摘要：围绕人工智能时代的科学传播、公众理解、价值认知与社会责任等问题，本刊专访了中国工程院院士、之江实验室主任、阿里云创始人王坚先生。王坚院士强调，人工智能时代更加需要以科学的态度传播科学，科学传播的关键，不是把知识“灌输”给公众，而是把科学与社会之间的关系解释清楚；科学并不是封闭于专业领域内部的知识活动，而是在回应社会问题、进入社会运行过程中不断实现其价值的公共实践；人工智能的深层影响，不仅体现为工具效率的提升，更体现为知识结构、教育体系与科研范式的系统性调整；公众理解人工智能，不能仅仅停留在模型、产品和热点概念层面，而应进一步把握算力、数据、模型与资源开放等底层能力结构；智能时代的科学传播也应从知识普及进一步走向公共理解的建构，围绕“帮助谁”这一核心问题，推动技术创新与社会责任、公共福祉相统一。

关键词：智能时代；科学传播；公众理解；价值认知；技术向善

一、科学传播与社会互动

科学是一种持续逼近“人如何认识世界”的过程，而不是若干学科边界的简单拼接。科学与社会并不是“应用与被应用”的关系，而是一种相互塑造、彼此推进的关系。科学传播首先要清楚科学的价值，传播并不止于把知识“灌输”给公众，而是要把科学与社会之间的关系解释清楚。

本刊编辑部：

今天，人工智能技术正以前所未有的速度释放出巨大的能量，不断渗透影响着知识生产、教育转型、科研创新与社会运行，带动人类社会进入智能化的新阶段。您早年学习工程心理学，后来进入计算机科学领域，长期投身于云计算、人工智能等前沿技术探索。这种兼具心理学、计算科学与技术创新的跨学科实践经历，使您始终处在知识转换与技术变革的交汇处。以您的学术背景与长期科研实践来看，如何理解科学技术与人类社会之间的关系？

王坚院士：

科学从来不是封闭的知识生产活动，而是在回应社会问题、进入社会运行过程中不断展开其价值的公共实践。如果仅仅把科学理解为实验室中的研究、论文中的结论，或者少数专业共同体内部的知识积累，这样的理解其实是不完整的。科学之所以重要，不只是因为它能够解释世界，更在于它能够在社会发展过程中不断提出新问题、形成新方法，并重塑人类理解世界和改造世界的方式。也就是说，科学并不悬浮于社会之上，而总是与现实问题、制度环境、技术条件和社会需求发生深刻互动。

我的跨学科经历，使我更倾向于把科学理解为一种持续逼近“人如何认识世界”的过程，而不是若干学科边界的简单拼接。或许有人会把心理学、计算机科学、云计算以及人工智能看作彼此分离的领域，但在我看来，它们关注的是同一个根本问题，即人怎样理解自身，怎样理解智能，又怎样借助工具扩展自己的能力。人工智能今天之所以重要，并不只是因为它代表了一类新技术，更因为它重新提出了关于认知、智能和创造力的基本问题。图灵最早讨论“计算与智能”关系的时候，事实上已经在提醒我们，技术问题的背后始终连着对人的理解。后来，人工智能早期的重要探索者中也有许多心理学家和认知科学家，这说明人工智能从来不是一个纯粹的工程命题，而天然具有跨学科的知识属性。

科学与社会之所以不可分割，还在于真正有生命力的科学问题，总是从真实世界中生长出来。无论是云计算、城市大脑，还是今天的人工智能，其重要性都不在于概念本身，而在于它们回应了现实社会在发展过程中出现的新问题。云计算之所以重要，不是因为它提出了一个新名词，而是因为互联网和数据的规模发展到了传统技术体系难以承载的阶段。城市大脑之所以出现，也不是单纯为了“做一个智慧城市项目”，而是因为城市发展到今天，原有治理方式已经不足以处理复杂协同问题。由此可见，科学发展的真正动力，并不只是内部知识的演进，也来自社会现实对新方法、新基础设施和新组织方式的持续需求。

因此，从更深层次上说，科学与社会并不是“应用与被应用”的关系，而是一种相互塑造、彼此推进的关系。社会问题推动科学提出新问题，科学进步又反过来改变社会运行方式、认知方式和制度逻辑。也正是在这个意义上，科学传播首先要清楚科学的价值，这种价值不应只以专业共同体内部的评价来衡量，还应看它是否真正进入社会、解释社会并帮助社会形成新的公共能力。

