9 月 12 日下午，张江科学会堂，2026 浦江创新论坛主论坛的压轴环节，留给了六个人，和一场没有脚本的对话。
他们之中，有在铁基超导里找到“第 1.5 类超导体”的凝聚态物理学家，有把介孔材料从克级做到千吨级的化学家，有长期深耕脑机接口与人工智能、推动技术从基础研究走向临床转化的学者，有每天站在全球科研产出最前沿的出版人，有追问细胞如何感知氨基酸的生命科学家，还有一位 90 后、把“AI 科学家”做成基础设施的创业者。
主持人是上海未来产业基金总经理、上海未来启点社区理事长魏凡杰。
这场“浦江对话”的主题相当“硬”——基础研究驱动未来产业发展。一个小时里，他带着六位嘉宾走完三幕：先聊科学本身如何在 AI 时代生长，再聊一篇论文怎样长成一条赛道，最后把视野拉到全球、交给下一代。
没有寒暄，也几乎没有正确的废话，更像一场高密度的“认知对撞”。我们把其中最值得留存的判断与交锋，整理如下。
编者导览：本场最值得带走的几个判断
1. 慢科学的底座正在改变：从“人的耐心”，变成“大装置＋AI＋耐心”的三位一体。
2. AI把科研的“体力活”接走之后，真正稀缺的是科研品位、长期坚守，以及一套容忍不确定性的制度。
3. 0→1与10→100之间隔着的不是距离，而是两套问题、两种语言，和一整个需要被补上的生态。
4. 判断一个领域是否逼近产业化拐点是有信号的：当多个互不相识的团队，开始独立地得到相似的答案。
5. 一位90后创始人直言，在持续提升AI科学家能力的同时，科研成果评价体系也亟需适应调整乃至革新升级。
6. 六位嘉宾留给未来十年的“科学之问”，也许比他们给出的答案更重要。
本场嘉宾
第一个问题，魏凡杰抛给了丁洪。今年 5 月，丁洪团队在《科学》上发表了一项被称为“改写教科书”的成果：在铁基超导中，发现磁通以分数形式穿入的“第 1.5 类”超导行为。
图｜魏凡杰
丁洪：这个成果，与其说依靠极端条件，不如说它首先是一门慢科学。超导体在一百多年前被发现，人们逐渐认识到它是抗磁的——磁场太强会杀死超导；后来发现第二类超导体（Type 2）允许部分磁场以整数磁通的形式穿过，可以承受更强的磁场，因此能用于可控核聚变等大场景。而整数磁通量子 h/2e，其理论解释正是杨振宁先生与Byers 在 1961 年给出的。分数磁通的可能性，20 年前就有人提出，我们只是在 20 年后，借助极端条件装置把它基本敲定——这就是“第 1.5 类”。
我在北京怀柔科学城建的第一个大科学装置，就是综合极端条件实验装置。有了 AI 之后，在极端条件下、尤其在二维材料里发现新现象，变得快多了。
至于科学评价、甚至论文评审，现在很多都在借助 AI。AI 或许比多数人更少偏见，能更公正地判断一个人的工作与贡献。
图｜丁洪
魏凡杰：我们最近也在研究，未来大科学装置的可能形态，第一要 AI Native，第二要 RSI-ready——它们很可能成为下一代基座模型的“语料”。
同一个“慢”字，被递给了赵东元。他获未来科学大奖后有两句话流传很广：“先创造”，以及“40岁之前先别急着做应用”；他还反复讲“无用之用”——当年并不知道核壳介孔材料能做什么，后来它却成了石油加氢裂化的关键材料。
魏凡杰：一个“先别考虑应用”的原创成果，从“无用”到被工业界看见，中间往往隔着很多年。我们该用什么制度，把这段无人区填上？
赵东元：我说“40岁之前别急着做应用”是有针对性的，针对的是高校里已经在做基础研究的老师，不是所有人——如果你天生有工程特长，当然应该早早去试。基础研究是知识、是思想，不只是写在纸上的论文；一个思想在你发现它的时候，真的不知道它有什么用，所以要先抛开功利。
