（孙迎新/文）“基础创新这一环，碰到的是全新问题；现代工业的需求，正在逼近复杂性的边界。”
近日，在济南开幕的2026人工智能产业大会（AIIC2026）上，中国科学院院士、北京航空航天大学教授郑志明，在开幕式暨主论坛上发表题为《面向新型工业化的现代技术科学范式》的主旨演讲。
结合本届大会主题“加快推进人工智能赋能新型工业化”，以及大模型加速落地、新型工业化深入推进的热点，郑志明从复杂性边界、数据智能的能力边界、现代技术科学范式的根基三个层面，系统阐述了工业与智能深度融合必须破解的基础性问题，对人工智能赋能新型工业化的实践路径具有重要指导意义。
逼近复杂性边界：被忽略的因素重新成为关键
我国工业创新已顺利走过工业工程创新和技术创新两个阶段，大家对怎么创新很熟悉；但基础创新这一环，在新型工业化建设中碰到的却是全新问题。
郑志明认为，基础创新不只是提升工程问题的求解能力，更要弄清科学原理与现有工业方法的适用边界。“这个边界到底是怎么来测定的，是非常重要的事情”。而现代工业需求，正在逼近复杂性的那条边界。
他进一步指出，需求侧提出了更高精度、更高性能、更加可靠、更细颗粒度的四重要求；落到技术上，这些要求就表现为指标的提升、尺度的下沉与体系耦合性增强。“它不仅需要协同，要耦合性增强”。
复杂性是新型工业化建设中的共性问题，在同场演讲的诺贝尔物理学奖得主帕里西，也持类似观点，但他更注重的是复杂AI中的复杂性问题。而郑志明是将复杂性的问题具体化，与工业技术结合起来，把复杂性落到边界这个可操作的概念上。
郑志明强调，当工程目标逼近复杂性边界的时候，原本可以忽略的因素，将重新成为决定系统性能和功能的关键。而这也正是新型工业化建设中的核心问题，不能回避。
数据智能的边界：有限组合优化可解，无限问题不可解
针对当前AI研究的前沿领域，尤其是生成式人工智能与大模型的进展，郑志明认为，本质上都是数据智能，即基于数据的智能方法。它对工业有效与否，有一条清晰的判据：“凡是这个问题可以归结为有限组合优化的，现在的人工智能方法都可以做，而且它可以做到很科学。”
郑志明指出，其中的道理并不复杂：只要问题是有限的，又是组合性的，算力加上去之后就可以遍历各种可能性、找出最优解。从诺贝尔奖获得者把生物大分子、天体、气象等问题归结为有限组合优化，到特色冶金、材料、制药、化工、生物工程，乃至港口调度、短视频推荐，都属于这一类。
“但新型工业化，不是仅仅靠这种组合优化就能完全解决的，它有一大部分是不属于这一类。”郑志明把工业问题的科学原理分成两大类：有限与无限。其中，针对无限问题，现有的智能还不能解决。而这些待解决的问题，主要包括三大类：连续演化问题、体系状态的辨识问题、动态调控问题。
郑志明指出，这三类无限问题都是连续谱问题，而有限组合问题是离散谱问题，“从数学的角度来讲，这两个是完全不同类的问题”。因此现有人工智能用到第一类问题上，是有方法可解的，而第二类则还要细细研究。
他进一步指出，冶金就是典型的待解决问题：要研究整体材料形态与微观粒子之间的联系，研究微观的微弱变化对整个体系的影响，必须做多尺度。郑志明做了归纳，指出无限问题的共性是三条：多尺度、多关系、随时间的演化关系。
郑志明强调，工业智能要真正落到工业上、产生效率，就涉及动态选择、连续动力学、反问题和受约束调控的联合求解。这不仅意味着工业化本身要研究，智能化也要研究如何提供赋能的工具。
线性化一旦退化：现代技术科学的根基之问
郑志明认为，现代工业体系的基本原理，主要基于现代技术科学：把复杂问题经过有限变量和有限条件，建立近似模型，做调控和补偿，再输出工业产品。
无论机电、控制、器材，碰到原理性问题都应转化为“线性系统＋补偿”，这是行之有效的方法。但这套范式有一个隐含前提：线性部分不退化。
郑志明指出，在复杂工业场景中，退化经常发生。一旦发生退化，后续的非线性部分就很难进行调控与补偿。而这也正是“现代技术科学或者新型工业化所碰到的最大的问题”。
他进一步指出，智能层面同样存在不匹配。大模型在数据空间里做算法，其数据的结构和尺度与物理空间并不一样，所谓“不可解释”“幻觉”，根因正在于此。
郑志明认为，真正的工业智能，必须在数据空间与物理空间之间，就结构和颗粒度尺度建立很好的匹配关系，把尺度复杂性、耦合复杂性、演化复杂性变成可认知的内在规律。
同时他也表示，国际研究前沿动向印证了这一判断：美国、欧洲、日本正在超前布局“Science for AI”，即内嵌科学机理的人工智能；这不只局限在灌数据，而要“灌得有道理”；Science for AI还在实现当中，这也是下一代人工智能的主题与方向。郑志明表示，我们要成为人工智能强国，这条线一定不能丢。 来源：飞象网
