2025年9月18日，北京大学博雅特聘教授，北京大学深圳研究生院副院长兼科学智能学院执行院长，类脑脉冲大模型北京市重点实验室主任田永鸿做客才斋讲堂，为同学们带来一场题为“Science for AI和AI for Science——人工智能与基础科学的同频共振”的精彩讲座，深入阐释人工智能的发展历程、大模型的技术内涵和高校在新时代的使命与人才培养等。

　　讲座伊始，田永鸿指出，人工智能正在深刻改变社会的各个方面，当前全球人工智能发展已从“学习互联网存量知识”的上半场，逐渐进入通过与物理世界交互创造增量知识的下半场，以大模型为代表的新一代人工智能成为驱动科技创新范式变革的核心引擎，也是国家构建全球AI领导力的重要战略支点。

　　田永鸿教授主讲才斋讲堂第272讲

　　田永鸿回顾了人工智能的发展历史。1950年图灵提出著名的“图灵测试”，1956年达特茅斯会议正式提出人工智能概念，标志了AI作为一门科学的诞生。此后人工智能逐步发展出机器学习和深度学习等重要分支，神经网络和深度神经网络的快速迭代为AI奠定了基础。进入大模型时代，自注意力机制和预训练—微调范式成为突破口，推动多模态模型的快速发展，ChatGPT、Stable Diffusion、SORA等代表性成果背后正是这一架构的支撑。他强调，大模型的革命性在于其智能涌现能力，这些系统在规模足够大、训练充分的条件下表现出超越预期的推理、链式思维和少样本学习等行为，既延伸了人类的思维器官，也为通用人工智能的实现提供了路径。

　　在谈及高校使命时，田永鸿指出，大模型时代的科研格局已经发生显著变化。随着模型训练成本飙升和算力资源的高度集中，创新企业逐渐主导AI研发，而学术界在重要模型产出上的比重逐渐下降。面对这一局面，高校应重点发挥两方面作用：一是探索人工智能的科学机理，研发新型模型与算法，例如具有低功耗优势的脉冲神经网络（SNN），它能够在接近深度神经网络性能的同时显著降低能耗；二是推动AI与基础科学的深度融合，即AI for Science的新范式。

讲座现场

　　田永鸿进一步强调，将物理规律和科学偏好嵌入AI模型设计是真正实现人工智能与科学研究良性互动的关键。例如FermiNets等模型通过遵循量子力学和费米-狄拉克统计的规律，实现了更具表达力的AI设计，展示了“科学启发AI”的新思路。而人工智能反过来也正在成为科学发现的新工具，在数学、物理、化学、材料、生命科学、医学和社会科学等多个领域展现出巨大潜力。由此形成的“Science for AI”与“AI for Science”双向促进，正在共同推动科学研究范式的变革。在谈到教育和人才培养时，田永鸿强调，高校不仅要承担科学研究的使命，更要面向未来人才需求进行教育体系重塑。社会对复合型、跨学科人才的需求愈加迫切，这要求学生既具备数理基础和原理性思维能力，又要具备工程实践、跨学科整合与理解社会需求的能力。

　　北京大学近年来已在此方面率先行动。自2018年提出“AI for Science”以来，学校逐步建立起学科与人才培养体系，并于2025年在深圳研究生院成立了全球首个科学智能学院，推动“科学智能”作为交叉学科的建制化发展。科学智能学院积极探索多样化的人才培养路径，既为具备突出潜质的学生提供更大自由发展的空间和资源支持，也通过“双导师制”等机制，推动理科、工科与AI领域教师的深度合作，为学生营造跨学科融合的成长环境，致力于培养兼具科学智能理论与跨学科应用能力的拔尖创新人才。

　　最后，田永鸿总结道，大模型时代既是人工智能发展的历史转折点，也是科学研究和教育体系重塑的关键契机。高校必须把握Science for AI和AI for Science的趋势，抓住科技革命带来的机遇，探索人工智能与基础科学的同频共振之路，为国家在全球人工智能竞争中赢得技术自主性和创新引领力提供坚实支撑。

  撰稿：林凤仪

  摄影：李姗铭