【AI融合科研，拼的不再是算力，而是制度——“AI融合科研”的体系构建，如何从“算力竞赛”转向“制度创新”｜2026 Science x AI Summit】

当全球科技界还在烧钱堆算力，2026 Science x AI Summit却传递出一个更根本的判断：单纯靠算力堆砌，已经撑不起AI与科学的深度融合。

📉 旧模式的困局

过去十年，算力是衡量AI的标尺。但到了科研领域，它的局限迅速暴露：
🔹信任危机：诺贝尔物理学奖得主、SAIR顾问委员会创始成员巴里·巴里什（Barry Barish）直言，物理学决策依赖统计学，而AI是黑箱，科学家不敢把LIGO的控制权交给它。
🔹“灵感黑箱”：菲尔兹奖得主、剑桥大学教授蒂姆·高尔斯（Tim Gowers）发现，AI能快速证明定理，却无法追溯思维过程。“思维链”未必真实，原创性难以判断。
🔹学术认证体系被淹没：SAIR Foundation联合创始人、菲尔兹奖得主陶哲轩（Terence Tao）用“AI交通堵塞”形容低质量证明涌入期刊，人类审不过来，净价值极低。

🧩 新体系需要“立”什么？

SAIR等实践指向四个方向：
🔹验证优先：不是鼓励更多产出，而是建立过滤、验证、消化的机制。
🔹科学家自治：最前沿的方法论往往诞生于科学家自发协作，而非行政规划，需让年轻团队深度参与决策。
🔹跨学科协同：打破门户之见，让数学、物理、生物、计算机深度融合。
🔹长期主义：不以“管多少人”论英雄，而以“激活多少创造力”为标尺。

🛤️ 破局之道：从局部试验到系统重构

SAIR只是众多尝试中的一种。真正的“换道超车”，需要的不仅是算力投入，更是资助机制、评价体系、协作文化的系统重构。

2025年，北京已发布全国首个“科学智能”专项政策。当数学的公理、物理的定律、生物学的法则与AI的算法在同一制度框架下融合，一个更具可持续性的科学智能时代，或将加速到来。

📎 更多详情，请登录SAIR官网：http://t.cn/AXJafNLC

#AI##AIforscience##TimGowers##陶哲轩##SAIR##科研##菲尔兹奖##人工智能 ##AGI ##AG##SAIRFoundation##诺贝尔奖##科学#