本刊编辑部：

当前，人工智能正在深刻改变知识生产、教育模式和社会运行方式。如何在技术迅速演进的条件下，引导公众从“感知技术”走向“理解技术”，从“围观热点”走向“把握逻辑”，这是智能时代科学传播必须回应的重要问题。在这样的背景下，我们应该怎样看待科学家和工程师在科学传播中的角色？他们是否应当主动走到公众面前，参与社会对科学的理解和讨论？媒介的科学传播应该注意哪些方面的问题？

王坚院士：

在智能时代，科学家和工程师不仅是技术创新的推动者，也应当成为促进公众理解科学的参与者和建设者。今天的很多技术，尤其是人工智能，已经不再只是实验室内部的专业命题，而是在深刻影响教育、科研、产业和公共生活。在这种情况下，如果科学家和工程师只负责把技术做出来，而不参与技术如何被社会理解、讨论和接受，那么社会对科学的认知就很容易停留在碎片化、情绪化甚至神秘化的层面。因此，科学传播不应被看作创新活动之外的附属工作，而应被理解为现代科技发展不可缺少的一部分。

科学传播的关键，不是把知识“灌输”给公众，而是把科学与社会之间的关系解释清楚。过去我们经常把科学传播理解为“把复杂知识讲简单”，这当然是一个方面，但如果仅止于此，仍然是不够的。公众真正需要理解的，往往不是某一个技术术语或某一项研究成果，而是这项技术为什么会在今天出现，它回应了什么问题，它会改变什么，又会帮助谁。特别是人工智能这样一种基础性技术，如果公众只知道它“很强大”，却不知道它背后的计算逻辑、基础设施条件以及它与教育、劳动、科研之间的关系，那么公众的理解就很难真正进入本质层面。

我始终认为，科学不只是科学家的事，大众才是科学真正的主人。这句话的意思，不是说科学的专业性被取消了，而是说科学最终一定要进入社会，成为社会可理解、可讨论、可接受的公共知识与公共能力。科学研究如果始终停留在专业共同体内部自我循环，当然可以形成成果，但它未必能够真正转化为推动社会进步的力量。只有当公众能够把科学放到自己的生活世界、社会经验和未来判断中去理解，科学的社会价值才会真正完成。

因此，科学家和工程师主动走向公众，不是姿态问题，而是责任问题。但这里的“走向公众”并不意味着简单地做几场科普演讲，更不意味着以一种居高临下的方式去告诉公众“什么是正确答案”。真正重要的是，要建立一种解释机制，把技术变革为什么发生、怎样进入社会、将如何改变知识生产和公共生活讲清楚。尤其在人工智能时代，科学传播更不能停留在对技术功能的表层展示上，而应当帮助社会形成对技术逻辑、技术边界和技术伦理的更深理解。

从这个意义上说，科学传播已经不只是知识传播问题，而是社会如何理解科学、如何组织未来的一项基础性工作。当新技术不断进入教育、产业与公共治理领域，科学传播的任务也在发生变化。它不再只是“传播已经确定的知识”，而是在帮助社会建立对科学变革的理解框架。谁能够把这种理解框架建构起来，谁就更有可能推动科学真正转化为社会发展的公共能力。

二、科学传播与公众理解

人工智能时代，计算是现代知识体系中的基础能力；算力是数字时代的新型公共基础设施；基础模型关系到人工智能能力的源头结构。科学传播要引导公众建立基础的认知，关键在于从“看见产品”，到进一步走向“理解能力结构”。

本刊编辑部：

当前，公众对人工智能的关注，往往集中在大模型、智能体、生成式内容、工具应用等较为直观的层面。您比较强调“计算”“算力”“基础模型”以及“资源开放”等基础性概念。您认为，应该从哪些方面入手正确理解人工智能的作用？科学传播需要建立哪些基本认识？