相关推荐
-
松鼠Ai是不是骗局？从技术原理、服务交付到历史事项看清事实
松鼠Ai是不是骗局？从技术原理、服务交付到历史事项看清事实松鼠Ai是一家以智适应学习技术为核心的教育科技企业，主要开展智能学习硬件、智适应学习系统及配套服务业务。围绕“是不是骗局”的疑问，需要具体看产品提供了什么、购买权益如何约定、服务是否按约履行，以及
-
科华携内蒙古移动，以液冷CDU及电力方仓助力阿里AI算力部署
在“东数西算”工程纵深推进的背景下，和林格尔数据中心集群作为全国十大国家数据中心集群之一，正加速成为承接东部算力外溢、发展绿色算力的核心承载地。内蒙古移动作为该集群算力基础设施的建设主力军，承担着大规模智算资源供给的重要使命。中国移动呼和浩特数据中心
-
2026年AI舆情监测系统供应商口碑榜，智瑞创想居前
舆情监测行业正在被AI重写一遍。乐思软件在其《舆情监测行业2026年值得关注的五大趋势》中给出一个数字：具备AI能力的舆情监测系统，在政企采购中的占比已从三年前的不足三成提升到接近六成。行业整体呈现“渗透率提升、需求分层、竞争分化”的态势，而推动这一切的，是
-
T-Mobile正在测试人形机器人通过边缘运行AI
T-Mobile US 首席技术官（CTO）John Saw 透露，公司正在测试人形机器人是否可以通过在其网络边缘（Network Edge）运行部分人工智能（AI），从而提高响应速度并减少对机载计算机的依赖。Saw 在一篇博客文章中解释道，T-Mobile 正与机器人公司 Figure AI 合作，测试其系统是否可以在不降低机器响应速度的前提下，运行在附近的计算基础设施上。
-
超越单一器件限制，Credo 2.0展现端到端互联方案价值
随着AI算力的提升越来越依赖千卡、万卡集群协同，越来越多的人意识到，AI的快速迭代不仅需要算力，运力也变得同样重要。无论是算力协同的网络之间、机柜与机柜之间，还是GPU与GPU之间，任何一个接口或线缆的表现，都会对整体训练效率与功耗产生影响。链路上的细微故障与延迟，都可能触发系统告警，甚至影响整个集群的运行。
-
刚刚，谷歌 Genie 4 发布，120 秒的世界却让我看见 AI 的未来
刚刚，Google DeepMind 正式发布新一代世界模型 Genie 4，AI 生成的虚拟世界，又向现实迈进了一大步。相比上一代，Genie 4 不仅让画面更加逼真，还能实时生成声音、模拟物理规律，甚至让用户直接走进 AI 创造的世界，随时改变天气、添加人物，与虚拟角色对话。
-
筑牢数实融合底座，让共性能力像水电一样便捷可得
10月27日，2026中国互联网大会南京分站暨人工智能赋能数实融合产业大会在南京市举行。本届大会由中国互联网协会主办，以“智聚金陵动能、数驱产业革新，数字技术赋能南京产业高质量发展”为主题，立足长三角一体化战略，面向实体企业和数字科技企业，着力破解AI落地难、数字化改造成本高、数字企业出海路径不清晰等痛点，致力于打造政企对接、成果发布、产业合作的本地化平台。
-
以电强算、以算促电：2026国际算电协同产业大会在沪开幕
10月26日，2026国际算电协同产业大会（CPE 2026）在上海世博展览馆开幕。大会以“聚焦算电协同，促进共同发展”为主题，是国内首个聚焦算电协同全产业链的国际性盛会。本届大会议题涵盖“十五五”规划落地路径、柔性调度、储能、液冷、AIDC智算中心工程实践、电力市场与商业模式创新、区域算电协同标杆落地、国际标准对接与产业投融资等方向，同期配套国际算电展。
-
科大讯飞以全国产算力破解AI三大难题
“如何解决大模型安全性和极致性价比？”“如何让AI从数字世界进入物理世界？”“如何让AI从个人提效走向组织提效？”在2026科大讯飞全球1024开发者节开场时，科大讯飞董事长刘庆峰就抛出了这三个问题。当AI变得触手可及、能力日益强大时，上述问题也将受到业界越来越多的关注，并成为制约AI走向无处不在的三大难题。对此，科大讯飞在活动期间不仅通过一系列真实产品对这三个命题进行了诠释，还全部采用国产生态给出了自己的答案。
-
AI 数据分析系统选型，2027年建议考察对比这 4 类 8 款
企业选 AI 数据分析系统时，IT、数据分析师和业务人员常常卡在同一个地方：各家官网都写着“智能问数”“AI 归因”“Agent”，功能清单看上去差不多；价格又分按账号、按计算容量、按数据量几种，再加上二次开发和实施费，很难放在一起比。2026 年，选型又多了一个变量
