AI越热,基础研究这条“冷板凳”越不能凉

4月30日，习近平总书记在上海出席加强基础研究座谈会时指出，“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。”

什么是“总机关”？也就是说，你今天看到的所有技术——高铁、芯片、北斗、人工智能——它们的根，都扎在基础科学里。没有量子力学，就不会有芯片里的晶体管；没有电磁学，就不会有我们天天在用的无线通信；没有数论，就不会有今天保护着我们每一笔交易的加密算法。基础科学和应用技术之间，从来不是哪个更重要的问题，而是源和流的问题。源通则流长，源枯则流竭。

人工智能也不例外。今天，千问、豆包能流畅地跟我们对话，根源可以追溯到1943年神经元数学模型的提出，以及此后半个多世纪无数数学家、计算机科学家在神经网络理论上的持续探索。最近火爆的DeepSeek-V4、Kimi-K2.6，它们的底层架构也是建立在这些几十年前的基础研究之上。如果把AI比作一棵枝繁叶茂的大树，那应用层的各种创新就是它的枝叶，千姿百态，每个季度都在生长、掉落、再生。而基础科学——数学、物理、化学、生物——则是这棵树的根，深深地扎在土壤里。

现在有一个尴尬的现实：我们的枝叶长得很茂盛，但树的根系还不够深。总书记在座谈会上说得很直接，要“以更大力度、更实举措加强基础研究，提升我国原始创新能力”。科技部数据显示，2025年，我国全社会研发投入超过3.92万亿元，其中基础研究投入占比达7.08%，首次突破7%，创历史新高，总额接近2800亿元。在量子科技、生命科学、空间科学等领域，已取得一批重大原创成果。在国际创新排名上，我国已上升至全球第10位。不过总书记也语重心长地提醒，当前“全球科技竞争更加聚焦基础前沿领域，原创性颠覆性创新的重要性日益凸显”。换句话说，我们要走的路还很长，但方向是对的，而且越走越快。

这不是一个能单纯靠加大投入、买设备、堆人力就能加快的进程。它需要时间，需要耐心，需要一种“不求速成、不怕失败”的心理准备。

十年磨一剑，板凳不怕冷

2013年，清华大学薛其坤院士团队首次在实验上观测到了量子反常霍尔效应。这个后来获得国家自然科学奖一等奖的成果，从理论预言到实验验证整整花了四年时间。这四年里，团队分成两组，一组专门负责生长出符合实验条件的样品，另一组负责测量。高质量的材料是实现实验成功的关键，薛其坤亲自担任样品生长的总负责。整整四年，经历了无数次的失败和推倒重来。如果放在今天有些高校的项目考核体系下，一个四年不出成果的课题，能不能活下来真要打个问号。

这才是基础研究最残酷也最迷人的地方：它不怕你失败，就怕你不敢坚持。

总书记在座谈会上专门指出，“要遵循人才成长规律”，“大力扶持青年人才”，还要“营造开放包容、宽容失败的创新环境”。这不只是对科研人员说的。真正的原创性突破，几乎都诞生于长期积累、反复试错的过程之中，而不是“立竿见影”的项目计划书里。

我们常说“板凳要坐十年冷”，但冷板凳不应该只是科研人员自己咬牙坚持。上海在基础研究特区领域已经有了新的探索——复旦校长金力就明确表示，基础研究特区要“取消短期考核，支持科学家开展10年以上原创研究”。这种制度性的保障，比任何口号都更有力量。

AI for Science：另一条加速跑道

值得关注的是，AI 正在为基础科研打开一扇新的大门。近年来迅速兴起的“AI for Science”（人工智能驱动的科学发现），正在成为 AI 时代基础科学研究最具突破性的新范式。它的核心逻辑不是让 AI 替代科学家，而是让 AI 成为科学发现的“加速器”和“显微镜”——在海量数据中捕捉人类难以察觉的规律，在复杂系统中建立过去无法建立的模型，把那些原本需要几十年试错的探索，压缩到几年甚至几个月。

2024年诺贝尔化学奖授予了利用AI破解蛋白质结构预测难题的科学家，是AI for Science从辅助工具走向核心研究范式的标志性事件。就在本月，中科院计算所团队提出的MatRIS模型，在材料发现领域的国际权威榜单上超过Meta公司的同类模型，位列全球第一。这意味着AI不仅能帮我们理解已知的世界，还能加速发现未知的新材料。