王坚院士：

理解人工智能，首先需要回到计算这一更基础的层面。今天公众谈论人工智能，通常会从模型、产品和应用切入，这很自然，因为这些内容最容易被感知，也最容易进入日常生活。但如果希望真正理解人工智能的逻辑，仅停留在应用层面显然是不够的。人工智能的每一次重大推进，背后都离不开计算能力的扩展、数据组织方式的变化以及模型结构的演进。换句话说，人工智能之所以形成今天的影响力，根本上仍然建立在计算能力和计算方法的持续发展之上。

计算既是一种工具，也是一种思维方式，同时还是现代知识体系中的基础能力。过去很长时间里，公众容易把“计算”理解为狭义的信息处理、程序运行，或者某种计算机科学内部的专业活动。实际上，计算的意义远比这更宽广。它关乎人如何组织问题、如何描述现实、如何在复杂条件下形成新的求解路径。当年图灵在讨论计算与智能的关系时，已经触及这一层含义。今天我们重新看待人工智能，更需要看到计算本身所具有的方法论价值。它帮助人类将复杂问题转化为可处理、可分析、可协同推进的问题结构，这一点对于理解智能时代的知识生产尤为重要。

公众如果要真正理解人工智能，还需要建立“算力是基础设施”的认识。我一直以来把算力看作数字时代的新型公共基础设施。这个判断之所以重要，是因为它改变了我们理解人工智能的方式。人工智能并不是悬浮在社会之上的单项技术，它和电力、交通、通信一样，需要有稳定而持续的底层支撑。今天人们能够广泛使用人工智能，与其说是因为某一个产品足够聪明，不如说是因为背后有大规模算力网络、数据资源和模型体系在共同支撑。科学传播只有将算力放在基础设施的坐标中去理解，才能明白为什么算力布局、算电协同、开放资源会成为人工智能发展的关键议题。

基础模型同样是公众需要理解的重要概念，因为它关系到人工智能能力的源头结构。近两年，模型、应用、智能体等概念层出不穷，社会讨论也十分热烈。在这种热度之下，越需要保持清晰的层次感应。基础模型之所以关键，在于它决定了人工智能系统最基本的能力边界，也决定了后续应用创新能够站在什么样的起点之上。从技术演进和国际竞争的角度看，基础模型已经成为极具战略意义的能力结构。围绕它展开的，不只是企业层面的产品竞争，更包括计算资源组织、人才体系、科研能力与创新生态的系统竞争。

因此，公众理解人工智能，关键在于从“看见产品”到进一步走向“理解能力结构”。社会当然可以从具体应用感知人工智能的变化，这也是技术进入公共生活的一个自然过程。但如果要形成更深入的认知，就需要把视野从表层应用拓展到计算能力和方法、算力基础设施、基础模型等底层能力上。科学传播只有理解这些基础概念，公众才能更准确地把握人工智能的发展逻辑，也才能避免把人工智能简单等同于若干热点产品和流行术语。

三、科学传播与战略眼光

人工智能不是一个独立运行的系统，它嵌入在国家能源结构、产业体系与技术基础设施网络之中，科学传播要从“可持续运行”战略高度加以认识，要具备高瞻远瞩的理解力。

本刊编辑部：

在人工智能迅速发展的背景下，您始终强调，算力是数字时代的新型公共基础设施，并将其比作“新时代的电力”。如何理解算力与电力之间的关系？从科学传播的角度看，这对于理解人工智能的社会运行逻辑意味着什么？科学传播要具备什么样的战略眼光？

王坚院士：

算力与电力之间的关系，揭示了人工智能时代技术运行的基础逻辑。如果说电力支撑了工业社会和现代生活的普遍运行，那么算力正在承担起数字社会和智能经济的底层支撑功能。人工智能之所以能够进入教育、科研、制造、城市治理和公共服务等领域，并不是因为它天然拥有无限能力，而是因为其背后有持续供给的算力体系作为支撑。这一点与电力非常相似。人们平时感知到的是灯光、冰箱、洗衣机这些终端设备，但真正让它们普遍存在的是电网。今天人们感知到的是聊天机器人、图像生成、智能应用，但真正支撑这些能力普及的，则是算力网络。

