人工智能的数理基础是什么？如何实现高增益持续燃烧的聚变等离子体？如何突破经典物理极限的大规模比特的量子纠错指数级抑制……今天举行的2026浦江创新论坛成果发布会上，中国科学院院士、复旦大学智能材料与未来能源创新学院院长赵东元代表论坛发布了“浦江科学之问”。
它们是10个有代表性的基础科学问题，将为高风险、高价值基础研究布局提供方向指引，成为上海增强创新策源功能的标志性载体。
作为浦江创新论坛全新打造的子品牌，“浦江科学之问”聚焦“探索人类知识边界”，邀请科研人员提出面向未来10—30年、可能变革学科范式或形成新研究方向的根本性科学问题。遴选出的若干问题将成为上海基础研究重点支持方向，形成从提问到立项的闭环。
广泛征集，两轮遴选
赵东元介绍，为兼顾问题的科学性、重要性和传播性，首届“浦江科学之问”征集与发布活动采取广泛征集机制，面向战略科技力量，邀请国家实验室、国家科研机构、高水平研究型大学、科技领军企业中长期处于学科前沿的科研人员提出“反复攻坚但尚未解决”的问题；从科学界“代言人”视角，邀请《细胞》等国际顶级科学期刊和国内主要科学期刊主编提出“各领域最值得关注”的问题。
活动主办方通过发送征集函，共征集到近200个问题。随后，主办方组织了第一轮专家遴选，邀请具有战略视野的科学家和智库专家，将问题收敛至50个。第二轮专家遴选，邀请战略科学家和科技企业家，最终选出十大“浦江科学之问”。
这10个问题依次是：人工智能的数理基础；实现高增益持续燃烧的聚变等离子体；突破经典物理极限的大规模比特的量子纠错指数级抑制；构建跨尺度、跨模态的化学反应基础模型；利用AI实现原子级物质合成操控及性能预测；早期宇宙超大质量黑洞快速形成机制；海陆冰气多圈层耦合下全球季风区极端天气气候发生发展机理及预测；基于生成式AI的完整生命实体构建与设计研究；蛋白质如何在“动态变化”中决定生命功能、疾病发生与药物作用；衰老的时空异质性及其系统性调节机制。
赵东元引用爱因斯坦的一句名言，表达他对这些问题价值的看法：“提出一个问题往往比解决一个问题更重要，因为解决问题也许只需要数学或实验上的技能，而提出新问题、从新的角度去看老问题，却需要有创造性的想象力，而且标志着科学的真正进步。”
“1+9”结构富有深意
“把‘人工智能的数理基础’列为第一个问题富有深意，”发布会上，上海人工智能实验室青年科学家、奇算光启创始人钟翰森点评道，“因为基础研究已进入AI for Science（人工智能赋能科学研究）时代，后面9个科学问题都可以用人工智能赋能研究，而第一个问题指向了人工智能技术的基础。”
对于第一问，战略科学家解读指出，现有人工智能技术聚焦模型的规模扩张，高度依赖经验与试错，缺乏对思考、记忆、视觉表示、归纳与演绎推理等核心认知功能的原理性理解。因此，“浦江科学之问”提出要探究人工智能的数理基础，建立各项主要认知功能的基本原理和数学模型，形成统一的系统性框架，并指导模型与数字环境、物理环境、逻辑环境的相互迭代。这是突破直觉与经验驱动模式，构建高效率、高度可控人工智能的根本路径。
“浦江科学之问”的第二至第十问，分别涉及核聚变能、量子计算、化学反应、材料科学、黑洞、天气预测、生命设计、蛋白质结构、衰老机制研究。
中国聚变总工程师钟武律在发布会上解读了“实现高增益持续燃烧的聚变等离子体”问题：未来，核聚变能系统不仅要获得高聚变增益，更要实现由α粒子自加热主导、能长期自维持并稳定可控的燃烧等离子体。进入这一状态后，等离子体将主要依靠聚变反应产生的α粒子维持上亿摄氏度的燃烧温度，不再只是一个由外部加热驱动的系统。其中的α粒子加热、能量和粒子输运、等离子体稳定性和功率输出将形成紧密耦合，其相互作用规律尚未被充分认识。该问题如果取得突破，将推动可控核聚变研究从“实现瞬态高聚变功率”跨越到“持续产生可利用的聚变能”，是实现聚变能商用的关键一步。
在这条探索道路上，人工智能大有用武之地：智能化数据分析，能在毫秒级时间内感知等离子体的全局状态；高保真智能模拟，能以极高效率在数字世界里预演成千上万种控制方案，并分析潜在风险；作为系统中枢的智能控制器，能综合全局信息，并在毫秒级时间内做出精准的控制决策。“我们要把握人工智能技术发展机遇，依托我国核工业全产业链优势和聚变技术积累，解决这个关键问题。”钟武律说。
风投渗透进基础研究
对于基础研究，风险投资人也有发言权。发布会邀请上海未来产业基金投资部执行总经理蔡金旭，从投资人视角解读“浦江科学之问”。
他表示，近年来，从基础研究到技术成熟的Gartner曲线正在被压缩。“一项技术从萌芽到期望膨胀、泡沫低谷，再到稳步复苏、生产成熟，过去往往要走一二十年。但今天这条曲线已经变形：低谷变浅了，复苏变快了，甚至泡沫期和复苏期开始重叠。”
以人工智能为例，提出大模型Transformer架构的论文是2017年发表的，5年后采用这一架构的ChatGPT就已风靡全球；蛋白质三维结构预测系统AlphaFold从一篇《自然》论文到成为药物研发的基础设施，也只用了三四年。
这种趋势对投资人意味着什么？蔡金旭认为，风险投资正在渗透进基础研究。过去，投资人投的是技术应用，看重产品和收入；今天，一些投资人开始投科学问题，被投项目的创始人还在实验室工作，商业计划书就是一篇预印本论文。近年来在美国硅谷出现的一批“新生代实验室”（Neo Labs）体现了这种趋势。这些实验室公司还没有做出产品，就获得上亿美元投资，公司创始人研究的是一个个科学问题，如人工智能递归式自我改进、人工智能安全与对齐、世界模型。实验室研究和公司产品研发之间的那道墙，正在消失。
“基础研究、风险投资、AI for Science互为加速器。”蔡金旭说，“人工智能让科学假设的生成和验证变得效率极高，过去一名博士生要做三年的实验，现在大模型可能运行一个晚上就能完成实验筛选。风险投资提供的是‘允许失败的钱’以及把成果推向市场的机制。而基础研究提供的，是三者中最稀缺的东西——好问题。”
有了好问题，才能决定人工智能往哪个方向算，资本往哪个领域投。因此，上海未来产业基金高度重视“浦江科学之问”征集与发布活动，它与未来产业和“科创核爆点”息息相关。对于市科委打造的“从提问到立项的闭环”，未来产业基金将持续关注，推动市场化资本与财政支持项目对接，把基础研究成果转化为新质生产力。
原标题：《浦江创新论坛首次发布“浦江科学之问”，十大问题为基础研究指引方向》
热门跟贴