在国内，上海人工智能实验室是一个值得关注的先行者。今年3月，他们发布了“AGI for Science珠穆朗玛计划”，旨在构建“科学智能创新中枢”，将算力、数据、模型、平台等核心资源全面开放，邀请全球科研力量共同攀登科学高峰。这种以问题为导向的新型科研组织模式——把AI科学家、基础学科研究者和工程师放在同一个团队里，打破了长期以来“AI团队不懂科学问题、科学家不懂AI工具”的壁垒，让AI真正成为基础科学研究中不可或缺的力量。

但同时也要警惕一种倾向：AI工具越强，人越容易追求“快出成果”，而不是“啃硬骨头”。在一个人人都在做AI应用、追求快速变现的时代，谁来做源头创新？谁来为二十年后的产业做基础储备？总书记在座谈会上强调，要“坚持‘四个面向’战略导向”，要“推动企业主导的产学研用深度融合，打通基础研究、应用开发、成果转化的创新链条”。企业一头连着市场，一头连着科研，它们在基础研究中的角色不可替代。

企业入局：从旁观者到参与者

国家层面，近年来陆续出台了一系列加强基础研究的政策文件。总书记强调，要“逐步提高基础研究经费占比，形成多元化投入格局”，“健全符合基础研究特点的分类评价体系”，从制度层面保障基础研究的发展。值得关注的是，中国企业正在逐渐从基础研究的旁观者转变为参与者。

华为是典型的代表。2025年，华为研发投入达1923亿元，近十年累计超13820亿元。在这些巨额投入背后，是华为在基础科学领域数十年的深耕。2025年12月，华为诺亚方舟实验室发表突破性研究，AI首次在12个维度空间中发现超越人类数学家数十年最佳记录的球体堆叠上界；2026年2月，又用统一数学框架解释了大语言模型的所有解码策略，推理准确率提升18.6%。从基础数学到AI算法，华为正在为下一个十年积蓄底层力量。

阿里同样在基础研究这条“冷板凳”上持续投入。2017年成立的达摩院，主攻机器智能、芯片技术、量子计算等前沿领域，集聚了近10名IEEE Fellow级别的科学家。2025年，达摩院发布“太章3.0”量子模拟器，在全球首次实现512量子比特全振幅模拟，较谷歌Sycamore提升近10倍算力维度。阿里巴巴CEO吴泳铭近日宣布，未来三年将投入超3800亿元建设云和AI基础设施，创下中国民营企业在该领域的最大投资纪录。从基础算法到量子硬件，阿里正在为未来的产业突破积蓄能量。

小米则走了一条“厚积薄发”的路。2025年5月，小米首款自研旗舰SOC芯片玄戒O1正式发布，采用第二代3nm工艺，这是从消费电子向核心硬件的重大突破。2021到2025年累计研发投入超1050亿元，2026到2030年计划再投2000亿元。2025年小米研发投入331亿元，占全年收入近一成。2026年4月，小米开源MiMo-V2.5系列大模型，成为首个登顶全球开源榜首的手机厂商。从芯片自研到底层架构突破，小米正从一家消费电子企业快速转型为技术驱动的硬核科技公司。

这些企业的实践证明，投入基础研究不是纯消耗，而是一种面向更长周期、更高回报的战略投资。总书记在座谈会上特别强调，要“推动企业主导的产学研用深度融合”。但和发达国家相比，中国企业投向基础科学的资金占研发总支出的比例仍然偏低，需要政策引导和市场激励共同推动。企业参与不只是给钱、建实验室，它同样需要打破“唯论文”“唯专利”的老思路，允许科研人员把问题导向放在考核标准的最前面——好的基础研究往往是问题驱动的，而不是指标驱动的。需要一个足够开放、包容试错的环境，让真正有好奇心、有韧劲的人愿意沉下来，花十年甚至更长时间去解决一个真正重要的问题。

根有多深，树才有多高

我们常说“板凳要坐十年冷”，但冷板凳不应该只是科研人员自己咬牙坚持，它需要的是一种社会氛围——对长期主义有耐心，对失败有包容，对“看不见回报”的投入有敬畏。尤其在AI应用越来越“热”的当下，这种冷静和定力，比任何时候都更稀缺，也更重要。

AI是放大基础科学价值的杠杆，而不是替代它的工具。应用层越繁荣，基础层的价值其实越大。这不是一个唱高调的判断，而是一个再朴素不过的真理。

树能长多高，永远取决于根扎得有多深。