2050大会「AGI4Science·新生论坛——正在生长的科学地图」嘉宾阵容全览！|agi|science|人工智能|数学|科学

生长中的AGI4Science：全景、边界、未来——我们走到哪了？

2026年4月25日上午9点，2050大会将迎来“AGI4Science·新生论坛——正在生长的科学地图”专场。

本次论坛由王婷担任召集人，以“三幕剧”的形式，从“AI落地真实世界”到“AI作为伙伴”，再到“未来去往何方”，全景式展现AI for Science（AI4S）从理论探索走向产业部署的前沿图景。

论坛涵盖芯片、物理学、基础数学、生命科学、社会科学、新能源材料等多个领域，汇聚了来自高校、科研机构与产业界的17位青年科学家与技术专家，共同探讨AI4S的生长与变革。

幕前——生长中的AGI4Science:

全景、边界、未来，我们走到哪了？

在正式进入三幕探索之前，我们需要先校准坐标。

AGI4Science从概念萌芽到多点开花，究竟走到了哪一步？什么是已经被验证的路径，什么是仍在探索的边界，而真正的未来又在哪个方向？这一环节将为我们勾勒一幅正在生长中的科学地图，标定我们当下的位置与下一段旅程的起点。

于晓轶现任上海人工智能实验室资深主管、项目经理人团队负责人。在本次论坛的幕前环节，他将以“生长中的AGI4Science：全景、边界、未来——我们走到哪了？”为题，基于其推动多个AI4S高价值项目的实战经验，勾勒AGI驱动科学发现的当前坐标与演进方向。

落地前沿——AI in the Real World

AI for Science的叙事不能只停留在论文与代码中。当算法走出实验室、走进工厂车间与研发产线，它将如何应对真实世界中物理约束、安全边界与产业成本的严苛拷问？

第一幕我们聚焦产业一线，邀请来自芯片、生物等领域的科学家与技术专家，讲述AI从“可用”到“有用”的落地故事——在这里，问题不是“AI能做什么”，而是“AI已经做到了什么，以及它还能做到什么”。

吴泰霖西湖大学助理教授——“我们离聚变商用还有多远？AI的机遇在哪里”

吴泰霖博士是西湖大学工学院特聘研究员、助理教授、博士生导师，创立了人工智能与科学仿真发现实验室。

其研究方向聚焦于人工智能与科学的交叉领域，主要利用机器学习方法加速大规模科学仿真、辅助科学发现，并研究基于图神经网络和信息论的表示学习。代表性工作包括提出“AI Physicist”算法，能够模仿科学家从观测数据中提炼符号化物理定律；在计算流体力学与等离子体物理中利用机器学习代理模型实现数个量级的仿真加速。多项成果发表于NeurIPS、ICLR、ICML等顶会及权威期刊，获MIT Technology Review等报道。

在本次论坛中，他将围绕“我们离聚变商用还有多远？AI的机遇在哪里”这一议题，探讨人工智能的聚变商用，挖掘AI的潜力与机遇。

姜若曦复旦大学人工智能创新与产业研究院，助理教授“AI看懂物理：让流体在AI里重新流起来”

姜若曦博士现任复旦大学人工智能创新与产业研究院助理教授、硕士生导师，同时兼任上海科学智能研究院AI科学家。

其研究聚焦于表征学习与生成模型的科学智能与视觉模型，致力于推进表征学习与生成模型的理论统一与算法创新。她长期从事表征学习研究，认为生成模型与表征学习犹如一枚硬币的两面，相辅相成。相关成果发表于NeurIPS、ICML、CVPR等国际顶级会议。

本次论坛她将以“AI看懂物理：让流体在AI里重新流起来”为题，分享让AI真正“理解”并预测复杂流体行为，从而取得更深程度的突破。

杨晓晖厦门大学化学化工学院副教授“为什么高端芯片里，有些问题不能只靠实验”

杨晓晖博士现任厦门大学化学化工学院副教授、博士生导师，兼任嘉庚创新实验室AI4EC Lab副研究员。

主要研究方向为芯片制造电子电镀材料筛选，致力于将人工智能与电化学计算方法相结合，专注于电子电镀中专用电镀液添加剂的计算模拟和智能设计。相关成果发表于ACS Catalysis、Chem. Sci.、Electrochimica Acta等期刊。

