院士说：未来民科是科研主力
院士说：未来民科是科研主力
2026 年 10 月 17 日下午，北京大学光华管理学院一间报告厅里，中国科学院院士、北大讲席教授鄂维南站在台上，说了一句让台下几百位科研工作者、企业研发负责人、投资人同时愣了一下的话：
"未来民科是科研的主力。"
他补的那一句更具体："每一个有想法、有能力的团队和个人都可以参与到科技创新当中去。"
把这两句话连起来读，你会发现这位 60 多岁的应用数学家、国际上最早提出"AI for Science"概念的学者之一，正在公开宣布一件事——
科研这件事，正在被 AI 拆掉门槛。
一、你可能已经感觉到了，但你说不清楚是什么变了
如果你正在读研究生、正在做博士后、正在某个大学实验室里埋头写论文——你大概率有过这种时刻：
- 你花在"调通一个仿真环境""读懂一篇非本领域的论文""跑一组对照实验"上的时间，比你花在"真正的科学问题"上的时间多得多
- 你知道自己的课题如果有一个好用的 AI 工具帮忙，至少能省一半时间，但你所在的实验室买不起、不会用、也来不及搭
- 你写过一些连你自己都不想再读一遍的论文，因为它们就是为了毕业、为了考核、为了那一栏"发表数量"
如果这些画面让你膝盖中箭，那你就是鄂维南这次发言想要说服的那群人——不是要替代你，而是要让你从"被工具卡住"的状态里走出来。
他这次在光华思想力论坛（"科技金融与硬科技成果转化"专场，14:00–17:30）讲的核心关键词只有四个字：科研平权化。
他说："AI 本质上是数学 + 计算机工程"，这会大幅降低科研门槛，推动科研平权化。
换成人话——
过去科研是"作坊模式"。少数顶尖高校、少数明星实验室、少数院士团队掌握着工具、数据、算力、经费。其他人想发论文，要么挤进那个圈子，要么换一个圈子继续挤。
AI 来了以后，工具成本会被打到接近零，知识获取速度会被打到比"读论文"快一个数量级，实验自动化平台让"动手做"这件事不再依赖你导师的实验室。
鄂维南的判断是——
那个被很多人瞧不起的"民科"，未来可能就是科研的主力。
这不是一个修辞。
二、他把"未来"分成了两段，我们正站在交界处
如果你觉得"AI 让科研民主化"只是又一个 PPT 上的口号，鄂维南这次给出了几个非常具体的时间表：
- AI for Science 已经进入"下半场"——他的原话是"AI 赋能科学研究进入下半场，要推动科研平权化"。上半场是"算法能不能跑通"，下半场是"科研体系怎么被重写"
- 高端工业软件、高端机床数控系统——"一两年就可以超越西门子"，他说，"原则上几乎可以拿出不但可以对标西门子，甚至可以超越西门子的体系，一两年内就可以做成"
- AI for Industry（工业 AI）——"三年、最多五年就可以实现"，他承认这一块比 Science 更难，因为"工业软件更封闭、工业数据大部分闭源"，但"工业生产线建模因为宏观较容易，未来核心任务是把工业生产线建模做到位"
这三个时间表背后，藏着一个更尖锐的判断——
他不是在说"我们要追西门子"。他是在说"西门子这条赛道我们要换掉"。
"换道超车"是他原话。
对国内的研发管理者、对西门子/达索/ANSYS 长期付费的客户、对工业软件这条产业链上的所有人来说，这句话的含义是：你正在买的那个软件，可能两三年后就被国产 AI-native 替代品打到不需要买了。
三、他没绕开一个让所有人心虚的问题
鄂维南这次发言最值得记住的，不是上面那些乐观时间表——而是这一段。
他在指出"企业真正做生产时缺乏原始创新，只能在管理、价格等方面竞争"之后，给出了一个毫不留情的归因：
"内卷的根本原因是创新能力不够。"
你做研发的、做产品的、做管理的，听完这句话应该会沉默一阵。
他接着说："高端工业软件、高端机床数控系统目前受制于人。"——
