AI 时代，大学如何站在科技创新的最前沿？7月4日下午，2024世界人工智能大会“人工智能：科研范式变革和产业发展”主题论坛在上海世博中心召开。复旦大学校长、中国科学院院士金力，同济大学校长、中国工程院院士郑庆华，中国科学技术大学副校长吴枫，上海科技大学副教务长虞晶怡，展开校长圆桌对话，复旦大学副校长姜育刚主持。

论坛上，由上海智能科学研究院（下文简称：上智院）和复旦大学共同主办的第二届世界科学智能大赛启动。上智院主导开发的全新科学数据平台正式发布，为探索复杂科学场景提供新线索和新假设，以科学数据平台为核心的全球科学数据生态联盟同步启动。这些发布不仅标志着技术创新的新举措，也为科学智能生态注入新的活力与动力。

本次主题论坛由世界人工智能大会组委会、上海市科学技术委员会、上海市教育委员会、上海市经济和信息化委员会指导，由世界人工智能大会组委会办公室、上智院、复旦大学共同主办，吸引包括众多国内外顶尖科学家、高校和产业领袖，共同探讨人工智能的技术发展、产业应用以及对学科融合和高校创新机制的推动。

今天，企业界科创成果不断涌现，高校能否依然勇立潮头、引领创新？金力认为，高校与企业不同，大学的责任是为国家、为人类作贡献，不仅要传承知识，也要创造知识。高校不同于企业，但离不开企业，双方应携手合作，完成工作，就像复旦上线的国内高校最大的智算平台CFFF，得到阿里云100多个工程师的支持。

未来的科学研究数据驱动还是科学假设驱动？复旦的选择是后者，有好的假设，才能有更好的科研。“如果树上掉下一颗榴莲，还会有牛顿吗？”金力风趣地解释了AI之于科学假设（Hypothesis）的重要性。金力表示，当今科学可以分成两部分，一是基于传统范式提出好的假设，一是科学智能（AI for science）驱动的假设。让假设的产生基于数据，高效产生假设并辨别其是否靠谱，是对AI的要求。科研人员能挑、会挑，可以判断假设的质量、让AI进化，可以通过AI大幅提升其判断假设质量的效能，这是科学智能的核心价值。未来的技术颠覆者将是年轻人，所以复旦大学不仅做科学智能（AI for science），更要培养AI人才。

一个数学家和一个生物学家放在一起，能产生交叉融合的可能性不到1%，但是，如果他们有一个共同的学生，既懂数学又懂生物学，学科交叉就成功了。学校准备把理工科相对集中在一起，电梯要少，让大家有机会相遇，有足够多的小会议室给大家聊天讨论，让学生参与进来，提供良好的成长环境。

郑庆华表示，高校仍是当今科技知识的策源者与创造者，但企业在明确和把握社会需求方面有独特优势，企业得以为高校的科学研究提供方向与目标。大学和企业互为补充，如同硬币的正反两面，应当相互赋能、相互成就，在产教融合推动科学研究的进步。高校在推动不同学科间的交叉融合和协同发展方面具有独特优势，在人工智能时代，高校要有意识地培养具有交叉学科背景的学生，为不同学科背景的学生创造面对面交流的平台。学校要以任务驱动的方式推动学科融合发展，不断更新教师的教学理念和认识体系，让高校在解决技术问题、培养人工智能时代的卓越人才方面发挥独特的优势。

谁对科研突破起到了更大作用，是高校还是企业？吴枫表示，在很多人的认知中，多年前起，企业在多个领域的科研有超越高校之势。但实际上，高校和企业各有优势，高校的科研模式是老师带领学生，企业的科研模式强调团队创新，因此企业有系统性的创新能力。有价值的研究问题通常来自于企业，以工科为主的高校要拥抱企业，培养满足产业需要、具有科研创新能力的学生。虽然大家当前主要关注人工智能的实际应用，但人工智能对助力基础科学发展也同样具备巨大潜力，高校应注重创造良好的学科交叉氛围，建立完善成套的人工智能科创管理制度。