2008 年我们做出核壳结构，那时完全是在赋予介孔材料一种新概念、新规律；后来才真正用到石油炼化的加氢裂化。把基础做扎实，后面再去考虑成本、资本、市场，找好团队，是有希望走下去的。
魏凡杰：所以基础研究，还是需要大量自由探索的精神。
赵东元：当然。人年轻的时候思想最活跃，越敢想，越可能提出全新的概念和规律。科学史上很多重大突破都出自年轻人——这也是菲尔兹奖要设年龄限制的原因。
图｜赵东元
如果说第一位物理学家回答的是“AI 能让科学变快多少”，接下来的几位，则不约而同地谈到了“快”的另一面。
刘颖：越是 AI 加速，越要靠“科研品位”和长期坚守。AI 确实让我们分析海量数据更快了，但越是这样，越重要的是科研品位和判断力——现象越来越多，你得判断哪一个值得研究、哪一个背后藏着我们不知道的生命规律，这种判断靠的是人的积累与素养。另一样是坚守：判断出值得做的难题之后，能不能坐住冷板凳把它研究透，而不是去追一个热点、快速发一批论文。
至于怎样为不确定性留出空间，她给了三条很具体的建议。第一，整个科研体系要容忍不确定性：“我特别希望申请经费时，别再让我写未来几年一定能实现一二三四哪些目标——我做的时候根本不知道它会带我去哪儿；一开始就把目标写死，科研也就没什么创新性，只能去选短期、确定的项目。”第二，给年轻人更多试错空间。第三，长期、稳定、多元的经费支持，像新基石这样的社会力量至关重要。
图｜刘颖
魏凡杰：其实，科学的美，恰恰就是不确定性。
关存太：理解大脑，可能需要一个专属于大脑的“基础模型”。大脑信号和文本、图像、声音不一样——维度高、动态变化快、个体差异大，不能把通用大模型简单迁移过来，得建立真正面向脑信号和脑功能的“大脑基础模型”。
我做脑机接口二十多年，一条基本思路是：不能等把大脑完全搞懂了再去治病——“如果一定要等到把大脑全部搞懂，可能一百年以后我们还在等。”我们的路径恰恰相反：先基于神经科学原理提出假设，用脑机接口拿到真实的人脑数据，再用 AI 从数据里找稳定的神经表征，反过来修正对大脑的理解。数据驱动本身，正在成为脑科学研究的一部分。下一步会从单一脑信号模型走向多模态大脑模型，最终影响的不仅是疾病诊断和康复，还有全新的人机交互方式。
图｜关存太
魏凡杰：AI 加速了论文生产，也带来了新的问题，公开评审正成为新趋势。在您看来，同行评议会不会被 AI 重塑？期刊又该如何守住结果的诚信与完整？
理查德·雷明顿：AI 重塑评审，但取代不了人的价值判断。它能帮我们跨越语言障碍，自动核查图像、数据完整性与前后一致性；但“这个发现对领域到底重不重要”“是不是一个意外结果”，这种价值判断仍然要人来做。他特别回应了“阴性结果”：这正是行业需要进一步研究的关键——从失败和负面信息中学习，对 AI 往往更有价值。作为出版方，Cell Press 的职责是守护诚信与完整，“不能让数据里只增加噪声”。
图｜理查德·雷明顿
作为全场唯一的创业者和 90 后，张林峰被放在了这一幕的压轴。
魏凡杰：深势创业八年，你很早就提出“AI 科学家”。在 AI for Science 和风险投资深刻改变基础科研的今天，“AI 科学家”到底能做什么、又有什么是它做不了的？
张林峰：过去五年我们主要在做 AI for Science 的基础设施——把全量文献、专利、各种科学工具，乃至实验的自动化、智能化都做好，让它成为赋能所有科学家的底层平台。底层规律是：AI 科学家本质上是“思考、计划、执行、反馈”的智能体，哪里能大规模执行、能拿到明确反馈，哪里就最先突破。最先的是形式科学、理论科学（数据和代码对错分明），接着是能快速调用工具的计算科学——最晚到明年，大部分计算科学的问题都能由 AI 科学家这样的智能体来执行；再往后是实验科学，它牵涉 AI 原生仪器、合成制备表征测试，乃至物理世界的制造，需要 3 到 5 年甚至更久。
