2026年8月21-22日，2026科学智能大会在北京中关村国际创新中心举行。大会以“人工智能变革科研范式”为主题，由“学术科协”科学智能专家委员会指导，中国科技发展基金会和北京科学智能研究院主办，设有2场全体会议和14场平行会议。这篇是第二天上午全体会议的听会记录。
前一天的首场全体会议，我的感受是AI4S正在系统性地跨越科研中长期存在的四道边界：学科之间的、数据形态之间的、物理世界与数字世界之间的、以及人类对生命复杂性的认知盲区。鄂维南院士和张林峰展示了AI基础设施如何让跨学科研究变得可及，王坚院士的科学基础模型021让光谱、地震波等非文本数据也能被统一理解，崔铁军院士把电磁空间变成了可编程的计算空间，谢晓亮院士的FOODIE技术打开了基因组非编码区的研究窗口。
第二天的全体会议由鄂维南院士主持，七位报告人依次登台，覆盖物理、材料、网络安全、深度学习平台、石油工业、自主实验室和科学发现平台。如果说第一天回答的是“AI能跨越什么边界”，第二天的问题则是：边界跨过去之后，每个领域发现自己缺的到底是什么。
鄂维南开场时就说：过去这一年AI For Science在基础研究层面取得很多突破，但技术从实验室走向产业实践还面临很多困难。今天我们要讨论怎么样能够用AI For Science来赋能实体经济。
接下来三个小时的七场报告，我的感受是都可以看作在回应这个问题。虽然专家们的答案各不相同，但有一个共同的轮廓：AI让某样东西变得充裕，同时让另一样东西变得紧缺。物理学家孙昌璞院士的说法是，理论过剩了，实验证据反而成了稀缺品。材料、石油、网络安全、自主实验室，每个领域都在经历各自版本的稀缺性迁移。59款大模型参加材料科学考试，最高分72.3%。石油行业的数据打一口井才能获取一组，还不能在公开环境下训练。网络安全50年的补丁路线走到了哥德尔不完备定理划定的天花板。合肥自主实验室的机器人跑了起来，结果发现化学系研究生太擅长预筛，实验前就淘汰了90%的配方，过程数据几乎不存在。
第一天大会展示的是AI正在消除旧边界，第二天浮现的是：每消除一道旧边界，就会暴露出一种新的稀缺。AI4S的下一程，竞赛焦点在各领域如何识别并填补自己的“新稀缺”。
需要说明的是，以下内容是我个人的听会记录和解读，不能代表各位专家的原本表述，仅供参考。
1. “品位与判断，这才是科学研究最重要的东西”
第一位报告人孙昌璞是中国工程物理研究院教授、中国科学院院士。他的报告题目是“人工智能背景下科学研究的机遇与挑战”，但一上来就把话题收窄到了一个具体的工程问题：AI蒸馏的安全性。他的工具是物理学中处理复杂系统的经典方法。
他的方法是粗粒化。不管模型内部多复杂，从输入输出看，本质就是两种状态：回答和拒答。他用自由能景观描述这两种状态的可分辨度，通过玻尔兹曼机推导出一个定量约束：可靠性和安全性受一个互补关系限制，两者的Logistic函数之和不超过系统对危险输入的分辨程度。 分辨程度可以用信息论严格定义，用K值表示。
这个关系的实际含义是：一个回答所有问题的系统必然在危险问题上出漏洞，一个拒绝所有可疑输入的系统必然损失正常功能。两者的权衡曲线由K值决定。
接下来孙昌璞用重整化群（物理学中处理多尺度问题的经典方法）分析了多代蒸馏的效果。他区分了内源蒸馏（自我蒸馏）和外源蒸馏（蒸馏别人的模型），发现外源蒸馏本质上改变的就是K值。做得好，K值提升，安全与可靠的权衡曲线整体改善；做得不好，不仅K值下降，还会留下可被检测的指纹。他引用了Anthropic和DeepSeek关于对抗性蒸馏的争论，以及梵蒂冈大会上关于AI安全的讨论。重整化群分析还显示，多代蒸馏的结果会收敛到不同的固定点，每个固定点对应一种安全性和可靠性的配置。“我们在人工智能模型的部署中一定要注意这个问题，否则就出现安全性的隐患。”