在本次论坛中，他将基于工作与学术视角，回答“为什么高端芯片里，有些问题不能只靠实验”，阐述人工智能与计算化学如何协同破解传统实验方法难以逾越的瓶颈。

邵雷来上海交通大学长聘教轨副教授让AI走进芯片设计核心，能走多远？”

邵雷来博士现任上海交通大学机械与动力工程学院长聘教轨副教授、博士生导师，2021年9月全职回国加入上海交通大学。

其研究方向专注于新型半导体和Chiplet系统的设计工艺协同优化(DTCO/STCO)、柔性电子、电路设计自动化(EDA)以及机器学习等研究。累计在相关领域的顶级期刊以及会议发表文章20+篇，包括(Nature Communications, IEEE TED, IEEE/ACM Design&Test, IEEE/ACM DAC, IEEE DATE, IEEE ASP-DAC)，还获得了EDA领域顶级会议IEEE DATE 2018的Best Paper Award Nominations，谷歌学术累计引用1000+。

在本次论坛中，他将追问“让AI走进芯片设计核心，能走多远？”，结合其在EDA与Chiplet系统设计中的实践经验，探讨人工智能从辅助工具走向芯片设计核心决策引擎的现实路径与关键挑战。

徐丽成上智院物质科学方向研究员“不想当‘算法孤勇者’？我们开源了一座AI+化学实验室”

徐丽成，任职于上海科学智能研究院（上智院），担任物质科学方向的研究员。

其研究方向主要聚焦于AI for Science（AI4S）领域，致力于通过人工智能技术推动化学反应预测与合成规划。代表性成果是主导开发了名为 RXNGraphormer 的统一预训练深度学习框架。该框架通过整合图神经网络与Transformer模型，成功实现了对化学反应活性、选择性以及单步正、逆向合成的精准预测，相关研究成果发表于《Nature Machine Intelligence》。

本次论坛他将以“不想当‘算法孤勇者’？我们开源了一座AI+化学实验室”为主题，介绍其参与构建的开源智能平台，倡导以开源共建的方式打破学科壁垒，加速AI化学从算法创新到真实实验闭环的转化。

董振西湖大学助理研究院“我把细胞‘放大’给AI看”

董振博士现任西湖实验室生命科学和生物医学研究所助理研究员。他于2020年在新西兰奥塔哥大学获得博士学位，2021年至2023年在西湖大学郭天南团队从事博士后研究。

其主要研究方向是开发基于组织膨胀的空间蛋白质组学技术。他参与开发了第一代技术ProteomEx，并主导开发了第二代技术FAXP，该技术被《Nature》期刊作为空间蛋白质组学的重大进展进行专题报道。近五年，他以第一作者（含共同）或通讯作者（含共同）身份在Nature Communications, Nature Protocols, Cell Discovery等期刊发表论文12篇。

在本次论坛中，他将讲述“我把细胞‘放大’给AI看”的故事，结合空间蛋白质组学技术，分享如何放大细胞，让人工智能得以解析生命活动的空间图谱。

张骥锦波生物首席AI架构师“一家生物企业的AI，从PPT到产线之间发生了什么？”

作为一名从学术界坚定投身工业界的实干家，他致力于将AI for Science的科学范式深度应用于人源化生命材料制造领域，旨在全面重塑重组人源化胶原蛋白的研发效率与产业化标准，让AI真正转化为实体制造的“新质生产力”。

在本次论坛中，他将以产业一线操盘手的视角，还原一家制造型企业拥抱AI的真实图景，分享“一家企业跨越从“想法”到“做法”的关键路径：从算力基建到人才培养，从数据治理到流程再造，深度剖析AI赋能生物制造跨越“最后一公里”的泥泞之旅与破局之道。

AI作为伙伴——From Tool to Partner

当AI从单纯的工具进化为科研的“伙伴”，科学发现的人机关系正在被重新定义。AI不再只是被动地计算引擎，而是能够提出假设、参与推理、甚至激发科学家新灵感的协作者。

第二幕将目光转向这种新型协作范式：在数学、社会科学、量化金融等领域，AI如何从执行命令的“工具”走向共同探索的“伙伴”？我们承认AI的力量，也承认它还没到的地方。

方榯楷浙大百人计划研究员——“一人成军or终产者——Agent时代的R&D、量化交易与科学发现”

方榯楷博士现任浙江大学信息与电子工程学院“百人计划”研究员、博士生导师，于2025年10月正式加入浙大。此前，他于2024年博士毕业后加入微软亚洲研究院，在机器学习组担任高级研究员。