图｜张林峰
从0→1 到 10→100，中间隔着一整个生态
第二幕，魏凡杰把话题从“科学如何生长”切到“科学如何改变世界”：从一篇论文、一个发现，到一条赛道、一个产业，中间最需要什么？
两套问题、两种语言。问题先到刘颖这里。她提出线粒体监察、解析细胞感知氨基酸的机制，为代谢疾病和衰老干预提供新靶点，是典型的“从 0 到 1”。
魏凡杰：生命科学从机制发现到新药、新疗法的链条格外漫长，工业界擅长“10 到 100”，中间的脱节依然严重。该构建怎样的生态，让 0→1 第一时间被 10→100 看见价值？
刘颖：本质上，这两端在问两套完全不同的问题。基础研究问的是“生命现象背后的机制是什么”；到了产业化、临床，问的却是“这个机制能不能被干预、干预后有没有副作用、市场有多大、利润有多少”。要在中间架桥，她给了三条：
其一，更早交流，但不要更早地彼此定义。“我们很愿意早点听到临床医生有什么困惑、需要什么设备，也愿意早点把研究告诉他们；但不希望基础研究过早被产业定义。”她举了 CRISPR 的例子：基因编辑今天如日中天，起点却只是科学家纯粹出于好奇，想弄清细菌基因组里那段重复序列为什么存在——“并不是为了改造基因，才发现它的。”
其二，需要一种“界面人”：既懂前沿科学、又有产业化逻辑，能把两种语言翻译给对方。
其三，1 到 10 是高风险地带：科学上已有眉目、产业前景却不明朗，需要风险投资和平台去承接这种高风险。
魏凡杰顺势接过话：您说的这件事，我们就在旁边做。落地张江的上海未来启点社区，正是一个公益性质的探索——让科学家、创业者、投资人彼此了解、彼此认知，用社区的形态把大家连接起来。
科学家追求极致，产品追求“可接受”。赵东元用自己的经历，回答了“从克级到千吨级”那一步有多难。
魏凡杰：您说过“我是科学家，不是工程师”，成果转化要过成本、资本、市场三关。介孔材料从克级样品到千吨级生产，最关键的一步是怎么迈出去的？
赵东元：科学是思想、是知识，技术才真正负责转化；科学只研究一个侧面，而把实验室成果变成一个产品、一套化工过程，是完整的另一回事。他举了个实验室里想不到的例子：样品是纳米级的，在实验室用离心很容易，可到了千吨级工业生产，根本不可能靠离心。“真正推向市场，追求的不是性能多高，而是稳定——每一批、每一天、每个工人做出来都要稳定；稳定之外，成本是第一位的，东西再好，太贵市场也接受不了。”
魏凡杰：科学家追求的是极致，产品追求的是平衡，是木桶效应。
赵东元：对。实验室要最高的催化活性、最高的性能；产品可以主动放弃一部分性能，去换成本、换市场的可接受。
把能够前置的事情前置，但不能跳过任何一道科学验证。长期参与不同创新体系中的脑机接口研究与临床转化，让关存太看到了不同地区各自的优势。魏凡杰请他比较：哪些“制度创新”真正加速了脑机接口从实验室到病床？
关存太：比较下来，美国的优势在基础研究和风险资本，大学技术走向产业的机制成熟；新加坡小而集中，大学、医院、企业离得近，协同效率高；中国的临床资源令人羡慕，工程化和制造能力又强，从研发到工程到落地，迭代速度相当快。但真正要改的，不是省掉某个临床步骤，而是重新设计整个转化流程。过去是串行的——做完科研做产品，做完产品做临床，再考虑监管、支付和市场，一步等一步，十几年很正常。现在可以把能前置的前置：验证临床有效性的同时，就考虑患者用不用、产品什么形态、长期效果如何，把监管、支付、工程化要求尽早纳入。这不是降低标准，而是让科研、工程、临床、产业从“接力赛”变成并行推进。但有一条底线：“无论怎样提高效率，涉及人的临床验证，该走的科学程序，一步都不能省。”
