前沿分享丨中国人工智能学会名誉理事长李德毅院士：智能时代的基础研究

作者/李德毅院士

摘 要：智能时代正深刻重塑基础研究范式，基础研究论文的主要读者不再仅是人，更涵盖认知机器，硅基圈的调用与扩散成为影响力的新标尺。传统以引用为核心的学术循环将被“可检索、可调用、可复用”的新标准替代，基础研究的影响力将很大程度上取决于是否被人工智能系统判定为相关和有用。尽管人工智能加速知识传播、降低求解门槛，人类独有的想象力、自由创造力和深层认知仍是不可替代的驱动力。智能时代，在硅基圈技术生态中，基础研究成果的影响力和辐射范围空前扩展，类似图灵方程曾沉寂20年的情形将不再重演。

关键词：智能时代 基础研究 硅基圈 认知机器

【中图分类号】 D669 【文献标识码】A

2026年4月30日，习近平总书记在加强基础研究座谈会上强调，基础研究是整个科学体系的源头，是所有技术问题的总机关[1]。基础研究关系全人类长远发展和人类文明的底蕴、后劲与潜力，是科学体系和技术创新的总源头，具有前瞻性、长期性、基础性和跨学科交叉的特征，需要久久为功、持之以恒。智能时代，人工智能正在深刻重塑基础研究的研究方式、传播路径与影响力格局。基础研究更加崇尚想象力和创造力的自由，依赖独立学者的兴趣和自由合作，不限研究者身份，不设完成时限，不以落地应用为目的，不受距离的约束，不必组织大团队“攻关”，允许试错，宽容失败。同时，基础研究需要研究者具备深厚的科学素养和人文艺术素养，耐得住寂寞，沉得下心。虽然基础研究成果和产出时间无法被精确预测，但因其基础性和普遍性，一旦出现原始创新，对引领技术进步必然会产生长期且深刻的影响。智能时代，基础研究转化周期明显缩短[2] ，但其底色始终未变；硅基圈的介入，正在把“冷板凳”换成“热战场”——谁能被调用，谁就能彰显影响力。

图灵方程沉寂20年：基础研究被埋没的历史缩影

做基础研究有一个基本循环，读别人写的基础研究论文，从中获得启发或找到问题和矛盾，通过类比、推理来解决自己的基础研究问题，修正已有的认知，发现新的结果，然后把结果写成论文发表，等待别人来读、来质疑。人读论文，人引论文，人的阅读行为成为衡量研究成果影响力的基础数据。影响力、说服力就在这个循环里自然产生了。基础研究在这种循环运作中迭代发展，这套底层逻辑和成果产出机制运转上百年。但在智能时代，基础研究成果的发表和交流发生重大变化，因为论文的第一读者和论文的主要读者不再仅是人，更涵盖认知机器，从而产生一个新的迭代圈——硅基圈。基础研究成果在硅基圈的传播扩散，比在作为碳基圈的人类社会速度更快、范围更广。

让我们回顾历史上基础研究的一个典型案例——图灵方程。艾伦·图灵（Alan Turing）的研究涵盖数学、计算机、密码学、人工智能和生物数学五大领域。1936年，图灵提出图灵机概念和理论，并因此成为计算机之父；1950年提出图灵测试，又成为人工智能之父；1952年发表论文《形态发生的化学基础》，提出反应扩散方程组（图灵方程），阐释自然界条纹、斑点自发生成的跨学科理论。这篇论文被认为对“人类生命的起源”重大基础问题有着突出的贡献，但发表后却一度无人问津，沉寂了20年，直到20世纪70年代随着吉雷尔（Alfred Gierer）与迈因哈特（Hans Meinhardt）重新拓展模型、普里高津耗散结构理论兴起才被学界重视。图灵方程沉寂20年，有如下五个原因。

