鄂维南谈 AI 科研与工业创新：降低参与门槛，探索 AI 原生工业软件

10 月 17 日，在光华思想力论坛上，中国科学院院士、北京大学讲席教授鄂维南就人工智能如何改变科研与工业创新发表观点。据报道，他认为，AI 将显著降低科研门槛，让更多具备想法和能力的团队、个人参与科技创新；与此同时，工业软件、科研评价以及高校人才培养体系，都将面临重新组织的挑战。

科研门槛降低，不代表创新不再需要能力

鄂维南将人工智能的本质概括为数学与计算机工程的结合，并认为其将推动科研参与机会扩大。他提出，未来“民科”可能成为科研的重要力量，开放实验室与云服务则是支撑这一变化的基础条件。

这一判断的重点，在于科研参与者的范围可能突破传统机构边界，而不是取消科学研究对知识、能力和验证的要求。按照他的表述，有想法且有能力的个人与团队，可以借助开放资源进入科技创新过程。对中文科技读者而言，值得关注的不只是模型能力提升，还有实验条件、计算资源与研究工具能否变得更容易获得。

工业 AI 的机会：不只改进工具，更要重建软件体系

谈及产业竞争，鄂维南认为，企业生产环节缺乏原始创新，容易使竞争集中于管理与价格，创新能力不足是造成内卷的重要原因。他据此提出，高端工业软件、高端机床数控系统存在通过 AI 原生体系实现自主可控、探索不同技术路线的机会。

据报道，他对相关进程给出了较为积极的预期，认为一两年内有机会构建可对标、甚至超越西门子的体系。不过，这些时间与能力判断属于其对未来的预测，并非已经实现的产业成果。理解这一观点，需要把技术方向与实际交付进度区分开。

• 在科研领域，AI 有望配合开放实验室和云服务，扩大创新参与面。
• 在工业领域，软件封闭、数据大多不开放，是 AI 落地的重要障碍。
• 在生产线层面，他认为宏观建模相对容易，核心任务是把建模工作做到位。

鄂维南同时区分了 AI for Science 与 AI for Industry，认为后者起步更难。他判断，工业生产线建模相关进程可能在三年、最多五年内实现。这也意味着，工业 AI 的讨论不能只停留在模型表现，还要面对数据和既有软件体系的约束。

影响与解读：科研产出增加，评价机制也要跟上

科研参与门槛下降，也会给现有制度带来压力。鄂维南以数学领域为例提出，假如四大顶刊的投稿量增加百倍，现有体系并不知道该如何应对。这是一个假设性场景，但指向的问题明确：当研究产出规模变化，成果筛选与评价机制不能原地不动。

他还强调，颠覆性创新很大程度上依赖自由探索，而非仅由预先定义的任务驱动，不应把自由探索直接等同于写论文。在他看来，科研成果形态将从论文转向知识产权，产业组织也会重构，高校需要建立深入理解需求、由创新驱动的一体化人才培养体系。

整体来看，这场讨论把 AI 的价值从“提高效率”延伸到了创新组织方式：谁能参与研究、工业知识如何进入软件、成果又如何被认可。能否把更低的工具门槛转化为可靠的科研与工业成果，将是观察这些判断能否落地的关键。