来源：

《ICBS 2026丨2026国际基础科学大会怀柔开幕！大会主席丘成桐：中国已成为全球基础研究的沃土——》：https://mp.weixin.qq.com/s/NtLOCoX6cMlO846zIXvi6A

当前，全球人工智能产业正处于从规模扩张向质量提升转型的关键阶段。大模型参数量级持续攀升，各类应用场景加速落地。然而在系统性能逐步逼近现有技术极限的同时，基础理论供给不足、模型可解释性薄弱、安全可控性存疑等深层矛盾也日益凸显，追问人工智能创新的深层动力、审视并界定其发展边界，已成为十分迫切的现实需求。当人工智能议题被置于基础科学的宏阔框架下展开系统性讨论时，其未来发展除了持续聚焦算力与数据维度的迭代突破，更亟需从基础研究的深厚积淀中汲取“源头活水”。

一、2026国际基础科学大会

2026年8月9日，2026国际基础科学大会在北京怀柔开幕，大会持续至8月21日闭幕。开幕式和颁奖活动在雁栖湖国际会展中心举行，主要学术活动安排在北京雁栖湖应用数学研究院。国际基础科学大会由丘成桐院士于2023年发起，此后连续四年在北京举办。今年大会由北京市人民政府、科学技术部、中国科协和世界华人数学家联盟主办，北京市科委、中关村管委会等单位承办。大会持续聚焦数学、物理、信息科学与工程三大核心领域，办会定位保持稳定，重点是高水平基础研究交流、前沿问题研讨和青年人才培养。

本届大会的参会阵容具有较强代表性。丘成桐、马克西姆·孔采维奇、马丁·海尔、考切尔·比尔卡尔4位菲尔兹奖得主和图灵奖得主罗伯特·塔扬出席开幕式，80余位重要国际科学奖项获得者及中外院士、400余名全球知名学者参会。参会人员来自30多个国家，高校、科研机构和学术组织的科研人员及青年学生共800余人。众多国际顶尖学者持续参与本次在华举办的基础科学盛会，充分印证了我国高水平基础研究平台对国际学术资源的强大吸引力，也表明基础研究仍是国际科技交流中较为稳定、合作需求较强的领域。

会议安排500余场学术活动，内容涉及数学、理论物理、计算科学、人工智能、量子信息等研究方向。人工智能相关议题占有一定分量，大会专门举办基础科学与人工智能论坛，讨论生成式大模型推理、计算机视觉、人机交互等问题。将人工智能放在基础科学大会中讨论，具有较强现实针对性。当前AI性能提升较快，但模型推理精度、运行可靠性、算法可解释性等核心瓶颈，本质上均受制于数学理论、计算方法与认知科学研究的进展。基础理论能否取得进展，会直接影响部分关键技术问题能走多远。

学术评价和青年人才培养也是本届大会的重要内容。本届大会首次设立并颁发基础科学奖章，数学、物理、工程三个领域共有9名科学家获奖，相关成果覆盖代数几何、数论、凝聚态物理、中微子实验、柔性电子、超分辨显微成像、基因编辑等前沿研究领域。同期颁发的前沿科学奖共有111篇高水平原创论文入选，涉及三大领域40个细分研究方向，获奖作者来自20多个国家和地区。中国17所高校和科研机构的论文作者获得19个奖项，部分成果与AI大模型、计算机视觉、智能感知有关。大会还设有面向全职在华工作、50周岁以下科研人员的创新人才项目，鼓励青年科研人员提出原创性较强、具有长期研究价值的问题。上述安排表明，大会的功能并不限于学术交流，也承担发现原创成果、识别青年人才和形成长期科研联系的任务。

大会连续在怀柔举办，与当地科研资源条件直接相关。目前，北京在京全国重点实验室达到145家，占全国28.2%，另有595家市重点实验室；北京已聚集55家国际科技组织。怀柔科学城科研人员约2.8万人，拥有一批重大科技基础设施和科研机构。大型科学装置、科研机构、国际会议载体与高端科研人才高度集聚，在小范围区域内构建起完备的科研支撑体系，为高水平学术会议持续举办提供了支撑，也有利于会议交流与后续科研合作衔接。

