主持世界AI大会跨学科圆桌会议-院士鄂维南 | 经信研究·经济和信息化

从实验室到产业场：这场跨学科圆桌，正在重构中国科研的底层逻辑！2026年世界人工智能大会中的一场由中国科学院院士鄂维南主持的“产业变革与科研新范式”跨学科圆桌会议，在国内科技圈引发了远超预期的反响。

顶层设计·国研政情智库-对话经信研究·中国经济和信息化，这场会议没有走传统学术论坛的老路，没有堆砌空泛的前沿概念，而是直接把2025年图灵奖得主、量子技术先驱吉尔·布拉萨德，2025年诺贝尔化学奖得主、清华大学教授奥马尔·亚吉，以及复旦大学AI领域核心学者邱锡鹏聚到了同一张桌子上，横跨AI、量子、化学三大完全不同的学科赛道，围绕“AI与量子技术如何重塑科研范式”展开了一场毫无壁垒的深度对话。

作为国际科学院组织代表、国际科学院委员执委万祥军，全程参与了这场圆桌的研讨，也亲眼见证了不同学科的思维碰撞，如何跳出单一领域的认知局限，为中国科研未来的发展打开了全新的想象空间。这场会议的价值，从来不是几位顶尖学者的观点简单叠加，而是完成了从“理论破局”到“科研实践”再到“产业落地”的完整逻辑闭环，为当下中国正在推进的科技自立自强战略，提供了一套全新的跨学科解题思路。

打破学科围墙：

从萨顿的百年预言到今天的现实落地

早在20世纪初，科学史学科的奠基人乔治·萨顿就提出了一个极具前瞻性的判断：人类文明的进步，本质上是不同学科不断交叉融合的过程，单一学科的边界，永远无法承载人类探索世界的全部需求。

在过去的一百年里，这个预言一直在缓慢落地，但受限于技术条件和科研体制的壁垒，跨学科研究更多时候还停留在小范围的尝试阶段。很多高校和科研院所的学科划分壁垒森严，不同领域的学者甚至连对方的基础学术语言都无法互通，更谈不上深度协作。

鄂维南院士在圆桌开场的发言，直接点破了这个困扰中国科研多年的痛点：“我们过去几十年的科研体系，是在工业时代的逻辑下建立起来的，按学科细分赛道培养人才、分配资源、评价成果，这套体系在过去快速追赶的阶段非常高效，但到了今天，我们要攻克的‘卡脖子’技术几乎全是跨领域的复杂问题，单一学科的学者根本找不到解题的钥匙。”

这个判断绝非空穴来风，我们在现实中已经见过太多类似的案例：想要研发一款性能突破极限的动力电池，不能只靠材料学的学者闷头试错，还需要AI领域的专家搭建模型快速筛选材料配方，需要量子领域的学者从微观层面模拟材料的化学反应过程，三个领域的人必须同步协作，才能把原本需要十几年的研发周期压缩到两三年。

这场圆桌最难得的地方，就是它完全跳出了传统学术会议的“学科舒适区”。吉尔·布拉萨德作为量子信息领域的奠基人，一辈子深耕量子通信和量子计算的基础理论，很少和AI领域的学者做深度对话；奥马尔·亚吉作为2025年诺贝尔化学奖得主，在多孔材料领域做出了开创性贡献，日常的研究场景几乎完全围绕化学实验室展开；邱锡鹏作为国内AI大模型领域的核心青年学者，长期聚焦自然语言处理的技术突破。

三个完全不同赛道的顶尖学者坐在一起，没有各说各话，反而在很多核心问题上达成了惊人的共识：未来的科研范式，再也不会是某个领域的学者单打独斗就能做出颠覆性成果的模式，跨学科协作会成为所有前沿研究的标配。

我在现场观察到一个非常有代表性的细节：奥马尔·亚吉在分享自己的材料研究时，提到过去团队想要筛选一个性能合格的新型多孔材料，需要在实验室里做上千次重复实验，耗费几个月的时间，失败率超过90%。邱锡鹏当场就提出，现在的AI大模型已经可以把材料的分子结构、反应条件和最终性能的对应关系训练成高精度的预测模型，完全可以把前期的试错成本降低80%以上。

