启慧日知·一:AI时代,强基计划中的基础科学将会怎样?

强基计划始于2020年，那时AI还没有能力进入大众的生活，技术革命还有赖于基础科学的突破。六年后的今天，数学与计算科学的重要性仍然无需多言；而在AI技术狂飙突进的映衬下，传统基础科学--物理、化学、生物--的发展却似乎显得“冷清”起来。

以基础中的基础--物理学为例：基础理论发展停滞，高温超导研究陷入瓶颈，量子计算、可控核聚变等偏应用领域进展缓慢……相比之下，AI带给世界的震撼与希望、蓬勃的发展，才更具20世纪初物理学革命时期的风范。

两相比较，我们不禁要问：AI时代，基础科学还有意义吗？

对于年轻的理科学子，更加现实的问题则是：选择强基计划中的基础科学领域，将来还有饭吃吗？

面对这个问题，我也曾感到迷茫，但最终，毋庸置疑--

答案是肯定的。

首先，人类生活在物质世界，只要物质世界存在，探究其底层规律并给出运用方法的人和需求就会存在:-D

从AI本身来看：无论它构筑的精神世界多么繁荣，也始终需要以真实的物质作为载体。正因为AI带来了生产力的飞跃，它对于所依托的芯片和算力提出了更高的要求，这些要求都亟待基础科学进一步发展。

而且，现在的AI正处在大语言模型阶段，偏重算法，所以研究者多来自计算机、数学领域；但下一步AI就要进入具身智能的阶段，披上物质外衣，与现实物质世界互动，彼时，物理、化学、生物这些学科就将起到至关重要的作用。

从基础科学角度来看，AI这一奇妙现象的出现，不仅丰富了基础学科的研究对象，更为科学家们递上了一件“神兵利器”：AI for science已经为科研注入了强大的新活力，激发了一些前所未有的研究进展，国内高校中的基础科学研究者已经在广泛使用AI作为日常科研工具，许多资深教授都在积极开发科研新范式与新模型。我们完全有理由期待，基础科学未来将会迎来令人惊讶的精彩发展。

同时，由于基础科学的研究者往往兼具透过现象看本质的精神，与快速掌握AI等新工具、并进行开发创新的能力，更容易成为“无论到哪个方向都能迅速做出好成果”、而被新科技、金融等热门行业看重的人才。

最后，对于那些在学习中对探索宇宙底层规律感到神往、甚至具有使命感的孩子来说，这种纯粹的好奇心是不可替代的。在喧嚣的时代，能够静下心来探究本质的人，永远是推动人类文明前行的稀缺力量。

附上AI对几个专业问题的回答：

1. 基础科学是否支撑了算力与芯片的演进？

答案是肯定的，而且目前已经到了“必须突破基础科学，否则算力将停滞”的十字路口。

现在的 AI 算力主要建立在冯·诺依曼架构和硅基半导体技术之上。但这套体系正面临两大物理瓶颈：

• 摩尔定律的终结（材料物理）： 当晶体管缩小到原子尺度（几纳米）时，量子隧穿效应会导致电流泄露，经典的电路逻辑失效。要继续提升算力，我们需要凝聚态物理提供新的方案，比如二维半导体材料、拓扑绝缘体或者碳纳米管。
• 功耗与散热（热力学）： AI 模型训练极其耗电，本质上是因为电子在芯片中运动会发热。如果基础物理不能在超导材料或者光子计算（利用光子代替电子，几乎无损耗）上取得突破，未来的数据中心可能会被自己的热量“烧毁”，或者耗尽全球的电力。

2. AI 时代的基础科学，是否有了更多的必要性？

AI 不仅没有削弱基础科学，反而赋予了它一种“前所未有的加速器”属性。

以前基础科学的瓶颈在于“算不动”或“看不清”。比如，我们要研发一种新电池，需要解极其复杂的薛定谔方程来模拟原子运动，这在以前可能要算几十年。

但在 AI 时代，这种必要性体现在两个循环中：

• AI for Science（AI 驱动科学）： AI 擅长从海量数据中找规律。它能帮物理学家筛选新材料，帮生物学家预测蛋白质结构（AlphaFold 就是实例）。这意味着，基础科学研究的效率被指数级提升了。

• Science for AI（科学驱动 AI）： 现在的 AI 很大程度上是“黑盒”，我们知道它有效，但不知道为什么有效。这需要数学（代数几何、拓扑学）和统计物理去解释深度学习的底层逻辑。只有理解了逻辑，我们才能造出更高效、更具通用性的 AI，而不仅仅是堆砌算力。

3. 取消基础科学，只靠应用技术能否支撑 AI？

短时间内可以维持现状，长远看必然会导致 AI 的“大停滞”。

这是一个很典型的“存量思维”与“增量思维”的区别：

• 应用技术是“拧毛巾”： 应用技术能把现有的硅基芯片效率提高 10%、把算法优化 20%。但毛巾里的水是有极限的。当硅基芯片达到原子极限、当现有的变压器（Transformer）架构达到效率天花板，应用技术就无能为力了。

• 基础科学是“换毛巾”： 基础科学负责开辟新赛道。如果没有量子物理，我们现在还在研究如何改进真空管，根本不会有芯片。如果没有数学上的反向传播算法，AI 甚至都不会诞生。

结论：如果取消基础科学，AI 将会陷入一个“局部最优解”。我们可能会拥有非常流畅的聊天机器人，但永远无法实现真正的通用人工智能（AGI），因为现有的计算能效比和架构，在物理规律的制约下，根本无法支撑模拟人类大脑那种量级的复杂性。

基础科学不是 AI 的点缀，它是 AI 能够突破当前“暴力计算”范式、走向下一次文明跃迁的唯一入场券。对于现在的学生来说，理解这一点，就能明白为什么“强基”不是为了复古，而是为了在 AI 时代掌握定义规则的主动权。

报考清北的本届强基生欢迎加这个群：