拐点的信号，与出版人的克制。
魏凡杰：从出版人的视角，您每天都在看世界上最前沿的发现。一个基础研究领域逼近产业化拐点，有没有信号？
理查德·雷明顿：有。当一个问题开始形成研究群体，多个相互独立的团队交叉探讨、提出相似想法；当这一领域的资金投入增加、其他实验室能够复现结果——从这一步开始，整个系统就开始为满足社会需求而规模化，进入可扩展、能获得经济回报的阶段，这就是工业化的转折点。而期刊要保持编辑独立性：不盲目追捧、不炒作，不过早宣布谁是赢家，持续把所有研究成果发表出来，让全球科学家受益。
这一幕里最“直给”的两段，一段关于量子，一段关于平台的商业模式——恰好对应一支长期基金最关心的两件事：什么时候下注、钱怎样循环。
魏凡杰：您把量子计算分成两个节点：三年内解决小规模实际科学问题的“AlphaGo 时刻”，和十到二十年后破解密码体系的“Q-Day”。对一支 15 年以上的长期耐心资本，该在哪个节点下注？又用什么里程碑判断“没走错路”？
丁洪先纠正了一个流行说法：现在的量子计算，恐怕还不及 1947 年的晶体管；真正量子计算机的“晶体管”还没实现——可能得等高质量的拓扑量子比特真正造出来。他给了一组悬殊的数字：现在这些量子路线的比特出错率大约在 10 的负 3 次方，而晶体管是 10 的负 15 到负 18 次方，“差了 12 到 15 个数量级”；论个数，一部手机里约百亿个晶体管，而现在造出的量子比特不过上千个。
“但投资该投哪儿？当年投从肖克利实验室走出来的那八位年轻人（后来做出英特尔等公司），就是最正确的选择。早期主要是投人——投那些既有科技实力、又有管理能力的公司。”他回忆，2016 年 AlphaGo 刚出来时，他问过鄂维南院士“什么时候能有一个 Alpha 爱因斯坦”，正是在那时，鄂维南带领张林峰等人一起推动 AI for Science 的研究工作。在他看来，AI 不只是下一次工业革命，而是“地球智慧的第二次飞跃”。
而张林峰面对的，是一个略显尖锐的商业问题。
魏凡杰：深势从戈登·贝尔奖的成果长成独角兽，玻尔平台现在服务近 500 万科研用户、连接约 200 所高校和约 200 家企业。但做平台、做基础设施始终很难，商业模式在美国都难找到对标。到底是谁在为“打破门槛”付钱？这个模式的“核爆点”又会出现在哪里？
张林峰的回答很坦诚。目前来自工业界付费的企业客户主要覆盖生命科学与物质科学两大领域，而今年开始也有很多个体付费用户，值得关注的是其中也包括使用AI进行论文写作的用户，以及“代算”场景的用户——“一个实验科学家想给结果找个理论解释，以前要找计算科学家，现在找个智能体就能快速算出来。”在他看来，这种现象的根源在于“AI 不只是在提升科研的生产力，它也在重塑科研的生产关系”，在当前科研成果的评价体系内，还有不少“只是照着发论文去做的科研”。
“我们把赋能科学家的平台产品做好，也许只完成了一半的事；另一半，是如何在这种破坏性的生产力之下，共同找到一套更好的价值创造与成果评价体系。等这套体系形成的时候，才是价值全面爆发的核爆点。”
魏凡杰只回了几个字：你要相信历史的大势。
最后一幕，魏凡杰换了节奏：快问快答，每人一分钟左右，话题是全球科技共同体，与下一代。
丁洪被问到的是：怎样设计一个平台的规则，才能让全世界最聪明的人愿意把最好的问题带到这里、带到上海。
