吸引了他，使他放弃少年班，进入数学系学习纯数学。大四时，他改变方向，转读应用数学，之后一路从中国科学院、加利福尼亚大学洛杉矶分校完成硕博士学位。读博期间，他的导师为著名应用数学家Bjorn Engquist教授。

博士毕业之后几年，鄂维南进入普林斯顿高等研究院和纽约大学的库朗研究所，分别担任研究员和教授。1999年，35岁，他进入普林斯顿大学，成为数学系和应用数学及计算数学研究所教授，这一年龄让他成为普林斯顿大学数字系最年轻的正教授。随后加入北大，至今为北京大学数学科学学院讲席教授。

在应用数学道路上，他也打过两次退堂鼓，但他还是坚持了下来，“我努力了很多年，都没觉得我做的东西真的有用。说起来好像我做的东西也有用，别人也在用，但实际上并不是真正的有用。”

在应用数学前途并不明朗的情况下，2004年，鄂维南开始推动研究大数据中的算法，但10年过去他自谦依然没有取得什么动静。2011年，48岁的鄂维南当选中国科学院院士。

从2014年开始，鄂维南跨界进入机器学习领域。在用AI辅助分子动力学模拟时，鄂维南课题组偶然获得5-6个数量级上的加速效果，使其意识到：深度学习正是解决维数灾难的绝佳工具，因为深度神经网络的本质就是在逼近高维函数。

注：“维数灾难”之说，最早由动态规划创始人理查德·贝尔曼提出，是指随着维数的增长，分析高维空间中数据需要的计算量也呈指数级增长。这个问题在鄂维南用多尺度模型解决多体问题、药物和材料设计、湍流和非牛顿流体力学等难题中，长期存在。

他也因此意识到，机器学习能够帮助解决科学中的问题。从2016年，鄂维南开始酝酿推动“人工智能驱动的科学研究（AI for Science）”概念，也即将机器学习引入科学建模，赋予科学家意想不到的能力。

2017年，鄂维南带领团队提出深度势能（Deep Potential）分子动力学方法，用深度学习方法去计算上亿个原子之间相互作用的势能函数。DeePMD，让其获得戈登贝尔奖，DeepModeling开源社区，也在此基础上发展而来。

2018年，他在北大召开专题地探讨提出“AI for Science”的概念。之后，这一概念被推广至全球。ChatGPT的出现及对包括科学研究在内的各行各业所潜在的赋能能力，让他的这一观点更加成为全球共识。

在美国生活35年之后，2020年鄂维南回国发展。一年后，北京科学智能研究院（AI for Science Institute，简称AISI）就此成立。

2023年8月，在国际数学顶会ICIAM上获颁麦克斯韦奖

有的专家只擅长解读国外的东西

中国要建立底层能力，不能有任何依赖国外的想法

鄂维南同时是上海算法创新研究院院长。

2023年2月，在2023全球人工智能开发者先锋大会期间，他表示，深度学习就是解决高维函数问题，但ChatGPT和以往从函数角度思考问题不同。

他认为，“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。”

中国人工智能发展拥有大量基础人才和广泛应用场景，数据量巨大，场景极具挑战。鄂维南说，理想的情况是利用挑战性场景推动底层算法和系统的原始创新，但实际情况是大家的注意力却集中在应用和跟风上，眼下的ChatGPT就是一个明显案例。

在他看来，国内人工智能的创新与国外相比仍有很大差距，对人工智能研究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。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。

在6月26日中国科学院第二十一次院士大会期间，鄂维南同时表示：

我国需要建立完整的人工智能底层创新体系，这个底层创新体系包括芯片、系统软件、数据和数据库、高性能计算、算法等。这些都需要我们自己建立起来，不能有任何依靠国外的幻想。

也因此，他认为，除算力问题，我国人工智能领域的发展还有一些亟待解决的问题：一是人才资源和算力资源没有对接好；二是底层创新体系没有建立起来，技术框架基本依赖国外；三是综合性、前瞻性人才匮乏。

