中国科学院院士周志华在近期公开论述中强调，人工智能领域科研布局需系统性优化，以破解当前发展中的结构性矛盾。他特别指出，部分研究机构过度聚焦算力密集型应用开发，导致基础理论创新与算法设计能力滞后，这种"重应用轻基础"的倾向可能制约产业长期竞争力。
针对业界盛行的"大模型万能论"，周志华提出明确警示。他认为将通用大模型直接套用于所有科学问题的做法存在根本性缺陷，这种技术路径不仅忽视不同学科领域的特异性需求，更造成计算资源的低效配置。据观察，部分科研团队盲目追求模型参数规模扩张，却未能建立与具体问题相匹配的算法架构。
数据质量瓶颈成为制约AI赋能科研的关键因素。周志华披露，当前科学数据存在三重困境：跨机构数据采集标准不统一导致兼容性差，敏感领域数据共享机制缺失造成"数据孤岛"，人工标注质量参差不齐影响模型可靠性。这些因素叠加作用，使得AI模型训练面临效率低下与成果可信度不足的双重挑战。
在人才培养层面，这位学者提出突破性改革方案。他建议构建"学科交叉特区"，在学位评定、职称评审等关键环节建立差异化考核标准，解决复合型人才在传统评价体系中的定位困境。具体措施包括设立跨学科研究基金、建立双导师培养制度、优化科研成果认定机制等系统性改革。
对于基础研究投入，周志华呼吁建立长效支持机制。他指出，算法创新需要持续稳定的资源保障，建议通过设立专项基金、构建开放创新平台等方式，引导科研力量向底层技术突破集聚。这种战略调整将有助于形成"基础研究-技术转化-产业应用"的良性循环，提升我国在全球AI竞争中的核心优势。