方榯楷博士长期从事人工智能、机器学习及与物理、金融、气象、能源等交叉学科研究。他的愿景是"AI向实"——构筑真实物理世界信号驱动的智能新范式。具体方向包括生成模型，时空序列，概率张量，LLM agent，AI4Science。他的研究成果主要发表在ICML，NeurIPS，ICLR等机器学习顶级会议上，多次获得oral，spotlight paper等荣誉，并担任多个顶会的审稿人。

在本次论坛中，他将以“一人成军or终产者——“Agent时代的R&D、量化交易与科学发现”为题，探讨AI Agent如何重塑研发、金融与科学发现的工作范式，以及在智能体时代个体与系统协作的新可能性。

马煜曦北京大学人工智能研究院人工智能博士生——“当AI走进社会科学——人类行为的新显微镜”

马煜曦，北京大学人工智能研究院博士研究生，同时担任北京通用人工智能研究院高级项目经理，拥有美国项目管理协会（PMI）认证的项目管理专业人士（PMP）资格。

其研究根植于心理学与人工智能的交叉领域，目前聚焦于人机协作、计算社会科学等方向。作为核心成员，她参与了通智测试（Tong Test）与“通几何”（TongGeometry）等多项通用人工智能（AGI）前沿项目的研发工作。其学术成果发表于《Nature Machine Intelligence》、CHI及CogSci等国际顶尖期刊与会议。

本次论坛她将展示“当AI走进社会科学——人类行为的新显微镜”，介绍如何利用大模型与多智能体技术构建社会行为的计算模型，让人工智能成为观察、理解乃至预测人类集体行为的新一代工具。

胡舒悦上海人工智能实验室青年研究员——“大模型能否解决人类的真实决策困境？”

胡舒悦，上海人工智能实验室青年研究员，于2019年在香港中文大学获得博士学位，2020至2022年期间在新加坡国立大学、新加坡科技设计大学进行博士后研究工作。

其研究领域涵盖多智能体系统、博弈论和大语言模型，特别关注如何利用大语言模型解决多智能体系统和博弈论的经典问题、如何利用多智能体系统的理论和方法提升大语言模型的通用能力。目前已在人工智能与多智能体系统顶级会议AAAI/IJCAI/AAMAS/ICML/NeurIPS上发表多篇论文，担任多智能体系统顶级会议AAMAS 2024 组委会成员及Area Chair。

本次论坛中，她将探讨“大模型能否解决人类的真实决策困境？”，探讨在真实决策情况下，大模型如何辅助人类决策，破解更多难题。

刘奕好清华在读博士生——“多智能体究竟好在哪？是不是另一个泡沫？”

刘奕好清华在读博士生，目前在清华大学交叉信息研究院数据库系统课题组学习，师从张焕晨教授。

其研究聚焦于数据库系统和大模型基础设施（RL Infra）两大方向，致力于优化现代分析型数据库（如DuckDB、Presto）及提升大语言模型（LLM）的训练和推理效率。在数据库领域，主要探索存储与执行的协同设计，以实现内存高效查询处理，相关成果发表在VLDB、SIGMOD、CIDR等顶级会议。在LLM领域，关注扩散语言模型的高效后训练基础设施、长文本问答等前沿课题，研究成果已发表在EMNLP等会议上。

在本次论坛中，她将直面一个尖锐的行业拷问——“多智能体究竟好在哪？是不是另一个泡沫？”，理性剖析多智能体技术的真实价值、适用边界与未来发展空间。

温力成上海人工智能实验室的研究员——“学了全互联网的AI，为什么造不出一架飞机？”

温力成现任上海人工智能实验室青年研究员。他于2022年3月获得浙江大学控制科学与工程专业硕士学位，师从刘勇教授，并于2019年获得浙江大学控制科学与工程专业学士学位。

研究领域聚焦于自动驾驶、多智能体系统、运动规划与决策等方向。其工作致力于在复杂交通场景中，以数据闭环驱动的方式解决多车交互的决策与规划难题，并研发了长期多场景交通仿真器LimSim，为高级别自动驾驶系统的测试验证提供高效支撑。多项研究成果发表于IEEE ITSC、AAMAS、Robotics and Autonomous Systems等国际知名会议和期刊。

本次论坛他将提出一个直击灵魂的工程之问——“学了全互联网的AI，为什么造不出一架飞机？”，从其在长期多场景交通仿真器LimSim研发中对物理约束、安全边界与数据闭环的深刻体会出发，反思当前大语言模型在面向高安全、强物理约束工程系统时的结构性鸿沟。