鄂维南在点评时强调了这项工作的方法论意义：“用重整化群这样一个物理里面非常硬核的技术来讨论多次蒸馏这样一个非常实用的技术。”
孙昌璞报告的后半段把视野拉到了更大的图景：AI时代，数学和物理各自面临什么样的危机？
他引用了2025年7月发布的AI Index报告，其中显示AI在科学研究领域回答问题的平均能力已超过博士生水平。数学领域正在经历“巨大的挑战”：大量著名问题被AI证伪或证明，部分结论尚未得到人类验证，比如高维雅可比猜想在几周前被找到了反例。
他引用了陶哲轩在国际数学大会上的讲话来阐明这种危机的性质。陶哲轩的Lean计划试图将数学证明分解为原子级任务，交给上千位数学家协作完成。过去，分解问题需要半年，解题一年，消化理解还要半年。AI时代，分解缩短到两天，解题一两周。但经典化（确认证明正确、写入教科书）仍然需要人类。 当证明不再稀缺，验证和理解反而成了瓶颈。孙昌璞将这一转变类比为20世纪初罗素悖论和哥德尔不完备定理对数学的冲击：“从原来的数学基础的危机到现在价值和实践的危机。”
物理学的处境不同。数学只要逻辑闭环，物理还需要实验闭环。“理论物理面临的局面是：从模型和计算稀缺的时代，到了理论过剩的时代，稀缺的变成了实验证据。” 发现Higgs粒子用了60年、花了上千亿。AI可以批量生成理论模型和解，但哪些值得耗费巨资去验证？这个判断本身不可自动化。
孙昌璞用“GDP”框架收束了报告，AI时代科学研究需要三种能力：Good Goal（好的目标）、Good Design（好的方案）、Good Perception（好的品位与判断）。“仅仅靠人工智能的辅助不会产生品位的，这才是科学研究最重要的东西。”
这实际上是整场会议的预言。后面六位报告人，每一位都在自己的领域里寻找那个AI填不了的缺口。那个缺口，无一例外，都需要人类的品位与判断。
2. 72分的考卷和打一口井的代价
谢建新和刘合，一位做材料，一位做石油，分属不同行业，各自报告了半小时。但他们的结论几乎可以拼成同一句话：通用大模型在专业领域的能力远没有看起来那么强，而专业领域最核心的数据和知识，恰恰是通用智能最难触及的。
谢建新是北京科技大学高精尖学院教授、中国工程院院士。他的报告从“天坑”开始。材料被称为四大天坑之一，他逐一解释为什么：试错空间巨大（成分、工艺、微结构三重复杂）；构效关系高度非线性且跨越从纳米到米、从秒到百年的尺度；制造过程中温度场、电磁场、外力场等扰动导致性能均匀性和质量一致性极难控制；材料在使用中的降解老化“很难感知，很难预测”。港珠澳大桥的设计寿命是100年，100年里材料还在演化。
他随后亮出了一组实测数据。依托国家大数据中心，他的团队设计了306道材料基础知识题，覆盖概念理解、知识推理、图形理解、公式运用和科学绘图五个维度，对59款通用大模型（37款开源、22款闭源）进行了测评。
综合排名前十的准确率在68.6%到72.3%之间。概念理解几乎可以拿满分，知识推理最高85分。但图形理解、公式运用和科学绘图三项拉开了明显差距。换句话说，大模型能读懂材料教科书里的文字，但一到图表和公式就力不从心。
这组数据揭示的问题比分数本身更深。谢建新的判断很直接：“有数据不等于有可训练的数据，有知识不等于有计算机可以理解的知识。” 通用智能在材料领域只能做边缘性的辅助，能帮你检索文献、理解概念，但做不到定量设计、跨尺度推理和复杂工艺优化。