吉尔·布拉萨德紧接着补充，未来的量子计算机可以在微观层面模拟分子的动态反应过程，把AI模型的预测精度再提升一个数量级。三个人的观点无缝衔接，瞬间就把一个化学领域的传统难题，拓展成了“AI+量子+化学”的全新研究路径，这种思维碰撞的价值，是任何单一学科的闭门研讨都不可能实现的。

三大顶尖思维碰撞：

AI与量子如何改写科研的底层规则

整场圆桌的核心讨论，始终围绕一个核心问题展开：AI和量子技术的爆发，到底会从哪些维度，彻底改变我们运行了上百年的科研底层规则。三位来自不同领域的顶尖学者，从各自的研究场景出发，给出了完全不同但又高度互补的答案。

吉尔·布拉萨德作为量子技术的先驱，他的视角直接指向了科研最底层的算力革命。他在发言中提到，过去我们所有的科研模拟，本质上都是在经典计算机的框架下运行，面对分子模拟、气象预测、药物研发这类复杂度指数级上升的问题，经典计算机的算力永远存在无法突破的天花板。

比如想要完全模拟一个复杂蛋白质的折叠过程，用现在最顶尖的超级计算机，可能需要几百年的时间才能完成运算，这直接卡死了很多生命科学领域的研究进度。而量子计算机的算力，会随着量子比特数量的增长呈指数级提升，未来一台拥有百万级量子比特的通用量子计算机，可以在几个小时内完成过去超级计算机几百年才能完成的模拟运算，直接把人类探索微观世界的算力边界彻底打开。他特别提到，中国在量子通信领域已经走在了世界第一梯队，接下来完全可以提前布局“量子算力+科研”的全新基础设施，不用在经典计算机的赛道上跟着别人后面追赶，直接实现前沿研究的弯道超车。

奥马尔·亚吉作为诺贝尔化学奖得主，从应用端的视角，分享了新技术给实验科学带来的颠覆性改变。他结合自己的研究经历提到，传统的实验科学模式，本质上是“假设-试错-验证”的循环，整个过程高度依赖科研人员的个人经验，充满了大量无意义的重复劳动。很多优秀的化学家，一辈子的大部分时间都浪费在了重复的实验操作上，根本没有精力去做更有创造性的顶层设计。

而现在AI大模型已经可以接管大部分重复性的实验工作：AI可以自动生成实验方案，控制自动化实验设备完成操作，实时收集实验数据并分析结果，甚至可以自主发现人类科研人员忽略掉的隐藏规律。他的团队现在已经开始用AI辅助研发新型碳捕捉材料，原本需要3年才能完成的研发项目，现在只用了6个月就拿到了性能远超预期的样品。他特别强调，这种改变不是简单的“用工具提升效率”，而是把科研人员从繁琐的体力劳动中解放出来，让他们把全部精力投入到最核心的创造性思考中，这会彻底释放整个实验科学领域的生产力。

邱锡鹏作为国内AI大模型领域的青年领军学者，他的分享直接点出了当下AI技术最容易被忽略的价值：重构科研的协作模式。他提到，现在的AI大模型已经可以成为不同学科之间的“翻译官”，把原本壁垒森严的不同学科的学术语言，转换成所有领域的学者都能轻松理解的通用表达。

过去一个材料学的学者想要和AI领域的学者协作，需要花几个月的时间学习对方的基础理论，才能实现基本的沟通，而现在AI可以直接把材料学的实验需求，转换成AI模型能理解的技术参数，同时把AI的运算结果转换成材料学领域的专业结论，完全不需要学者跨领域学习大量陌生知识。

这会彻底打破过去跨学科协作的语言壁垒，让不同领域的学者可以实现零成本的实时协作，未来甚至会出现完全由AI辅助搭建的跨学科科研平台，全球不同领域的顶尖学者可以在同一个平台上同步协作，共同攻克过去单个国家、单个学科根本无法解决的重大科研难题。