从基础设施角度看，算力与电力都具有资源配置和动态调度的特征。电力系统有波峰波谷，算力使用同样存在潮汐变化。人工智能发展到一定阶段，算力和电力之间的协同就会成为现实问题，也会成为战略问题。今天提出“算电协同”，正说明社会对人工智能的理解正在从单一技术视角走向基础设施视角。只有将算力供给、能源布局、数据中心建设和应用需求放在同一框架中统筹考虑，人工智能的发展才能真正具备可持续性。这个视角也提醒我们，人工智能从来不是一个独立运行的系统，它嵌入在国家能源结构、产业体系与技术基础设施网络之中。

对于中国而言，理解算力与电力的关系，也有助于更理性地看待人工智能发展的现实条件。目前国际上关于人工智能能源消耗的讨论很多，其中一些焦虑有其具体国情背景。中国的情况有自身特点，无论是发电规模、工业用电基础，还是西部清洁能源布局、特高压输电条件，都为未来的算力发展提供了重要支撑。这意味着我们看待人工智能，不宜简单套用外部叙事，更应从自身基础设施能力出发进行判断。基础设施持续完善以后，算力成本会逐步下降，社会使用人工智能的门槛也会随之降低。从科学发展史来看，技术普及的历史基本都遵循这个规律，人工智能也不会例外。

理解算力与电力的关系，其目的最终是帮助公众建立对人工智能“可持续运行”的认识。很多技术在进入社会早期，公众首先看到的是它的新奇与强大，随后便会关注成本、能耗与门槛。这样的讨论很有必要，因为它促使我们从更长周期、更大系统中审视技术。人工智能的发展，离不开算力，也离不开能源，更离不开对这两类资源的科学组织。科学传播如果能够从战略高度把这种基础逻辑讲清楚，公众对人工智能的理解就会更完整，也更接近智能时代真实的技术图景。

四、科学传播与知识生产

人工智能对知识生产的影响，本质上是一种认知基础设施的变动，正在重新定义知识进入社会、被组织和被运用的方式。科学传播不能止于知识的外在形态，更重要的是传播知识活动本身的结构。

本刊编辑部：

当前，人工智能正以前所未有的速度进入知识生产领域。与以往的技术工具相比，人工智能不仅提升了效率，也改变了人们获取信息、组织知识和处理问题的方式。我们注意到，当前大量公共讨论主要在应用层、产品层和热点概念层，社会对于计算、算力、基础模型、资源开放以及人工智能与知识体系重构之间关系的理解，仍有待提升。您如何理解人工智能对知识生产与认知方式的影响？最深层的改变体现在哪里？对知识生产的传播应该关注什么？

王坚院士：

人工智能最深层的影响，不在于它替代了某一类具体工作，而在于它正在重组人类获取知识、组织知识和处理问题的基本方式。如果只把人工智能理解为一种效率工具，当然不能算错，但这样的理解是不够的。因为任何真正重要的技术变革，最终改变的都不是某一个局部环节，而是人们做事的方式、思考的方式，乃至理解世界的方式。人工智能之所以重要，恰恰在于它不是简单延续既有技术，而是在知识生产的底层逻辑上引入了新的变量。过去，人们获取信息、处理信息和形成判断，主要依赖既有知识的积累、线性的学习过程以及有限的工具支持；今天，人工智能使知识调用、信息组织和问题求解的方式发生了显著变化，这种变化不仅关乎速度，更关乎方法。

从历史尺度来看，人工智能更像这个时代的“纸和笔”，也是知识时代新的基础工具。今天我们拥有计算与人工智能，其意义并不只是拥有了一台更快的机器，而是拥有了一套能够扩展认知边界、重塑知识活动的新工具体系。正因为如此，我常常把人工智能理解为类似“印刷术”那样的基础性变革。印刷术的重要性，不在于它只是提高了复制文本的效率，而在于它改变了知识传播的范围、结构和成本，使更多人能够接近知识、使用知识，最终改变了整个社会的认知条件。人工智能也一样，它并不只是给原有知识活动加上一个“助手”，而是在重新定义知识进入社会、被组织和被运用的方式。

人工智能之所以会对认知方式产生影响，还在于算力和模型能力的提升，改变了人处理复杂问题的方式。人们常说算力提升了多少，但真正重要的不只是数字本身，而是当能力规模发生变化之后，人会因此改变处理问题的路径。就像同样是从一个地方到另一个地方，自行车、汽车、飞机和火箭所对应的，不只是速度差异，更是完全不同的规划逻辑与行动方式。算力的提升也是如此。当一个人手中的工具能够在更大规模上组织信息、关联知识、压缩试错的成本时，他对问题的想象方式也会发生变化。人工智能带来的，不只是“更快得到答案”，而是“以新的方式提出问题、组织问题和逼近答案”。