他提出的解法是一个三层架构：底层是材料通用基础大模型（“打一个不太恰当的比喻，相当于Windows操作系统”），支撑科学大模型（理论创新与新材料发现）、工程大模型（研发到工程化的全链条）和产业大模型（长链条的产业决策）。“材料里面一个模型不可能解决所有问题。”
他还提到了一个容易被忽视的障碍：企业的认知偏差。“去企业参观，带我到中控的信息屏前面，说我们的数字孪生水平已经很不错了。我认为那只是信息化管理的问题，跟数字化制造还差距很远。”他的总结带着善意的刺：“企业经常以为信息化就是数字化，高水平的自动化就是智能化。”
如果说谢建新的72分考卷展示了通用智能在专业领域的能力边界，刘合的报告则展示了专业领域的数据为什么如此难以获取。
刘合是中国石油勘探开发研究院教授、中国工程院院士。他的开场数字很扎实：中国石油对外依存度超过70%，天然气超过45%。“靠传统的经验去提升是有限度的。”
石油行业AI For Science的核心困难在于数据。和互联网行业的数据洪水形成尖锐对比，石油行业的数据天然稀缺：“打一口井非常昂贵，取整个盆地的面积，打上百口井都是稀缺数据。”即便井距缩小到100米，地下形势仍然可以完全不同。地震数据和测井数据存在多解性，不同历史阶段积累的数据标准不一、仪器精度参差不齐。更关键的是，石油数据属于商业机密，“不能够在公开的环境下去训练”。
数据稀缺之外，刘合指出了另一个被低估的约束：零容错的安全要求。 “高温高压复杂流体，一旦模型出了问题，是要死人的。”他强调人机协同在石油行业不是锦上添花，而是底线。
他提出的范式叫“小数据大机理”：以物理机理约束筑牢可靠性底线，以小样本学习追求工程级精度，以轻量化模型控制全生命周期成本。三者之间存在一个“不可能三角”（高精度、高可靠性和低成本无法同时最优），他的方法是追求“动态最优平衡”。
两位院士的报告从不同行业抵达了同一个判断。通用大模型能以近乎零成本提供概念理解、文献检索和知识推理，这种能力的过剩反而让专业领域的真正稀缺暴露无遗：经过标准化处理的高质量训练数据、可量化的测评体系、以及领域专家的判断能力。这些东西不会因为模型参数翻倍而自动出现。
3. 补丁的尽头、框架的短板和实验室的闭环
王海峰、邬江兴、江俊三位报告人讨论的是不同类型的基础设施，但他们的出发点相同：AI4S不缺算法和模型，缺的是让算法落地的底座。计算基础设施、安全基础设施和实验基础设施，各有各的稀缺。
百度首席技术官、百度研究院院长王海峰的报告聚焦深度学习平台飞桨对科学计算的支撑。他把支撑方向归纳为四个：高阶微分方程求解、复数高效计算、超大规模模型训练和异构算力适配。
高阶微分的核心挑战是链式法则导致导数项数指数增长，算子分解带来计算图碎片化，显存开销激增。飞桨的解法是通过多层中间表示编译与代码生成，自动识别并融合算子。对比数据显示，飞桨在微分方程求解任务中平均比PyTorch快115%。两个应用案例让这个数字具象化：与张江数学研究院合作的“应龙”气象模型实现了三公里、一小时级分辨率的预报，单张GPU即可运行；与中车合作的高铁外形气动仿真，周期从天级压缩到秒级。飞桨还开发了多维混合并行训练技术和集群故障自动恢复机制，蛋白质结构预测模型HelixFold的训练性能大幅超越AlphaFold和OpenFold。在算力适配上，飞桨已适配60多个系列芯片，覆盖国内外主流厂商。
王海峰解决的是“已有算法跑不快”的问题。邬江兴解决的是“已有范式根本跑不通”的问题。
复旦大学教授、中国工程院院士邬江兴的报告标题本身就是结论：“从对抗的艺术到构造的科学。”
