薛其坤

中国科学院院士

南方科技大学校长

　　我一贯惜时如金，在科研工作中更是如此，不敢浪费任何一点时间，我也同样以这样的标准严格要求团队成员。有一次“突击”检查实验室，我发现有学生没有盯着数据采集而是在上网闲逛，顿感痛心。我劝诫学生，做实验必须专心致志，要对得起国家对我们的支持。

　　其实，做实验就像骑自行车。刚开始学，没有成就感；等学会了，骑车速度快了，就觉得很愉快。我常用对待骑自行车的标准来要求学生：要把仪器熟练掌握得像每天骑的自行车一样，听到链条响了就知道该给它上油，链子断了要会修，让仪器始终以一种完美的状态运行。

　　“追求极致”是我做科研一直坚持的信念，也是我在培养学生过程中对他们提出的核心要求。这背后都需要勤奋和积累。在我看来，50米的高楼需要20米的地基，100米的高楼就需要40米的地基，瞄准的问题越难、科学问题越重大，越需要前面长期的积累和学术积淀。

　　不积跬步，无以至千里；不积小流，无以成江海。积土成山，才能风雨兴焉；积水成渊，才能蛟龙生焉。希望越来越多的青年科研工作者能以“追求极致”为精神指引，怀揣“十年磨一剑”的坚定决心，不惧失败、无畏艰辛，在各自的研究领域里脚踏实地、深耕细作，用日复一日的坚守与积累，一步一个脚印把科技强国战略目标变为现实。

杨金龙

中国科学院院士

同济大学校长

　　回望同济大学118年的办学历程，“与祖国同行，以科教济世”的初心始终如一。抗战时期，同济人告别上海吴淞校园，一路辗转多省，以万里跋涉践行科教救国的信念，在烽火连天中走出一条文化不断、弦歌不辍的壮丽长征。虽屡经迁校之艰、颠沛之苦，同济始终未忘“教育兴邦”之重任，“工以强兵，医以援战，发展教育，培育栋梁，服务社会，强健祖国”，为抗战胜利挺起了一道不屈的精神脊梁。

　　新中国成立后，同济人又将满腔热血投入到了国家建设和科教事业的发展中。从中国人自主建造的第一座大跨度斜拉桥南浦大桥，到被誉为“工程界的珠峰”的港珠澳大桥；从我国首辆拥有完全自主知识产权的氢能燃料电池轿车“超越一号”，到全球最快的时速600千米的高速磁浮试验样车；从中国海区首个国际大洋钻探计划航次，到全球首例人类自体肺干细胞移植再生——在一项项重大工程、一次次技术突破、一场场科学远征中，处处闪耀着同济人挺膺担当、矢志报国的身影。

　　当前，世界百年未有之大变局加速演进，科技革命与大国博弈相互交织，深刻重塑全球秩序和发展格局。置身智能时代的澎湃洪流，我们更需冷静思考“为何创新”“为谁创新”这一根本命题。唯有如此，创新才能获得更为深厚的力量、更为崇高的意义。希望你们坚持科技向善，弘扬人文精神，坚守伦理底线，让人工智能真正服务于人类福祉、社会公正与可持续发展，让科技创新闪耀着人性的光辉。希望你们厚植家国情怀、勇担时代使命，努力为高水平科技自立自强作出贡献，引领智能时代向着更加美好的方向迈进。

徐扬生

中国工程院院士

香港中文大学-深圳校长

　　在AI时代，我们到底应该如何培养人才呢？我认为应遵循学、思、践、悟4个过程。

　　学：学习要有好奇心和兴趣，没有兴趣的学习是无效的。我们要培养学生的学习能力，让他们学会学习方法，因为大多数知识都是靠自己学来的。同时，我们要少“教”一点，多“育”一点，把重心放在育人上，而非教书。过多的知识会占据学生的脑袋，限制他们的创新思维。

　　思：学完了以后要能够去思考。思考需要闲暇的时间，没有闲暇的时间，人怎么会思考呢？因此，我们要给学生留出自由思考的时间，让他们有机会去深入思考问题。

　　践：实践是AI时代教育的核心。优秀教育的效果主要看体验，实践本身就是一所学校。中国的同学欠缺的就是实践，没有实践，知识就会全部还给老师。只有通过实践，学生才能真正领悟一生中应该记住的东西。因此，我们要增加实践环节，让学生通过实践来生“悟”。

　　悟：悟是学习的最高境界。通过实践，学生可以领悟到知识的真谛和人生的道理。我们要培养学生的悟性，让他们在学习和实践中不断成长和进步。

　　在具体的教育改革方向上，我认为应重“理性”轻“记忆”，加强对学生理性思辨能力的培养；增加实践环节，让学生通过实践来领悟知识；培养创新人才，让学生学会提问和想象；加强艺术教育，提高学生的情感世界和创造力；促进文理融合和跨学科发展，提供完整的教育和启发完整的人格；让学生观世界以形成世界观，具备全球眼光和同理心。

龚新高

中国科学院院士

复旦大学物理学系教授

　　技术的革新和经济的发展越来越依赖新材料的进步。以往的新材料研发主要依据研究者的科学直觉和大量重复的“尝试法”实验。材料的研发有点像玩乐高积木，可以有很多种搭法、无穷的组合可能，但什么样的材料是有用的，过去没法直接回答。但有了AI技术后，可以在一定程度上回答这个问题，AI可以快速地进行配比、模拟来验证。AI提供了一种全新的研究范式。

　　AI技术，特别是深度学习，正在深刻地变革分子动力学模拟领域，解决了该领域长期存在的一些核心瓶颈问题。譬如传统分子动力学的核心是“力场”，即描述原子之间相互作用力的数学函数。传统力场基于简单的物理近似，虽然计算快，但精度有限；而高精度的量子力学计算虽然准确，但计算成本极高，无法用于大体系或长时间模拟。AI通过从量子力学计算产生的大量数据中学习，可以构建出既接近量子力学精度、又接近传统力场计算速度的机器学习力场。

　　用传统的实验设备是无法捕捉分子的动态过程的，但AI（如无监督学习算法）能分析模拟数据，自动识别出描述动态过程本质的关键变量（反应坐标），让我们能实际“看到”原本几乎不可能捕捉到的动态过程。因此，AI使得分子动力学模拟在物质科学领域再一次出发。

　　（资料来源于科学网）