在人工智能技术蓬勃发展的浪潮中，大模型技术一度被视为攻克科研难题的“万能钥匙”，但中国科学院院士周志华近日公开警示，这种过度依赖单一技术路径的倾向正在扭曲人工智能领域的科研生态。他直言，当前科研界普遍存在的“大模型万能论”不仅偏离了科学本质，更可能将行业发展引入歧途。
周志华通过调研发现，许多标榜“AI赋能”的研究项目实则陷入形式主义陷阱。部分团队将通用大模型简单套用于不同学科场景，试图通过堆砌算力解决所有问题，却忽视了不同领域对算法设计的特异性需求。这种“重工具轻原理”的思维导致基础研究投入严重不足，据统计，近三年国内人工智能领域80%的经费流向了算力密集型应用开发，而核心算法创新仅占12%。
数据层面的结构性矛盾同样突出。科学数据分散在各个机构，格式标准不统一导致跨领域协作困难重重。某生物医学团队曾因数据接口不兼容，耗费半年时间才完成与气象数据的整合。更严峻的是，数据共享机制缺失造成重复建设现象普遍，某重点实验室的调研显示，37%的科研项目存在数据集重复采集问题。
针对这些积弊，周志华提出系统性改革方案。在技术层面，他呼吁建立“问题导向”的算法创新体系，要求每个重大项目必须配备算法理论突破指标。在人才培育方面，他建议设立跨学科研究特区，允许研究人员同时申报两个学科的职称评定，并建立“算法贡献度”等新型考核标准。某试点高校已率先打破院系壁垒，组建了由计算机科学家与理论物理学家共同领衔的联合实验室。
这场关于科研范式的讨论正在引发连锁反应。多家国家级科研机构开始重新评估大模型项目的立项标准，部分基金组织明确将算法原创性纳入核心评审指标。有学者指出，当人工智能发展进入深水区，唯有打破技术崇拜的迷思，回归科学探索的本质，才能避免陷入“高投入低产出”的创新困境。