虞晶怡坚信，高校不仅是人工智能发展的策源地，也是长期主义的重要堡垒，高校教师具有浓厚的创新精神。在人工智能时代，高校教师应密切关注业界的需求与问题，通过基础研究和扎实的基础知识，为解决业界需求提供创新解决方案。同时，业界也应积极寻求与高校的合作，通过资源共享和知识交流，共同推动人工智能领域的发展。从人才培养的角度来看，学科交叉融合在培养复合型人才方面非常重要，高校教师应主动与不同领域的学者建立联系，通过跨学科的对话促进教学和科研的创新。高校在开展人工智能课程教学时，应进行新尝试，不局限于传统教学模式，鼓励学生开展创新研究。

诺贝尔经济学奖得主、北京大学汇丰商学院荣誉教授Thomas J. Sargent，阿卜杜拉国王科技大学人工智能计划负责人、瑞士人工智能实验室研发主任Jürgen Schmidhuber，中国科学院院士、复旦大学物理系教授龚新高，中国科学院院士、复旦大学新工科战略委员会副主任、上海智能研究院共同发起人王坚在论坛上作主旨演讲。该环节由上海科学智能研究院理事长、复旦大学教授吴力波主持。

龚新高以“AI物理与材料逆向设计”为题，分享了AI技术对物理学研究范式的深刻影响。如今，他的团队已实现通用势和通用哈密顿模型的训练与评估。利用这个模型，科研人员实现了全元素空间材料设计和物理性质预测。他认为，在人工智能的推动下，物理学的科研范式已从计算物理进一步发展到了今天的“数智”物理，即AI物理，而这将可能解决材料设计中的最大挑战——按目标逆向设计，“只要给定性质，就能找到相应的材料”。

以《Back to the Basics（回到基础），从GeoGPT开始》为题，王坚指出，随着人工智能相关领域的研究不断深入，计算驱动的科学发现和技术创新将惠及学界与普罗大众。他提到1972年阿波罗17号拍摄的首张从太空远眺地球的照片，并浪漫地表达了他的信念，“我相信科研就是take a picture of nothing to find something（于虚无中探索存在）”。正是出于重构地球科学领域的愿景，王坚发起并推动了GeoGPT的开发工作。他相信，随着必要的人工智能基础设施的发展，新的科学“登月计划”将成为现实，人工智能将改变并重塑科学、技术、工程和数学等学科。

“我认为，通用人工智能的最高体现之一就是理解复杂世界、发现未知规律。简单地说，就是打造AI爱因斯坦。这也是AI for Science的最关键目标。要实现这一目标，我们需要结合快思考的‘黑盒’预测和慢思考的‘白盒’逻辑推理，打造‘灰盒’可信大模型。具体而言，通过融合科学规律、观测数据和合成数据，开发理解物理世界的垂直领域科学大模型。”上智院院长、复旦大学浩清特聘教授漆远说。

为推动科学智能领域创新发展，第二届世界科学智能大赛在主题论坛上启动。大赛由上海市科学技术委员会、上海市发展和改革委员会、上海市经济和信息化委员会、上海市教育委员会等多部门联合指导，上海科学智能研究院、复旦大学联合阿里云在上智院·天池平台发布。第二届大赛设置生命科学、物质科学、地球科学、社会科学、逻辑推理五大赛道，配有高额奖金池，面向全球人才开放，旨在推进科学智能技术创新，挖掘顶尖创新团队，构建科学智能生态，激发科学智能发展新动能。首届赛事于去年6月启动，吸引全球超过18个国家（地区）的11653名选手参赛。

针对现有科学数据库仍普遍存在规模小、质量参差不齐、数据不互通等问题，上智院正主导建设一套涵盖多模态科学数据的科学数据平台，具备从数据采集、加工到管理和建模的全链路能力，保证数据的高效加工、可信和安全互通。该平台基于分布式并行计算将数据处理效率提升10倍，并通过制定安全互通规范、开发数据安全工具以及全流程记录和溯源数据操作行为，实现数据互通的有规可循、有器可用、有迹可查。基于这一科学数据平台，上智院与合作伙伴构建面向生命科学、物质科学、大气科学等领域的多个高质量科学数据集。

论坛期间，“全球科学数据生态联盟”成立。该联盟旨在通过政府、企业、高校、研究机构等多方合作，构建全球性、多领域的科研大数据资源开放与共享平台。联盟致力于开发和整合科研数据资源，提供先进的数据分析技术支持，搭建高效的数据共享平台，为教学、实践、科研和业务拓展提供强有力的数据支持。