他以自己的铁马量子实验室公司为例——名字取自陆游“铁马冰河入梦来”，也是向肖克利半导体实验室致敬，当年肖克利正是先聚起八位年轻人，才做出了后来的半导体产业。在一个拓扑量子比特都还没造出来的时候，先把最优秀的年轻人吸引过来，再通过产学研一体（上海交通大学正在设立量子科技学院），把科学家和有工程能力的人组织在一起，迭代速度比以前至少快了 10 倍。
他希望这是一个开放的平台，让有志于拓扑量子计算的年轻人愿意加入，也让全世界最好的问题愿意落到上海。
怎样让全世界最聪明的人，把最好的问题带到中国的平台？
赵东元谈的是“靠什么吸引全球青年才俊”：中国的硬件和环境已经很好，接下来一要真正全球化，“不一定只吸引华人，任何一所世界级大学里，各个民族的学者都有”；二要容忍不确定性、允许失败，给予长期稳定支持，“现在内卷太激烈，对敢做挑战性课题的年轻人尤其不利”；三是国际化，成果要得到国际承认、在国际上有话语权。
关存太给年轻人的第一条建议只有四个字：别追热点。“热点几周一变，永远追不上，会很累；要去找基础问题——如果十年后还有人在探索你提出的问题，就很了不起。”另外两条：一是独立思考，信息越容易获得，越不能丧失自己提出问题的能力；二是学会合作，现代科学越来越复杂，跨学科、跨团队甚至跨国合作本身就是科研能力。
刘颖的三条，更像一位一线导师的叮嘱：保持独立的科学判断，在略有些浮躁的环境里不屈从于外部评价标准，去做让自己问心无愧、值得自豪的研究；对实验科学来说要忠于数据，靠数据不断修正假设，而不是先有结论再找证据；坚持开放、交流与合作，“科学不是一个实验室、甚至一个国家能独立完成的”。
问到张林峰的“选人品味”，这位 90 后创始人说，技术底层逻辑之上，AI 系统和人系统最终都是目标与价值驱动的，“好奇心和责任心，一定排在前两位”。他还有一段关于“年轻”的判断，值得抄下来：年轻不是靠年龄定义的，是靠敢不敢鼓起勇气——敢打破权威、敢否定过去的自己、敢跳出来做有意义的事；只要保持持续进化的能力，就一直年轻。“按这个标准，今天在座的很多前辈，其实比我见过的不少同龄人更年轻。”
魏凡杰在这一幕收尾时，说了一句他在很多场合反复表达的判断：我们坚定地相信，未来十年，中国新一代科学家和创业者，赶上了最好的时代，会站在舞台的中央。
尾声 六个“浦江科学之问”
论坛最后，魏凡杰请每位嘉宾用一句话，提出自己心目中未来十年最值得人类回答的一个问题。
这六个问题，也许比答案更值得被记住：
赵东元：如何在原子乃至多个层级上，精准地控制化学反应？
关存太：AI 的下一阶段，会越来越深入地理解真实的物理世界；而脑机接口所面对的，是其中最复杂的对象之一——人脑。未来十年，一个值得回答的问题是：我们能否让理解物理世界的 AI 与理解人脑的 AI 真正结合，从“理解大脑”进一步走向“改善大脑”，最终让人工智能和脑机接口真正服务于每个人的脑健康？
理查德·雷明顿：如何以合乎伦理的方式采用 AI，让研究者保持好奇心、持续理解底层科学原理，并公开、可复用地分享数据，让世界加速向前？
刘颖：生命是如何感知不断变化的环境、产生适应并维持自身稳态的？这些过程，又为什么会随着衰老而改变？
张林峰：我关心“科学的分类学”——AI 正在打破学科之间、实验与理论之间、研究与产业之间，乃至普通人与专家之间的边界；那么五到十年后，高校的院系还会叫物理系、化学系、生物系吗？它们会叫什么名字？
魏凡杰：每一个问题都引人深思。这些问题，需要很长的时间来回答，也需要各界力量汇成的科技共同体一起回答——而这，正是“基础研究驱动未来产业发展”的真正含义。
一场一小时的对话到此结束，但那些被抛出的问题，才刚刚开始它们漫长的旅程。
在张江，在上海未来启点社区，我们愿意继续做那个把提问者、回答者和赶路者连接在一起的“超级节点”，陪这些问题，走得更远一点。