学科范式与主流思路存在冲突。DNA分子生物学抢占当时全部学术注意力，成为最重要外因。当时，沃森（James Watson）、克里克（Francis Crick）公布DNA双螺旋结构，分子生物学爆发式发展，整个发育生物学、遗传学的研究范式彻底转向“基因决定论”。生物界主流共识是生物形态、器官斑纹、躯体分化全部由基因序列决定，研究重心是“哪种基因对应哪种性状”。而图灵方程完全走相反路线：不依赖基因预设梯度，仅依靠两种化学物质局部激活、长程抑制、扩散速率差，从均匀无序的均质系统里自发涌现有序空间斑图，属于物理化学自组织机制，该理论与“基因调控”主流思路完全冲突。学界资源、期刊版面、科研经费、学术会议大多向DNA、基因、蛋白方向倾斜，几乎没有学者愿意花精力研读一套脱离基因框架的纯数学生物模型。占据主流的发育生物学家如沃尔珀特（Lewis Wolpert），提出“位置信息梯度理论”，认为胚胎形态由母体预先分布的分子梯度决定，是自上而下预设模式；而图灵自下而上自发成斑的思路则被视作旁门左道，长期遭到学术圈层排斥。

存在跨学科壁垒。数学语言与传统生物学方法论完全割裂，对于生物学家来说，图灵论文等同于“天书”，无法读懂。其论文以偏微分方程、线性稳定性分析、扩散动力学为核心，充斥耦合反应扩散方程组、拉普拉斯算子、扰动稳定性推导。20世纪50年代发育生物学以解剖、杂交育种、显微镜肉眼观察、胚胎移植实验为核心手段，少有生物学家接受过偏微分、动力学系统训练。同时，刊发期刊受众也发生错位。论文发表于《皇家学会哲学会刊B辑》（Philosophical Transactions of the Royal Society B），该期刊的核心读者是数学家、理论物理学家，常规发育生物学家几乎不会检索、阅读该刊，天然隔绝目标受众。此外，当时数学、物理、生物学边界意识较强，数学生物学、计算生物学尚未成型，不存在交叉学科群体承接图灵的理论——数学家认为这是生物问题，生物学家看不懂数学推导，最终导致论文两头落空。在竞争性理论的挤压下，学术圈层逐渐形成隐性排斥。在同一时期，发育生物学已形成成熟主流框架，如沃尔珀特位置信息理论，该理论依托大量胚胎实验支撑，逻辑直观，贴合基因调控思路，掌握学术话语权。很多发育生物学家默认：形态一定由母体预先排布的分子梯度决定；他们排斥“无预设、纯局部的交互会自生成图案”的思路。支持位置信息理论的学者也形成了自己的学术圈层，在期刊审稿、会议选题、项目评审中隐性弱化图灵机制相关研究，导致其相关投稿难以发表，相关课题难以拿到资助，该领域基础研究长期无人深耕。

理论缺少实证支撑，同时代的技术无法完成实验验证。图灵本人仅做纯理论推演，无活体生物实验佐证，只完成数学建模，没有在胚胎、动植物体内找到真实的“激活剂—抑制剂”两种形态发生素，也没有设计体外化学实验复现斑图。他在论文开篇就坦诚这一模型属于纯粹的理论猜想，缺少实验说服力。20世纪五六十年代，生化检测技术存在硬短板。彼时无法精准定量追踪生物体内微量扩散分子，不能区分两种物质扩散速度差异；体外化学体系也难以稳定构建满足“抑制剂\激活剂”的反应扩散环境，无法在实验室复现图灵斑图；计算机算力缺失，无法批量模拟方程结果。图灵当年仅依靠手工、早期计算机完成少量数值计算，实验室没有算力能够遍历参数、生成条纹、斑点、螺旋斑图的模拟图像，学者无法直观看到方程能复刻老虎、斑马、贝壳花纹。直到20世纪70年代小型计算机普及，吉雷尔、迈因哈特才批量仿真斑图，直观展示图灵方程的理论有效性。

