中國科學院院士周志華在近期公開論述中強調，人工智能領域科研布局需系統性優化，以破解當前發展中的結構性矛盾。他特別指出，部分研究機構過度聚焦算力密集型應用開發，導致基礎理論創新與算法設計能力滯后，這種"重應用輕基礎"的傾向可能制約產業長期競爭力。
針對業界盛行的"大模型萬能論"，周志華提出明確警示。他認為將通用大模型直接套用于所有科學問題的做法存在根本性缺陷，這種技術路徑不僅忽視不同學科領域的特異性需求，更造成計算資源的低效配置。據觀察，部分科研團隊盲目追求模型參數規模擴張，卻未能建立與具體問題相匹配的算法架構。
數據質量瓶頸成為制約AI賦能科研的關鍵因素。周志華披露，當前科學數據存在三重困境：跨機構數據采集標準不統一導致兼容性差，敏感領域數據共享機制缺失造成"數據孤島"，人工標注質量參差不齊影響模型可靠性。這些因素疊加作用，使得AI模型訓練面臨效率低下與成果可信度不足的雙重挑戰。
在人才培養層面，這位學者提出突破性改革方案。他建議構建"學科交叉特區"，在學位評定、職稱評審等關鍵環節建立差異化考核標準，解決復合型人才在傳統評價體系中的定位困境。具體措施包括設立跨學科研究基金、建立雙導師培養制度、優化科研成果認定機制等系統性改革。
對于基礎研究投入，周志華呼吁建立長效支持機制。他指出，算法創新需要持續穩定的資源保障，建議通過設立專項基金、構建開放創新平臺等方式，引導科研力量向底層技術突破集聚。這種戰略調整將有助于形成"基礎研究-技術轉化-產業應用"的良性循環，提升我國在全球AI競爭中的核心優勢。