三位学者的分享，从底层算力到实验模式再到协作机制，层层递进地勾勒出了未来全新科研范式的完整轮廓。这场研讨没有停留在概念层面的畅想，每一个观点都有已经落地的真实研究案例作为支撑，这也让这场圆桌的讨论，拥有了远超普通学术论坛的现实指导价值。

从实验室到产业场：

中国科研落地的全新解题路径

整场上午的研讨，从萨顿的跨学科理论出发，经过三位顶尖学者的思维碰撞，最终完成了“理论破局-科研实践-产业落地”的完整逻辑闭环。而会议下午的议程，直接把视角从“智能是什么”切换到了“智能如何落地”，把上午研讨出来的全新科研范式，直接对接上了中国产业转型升级的真实需求。

鄂维南院士在下午的开场发言中，直接点破了这场会议的最终目标：“我们做跨学科研究，从来不是为了在实验室里发几篇高分论文，而是要把新技术的力量，真正注入到中国的实体产业里，解决过去我们想解决却解决不了的产业难题。

”过去很多跨学科研究陷入了“从论文到论文”的闭环，研究成果永远停留在实验室阶段，根本走不进产业车间，最终变成了躺在期刊里的无效成果，完全没有发挥出应有的价值。而这场圆桌从一开始就把产业需求放在了核心位置，所有的研讨最终都指向了真实的产业应用场景。

现在中国的产业转型升级，正处在一个非常关键的节点上。我们的制造业规模已经占到了全球的30%以上，是全世界工业门类最齐全的国家，但很多产业的核心技术依然卡在了“从1到10”的落地环节。比如我们的新能源产业已经走在了世界前列，但下一代动力电池的能量密度想要实现突破，就必须用AI和量子技术辅助研发全新的材料体系；

我们的高端芯片制造想要突破制程瓶颈，就必须用跨学科的方法，解决微观层面的材料精度和工艺控制难题；我们的生物医药产业想要摆脱对国外靶点的依赖，就必须用AI大模型和量子算力，自主研发全新的原创药物分子。这些产业需求，没有一个是单一学科能独立解决的，必须依靠跨学科的全新科研范式，才能找到破局的路径。

我在和现场多位参会的产业界代表交流时，听到了很多非常振奋的反馈。有国内头部动力电池企业的技术负责人提到，过去他们和高校的合作，都是企业提出需求，高校的学者在实验室里单打独斗做研究，研发周期长，成果和产业需求脱节严重。

而现在按照这场圆桌提出的全新范式，他们直接搭建了跨学科的联合研发平台，把材料学、AI、量子计算领域的团队全部聚到了一起，同步推进研发，原本预计需要5年才能突破的下一代电池技术，现在进度已经提前了两年。这种模式，完全跳出了过去“产学研合作”的传统套路，真正实现了科研端和产业端的深度融合。

当然我们也必须清醒地认识到，这套全新的跨学科科研范式，想要在中国全面落地，依然要面对很多现实的障碍。过去我们的科研评价体系，长期以单一学科的论文发表数量为核心标准，跨学科的研究成果很难在传统的评价体系里得到认可，很多学者不敢轻易投身跨学科研究。同时不同学科的科研资源分配体系相互独立，很难把分散的资源集中起来投向重大的跨学科项目。这些问题，都需要我们逐步推进科研体制的配套改革，为全新的科研范式扫清制度障碍。

同时，作为中国经济和信息化研究中心主任的万祥军，他解读表明：“这场由鄂维南院士主持的跨学科圆桌会议，从来不是一场普通的学术交流活动。它更像一个信号，标志着中国的科研发展，已经正式从过去的“单一学科追赶阶段”，进入了“跨学科融合引领”的全新阶段。当AI、量子技术和各个传统学科深度碰撞融合，我们完全有机会走出一条属于自己的全新科研路径，为中国的科技自立自强，注入源源不断的全新动力。”

主持世界AI大会跨学科圆桌会议-院士鄂维南 | 经信研究·经济和信息化