2023年6月参加首届智能制造与智能化治理高峰论坛暨合肥人工智能与大数据研究院一周年成果大会

做跟别人一样的东西，要被鄙视

顶层设计，摆脱跟风，形成“顶天立地”的原始创新文化

一次在接受专访时，鄂维南表示，当前人工智能的发展存在跟风，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。从国家层面来讲，人工智能的发展需要建立有效的顶层设计，这是核心问题。这一顶层设计要能够打破壁垒，推动原始创新，促进数据流通，让更多数据被有效运用起来。

鄂维南认为，头部大企业不缺乏资源，但以一己之力推动技术根本革新的格局仍然缺少。从国外借鉴和复制原创思想并从商业模式上创新已成为国内发展的普遍模式。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。

在鄂维南看来，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”。

他认为，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，更难的“顶天”要注重底层创新的文化和积累。

原始创新需要拥有原始创新能力的人才

年青人要清楚一辈子究竟要做什么，而非随波逐流

原始创新来自于拥有原始创新能力的人才。“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。”他说。

鄂维南表示，未来，原始创新人才需要具备三种能力，一是具备“第一性原理”思维能力和抽象思维能力，二是能够抓住复杂问题的本质，三是解决问题的能力。“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。”

“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。

2023年10月在院士专家江苏行暨国情考察活动高端科普报告会上做讲座

区域如何建立一套自然而全面的人工智能系统？

要用有决心、有能力的靠谱的人

在人工智能时代，科技创新到产业落地的周期大幅缩短，甚至需要快速迭代。2023年10月15日，在南京举办的院士专家江苏行暨国情考察活动高端科普报告会上，鄂维南认为，要加强基于产业的创新体系建设，如垂直整合，对集成电路、生物制药、高端制造等产业领域，政府、科研人员和企业要形成合力，关键的关键就是要找到有决心、有能力的靠谱的人。

“创新文化建设是我们立于浪潮之巅的基础。”鄂维南特别强调，要注重创新文化建设。他认为，在整个创新文化建设体系中，创新群体要有社会责任感、冒险精神和实干精神，要有底层思维；政府则要在资源分配、市场引导方面，积极营造良好的创新环境。

如何建立一套更加自然、更加全面的人工智能系统？鄂维南表示，最重要的是要加强原始创新体系建设！要将有组织和自主创新、自由探索相结合，要建立有效的“科研+产业”的咨询团队，并建设有效的反馈机制和人才发现、团队培养机制。

“这里的咨询团队成员，需要拥有高度的责任心、前瞻性眼光、活跃在一线。在机制的建立中，还要让真正想做事、能做事的人能够脱颖而出。”他补充说道。

传统科学领域是人工智能更大的主战场

建设“引领世界的「AI for Science」基础设施体系”

“AI for Science是中国科技创新历史上最好的机会，它的空间非常大，将全方位改变科学研究到产业落地的过程。”2023年8月10日，在2023科学智能峰会主论坛上，鄂维南如此表示。

在鄂维南看来，效率低下是当前科研面临的主要困难之一。而以往的科研经常会形成“小农作坊”模式，虽然可以自给自足，但是效率很低，利用实验手段提供的信息是有限的，分析利用数据的能力也是有限的。

“从我自己的科研经历来看，很多年都在尝试解决材料科学、化学等学科的一系列问题。我意识到其中面临的核心困难，人工智能可以帮助到我们，这也是‘AI for science’最基本的出发点。”鄂维南说。

他认为，AI for Science可以改变科研范式，打破学科与学科之间的界限以及研究与产业之间的界限，影响实体经济，催生新的应用场景，未来有助于生物制药、材料设计等领域的系统化发展，而不再是靠猜、经验或者试错。

而化学、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。

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，以及以往积累起来的数据库、知识库，以及高度整合的算力平台。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。

目前鄂维南正为推动AI for Science打牢模型、实验工具和知识库的技术基础，以此在未来赋能工业应用的实际场景时，能在材料科学、能源化工、航空航天、药物研发等方向上带来巨大变革。

他所建立并担纲的北京科学智能研究院，聚焦物理建模、数值算法、人工智能、高性能计算等交叉领域的核心问题，最终目标是建设起可以“引领世界的「AI for Science」基础设施体系”。

资料来源：中新网、量子位、21世纪经济报道、澎湃新闻、北大数学科学学院官网等

编辑：抱一君   报道/商务：yhxgj360(微信)

推荐阅读