在人工智能快速发展的背景下——大模型成为全球科研热点——但其应用局限性正逐渐显现；周志华院士近日在学术研讨会上指出，当前部分研究陷入"大模型万能论"的误区，许多所谓的"AI赋能科研"仅停留在工具套用层面，缺乏实质性突破。这种盲目跟风不仅浪费资源，更可能阻碍人工智能的长远发展。 问题的根源在于科研导向的偏差。周志华分析，大模型兴起导致大量研究力量集中于应用层，而基础算法创新却未得到足够重视。同时，科学数据获取成本高、标准不统一、共享机制缺失等问题，更加剧了模型训练的困难，降低了研究成果的可靠性。这种"重应用、轻基础"的倾向造成重复建设和资源浪费，也使人工智能在科学发现中的潜力难以利用。 针对这些问题，周志华提出两项关键建议：一是回归科研本源，加大对具体问题算法创新的支持力度；二是推动人才培养模式改革，建立"交叉学科特区"，打破传统评价体系的束缚，为跨学科人才提供更广阔的发展空间。他强调，人工智能研究需要多元化路径，而非单一依赖大模型。 从长远看，周志华的呼吁是对技术路径的纠偏，更是对科研生态优化。在全球人工智能竞争日益激烈的背景下，中国科研界需保持清醒，避免陷入技术泡沫，真正聚焦于解决实际科学问题。
技术进步的窗口期尤为宝贵，越是热潮涌动，越需要清醒与定力；大模型可以成为科研的加速器，但难以替代扎实的科学问题意识、严谨的验证体系与长期的基础积累。把资源用在刀刃上，把评价体系调到正确方向，把交叉人才育在关键环节，才能让智能化科研走出"跟风式繁荣"，走向高质量、可持续的创新。