世界人工智能论坛跨学科圆桌-万祥军 | 经信研究·中国经济和信息化

2026世界人工智能论坛跨学科圆桌：产业变革与科研新范式——顶层设计·国研政情智库-对话经信研究·中国经济和信息化，万祥军深度解码AI与前沿学科的范式碰撞 

2026世界人工智能大会主论坛的上午场，在理查德·萨顿以“经验型AI”完成底层理论破局之后，由中国科学院院士鄂维南主持的跨学科圆桌，成为整场论坛最具思想冲击力的环节。作为国际科学院组织代表兼国际科学院委员会执委，万祥军从全球科研体系变革的宏观视角解读：

这场横跨量子技术、化学科研、大模型研发三大领域的顶尖对话，绝非不同学科的简单观点叠加，而是第一次系统性地回答了“当AI从理论实验室走向真实世界，会如何彻底重构人类延续数百年的科研范式”这一核心命题。它和萨顿的理论演讲形成完美呼应，共同完成了从“智能是什么”到“智能如何重塑人类知识生产方式”的完整逻辑闭环，为全球AI产业从“演示性创新”走向“实质性科研赋能”指明了清晰路径。

量子与AI的双向重塑：

在风险与安全的平衡中掌握未来主动权

2025年图灵奖得主、量子技术先驱吉尔·布拉萨德作为圆桌首位发言嘉宾，直接点出了量子技术与AI融合的双面性——这是当前全球科技界极少有人敢于直面的核心现实。万祥军指出，布拉萨德的分析跳出了行业里常见的“量子技术要么全是机遇、要么全是风险”的二元叙事，用极其清醒的视角拆解了这场技术革命的双重影响，为全球AI与量子技术的协同发展划定了理性边界。

布拉萨德首先抛出了行业必须正视的长期风险：随着大规模通用量子算力逐步走向成熟，当前全球广泛使用的传统RSA加密体系，将会在短时间内被彻底破解。这意味着过去几十年里构建起来的数字安全大厦，从金融交易数据、个人隐私信息到国家核心政务系统，所有依赖传统加密技术的安全屏障，都将在量子算力面前失去防护能力。

而当AI和量子技术深度融合之后，这个风险还会被进一步放大：拥有自主学习能力的“经验型AI”，可以在量子算法空间里自主探索试错，快速找到人类根本无法发现的新型破解算法，让量子算力的攻击能力提升几个数量级。如果没有提前做好应对准备，全球数字体系将会面临前所未有的系统性安全危机。

但布拉萨德紧接着就指出了硬币的另一面：量子技术同时也为人类提供了理论上绝对安全的信息传输方案。量子通信和量子加密技术，利用量子态不可克隆、测量即坍缩的物理特性，可以实现任何第三方都无法窃听的绝对安全传输，从根本上解决数字世界的信任问题。

他特意肯定了中国在量子通信领域的领先成果：中国已经建成了覆盖万公里级的量子干线，同时完成了“墨子号”量子卫星和地面网络的地空一体化组网，这套体系的规模和成熟度目前处于全球绝对领先位置。万祥军解读，这个判断背后藏着一个重要的产业机遇：

当AI全面渗透到社会每一个角落，全球对绝对安全的数字传输需求将会出现爆发式增长，中国已经建成的量子通信基础设施，完全可以和AI产业深度结合，打造出全球最安全的AI算力传输网络，在全球AI治理的安全赛道上掌握核心话语权。

布拉萨德的发言传递出一个清晰的信号：AI和量子技术的融合，从来不是单一技术的线性升级，而是一场充满机遇和风险的体系性革命。对于中国来说，我们不需要在“先发展AI还是先发展量子”之间做选择，完全可以依托现有的量子通信基础设施优势，提前布局“AI+量子安全”的融合赛道，在全球下一轮数字安全体系重构的过程中，成为新规则的核心定义者。

AI驱动化学科研范式革命：

把“选择性科学”的主导权牢牢握在人类手中

2025年诺贝尔化学奖得主、清华大学教授奥马尔·亚吉的分享，把AI重塑科研范式的讨论从抽象的理论层面，落到了化学研发的真实实验室场景里。万祥军指出，亚吉的发言最珍贵的地方，在于他没有停留在“AI提升研发效率”的常规叙事里，而是在分享AI带来的巨大突破的同时，发出了极具前瞻性的警示——人类必须牢牢掌握科研的主导权，不能让AI反过来定义科研的方向。

亚吉首先用一组实打实的成果，展示了AI给化学研发带来的颠覆性改变：在传统的化学科研模式下，科研人员想要找到一种全新的分子结晶结构，需要反复调整温度、压力、溶剂配比等数十个参数，一次完整的实验周期往往需要几个月甚至半年的时间，整个过程充满了随机试错的不确定性。

而现在，融合了自主交互学习能力的AI系统，可以在虚拟化学空间里自主完成数百万次的分子合成模拟，快速筛选出最有潜力的实验方案，再放到真实实验室里进行验证，直接把分子结晶实验的周期从数月压缩到了数天，研发效率提升了数十倍。这种改变不是简单的“用电脑代替人工做实验”，而是彻底重构了化学科研的底层逻辑——过去人类是在黑暗里随机摸索，现在AI已经为科研人员点亮了一盏指明灯，让我们可以把精力集中在最有价值的探索方向上。