因此，人工智能对知识生产的影响，本质上是一种认知基础设施的变动。它使知识不再只是以静态内容的形式存在，而越来越表现为一种可调用、可连接、可重组的能力网络；它也使知识活动不再只是个体面对既有材料的线性加工，而更像是人与模型、数据以及算力共同参与的问题组织过程。正是在这个意义上，人工智能改变的不只是知识的外在形态，更是知识活动本身的结构。对于科学传播而言，理解这一点非常重要，因为如果社会仍然把人工智能停留在“会写稿、会作图、会回答问题”的表层认识上，就很难真正把握这场技术变革的深层意义。

五、科学传播与教育体系

人工智能正在打破传统学科边界，意味着教育体系从“知识分科”转向基础结构与能力重构。科学传播要立足教育的根本，教育体系的调整，核心不是“技术适配”，而是“育人逻辑”的更新。

本刊编辑部：

从全球范围看，围绕人工智能的社会讨论日益活跃，既包含对效率提升、教育变革、科研突破和产业创新的高度期待，也伴随着对技术替代、认知误区、数字鸿沟和伦理风险的持续关切。如果说人工智能改变的不只是工具，还有知识生产方式，那么它对教育体系的冲击就不仅是“教学手段更新”这么简单。您如何看待人工智能对教育体系和人才培养的影响？未来教育最需要回应的核心问题是什么？科学传播应该避免哪些倾向性的误区？

王坚院士：

人工智能对教育的冲击，不是增加了一门新课程，而是要求我们重新思考什么是基础能力、什么是知识结构，以及教育究竟要培养什么样的人。今天很多人谈人工智能与教育，容易把问题理解得过于表层，好像无非是课堂里要不要用AI、学生会不会借助AI写作业、教师怎么提升数字教学能力。但从更深层次上看，人工智能进入教育，真正触动的是教育体系本身。因为当知识获取方式、问题处理方式和科研范式都在发生变化时，教育就不可能继续完全按照旧有逻辑运行。教育如果仍然主要停留在知识搬运和标准化训练的层面，就很难回应智能时代对人的能力要求。

人工智能正在打破传统学科边界，这意味着教育体系必须从“知识分科”转向更重视问题导向与能力重构。过去相当长时间里，现代教育建立在较为稳定的学科划分和知识体系之上，这种体系在工业社会和信息社会早期是有效的。但今天，越来越多重要问题都表现出显著的复杂性和跨学科性。人工智能本身就是一个典型例子，它既涉及计算，也涉及数学、心理学、认知科学、工程技术和具体场景应用。科研前沿的很多突破，已经越来越难用单一学科边界加以解释。由此带来的一个直接问题就是，教育不能再满足于把学生培养为某一狭窄领域中的“熟练使用者”，而要帮助他们形成跨领域组织知识、理解复杂系统和提出新问题的能力。

从这个意义上说，未来教育更重要的任务，不是让学生记住更多现成答案，而是培养他们提出正确问题、判断技术边界并驾驭新工具的能力。人工智能越强，教育越不能简单地退回到“知识灌输”的旧模式。因为很多基础性、重复性的信息处理工作，人工智能会做得比人更快、更便捷。在这种情况下，人的价值并不在于和机器比拼记忆、检索和重复，而在于能不能判断什么问题值得问、什么路径值得走、什么结果值得信任。这意味着，未来教育最重要的能力之一，恰恰是判断能力、组织能力和创造能力。换句话说，人工智能越普及，人就越不能丧失对问题的定义能力和对结果的批判能力。

教育还必须回应一个更根本的问题，即人工智能究竟是用来替代学习，还是用来帮助学生成长。我一直强调，讨论技术时不要总想着它替代了谁，而要先想清楚它帮助了谁。放到教育里，同样如此。人工智能当然会改变教学模式、改变学习路径，也会替代一部分原来依赖时间和重复劳动才能完成的基础性工作，但教育改革的根本目标绝不应是用技术取代学生的思考，而应是把学生从低效、机械的环节中解放出来，让他们有更多时间进入更有创造性的学习过程。只有在这个前提下，人工智能进入教育才具有真正意义。