二、基础研究对AI发展的建设性作用

基础研究决定人工智能能否持续产生原理性突破。回顾AI发展过程，多项重要进展都能找到早期理论和方法研究的来源。1986年，鲁梅尔哈特、辛顿和威廉姆斯在《Nature》发表反向传播研究，提出通过反复调整神经网络连接权重，降低实际输出与目标输出之间的误差，并指出隐藏单元能够学习任务中的重要特征。2017年，Vaswani等研究人员提出Transformer，以自注意力处理输入和输出之间的依赖关系，减少对循环网络的依赖，并显著提高并行计算能力。两项工作分别构建了多层神经网络训练范式与全新序列建模架构，率先攻克了通用技术方法的核心难题。

进入大模型阶段，一批基础科学问题已经直接进入模型能力研究。国家自然科学基金委2026年度“可解释、可通用的下一代人工智能方法”重大研究计划明确提出，以深度学习为代表的人工智能存在鲁棒性差、可解释性差、对数据依赖性强等问题，并把深度学习逼近理论、泛化误差分析理论、优化算法收敛性理论列为核心科学问题。文件还提出研究高精度、可解释、可通用且降低大量标注数据依赖的新方法。上述部署表明，模型性能继续提升，需要回答学习机理、泛化规律和算法收敛等基础问题。增加参数数量、训练数据和算力投入可以改善部分性能指标，但无法替代理论研究对模型工作原理的解释。

基础学科知识也可直接进入人工智能模型设计。国家自然科学基金委2026年度项目指南提出研究几何对称性先验嵌入的深度神经网络，并安排高维科学计算、极端尺度科学成像、量子多体计算等研究方向，要求把物理守恒律、几何条件和科学知识纳入模型设计与算法研究。AlphaFold已经提供了较有代表性的案例。2021年发表于《Nature》的论文显示，AlphaFold将蛋白质结构的物理和生物知识、多序列比对信息纳入深度学习算法，在CASP14盲测中，多数案例的预测精度达到可与实验结构相比的水平，表现明显高于其他参评方法。该成果证明，在特定科学任务中，基础学科积累可以参与模型设计，并直接改善人工智能解决复杂问题的能力。

基础研究还为AI提供难度较高且能够严格核验的科研任务。科技部国家科技管理信息系统2025年发布的“人工智能驱动的科学研究”项目申报指引，明确提出推动人工智能与理论推导、数值模拟、科学实验结合，重点涉及量子物理、核聚变、天体物理、生命健康、新材料和工程设计等方向。上述领域中，许多任务能够通过数学关系、物理规律或实验结果检验模型输出。与一般信息生成任务相比，这类科研任务对计算精度、推理可靠性和结果可验证性提出更高要求，也为发现模型缺陷、改进算法提供了明确的问题来源。

人才培养同样被纳入国家基础研究部署。国家自然科学基金委上述重大研究计划将人工智能基础研究和人才培养共同列入总体目标，并明确鼓励基础性、交叉性前沿探索和原创性研究。这里反映出一个较为清楚的政策取向：人工智能人才建设需要保留从基础理论、算法研究到科学问题研究的长期培养渠道，不能把人才能力简单等同于模型开发和应用能力。基础研究持续提供科学问题、研究方法和学术训练机会，对原创算法和新研究方向的形成具有直接意义。

三、AI对基础研究的反哺作用

2026国际基础科学大会专门设立了“基础科学与人工智能论坛”，邀请基础科学和人工智能领域的专家学者围绕两者的碰撞与融合展开深度对话。这一论坛的设置本身便释放出一个明确信号：AI与基础研究的关系已从单向的工具性应用，走向双向赋能的共生格局。AI对基础研究的反哺，正在政策与技术的双重驱动下加速展开。

1.政策层面

“AI+基础研究”的制度化推进。2026年是科学智能从概念走向制度化的关键之年。就在大会召开前夕，北京正式印发《北京市加快推进人工智能赋能科学研究实施方案（2026-2028年）》，从自主实验室建设、标杆场景应用、科学模型构建、科学数据供给、创新生态营造等方面系统部署。这是全国首个科学智能专项地方政策，率先绘就了科学智能发展的“施工图”。方案明确提出，到2028年实现人工智能赋能科学研究基础理论和关键技术的重大原创突破，建成“基础模型+专业模型”协同联动的科学模型体系。与此同时，上海启动科学智能“百团百项”工程，重点支持海内外青年科学家运用人工智能技术围绕数学、物理、化学、生命科学等领域的重大科学问题开展基础研究。从中央到地方的政策布局表明，“AI+基础研究”已被纳入国家科技战略的制度化轨道，成为推动原始创新的核心引擎。

