中國人工智慧領域最權威的聲音之一，在今年全國兩會上發出了一個冷靜的警告。
3月7日，南京大學副校長、中科院院士周志華在全國政協十四屆四次會議第二次全體會議上發言。他的核心觀點直接而犀利：中國當前的AI賦能科研，正在走彎路。
問題不是沒有AI，而是用錯了方向。
熱錢湧入，方向跑偏
過去兩年，"AI for Science"幾乎成了中國科研圈最熱門的關鍵詞。從北京到上海，從高校到國家實驗室，新的"科學大模型"層出不窮，中科院有"磐石"基礎科學大模型，北京科學智能研究院有"玻爾科研空間站"，各省市也在密集布局自己的AI科研平台。
熱鬧背後，周志華直接指出了兩個普遍問題：一是很多科研機構對AI賦能的理解，仍停留在"找個現成工具套一套"的層面；二是不少機構一哄而上，爭相訓練所謂"通用科學大模型"，想用一個模型解決所有科學問題。
這種做法的後果是顯而易見的。科學數據獲取成本高、標準五花八門、各自為政不願共享，標註質量更是參差不齊，導致各地訓練出來的模型可靠性存疑，大量算力和經費在重複建設中白白消耗。
周志華的判斷是，資源正在過度集中於"算力消耗型的應用層"，而真正需要長期積累的AI演算法基礎研究，卻嚴重缺乏投入。
這並非孤立的批評。科技日報此前也曾指出，部分科研機構在大模型建設上存在嚴重的"大模型幻覺"崇拜，不加甄別地認為參數越大、數據越多就越好，忽視了針對具體科學問題設計專門解決方案的價值。
怎麼解？他給出了四條路
周志華提出的建議，圍繞政策、人才、交流和數據四個維度展開，邏輯清晰，操作性強。
在政策層面，他建議重新優化AI科研領域的資源統籌布局，把更多支持導向具有前瞻性的基礎演算法研究，而非一味堆砌算力和參數規模。同時引導企業和社會資本也參與進來，形成多元投入機制，避免國家資金獨撐而效率低下的局面。
在人才培養上，他提出了一個頗具想像力的方案：支持高水平研究型大學為博士生設立"雙學位"路徑，讓AI專業博士生在攻讀主專業的同時，跨學科攻讀一個科學領域的碩士學位。這種"雙語科學家"的培養思路，劍指當前AI人才和領域科學家之間長期存在的"雞同鴨講"困境。他還特彆強調，要在職稱晉陞、績效考核等環節建立"交叉學科特區"，解決跨學科人才在傳統評價體系中"兩頭不靠"的尷尬處境。
在學科交流層面，他主張建立"雙向翻譯"機制：科學領域的學者把前沿問題翻譯成AI研究者聽得懂的語言，AI科學家則向傳統領域學者講清楚技術的邊界和局限，消除對AI的盲目神化和無謂恐懼。
在數據治理上，他建議由國家相關部委主導，搭建統一的國家級科學數據共享平台，制定各學科的數據採集、標註和存儲標準，並通過項目資助、成果評價等政策槓桿，真正推動科研機構開放數據。
上述建議的時代背景，是國務院2025年8月印發的《關於深入實施"人工智慧+"行動的意見》，該文件將"人工智慧+科學技術"列為重點行動首位，從國家政策層面明確了AI驅動科研創新的戰略地位。
周志華的這番發言，並不是潑冷水，而是在一片熱情之中，點出了最容易被忽略的那個問題：工具再強大，用錯了方向，也只是浪費。在AI4S這條賽道上，中國的資源投入已經不少，接下來真正需要比拼的，是如何把錢和算力花在刀刃上。