“跨界冷门的随笔”难以持续推广、完善理论。论文发表仅两年后图灵便离世了，其相关理论也失去了最重要的“代言人”。图灵晚年遭受化学阉割迫害，社交、学术交流全面受限，生前几乎没有机会在生物学会议上宣讲这一理论，也没有团队、学生延续该方向研究，更没有权威学者跟进解读、简化数学推导、对接生物实验。一篇高度跨学科、反主流的原创理论，若没有作者持续科普、完善、回应质疑，很容易被淹没在海量文献中；学界对图灵的认知，集中在计算理论，很少有人知道他深耕发育形态数学，该论文长期被视作数学家一次“跨界冷门的随笔”。

理论本身反直觉，违背大众与学者的日常认知。普通人固有认知是：扩散会抹平差异，如一滴墨水在水里最终完全混匀。但图灵方程得出完全相反结论：两种耦合化学物质，扩散反而制造空间不均匀、周期性有序结构，这种“扩散诱发有序”违背直观经验。当时主流热力学认知局限在平衡态热力学，只知道孤立系统熵增、走向均匀无序；普里高津耗散结构、远离平衡态自组织理论1969年才正式成型，学界缺少理论工具理解“开放系统局部自发负熵、从无序生有序”，无法为图灵方程提供底层物理解释，学界难以理解这一机制的物理合理性。直到1972年，吉雷尔、迈因哈特拓展图灵模型，简化数学、命名激活/抑制因子，用计算机大量模拟各类生物斑图，直观证明理论适配自然花纹，图灵方程才重见天日；恰逢普里高津耗散结构理论获得诺贝尔化学奖，非平衡态自组织成为学界共识，这为图灵方程提供统一热力学底层解释；生化微量检测、体外反应实验技术成熟，陆续在鱼类、昆虫、植物体内找到符合“激活—抑制”扩散规律的信号分子；交叉学科兴起，数学生物、非线性动力学成型，一批兼具数学与生物学背景的学者专门研究斑图生成，彻底打破了学科壁垒。

从“人读论文”到“机器调用”：智能时代基础研究影响力的重构

传统基础研究学术论文诞生的预设是：论文是写给人类阅读的。这种预设以后或许要改变了，因为人类可能已不是第一读者，甚至不是主要读者，认知机器才是。任何一种技术的引入，都会引起个体认知方式和社会文化结构的深层变动。[3]硅基圈的调用和扩散，提供比传统引用更接近技术和工程使用场景的观察窗口。基础研究因其基础性和普遍性价值，在文献阅读中跨越众多学科领域，这种广泛的连接作用有时比几篇论文的引用更能反映其真实贡献。当人工智能系统大规模、快速地在这些知识网络中检索和调用时，这种价值能更好地体现出来。在这一过程中，人工智能调用谁的工作，谁就会获得更多关注。不是因为人工智能主动赋予声望，而是在设定任务、语料库和检索策略下，基础研究工作被判定为更相关、更可调用，人类看到的正是硅基圈这层筛选后的结果。当足够多的人工智能系统都检索到同一篇文章时，这篇文章在人类世界的关注度也会随之上升。一个做基础研究的学者在人类世界的影响力，可能越来越受到其研究成果在硅基圈中可检索、可调用、可复用程度的影响。人类获取知识越来越多地通过人工智能过滤，其所看到的基础研究成果是人工智能在解决问题时检索到的，而人工智能检索到的是在硅基圈中被证明有价值的。因此，学者的学术影响力和学界声望，也将由其成果在硅基圈的使用频率所决定。当人工智能降低基础问题求解的成本，稀缺的不再是“做出来”，而是“值得被使用”。在这套逻辑下，一项基础研究工作的能见度，越来越取决于它在硅基系统中是否被证明可解释、可转化应用。当人工智能承担更多常规求解，研究者的核心价值必然转向选择更基础的问题、设计合理的工作流程以及仔细检查结果。“做基础研究”的门槛在降低，“被选中”的权重在上升，不管是被人选中，还是被人工智能选中。当然，“被证明可解释”本身并不容易，但规则正在变得更可验证。

