正文复制

在2026中国数字经济发展和治理学术年会上的主旨演讲
人工智能驱动的知识生产：理论与政策
（2026年7月）
尊敬的各位学界同仁，各位嘉宾，大家下午好！
非常高兴有机会来做个分享和交流，这次跟大家分享的主题是《人工智能驱动的知识生产：理论与政策》，这一研究成果是我与吴屹帆博士合作完成的。众所周知，人工智能正在深刻影响我们的生产方式与生活方式，而它所触及的领域并不止步于此——知识的生产方式同样被卷入这场变革之中。人工智能究竟会给知识的生产方式带来什么影响，这种影响背后的作用机理又是什么，这些问题都需要我们进行深度剖析，而不能停留在表层的观察上。
围绕这一主题，我想跟大家分享四个方面的内容：第一，人工智能驱动型知识生产的几个前沿理论问题，也就是当前学界正在争论、尚待厘清的若干基础性议题；第二，尝试提出人工智能与知识增长之间的学理基础，回答人工智能究竟是怎样促进知识增长这一核心问题；第三，梳理AIforScience在世界各国的政策图景，看看主要国家在这一领域是如何布局的；第四，面向人工智能时代对中国科技政策作出展望，从学术层面提出一些有针对性的政策建议。
一、人工智能驱动型知识生产的几个前沿理论问题
首先，我们需要认识到，人工智能所带来的并不是一般意义上的工具性或方法性的改进，而是整个知识生产范式的一场大变革。这是理解后续所有问题的前提。
不妨举两个例子来说明这种范式层面的革命性变化。第一个例子来自生命科学领域。在过去将近三十年的时间里，生物学家主要依靠X射线晶体学、冷冻电镜等实验手段，历经艰辛，也仅仅完成了大约20万个蛋白质的三维结构解析。这是传统研究范式下积累了数十年的成果。然而在智能范式之下，情况发生了根本性的逆转——短短三年时间，人类就已经破解了1亿多个蛋白质的三维结构解析，正是通过AlphaFold这类人工智能系统取得了如此惊人的进展。从20万到1亿多，从三十年到三年，这种数量级和时间尺度上的巨大反差，恰恰揭示出这是一场范式革命性的大变革，而非简单的效率提升。
第二个例子来自数学领域。传统的数学研究，依靠的是人类的直觉去提出猜想，再通过人工演算、逻辑推演一步步完成证明，整个过程高度依赖研究者个人的洞察力与推理能力。而在人工智能介入之后，人工智能已经能够自主生成猜想，其中一部分甚至可以完成相应的推导乃至形式化证明。这样一来，数学研究的重心便悄然发生了转移——研究者的核心工作，从亲自提出猜想、亲自完成证明，转变为对人工智能所给出的推导过程加以引导和核验。当研究的起点、路径与重心都随之改变时，整套研究逻辑也就随之被重塑。从这两个例子可以清楚地看出，整个知识的生产方式或者说生产范式，确实正在经历一场革命性的变革。
其次，关于人工智能能力提升与知识产出之间的关联，学界目前尚存较大争议，其中诺贝尔经济学奖得主之间就形成了立场鲜明的两大派别。乐观派认为，如果人工智能能够实现创意生成的自动化，那么全要素生产率（TFP）将持续攀升，最终有望催生所谓的“经济奇点”，从而带来跨越式、颠覆性的变革；这是一种对前景极为看好的判断。悲观派则提出相反的看法，他们认为人工智能其实很难适配各类复杂工作，尤其是在知识生产这一高度依赖复杂判断的领域，未来十年人工智能对全要素生产率的拉动增幅甚至不足1%，前景相当消极。可以看到，两派观点几乎针锋相对。就目前而言，学界对这一问题并没有形成定论，谁是谁非仍需要通过不断地提出假设、展开推理并加以验证，才能逐步逼近答案。
再次，一个绕不开的问题是：在知识生产智能化的过程中，政府究竟应当有何作为？主流经济学框架的核心逻辑其实相当清晰——当市场发生失灵时，政府就应当主动介入、发挥调控作用。那么在智能化知识生产的场景下，市场失灵主要体现在哪些