因此，教育体系面向人工智能时代的调整，核心不是“技术适配”，而是“育人逻辑”的更新。未来的教育必须更重视基础能力重构，更重视跨学科问题意识，更重视对新工具的驾驭能力，同时也更重视人的主体性。技术当然重要，但技术进入教育的意义，最终并不在于使教学看起来更先进，而在于能不能真正帮助学生成长，能不能缩小教育机会差距，能不能让更多人获得更高质量的学习能力与创造空间。从科学传播的角度讲，这也提醒我们：讨论人工智能与教育，不能停留在工具层面，而要把它放到知识体系变动和人才培养转型的更大背景中去理解。

六、科学传播与科研方式

人工智能被视为“科学研究的加速器”，改变的不是一个具体环节，而是科学问题被组织、被验证和被推进的方式。科学传播要关注科学发现背后的方法论变化，不能只传播结果，更要解释科学发现的方式何以改变。

本刊编辑部：

近年来，人工智能被越来越多地视为“科学研究的加速器”。从基础模型到科学研究方法，再到具体科研场景中的智能应用，人工智能正在进入科学发现过程本身。您如何理解人工智能对科研方式的影响？这种变化对于科学传播意味着什么？

王坚院士：

人工智能对科研最重要的影响，是正在推动科学研究从传统知识积累模式走向新的方法论和组织方式。如果只是把人工智能看成帮助科学家节省时间的工具，这种理解仍然偏窄。它当然可以帮助研究者更快处理数据、更快完成前期分析，甚至更快形成研究假设，但真正重要的是，人工智能正在让很多过去因为数据规模、计算能力和方法限制而难以推进的问题，开始具备系统化、工程化推进的可能。也就是说，它改变的不是一个具体环节，而是科学问题被组织、被验证和被推进的方式。

“人工智能+科学”的关键，不在于给现有科研流程增加一个智能助手，而在于让人工智能进入科学发现过程本身。今天，科学研究面对的很多问题都具有高度复杂性，单靠传统方法很难有效处理。无论是地球科学、生命科学，还是天文学、材料科学，越来越多的研究都依赖海量数据、多维关联和跨领域协同。在这样的背景下，人工智能的重要性，首先体现在它能够帮助科研共同体处理复杂知识结构、打通数据通道，并在更大尺度上形成新的问题求解能力。比如，科学基础模型、专业领域模型的出现，其意义并不只是多了一类模型，而是意味着模型开始进入具体科学知识的内部结构，帮助研究者以新的方式逼近科学问题。

从科研范式变化的角度看，人工智能实际上使“科学问题”在很多场景下越来越表现为“可计算、可组织、可协同”的问题。这并不是说科学会被简单工程化，更不是说机器会取代科学家，而是说在新的技术条件下，科学发现越来越依赖数据、算力、模型和基础设施的协同作用。过去很多问题之所以推进缓慢，往往不是因为问题本身不存在价值，而是因为缺少足够的组织能力和技术条件。今天，人工智能开始提供这样的条件。这也解释了为什么我一直把算力、模型和开放资源看得很重要——它们决定的不是某个单点技术能否运行，而是新的科研方法能否真正成立。

这种变化对科学传播提出了新的要求：科学传播不能只传播结果，更要解释科学发现的方式何以改变。过去谈科学传播，很多时候是围绕科学成果、科学知识和科学家故事展开的。但在智能时代，仅仅传播结论已经不够。公众还需要理解，为什么今天的科学研究会越来越依赖人工智能、基础模型和大型基础设施；为什么科学合作会越来越表现为跨机构、跨领域、跨资源的协同；为什么新的科研突破，不只是某位科学家的个体天才，而越来越建立在开放资源、协同平台和技术治理之上。换句话说，科学传播应当把科学发现背后的方法论变化讲清楚，把科研范式为什么会变、怎样变、变到哪里去讲清楚。

