中国科学院院士鄂维南：科学大模型缺乏科学推理能力，需从底层架构突破

2026年8月，中国科学院院士、北京科学智能研究院学术委员会主任、北京大学教授鄂维南在北京举行的2026科学智能大会上作报告并接受采访，围绕AI for Science（人工智能驱动的科学研究）发展分享观点。

鄂维南表示，数学是AI非常重要的基础，最早推动AI发展的多是数学家，但数学在新一轮AI浪潮中基本被边缘化。他正在推动AI数理基础重大项目，希望通过项目牵引改变现状。他认为，AI发展的重大突破依赖工程化，但缺乏对底层逻辑和基本原理的理解，仅靠经验指导试错，资源消耗巨大。

在谈及现有大模型在AI for Science上的短板时，鄂维南指出，真正困难的科学问题还很难通过现有大模型解决。科学大模型必须具备非常强的科学推理和科学多模态识别能力，但现有基座模型尚不具备。这既有数据问题，也有模型结构问题。大语言模型通过预测下一个词元处理语言问题，但图像、空间与语言不同，科研实验需要与物理世界交互、看科学表征数据，因此大模型还需从底层架构上有所突破。

关于AI时代的科研体系，鄂维南提出三点：一是科研平权化，打破高校和科研机构对科研资源的垄断，让有想法、有能力的个人和团队都能参与科技创新；二是以产业视角构建新的科研体系，通过新型研发机构等新机制打通人才、创新、市场、资金各环节；三是自由探索仍是颠覆性科技创新的核心要素，要甄别并支持真正的自由探索。

鄂维南认为，当前AI for Science最缺的是既懂AI又懂科学的人才。下一步突破应由科学领域的人提出问题，再与有AI背景的人合作。他建议青年科研工作者抓住机遇，不要因AI的加入而“画地为牢”。