人工智能作为引领新一轮科技革命和产业变革的战略性技术，正在全球范围内引发深层次的范式变革。2024年，诺贝尔奖史无前例地授予AI领域背景下，人工智能已从单纯的辅助计算工具演变为推动科学发现的核心引擎。然而，当前人工智能的发展高度依赖于大规模算力堆砌与海量数据试错，其背后的科学原理与基础理论仍处于相对滞后状态，在可解释性、鲁棒性、能效与安全可控等方面面临系统性挑战。在此背景下， 2025年11月29日至30日在北京召开了以“人工智能的科学基础”为题的科学与技术前沿论坛，聚焦人工智能科学基础的核心问题，旨在对人工智能的数学原理、物理机制与神经科学基础进行深入研讨、系统梳理，推动多学科的交叉融合与理论创新，为构建安全、可靠、可解释的人工智能奠定坚实的科学根基。

论坛由中国科学院院士汤超、中国工程院院士高文担任执行主席，汇聚了从事人工智能及相关领域近100位专家代表，围绕人工智能驱动的科学研究和人工智能的科学基础，旨在厘清智能产生的逻辑源头，推动AI从工程应用向科学范式的跨越。

大会报告围绕AI的科学本质及“AI for Science”的战略布局展开。鄂维南院士指出深度学习成功的关键在于解决了高维函数逼近问题，主张建立系统级理论，让AI从“试错工程”回归科学。蒲慕明院士强调借鉴大脑的节能与可塑性，利用神经科学逻辑研究AI认知边界。高文院士依托“鹏城云脑”底座，分析了大算力、大数据下科学智能的发展路径。孙昌璞院士警示AI模型缺乏客观真理标准，提倡回归“理论-实验”检验模式，确保满足基本物理定律。

在专题研讨环节，青年科学家介绍了利用数学与物理工具解析AI机理的深度探索：吴磊通过简易模型推导了Scaling Law（规模法则）；许志钦揭示了神经网络优先学习低频信号的“频率原则”；黄海平则从非平衡态统计物理角度阐释了神经网络计算机制。张林峰展示了利用AI重构科学知识图谱；陈锟揭示了大模型推理能力背后的稀疏树状结构。罗迪、冉仕举与周凯分别探讨了AI在求解薛定谔方程、张量网络模型压缩及格点QCD计算中的应用，揭示了扩散模型与随机量子化方法的深刻联系。

本次论坛突破传统计算机科学视角，引入物理、数学等基础理论框架，来审视人工智能。与会专家一致认为，人工智能必须建立自身的物理学和数学基础。专家指出物理思想的引入有着重要意义，统计物理中的相变、涌现、重整化群等概念，是理解大模型涌现机制的核心工具；寻找人工智能领域的“伊辛模型”被视为突破点。专家建议聚焦介观尺度的探索，研究在微观神经元与宏观智能之间的“思维链”等介观层次架构，深入理解该层次是解释人工智能“幻觉”现象、实现可靠逻辑推理的关键所在。

本次会议不仅凝练了未来研究的战略方向，更促进了国内“Science of AI”学术共同体的初步形成，对我国实现人工智能长远可持续发展具有深远意义。