因此，人工智能进入科研领域，不只是科学技术问题，也是科学传播的问题。因为一旦科研活动的组织方式和知识生成方式发生变化，社会就必须建立新的理解框架。科学传播在这里承担的任务，不只是告知公众“科学又取得了什么成果”，而是帮助公众理解科学研究本身正在怎样变化，以及这种变化将如何影响未来的知识体系、教育结构和文明进步的方向。只有在这个层面上，公众才可能真正理解人工智能为何会成为“科学研究加速器”，也才能从更深的层次理解这场技术变革的时代意义。

七、科学传播与技术认知框架

人工智能正在进入一个更深层次的、从代码开放到资源开放的阶段，扩大了技术扩散的可能性，也增强了技术普惠的现实基础。科学传播要帮助社会建立更深层次的技术认知框架，理解其背后的能力结构、资源逻辑和基础设施条件。

本刊编辑部：

随着基础模型开源以及开放生态的形成，人工智能的发展正越来越呈现出“资源开放”的特征。我们如何理解这一变化？这是否意味着更深层次的对技术框架的认知？公众又应当如何认识“开源”在人工智能时代的新含义？同时，像AI推理这样的概念，科学传播又应如何更准确地把握？

王坚院士：

人工智能时代的“开源”，已经从单纯的代码开放，逐步延展为创新资源的开放。过去谈开源，更多是指源代码开放。这一概念在软件时代具有非常重要的意义，因为它塑造了互联网发展的开放传统，也深刻影响了创新生态的形成。进入人工智能时代以后，开源的内涵明显扩大了。模型权重的开放，表面上看是模型层面的共享，背后实际关联着数据资源、计算资源和训练成本的开放。一个基础模型完成训练，意味着大量算力、数据组织和工程投入已经提前完成。权重开放以后，后来的研究者、开发者和中小企业能够在更高起点上继续创新，这种开放的意义已经超出传统意义上的代码共享。

资源开放之所以重要，在于它改变了技术成熟和社会扩散的路径。任何一项重要技术，都需要通过更广泛的使用和再创造走向成熟。人工智能同样如此。开放生态的形成，使更多人能够接触模型、理解模型、使用模型，也使更多创新能够围绕既有基础能力快速发生。对公众而言，这一点意味着人工智能的发展并不只是少数头部机构的事情，它也和整个创新共同体、市场活力以及中小企业的参与密切相关。开放资源扩大了技术扩散的可能性，也增强了技术普惠的现实基础。

从科学传播角度看，开源在人工智能时代的新含义，值得被公众更充分地理解。今天很多人谈“开源”，仍然停留在软件时代的想象之中，认为它主要是一种代码共享机制。事实上，人工智能领域的开源更接近一种能力共享和资源共享。它使社会无须从零开始重复投入，能够在已有能力之上继续推进创新。这样的变化，涉及知识生产方式，也涉及创新伦理与国际公共产品的理解。如果这一点能够被更多公众看见，社会对人工智能开放合作的认识就会更加深入，也更容易理解为什么资源开放会成为智能时代的重要变量。

至于AI推理，我更倾向于把它理解为人工智能处理复杂问题能力持续增强的一种体现。近一段时间，“推理”成为一个很热的词，这说明社会开始关注人工智能从生成内容走向解决复杂问题的能力变化。对公众来说，没有必要把“推理”理解得过于神秘。它所涉及的核心，是模型在已有数据、结构和训练基础上，对信息进行组织、关联、分析和求解的能力。随着模型能力的增强，人工智能处理任务的方式更加复杂，面对问题时也呈现出更强的步骤性、关联性和问题求解能力。社会之所以关注“推理”，恰恰说明人们开始意识到，人工智能的价值已经不只在生成表达上，还在更复杂的知识加工和问题处理上。

总体来看，从模型到基础设施、从代码开放到资源开放、从内容生成到问题推理，人工智能正在进入一个更深层次的发展阶段。这一阶段对公众理解提出了更高要求，理解人工智能，既需要看见产品和应用，也需要理解其背后的能力结构、资源逻辑和基础设施条件。科学传播在这里承担的重要任务，就是帮助社会建立这种更深层次的技术认知框架，从而使公众对人工智能的理解更稳定、更准确，也更具有面向未来的判断力。

