活动现场，上海科学智能研究院院长漆远在致辞中表示，他相信通用人工智能的最高体现之一就是理解复杂世界、发现未知规律，即打造“AI爱因斯坦”，这也是AI for Science的关键目标。要实现这一目标，需要结合快思考的“黑盒”预测和慢思考的“白盒”逻辑推理，打造“灰盒”可信大模型。具体而言，通过融合科学规律、观测数据和合成数据，开发理解物理世界的垂直领域科学大模型。

郑庆华补充道，除了探讨产教融合机制创新，大学也应跳出圈子多尝试校校合作。2023年底，同济大学、复旦大学已达成战略合作，两校开展本科阶段的优质课程共享互选，学生们互相可以进入对方学校的数理化、人文社科课堂，携手让大学变得更大，学科内涵更加丰富。“未来最需要突破的就是跳出高校看教育，通过更多的校校合作、校企合作，将珍珠串成链形成协同，才会有新突破。”郑庆华如是说。

郑庆华表示，企业确实在发现市场、用户需求的敏感性方面走在前沿，这些敏锐的需求能为高校科技创新提供方向和目标。但高校依然是科技创新的重要策源地。一是因为高校具有多学科交叉融合的优势，科学研究或者科技创新很难单靠一个学科、一个专业达成；二是大学具有创新的文化血脉和土壤，大学永远充满一批怀抱科技改变世界、科技改变人类使命的人。因此大学和企业是硬币的两面，相互依赖、相互赋能。

盛世ll7月4日，2024世界人工智能大会主题论坛“人工智能：科研范式变革与产业发展”在上海举行。论坛吸引了众多国内外顶尖科学家、高校和产业领袖，共同探讨人工智能的技术发展、产业应用以及对学科融合和高校创新机制的推动。

“我建议AI方向和非AI方向的老师都要放下身段，多多深入讨论，学习了解对方学科的基础和逻辑。”虞晶怡表示，要与时俱进上好这些新的课程，需要利用不同专业的老师们AI for Science的科研合作基础，通过共同备课、共同授课、共同整合教参、增强非AI专业学生的课程参与度等新方式，将课程上得更鲜活。此外，实现包括AI在内的科学问题的突破非常需要长期主义。大学应与时俱进地和工业界紧密合作，同时坚定做好长期主义的堡垒，成为AI突破的真正策源地。

漆远表示，AI发展也在倒逼大学人才培养的方式改革。在当下的人工智能时代，有三种能力特别重要：第一是终身学习的能力；第二是动手实践的能力，可以解决真实问题；第三是同理心。

在校长圆桌环节，复旦大学校长、中国科学院院士金力，同济大学校长、中国工程院院士郑庆华，中国科学技术大学副校长吴枫，上海科技大学副教务长虞晶怡，共同探讨了大学如何推动AI与科学研究的深度融合，培养具有创新精神和实践能力的高端人才。

论坛上，由上海科学智能研究院和复旦大学共同主办的第二届世界科学智能大赛宣布启动，在上智院·天池平台上向全球发起选手招募，共同探索科学智能前沿领域。去年首届大赛共吸引全球1万余名选手参赛，今年大赛新增社会科学、逻辑推理两大赛道，推进更广泛的科学智能创新生态发展。上智院、复旦大学与阿里云等产、学、研机构还将为优胜选手提供算力资源及相关合作机会，推动科学智能AI大模型在科研及应用场景中的深入发展。

“学校主打的是老师带着学生的研究模式，企业里是团队的研究模式和创新模式。”吴枫认为，高校尤其是以工科为主的高校，必须要拥抱企业，吸收来自企业的大量的价值问题，把企业和高校的双方优势结合起来。此外，人工智能对助力基础科学发展也同样具备巨大潜力，高校应注重创造良好的学科交叉氛围，建立完善成套的人工智能科创管理制度。

由上智院主导开发的全新科学数据平台也正式发布，为探索复杂科学场景提供新线索和新假设，以科学数据平台为核心的全球科学数据生态联盟同步启动。

虞晶怡说，AI的教学范式正在发生巨大改变。AI的发展日新月异，而AI for Science的发展尤其快。很多课程还来不及完成教材编写，替代的新方法就出现了。

“如果树上掉下一颗榴莲，还会有牛顿吗？”金力风趣地解释了AI之于科学假设（Hypothesis）的重要性。金力表示，当今科学可以分成两部分，一是基于传统范式提出好的假设，一是科学智能（AI for Science）驱动的假设。让假设的产生基于数据，高效产生假设并辨别其是否靠谱，是对AI的要求。科研人员能挑、会挑，可以判断假设的质量、让AI进化，可以通过AI大幅提升其判断假设质量的效能，这是科学智能的核心价值。未来的技术颠覆者将是年轻人，所以复旦大学不仅做科学智能，更要培养AI人才。