他从三道数学天花板入手。哥德尔不完备定理意味着复杂系统无法自证安全，他的原话是“搞一个安全的大模型，这句话在数学上不成立”。莱斯不可判定性定理意味着不存在能识别所有恶意程序的通用算法，“不存在上帝视角”。古德哈特定律意味着静态安全指标本身会导致失真，指标越固化，被钻空子的可能性越大。三道天花板共同宣判了一件事：50多年来基于“先出事再补救”的网络安全路线到了终点。
问题的根源在冯·诺依曼架构本身。数据和指令统一编址存储，安全边界天然模糊，漏洞是功能扩展的伴生品。邬江兴把这叫“自在性矛盾”：技术可以迭代，基因缺陷改不了。在这个架构上打再多补丁也无法改变底层逻辑。
邬江兴的替代方案追溯到一个300年前的数学定理。孔多塞1785年证明：当群体中每个成员的判断正确率超过50%时，群体多数决策的正确率随人数增加趋近于1。邬江兴将这一原理改造为“相对正确公理”，放弃追求绝对正确，转而通过构建多个功能等价但架构不同的异构执行体，以群体共识对冲个体漏洞。
从这个公理出发，他推导出三大工程约束：动态性（D）、多样性（V）、冗余性（R），并构建了动态异构冗余架构（DHR）。DHR的工作原理是让多个异构执行体同时处理同一请求，通过比对和裁决识别异常。“我不用知道它是什么问题，它出现了跟别人不一样，先把它替换掉。”他给出了量化指标：工程化保守估计，攻击逃逸难度提升约6570万倍。紫金山实验室的NEST平台（全球首个全时域常态化网络内生安全实验场）已运行八年，面向全球众测，“所有挑战者都铩羽而归”。
邬江兴还从信息论（一次差模一次重构等同于香农一次一密）、博弈论（纳什均衡证明攻击者无最优策略）和拓扑学（莫比乌斯环效应使攻击轨迹陷入单侧循环）三个维度交叉验证了DHR的有效性。他明确划定了边界：“内生安全不是包治百病。”但他同时指出一个对称性：AI能指数级放大攻击效率，同样也能指数级放大异构构造的安全增益。
如果说邬江兴重建了安全基础设施的理论地基，江俊正在合肥用砖头一块块砌起实验基础设施。
中国科学技术大学化学与材料科学学院教授江俊的自主实验室占地3000平方米。2016年起他让学生给数据打标注，“有多少人工才有多少智能”。实验室实现7×24小时运行后，最先扛不住的是维护的学生。他让两个儿子帮忙盯系统，儿子嘲笑他：“老爸，你的硅基牛马就是7×24小时烧钱。”
实验数据稀缺的原因出人意料。化学系研究生太擅长“预筛”，拿到一万个配方，第一周就凭经验淘汰了9000个，剩下1000个再筛掉900个。高效的人类判断反而导致过程数据和失败数据大面积缺失。而且，每个实验室通常只测一种功能：做催化的不测导电，做导电的不测药效。跨功能的数据几乎不存在。
转机来自鄂维南的一个思路：不要试图摸完整头大象，先用理论画一个卡通轮廓，再用实验校准它。 江俊把这个方法叫做“读万卷书、行百里路”。以火星陨石产氧催化剂为例：大模型推荐了300万种组合，全部做完需要1000年。他们用3万组理论模拟构建预训练模型，然后让机器人靶向采样。243次实验之后，模型收敛了。“最左边先有理论，已经覆盖了构效关系的80%。”关键变化在于，实验数据可以回到理论层去提升认知模型，形成不断收敛的闭环。这跟盲目做实验完全不同，后者“越来越不收敛，数据量要到一个比较大的数字才能懂得大象长什么样”。
这种方法论的影响已经扩散到年轻人手中。博士一年级学生方天成用科学大模型在被淘汰的矿业文献中发现了灵感：高含变反应能快速吸收能量，颠覆了传统降低热导率的思路。他研制出在1400度高温下防火阻燃150分钟的材料，新闻联播为此播出了四分钟。另一位学生陈控追问“高通量筛选淘汰的9999个废物怎么办”，用大模型分析废弃催化剂样本，发现其抗菌杀虫能力极好，转化的单原子农药已在全国推广1000万亩。