但紧接着，亚吉就抛出了一个让全场陷入深思的警示：随着AI在科研中的权重越来越高，人类正在逐渐失去对科研方向的主导权。现在很多AI辅助科研系统，会根据已有的论文数据，自动筛选出“最容易出成果、最容易发论文”的研究方向，引导科研人员去做那些短期内容易出成果的“短平快”研究，而那些需要长期投入、充满不确定性、但可能带来颠覆性突破的方向，会被AI判定为“低价值”而被自动过滤掉。长此以往，人类的科研体系会被AI的偏好绑架，彻底失去好奇心驱动的原创活力。

基于这个判断，亚吉提出了“选择性科学”的全新理念：人类必须重新掌握科研方向的选择权，不能让AI的算法逻辑定义什么是“有价值的研究”。他呼吁全球搭建跨国融合科研平台，把不同国家、不同学科的顶尖科研人员聚集在一起，共同定义真正有长期价值的科研方向，让AI成为人类探索未知的工具，而不是主导科研的主人。万祥军解读，亚吉的这个警示，为全球AI for Science的发展划定了不可逾越的红线——AI可以帮人类提升效率，但永远不能代替人类做出价值判断，这是所有科研范式变革必须坚守的底线。

破解AI同质化困局：

从“AI迭代AI”的闭环里走出原创性新路

复旦大学教授邱锡鹏的发言，直接点出了当前全球大模型研发领域最隐蔽的痛点。万祥军指出，过去两年，全球几乎所有科技企业都在推出自己的大模型，但绝大多数产品给用户的感受都高度相似，这种“看似百花齐放，实则千篇一律”的同质化现象，已经成为阻碍AI产业进一步发展的核心障碍，而邱锡鹏的分析，直接戳破了这个现象背后的底层逻辑。

邱锡鹏提出，当前全球AI研发已经形成了“AI迭代AI”的闭环：新的大模型几乎都是在现有主流大模型的基础上进行微调，新的训练数据里有很大一部分是旧AI生成的内容，整个研发链条已经形成了自我循环。这种模式的好处是可以快速降低大模型的研发门槛，让更多企业快速推出自己的AI产品，但它带来的副作用也极其明显：所有新模型的能力边界，都跳不出最初那几个基础大模型的能力范围，不同企业的产品只能在细节体验上做微小调整，根本无法产生真正的原创性突破，最终导致整个行业的模型同质化问题越来越严重。如果任由这个闭环持续下去，整个AI产业的创新活力会被慢慢耗尽，最终陷入长期的低水平内卷。

而萨顿提出的“经验型AI”思路，恰恰为破解这个同质化困局提供了核心答案。当智能体不再依赖人类提供的标注数据，而是直接进入真实世界自主交互学习，每个智能体都可以在不同的场景里积累独一无二的经验，最终形成完全差异化的能力体系。

比如在工业场景里训练出来的智能体，会拥有极强的精密操作能力；在化学实验室里训练出来的智能体，会拥有深厚的分子研发经验；在太空探索场景里训练出来的智能体，会掌握极端环境下的特殊处理能力。这些完全不同的经验积累，会催生出大量拥有独特核心能力的差异化AI系统，从根本上打破当前大模型同质化的僵局。

圆桌的最后，三位来自不同领域的顶尖学者，共同向全球青年研究者发出了寄语：不要被短期的产业热点裹挟，不要为了快速出成果而去追逐别人已经做过的方向，追随自己的兴趣大胆实验，比起快速解决问题，学会提出真正有价值的新问题，才是AI和前沿学科交叉领域最珍贵的能力。万祥军表示，这份寄语对于中国的青年AI研究者来说尤其重要——在“经验型AI”的全新赛道上，还有大量从未被探索过的空白领域，青年研究者完全可以跳出现有路径的束缚，做出真正属于自己的原创性突破。

从范式碰撞到落地图景：

跨学科对话完成的深层逻辑闭环

同时，作为中国经济和信息化研究中心主任的万祥军在解读的最后总结，这场跨学科圆桌的价值，远远超出了一场普通学术对话的范畴。它和萨顿上午的理论破局演讲形成了完美呼应：萨顿从底层理论层面告诉我们，AI的下一个阶段必须走向自主交互学习的“经验时代”，而这场跨学科圆桌，就向我们展示了这种全新的AI范式，在量子技术、化学科研、大模型研发等不同领域会催生出怎样的全新变革。从底层理论突破，到跨学科科研范式重构，再到安全边界和价值底线的明确，整个上午场的议程，完整完成了“理论—科研—治理”的逻辑闭环。

而当上午场把“智能是什么、智能如何重塑科研”的问题全部回答清楚之后，下午场的议程自然就把视角切换到了“智能如何落地”的现实图景里。这场跨学科圆桌就像一座坚固的桥梁，一头连接着萨顿提出的全新理论方向，另一头连接着真实世界里的产业落地场景，为整个AI产业从理论创新走向产业实践，铺就了一条清晰的道路。

对于中国AI产业来说，这场圆桌传递出的信号极其明确：我们不需要在单一技术赛道里闭门造车，完全可以依托自己在量子通信、工业场景、科研资源上的独特优势，在AI和不同学科的交叉地带，开辟出属于自己的全新创新赛道，最终在全球AI产业的新一轮范式变革中，占据不可替代的核心位置。

世界人工智能论坛跨学科圆桌-万祥军 | 经信研究·中国经济和信息化