第三幕：未来去往何方——

Next-Generation Science

如果AI for Science是一场远航，那么我们已经看到了近海的风景。但更深处的未知海域在哪里？当前范式的能力天花板又在哪里？

第三幕我们将以更批判性的视角，重新审视大语言模型。这一环节不给答案，只给问题——因为正是这些问题，将重新定义下一代科学的边界。

杜伟韬阿里巴巴达摩院基础智能中心算法专家——“如果AI回到1900年，它能发现相对论吗？”

杜伟韬，达摩院基础智能中心算法专家。本科毕业于中国科大物理学院，随后在中科大与美国西北大学攻读随机分析博士。

研究聚焦于人工智能优化与生成模型的理论基础，及其在药物发现、材料设计、自然图像和医疗影像中的应用。相关工作已发表于 ICML、NeurIPS、ICLR 等会议及NCS, NC, NPJ, CIMS, HJEP 等领域期刊。

在本次论坛中，他将以一个思想实验开启讨论——“如果AI回到1900年，它能发现相对论吗？”。作为PackingStar项目核心成员，他参与以强化学习刷新高维空间“亲吻数问题”世界纪录，并从中提炼出“人机互促进化”的科研范式。他将从这一经历出发，反思AI在当前历史节点上从“发现已知”到“创造新知”的可能性与边界。

陶兆巍上智院 AI 科学家——“AI如何变革基础数学？”

陶兆巍，上海科学智能研究院AI科学家，毕业于北京大学数学科学学院。

作为PackingStar项目团队的核心成员，深度参与基于强化学习的高维空间“亲吻数问题”研究。该项工作一次性刷新了25至31维等多个维度的世界纪录，其核心贡献在于将数学直觉与强化学习算法深度融合，推动形成“人机互促进化”的协同科研范式。相关成果引起学术界与产业界的广泛关注。

本次论坛他将追问一个深刻的问题——“AI如何变革基础数学？”，结合其实战经验，探讨AI在数学定理发现、符号推理与数值计算中的潜在变革力量。

刘凯宁德时代首席人工智能科学家——“AGI与大脑——到底谁更接近智能的本质？”

刘凯博士现任宁德时代首席人工智能科学家，牵头组建科学通用人工智能学院并担任负责人。

其研究聚焦科学通用人工智能（Sci-AGI），致力于运用大语言模型、AI Agent等技术加速数学、物理、化学及材料科学等基础领域的自主发现，研究方向涵盖AI驱动材料研发与自主实验室。加入宁德时代前，他曾任清华大学化学工程系助理教授，并先后于美国Genentech公司任人工智能总监、SES AI公司任人工智能副总裁。

在本次论坛中，刘凯将以“AGI与大脑——到底谁更接近智能的本质”为话题展开讨论，探讨智能的本质这一宏大的课题。

刘圣超香港中文大学计算机科学与工程系助理教授——“下一步的LLM for Science，走向哪里？”

刘圣超是香港中文大学计算机科学与工程学系的助理教授，波动智能实验室PI。他于 2015-2018在U-Wisc完成研究生项目，2020-2023在Mila-UdeM完成博士项目，2023-2025在UCB完成博后项目。他的研究核心方向是AI和物理，主要包括两个方向：（1）基于物理模型开发用于加速现有科学范式，并基于生成模型推动全新科学范式的人工智能方法。应用涵盖化学、材料科学、生物学和地理学。（2）利用物理学原理解释和揭示人工智能模型的内部机制，包括生成模型的新范式探索、深度模型的隐空间理解和优化过程的相变。

本次论坛他将展望“下一步的LLM for Science，走向哪里？”，探讨大语言模型在科学研究中的下一阶段演化方向与应用图景。

结语

在杭州云栖小镇，每年四月都会发生一件奇妙的事：上万名年轻人从全球各地赶来，没有组委会、没有VIP通道、没有领导讲话——所有人都是“自愿者”，所有人买票入场，所有人平起平坐。

这里没有议程表，只有无数个由“召集人”自己张罗的论坛、露营、运动、音乐和深夜星空下的闲聊。

就是在这样一个地方，我们选择把AGI4Science的对话摊开来讲。不急着给答案，只负责抛出问题——因为我们相信，正是这些悬而未决的问题，正在重新描绘科学的边界，也正在生长出一幅全新的地图。