2.技术层面

AI正在重塑科学发现的范式。政策布局的背后，是AI技术对基础研究日益显著的赋能实效。中国科学院推出的磐石·科学基础大模型2.0，汇聚800万条高质量科学推理数据，覆盖200多个科研任务，已将科研文献调研从“数周”压缩至“20分钟”，报告制作效率提升5至10倍。北京科学智能研究院研发的新一代大原子模型DPA4，帮助科研人员快速从成千上万候选材料中找到稳定样本，极大降低了传统“试错式”科研的数据生产成本。更具标志性的是，中国科学院大学联合多家机构发布的超导材料发现AI智能体ElementsClaw，预测出6.8万个可能的超导材料，其中4种全新材料已被合成并证实存在超导性。科研发现的周期正从“年”向“天”演进。

在2026国际基础科学大会上，北京中关村学院副院长秦涛提出一个深刻判断：人工智能最深远的价值，不应只是更快地回答已知问题，更应提出过去无法提出的问题、无法观测的现象。当预测能被验证、失败能够回溯，AI才能真正成为探索科学前沿的新工具。AI正在从辅助工具演变为科研基础设施的关键组成部分，其目标并非取代科学家，而是将科学家从重复劳动中解放出来，使其专注于科学洞察与创造性思考。正如丘成桐在大会开幕式上所言，AI已在数学推演、定理证明等方面展现出强大效能，但人类独有的原创思想不会被机器代替。AI与基础研究的深度耦合，正在书写科学发现的新范式——而这，也正是技术治理深层逻辑的起点。

四、AI治理的深层逻辑

当前，全球人工智能治理已从共识形成阶段进入制度建构阶段，但AI治理最核心的结构性困境在于治理体系建设速度显著滞后于技术迭代节奏。人工智能技术高速迭代、快速演进，导致治理对象始终处于高度不确定状态。顶尖大模型的迭代周期已从数月压缩至数周，而制度的变革却是长周期的渐进过程。现有规则呈现出明显的“碎片化”特征，相关规范散见于不同部门法及监管文件中，多是对单一问题、特定场景的“点状式”回应，缺乏一部兼具基础性、统筹性和权威性的人工智能上位法。全球层面同样如此，各类治理机制重叠交叉、统筹不足，进一步加剧了治理碎片化问题与治理效能不足的困境。更深层挑战是，人工智能安全具有高技术门槛和高政治敏感性的双重特征，AI 治理议题逐步延伸至政策目标、价值取舍、社会权益等多重维度。算法歧视、自主决策失控、深度伪造等风险，既冲击科技伦理底线，也动摇人类身份认知的确定性。“人如何自处”成为AI治理必须回应的哲学命题。

丘成桐在开幕式上援引百年之前数学巨匠希尔伯特的誓言“我们必须知道，我们必将知道”，表示“这份对真理的执着，穿越百年时光，依然深藏在每一位科学家的心中”。基础科学的重大革新，始终依靠跨学科思想交融与人类探索未知的勇气。原创性、好奇心、跨学科的想象力、对真理的执着求索，这些正是基础研究所守护的“人之为人”的特质，也是任何算法都无法量化、无法复制的认知主权。

基础研究为技术发展划定了一条不可逾越的边界红线。多位科学家在大会现场呼吁重视好奇心驱动的基础研究，强调其不可替代的长远价值。诸多暂无即时落地价值的基础理论突破，往往是未来变革性技术的重要源头。同样，AI治理除了技术逻辑和法律条文的完善外，还需要人文精神的注入。有全国人大代表建议，应明确AI的“工具”定位，切实保护科学家的原创性贡献；需将科学求真准则、伦理规范、安全底线全面嵌入模型研发、实验设计全流程。究其根本，AI的“源头活水”在于人类对未知世界永不停息的探索。守护好这汪活水，才是技术治理最深层的逻辑。2026国际基础科学大会的召开提醒我们：在全球AI竞争日趋激烈的今天，持续深耕基础科学，是着眼人类长远发展的远见之举。

撰写｜朱政宇，刘冬澈，罗梦禹

排版｜余沁兰

审核｜智库编审委员会