“民科”这个词，在不少人心里几乎等同于“不靠谱”。但一位顶尖数学家却断言，未来它将成为科研的主力。
10月17日，中国科学院院士、北京大学讲席教授鄂维南在光华思想力论坛上表示，人工智能将大幅降低科研门槛，推动科研平权化。
“未来民科是科研的主力，每一个有想法有能力的团队和个人都可以参与科技创新。”这句话一出，迅速引发热议。
鄂维南是应用数学与机器学习交叉领域的代表性学者，也是“AI for Science”理念在国内的主要倡导者之一。他参与开发的“深度势能”方法，曾获得国际高性能计算领域的戈登·贝尔奖。
由这样一位学者说出“民科将成主力”，分量自然不同寻常。
一、AI是“数学加工程”，门槛正在被削平
鄂维南对人工智能的定位十分简洁，本质上就是“数学加计算机工程”。
这一定位把AI放回数学与工程的知识脉络中。AI能力的提升，既依托数学等基础研究的突破，也依托计算机工程体系的成熟。
基于这一判断，他认为AI将大幅降低科研门槛。
过去，做前沿研究往往需要昂贵的实验设备、庞大的团队和多年的专业训练，科研几乎是少数机构的“专属领地”。
如今，AI工具可以帮人检索文献、编写代码、分析数据甚至设计实验，许多原本高不可攀的环节被逐渐削平。
这就像摄影从专业暗房走进人人手中的手机，创作的权利不再被少数人垄断。
蛋白质结构预测就是一个典型例子。过去解析一个蛋白质结构可能要耗费数年，如今借助AlphaFold等工具，小型实验室甚至个人研究者也能在短时间内获得高质量预测结果。
需要说明的是，从完整表述看，鄂维南口中的“民科”指的是“有想法有能力”的团队与个人，而非通常语境中带有贬义的标签。
换言之，他所说的平权，是机会的平权，而不是标准的降低。真正能成为主力的，仍然是那些敢于提出问题、又有能力验证答案的人。
二、内卷的根源是创新不够
谈及产业界热议的“内卷”现象，鄂维南给出了直截了当的诊断，内卷的根本原因是创新能力不够。
这一判断把问题从“竞争过度”拉回到“创新不足”。破题的方向，在于提升创新能力本身，而不是在既有赛道里继续加码比拼。
好比一群人挤在同一条窄路上拼命赶路，与其互相推搡，不如开辟新的道路。
在产业层面，他判断高端工业软件有望在较短时间内实现自主可控，甚至换道超车。
工业软件一头连着数学与计算科学，一头连着制造工艺，是电子信息等产业工具链上的关键环节，长期以来也是我国的明显短板。
在AI的加持下，传统软件依赖长期积累的模式有望被改写，这正是“换道超车”的底气所在。若自主可控进程加快，相关产业在上游工具层面的自主性将明显增强。
三、科研体系将迎来重构
鄂维南同时警示，AI时代，现行科研体系将面临巨大挑战。
他给出了两个具体判断。其一，颠覆性创新主要靠自由探索，而非任务驱动。
科学史上，许多改变世界的发现都源于好奇心驱动的探索，而不是事先规划好的任务清单。在AI时代，这种探索的成本正在大幅下降，试错的机会也随之增多。
其二，科研成果形态将从论文转向知识产权。
这两个判断与科研平权化相互呼应。当研究门槛下降、创新主体日益多元，以论文数量和任务交付为中心的组织与评价方式，将面临重构压力。
成果的确权、保护与转化，则会被摆到更加重要的位置。
从论文到知识产权，背后是科研目标的转向。论文追求的是被同行认可，知识产权追求的则是被市场和社会采用。
这意味着，未来衡量一项研究的价值，或许不再是发了多少篇论文，而是解决了什么问题、创造了多少实际价值。
当然，门槛降低并不意味着科研变得轻松。AI可以放大一个人的能力，却无法替代对问题的深刻洞察和严谨的科学方法。
与此同时，研究门槛降低也可能带来低质量成果的泛滥。如何建立有效的筛选与评价机制，让真正有价值的创新脱颖而出，同样是科研体系必须回答的新问题。
对科研机构、企业研发部门以及政策制定者而言，这组判断指向同一个课题，在AI快速演进的背景下，如何重新设计创新的组织方式与激励机制。
谁能率先回答好这道题，谁就可能在下一轮科技竞争中抢得先机。
热门跟贴