在人工智能浪潮席卷全球的今天，中国工程院院士、清华大学信息科学技术学院院长、中国人工智能学会理事长戴琼海教授，以其深邃的学术洞察和卓越的科研实践，成为中国人工智能领域的重要思想引领者和技术开拓者。他不仅站在国际学术前沿，更以“理学思维融合工科实践，交叉领域践行原始创新”的理念，为中国人工智能发展开辟了独特路径。

一、脑科学与人工智能的交叉融合：开辟新一代AI发展新路径

戴琼海院士的核心思想之一，是强调脑科学与人工智能的深度融合。他指出，当前人工智能主要基于感知，但缺乏真正的理解能力。“现在的人工智能只是基于感知，对于一个场景中的物体，人们能认识它，但是机器不能理解它。未来人工智能的决策和控制能力都需要依靠理解，这就需要将其内部机理弄清楚。” 在这方面，一部分人希望从信息的角度给出解释方法；而戴琼海院士则选择从脑科学角度出发，解决人工智能机理不清的问题。

他深刻认识到人工智能的局限性：在自动驾驶领域存在鲁棒性、迁移性及能效比问题；在医疗领域，算法自适应能力有限；更重要的是，人工智能工作原理缺乏明确的可解释性。戴琼海院士提出，脑科学研究人类如何思考，图灵奖关注机器如何思考，这是两条平行线。人工智能专家往往将脑科学的部分现象和模型应用到人工智能中，这启发他在脑科学和人工智能之间架起桥梁——这个桥梁就是认知计算。

“如果有机会了解全脑，那会为人工智能带来多大的变化？” 戴琼海院士的这一设问，推动了他的团队在脑观测技术上的突破。他领导研制的世界领先的高分辨光场智能成像显微仪器“RUSH”，在国际上首次实现活体全脑神经成像，为揭示神经系统结构和功能等脑科学规律提供了利器。这一突破性工具能够对正在“看电影”的清醒小鼠进行长时间三维全皮层范围高速成像，并以足够的空间分辨率呈现出所观测17个脑区中如漫天星辰般点点闪耀的神经元网络。

二、人工智能发展的三大奇点理论

戴琼海院士在第二十七届中国科协年会主论坛演讲中提出了影响人工智能未来突破的三大奇点理论。他指出，人工智能确定的趋势是走向通用智能，而不确定的三大奇点将带来未来人工智能的变革。

第一是传感器奇点。传感器能将物理世界的信息转换成数字世界的数据，是人工智能的基础。传感器的发展将提升机器感知世界的能力，拓宽人类认知的边界。以视觉为例，不同于人眼，人工智能的处理系统是机器视觉，记录的不是图像本身而是光进入的过程，需要把传统的整体成像变成计算元成像。

第二是算力奇点。戴琼海院士引用英伟达CEO黄仁勋的观点指出，如果只考虑计算机算力，我们需要烧掉14个地球的能源，超级AI将成为电力需求的无底洞。这促使他团队在光电计算领域取得突破，研制出国际首个全模拟光电智能计算芯片（ACCEL），在智能视觉目标识别任务方面的算力可达目前高性能商用芯片的3000余倍。

第三是脑智能奇点。这是戴琼海院士最为关注的领域，也是他科研工作的核心方向。通过对脑科学规律的深入研究，为人工智能理论突破提供生物学基础。

三、从“虚与实的华尔兹”到“两芯一器”的科研实践

戴琼海院士用“虚与实的华尔兹”这一富有哲理性的比喻来描述人工智能70年发展的历史轨迹。他认为，AI的发展像是一场虚拟与现实之间不断旋转的舞蹈——从相机、电镜催生的ImageNet与PDB，到AlphaFold的革命性突破，再到今日快速发展的具身智能，AI正从数字世界走向现实世界。

在这一理念指导下，戴琼海院士团队取得了“两芯一器”的系列突破性成果：

光电芯片：团队突破传统芯片的物理瓶颈，创造性提出光电融合的全新计算框架，研制出国际首个全模拟光电智能计算芯片（ACCEL），为超高性能芯片研发开辟全新路径。2024年，团队在智能光芯片领域再获重大进展，首创全前向智能光计算训练架构，研制出“太极-Ⅱ”光芯片，实现了大规模神经网络的原位光训练，为人工智能大模型探索了光训练的新路径。