这个框架如果成立，就意味着基础研究的影响力不再只通过正式论文一种载体传播。硅基圈的智能体也会对其产生重要影响。例如，一段写在代码托管平台GitHub上的代码、一条写入形式化数学库的引理、一个可被人工智能体（AI agent）调用的工具，从未以研究论文形式发表，但在人工智能系统中的影响力可能远超某些发在顶刊上的论文。2D绘图库Matplotlib的素材被引用了两万多次，但依赖它的软件包数量曾被统计到接近三十万个，实际可使用的广度远超引用数字所能反映的。在人工智能时代，被依赖和被引用之间的巨大鸿沟，也许会以一种意想不到的方式被绕过。至少在检索增强生成（RAG，Retrieval-augmented Generation）和工具调用这类场景中，人工智能系统对知识的显式调用更容易被记录，这已经不完全依赖人类作者事后自觉地补上一行引用的传统模式。基础研究是国际性的，存在一个全球范围的基本循环，世界各国做基础研究的学者都要耐得住坐“冷板凳”，在这一“小众”群体中，总有几个执着的追求者，有一种理念把他们连接在一起，不经意间的一句话就能燃起一场硅基圈的熊熊烈火。基础性意味着底层的广泛性。智能时代，硅基圈的传播使研究生态发生重大变化，学术论文不再仅仅是人类同行学者之间的交流，更有人工智能来“凑热闹”，成为没有疲惫感的人工智能的学习语料。人工智能以学术助手、伙伴乃至导师的身份全面渗透到基础研究成果传播各环节，这种基于硅基圈的传播势能将改造碳基人类做基础研究的底层逻辑。

人类智慧中，除了智能还有意识、欲望、信仰、价值观等，人类求知的不竭动力，以及人类想象力和创造力的高度自由，是任何人工智能工具难以企及的。人类认知的特征在于：有洞察力的天才、思想家、科学家，往往在可能的证据出现之前很久，就能触类旁通地抓住完整解释的本质，而机器无法做到这一点，这恰恰是人工智能的“软肋”。当人工智能降低基础问题求解的常规算力成本，真正稀缺的不再是“做出来”，而是人类独有的、经得起同行检验的原创思考与科学洞见。人工智能是赋能基础研究的先进工具、辅助载体，而非替代人类的价值裁决者。习近平总书记强调，要深化科技评价改革，用好科技评价指挥棒。加快“破四唯”，持续深化科教界“帽子”治理。[4]近年来，我国基础研究投入实现规模与结构双重突破，符合基础研究规律的分类评价体系持续完善，为加强基础研究提供有力保障。做基础研究的学者，借助硅基圈的智力，成果产出可能是过去所无可企及的。这些学者不再是一个人坐在冷板凳上敲键盘——其模型、脚本、智能体、自动化流程仍在后台持续运转、闪烁迭代；他可以离开凳子，却很难离开那个仍在运行的系统。人工智能时代的压力，更像是从内部生长出来的：人工智能不断提醒学者，某项研究还能继续推进，某个底层逻辑还能再试一次，某段代码还能优化，某份草稿还能再改一版。学者不是被命令工作，而是被可能性召唤，被自己的兴趣召唤。于是，学者工作的边界被放大。智能时代，在硅基圈技术生态中，基础研究成果的影响力和辐射范围空前扩展，类似图灵方程曾沉寂20年的情形将不再重演。

注释

[1]《习近平在加强基础研究座谈会上强调：以更大力度更实举措加强基础研究进一步打牢科技强国建设根基》，中国政府网，2026年4月30日。

[2]万劲波：《基础研究的内涵、模式与高质量发展路径》，《学术前沿》，2023年第11期，第86—95页。

[3]项久雨：《人工智能时代“00后”独有的认知新图景》，《人民论坛》，2025年第17期，第33—38页。

[4]《国家科学技术奖励大会两院院士大会中国科协第十一次全国代表大会在京召开》，《人民日报》，2026年7月9日，第1版。

李德毅

中国工程院院士，中国人民解放军军事科学院系统工程研究院研究员，欧亚科学院院士，中国人工智能学会和中国指挥控制学会名誉理事长，清华大学博士生导师，主要研究方向为计算机工程、不确定性人工智能、数据挖掘、自驾驶和认知物理学。

摘自《国家治理》/2026年第14期

责编：韩 拓

美编：石 玉