注意，他没有说"国产替代"，没有说"补短板"，没有说"自主可控"。他说的是"换道超车"。
这是两种完全不同的产业哲学：
- 自主可控 —— 在别人那条赛道上，把所有零件一个个换成国产的
- 换道超车 —— 直接用 AI 重新定义那条赛道，让"西门子"三个字变成历史名词
鄂维南显然押注后者。
所以他在工业软件这条线上，给的不是"十年磨一剑"的耐心时间表，而是 "一两年"。
四、他给"民科"正名，不是情怀，是趋势
回到开头那句让全场愣住的话——"未来民科是科研的主力"。
他不是第一个说"AI 让普通人能做科研"的人。但他可能是第一个把这个判断交给"院士"身份的人。
为什么这件事重要？
因为"民科"在中国语境里，长期带贬义。你在 B 站发一个"我用 AI 算出了某个物理常数"的视频，评论区第一句话大概率是"又一个民科"。
但鄂维南这次把这件事拆开来说了：
- 门槛被拆掉了——AI 把"读论文、调代码、跑仿真、写 LaTeX"这些过去需要几年训练才能搞定的事，压到了一个人 + 一个 AI 助手的几小时
- 平台化科研基础设施在长出来——他这次反复提的"开放实验室和云服务"，指的是 AI for Science 这两年陆续冒出来的玻尔科学空间、深势科技的玻尔、Deeptiming 这一类平台
- 真正的科学发现是"小概率事件"——他反复强调，"真正的科学发现属于小概率事件"，现行以论文发表为核心的考核体系，客观上稀释了"自由探索"和"科学发现"的初心
换句话说——
未来最值钱的不是"你会写论文"，而是"你有想法 + 你能用 AI 把这个想法跑出来"。
这和"民科"还是"官科"已经没关系了。
五、他给数学界留了一句不太好听的话
最后这一段，可能是全场最让数学家们沉默的一句话。
他说：
"数学是人工智能最根本的基础之一，'最早推动人工智能的都是数学家'，然而现实情况是，在此轮 AI 浪潮中，数学基本被边缘化了。"
然后他自己补了一句更尖锐的——
"数学被边缘化对 AI 本身的发展也是一种阻碍。缺乏底层逻辑和基本原理的指导，业界就只能靠试错、堆资源。"
他是应用数学家出身。他在 2015-2016 年意识到"深度学习可以克服维数灾难"，从而推动 AI for Science 这个方向。
但他现在反过来告诉数学界——你们在这轮 AI 浪潮里被边缘化了，这件事对你们不好，对 AI 也不好。
他透露，目前正通过"人工智能数理基础"等重大项目的牵引来试图改变这一局面。
这是院士级别的预警——如果你身边有正在做基础数学的朋友，他/她大概率会在这两三年感受到一种"我们被时代忘掉了"的尴尬。
六、所以，这事和你有什么关系
如果你今天读完这篇文章还是觉得"和我没关系"，那我们换个角度问几个问题：
- 你所在的实验室 / 公司 / 团队，过去 3 年花在"调工具、读文献、跑仿真、写代码"上的时间和花在"真正的科学问题 / 产品创新 / 业务突破"上的时间，哪个多？
- 你下次再听到有人说"AI 让科研民主化"，你可以记一下鄂维南这三个时间表——一两年（工业软件） / 三年五年（AI for Industry）/ 已经进入下半场（AI for Science）
- 如果你是研发管理者，你可以问自己一个问题——"我们公司过去 5 年的内卷，有多少是因为我们确实在做创新，有多少是因为我们其实在管理、价格上打转？"
- 如果你是非科班的、跨界的、没读过博士但一直在琢磨某个领域的人，你可以把鄂维南那句"未来民科是科研的主力"截屏存下来——不是因为他给了你一个金句，而是因为他用院士身份公开承认了这件事正在发生
最后一句话留给你——
AI 没有让科研变简单，AI 让"科研由谁来做"这件事彻底重新洗牌。
我们正在跨过的那条线，不只是"AI 能做什么"，而是**"科研由谁来做"**。