成像芯片：戴琼海、吴嘉敏副教授团队提出计算光场新原理，建立数字自适应光学模型，研制了广域波前计算传感芯片，实现了超1100角秒（对角线）范围的大气湍流实时探测和预测。

显微仪器：团队自主研发的新一代介观活体显微仪器RUSH3D被评选为2024年中国十大科技进展新闻。该仪器填补了对复杂生命现象介观尺度活体观测的空白，标志着我国在活体介观显微成像领域持续引领国际发展。

四、人工智能安全观：在开放中规避风险

戴琼海院士对人工智能安全风险有着清醒认识。他指出，人工智能技术在开放通用场景中仍存在一些安全风险，“规避技术安全隐忧，才能促进人工智能持续发展”。

他具体分析了多重安全风险：首先是黑箱数据训练安全风险，“黑箱依靠数据训练来支撑大模型对未来的推算，如果有人偷换数据，而后训练出来的人工智能模型可能成为敌人”。其次是医疗数据安全风险，“如果病例数据标注过程中存在错误，即便大部分数据判断正确，但涉及标注错误的区域时，人工智能的判断依然会给人类带来灾难”。

对于开放场景中的人工智能问题，戴琼海院士指出：“好比模式固化的自动驾驶无法规避所有事故，分析数据的系统无法结合自我认知生成结果。” 因此，他提出要进行颠覆性创新，从技术上做到具有可解释性的人工智能模型或算法；要规避安全技术隐忧，保证数据的安全是人工智能最主要的安全；尽量开放场景，切忌降低维度，可以先将人工智能放到封闭场景，逐渐扩圈，最后使场景变为完全开放式。

五、人才培养：交叉学科与项目驱动

作为中国人工智能学会理事长，戴琼海院士高度重视人工智能人才培养。他认为，“人工智能的发展离不开多个学科的交叉融合，需要这种人才”。然而，以书本、讲课的形式培养交叉学科人才并不容易，不同学科之间的学习需要共同研究一个项目来完成。

他举例说明：“比如，我们为了研究脑神经网络正在做世界上最大的显微镜，这个过程需要运用到光学知识、生物知识、电子知识、机械知识等。不同学科之间的专业人才沟通交流、互相学习，大家联合起来共同研究，发挥不同学科的作用，这样才能培养出交叉学科人才。”

在青少年人工智能教育方面，戴琼海院士强调：“中国的未来在青少年，培养人工智能顶尖人才要从中小学抓起，夯实中国人工智能人才的战略储备”。他指出，在人工智能时代，青少年人才的培养不仅需要在数学、编程等基础知识和工程技能的教授上下功夫，更需要培养青少年交叉融合、跨界思考的能力。

六、产业赋能与生态构建

戴琼海院士提出“脑科学是根、人工智能是干、实体经济是果”的发展理念，认为这样才能走出中国人工智能发展的道路。他建议要推进小算力发展，增强人工智能自主决策的能力，同时聚焦传感器等基础技术的创新，夯实技术根基。

他认为，通过建立区域试点和示范城市以点带面，可以打造人工智能产业发展的标杆，探索技术创新与产业实践的深度融合路径，为实体经济赋能。这一思想体现了戴琼海院士对人工智能技术与产业融合的深刻理解。

戴琼海院士常对团队成员说：“要做飞鸟，也要做青蛙”——既要有飞鸟般广阔的视野，也要像青蛙一样深入实际问题。他定义的“颠覆性研究”有三个标准：是否改变了科学研究的路径，是否改变了产业发展的方向，是否可以写进教科书。

从流媒体技术到立体视频，再到脑科学与人工智能交叉研究，戴琼海院士的科研生涯始终围绕国家重大需求，勇攀世界科技高峰。他带领的清华大学成像与智能技术实验室教师团队入选第二批全国高校黄大年式教师团队，团队累计培养博士后24人、博士44人、硕士88人，为国内高校输送逾30名教师。

在人工智能蓬勃发展的今天，戴琼海院士的思想和实践为中国人工智能发展提供了重要指引。他坚持的“理学思维融合工科实践，交叉领域践行原始创新”理念，不仅推动了科学进步，更为中国在全球人工智能竞争中赢得了重要地位。正如他所说：“要用更多的颠覆性创新回报我们的国家，为中国成为世界科学中心和创新高地作出自己的贡献。” 这正是一位科学家最深沉的家国情怀和最坚定的使命担当。