江俊宣布正在合肥建设2万平米的中试基地，推动全国自主实验室标准委员会的组建。规模化的紧迫性他用一句话概括：“如果科学家不扩大实验规模，智能毫无用处。”
王海峰加速计算，邬江兴重建安全架构，江俊铺设实验管道。三个人做的事差别很大，填补的空白却是同一块：模型和算法已经够多了，缺的是让它们接触现实世界的基础设施。
4. 竞赛题拿满分，前沿科学拉开差距
上海人工智能实验室副主任谢幸的报告从一组对比数据开始。
在AIME竞赛数学和GPQA问答等基准测试上，主流模型之间的差距已经缩小到1%以内。但一进入前沿科学研究场景，差距骤然拉开：前沿物理和高难知识推理差距10%到15%，抽象推理和研究级数学差距可达40%以上。竞赛题有标准答案，前沿科学任务的知识更复杂、推理路径更长、开放性更强，对模型的要求完全不同。换句话说，benchmark上的高分掩盖了模型在真实科研场景中的能力短板。
谢幸回顾了2026年以来一系列由AI驱动的科学突破：胶子散射振幅新结果、宇宙弦引力辐射功率谱的首个精确解、9个Erdos难题的新解、数学领域的十项进展。“很多难题搁置了30到上百年之久。”
他指出两个结构性趋势。其一，前沿模型的推理能力提升有两条主线：以数学为抓手（形式化证明→强化学习）和以编程为核心（代码生成→强化学习）。但数学和编程的训练红利正在触底，“下一个数学与编程是什么？我们认为是前沿科学研究”。科学任务能迫使模型突破知识堆积，发展出更强的因果推断和开放性推理能力。其二，专业科学能力正在被内化到通用基模中。7月29日DeepMind解散了AlphaFold团队，诺奖得主John Jumper转入通用模型方向。通用基模在蛋白质突变效应等专业任务上已开始接近顶尖专业模型。“科学能力开始成为通用基模的核心底层能力。”
谢幸介绍了上海人工智能实验室7月在WAIC发布的“书生·端砚”平台，定位为面向科研全流程的协作工具。端砚的特点在于：覆盖方案设计到干湿实验闭环再到产业转化的全链条，构建全过程留痕的科研证据链（可追溯、可审查、可复现），以书生大模型为基础。平台已汇聚10万用户，30日留存活跃度36%。
两个落地案例展示了端砚的实际效果。蛋白质定向进化：AMix模型预测突变点，端砚在干实验中评估候选突变体，再通过自动化湿实验高通量验证，研发周期从数月压缩到七天以内。高端KrF光刻胶树脂研发：结合贝叶斯优化和SCP统一协议实现自动化合成，批次稳定性从25%-30%收敛到4%以下，研发周期缩短30%以上。
鄂维南在闭幕时提出了一个基础设施路径的判断。当年互联网的建成方式是几个独立网络各自长大，最终统一成一张网。“我个人感觉这很有可能是我们AI For Science未来基础设施构建更有可能的方案。”北京在推标准和典型案例，合肥在建自主实验室和中试基地，上海在做端砚平台和科学大模型。先有节点，后有网络。
如果这个判断成立，那么当前真正稀缺的可能是让这些节点彼此打通的接口协议。
经济学里有一个经典规律叫杰文斯悖论。1865年，英国经济学家威廉·杰文斯在《煤炭问题》一书中发现，瓦特改良蒸汽机大幅提升了燃煤效率，但英国的煤炭消耗量没有下降，反而暴涨。原因是效率提升让蒸汽动力变便宜了，大量原本用不起蒸汽机的行业开始使用，总需求因此扩张。这个悖论后来成为资源经济学的基本定律之一：效率的提升从不消灭稀缺，只是把稀缺转移到下一个环节。