八、科学传播与文明进步

人工智能改变的不只是局部效率，而是知识如何被组织，问题如何被处理，社会如何形成新的文明协同方式。科学传播需要将其放到技术、知识与社会共同演进的框架中加以把握。

本刊编辑部：

当前，围绕人工智能的社会讨论十分活跃，其中既有对效率提升、科研突破和产业创新的期待，也伴随着对替代风险、认知误区、数字鸿沟乃至技术失控的担忧。如何以更长远的眼光看待人工智能对人类文明进步的推动作用？科学传播又应该发挥什么作用？

王坚院士：

人工智能对人类文明进步的推动作用，首先体现在它正在成为一种新的基础能力，并由此重塑知识、生产和社会协同的方式。每一次真正重要的技术进步，最终都会超出最初的工具意义，转而进入社会运行的底层结构。电气化如此，互联网如此，人工智能也正在经历类似的过程。今天人们之所以普遍感受到人工智能的冲击，不仅因为它表现出很强的内容生成能力和任务处理能力，更因为它开始进入教育、科研、制造、治理、传播等多个领域，逐步形成一种新的通用能力。它对文明进步的意义，也正是在这一过程中展开的。它改变的不只是局部效率，而是知识如何被组织，问题如何被处理，社会如何形成新的协同方式。

人工智能对于文明进步的价值，还体现在它显著拓展了人类接近知识、使用知识和转化知识的能力边界。从知识史的角度看，人类文明的每一次跃升，都与知识传播条件和知识使用能力的提升密切相关。人工智能的重要性在于，它使大量原本分散、复杂、专业化的知识，以更高效的方式被调用、重组和运用。这样一种能力，会使更多人有机会接近过去难以进入的知识领域，也会使知识更广泛地进入现实问题的解决过程。对于科研活动而言，这种变化表现为问题求解能力的增强；对于产业发展而言，这种变化表现为创新门槛和试错成本的下降；对于社会运行而言，这种变化则表现为组织复杂系统能力的提升。

人工智能还在推动人类从低效、重复、机械的活动中逐步释放出来，将更多时间和精力投入更具创造性的事务。我一直比较关注这个层面。社会讨论人工智能时，常常会迅速进入替代问题、岗位问题、焦虑问题。这些讨论有现实基础，也值得重视。但从更长时段来看，技术进步始终在改变劳动方式和能力结构，同时也在重新分配人的时间与创造空间。人工智能所带来的一个重要变化，就是很多基础性、重复性的工作可以在新的技术条件下得到更有效处理。这样一种变化，会推动人从某些低效环节中退出，并把更多精力转向判断、创造、协同和复杂问题的解决。文明进步的一个重要标志，正是人能够把越来越多的资源用于拓展自身能力，而不仅仅用于维持既有流程的运转。

因此，理解人工智能对文明进步的作用，需要将其放到技术、知识与社会共同演进的框架中加以把握。它既是一项技术进步，也是一种认知条件的重构；既影响生产方式，也影响教育逻辑和公共生活；既改变专业领域内部的问题组织方式，也推动社会重新思考人与工具、人与知识、人与未来之间的关系。从科学传播的角度看，这意味着我们需要帮助公众建立更长时段、更大尺度的理解，而不是停留在单一产品、局部风险或短期情绪之上。

九、科学传播与“帮助谁”

真正决定技术走向的，是它服务于什么目标、进入什么场景、帮助什么主体。“帮助谁”是一项面向未来的技术判断原则，是理解技术的价值方向。科学传播要调整重心，从“功能传播”进一步走向“关系传播”和“结构传播”。

本刊编辑部：

今天，人工智能已经嵌入人们的工作、学习和生活之中。您在很多场合都提到，我们的社会与其不断追问人工智能“替代了谁”，不如首先思考它“帮助了谁”。这一判断也为理解“技术向善”提供了一个非常重要的视角。如何理解“帮助谁”这一问题在人工智能时代的意义？这对科学传播提出了怎样的要求？

王坚院士：

“帮助谁”之所以重要，是因为它决定了我们如何理解技术的价值方向，也决定了技术最终会以何种方式进入社会。技术从来不只是能力问题，也始终包含价值问题。社会在面对新技术时，通常会首先感知到能力跃升带来的震动，例如速度更快、成本更低、规模更大、替代性更强。但这些都还只是技术变化的外在表征。真正决定技术走向的，是它服务于什么目标、进入什么场景、帮助什么主体。人工智能的发展亦是如此。如果社会总是把注意力集中在“替代”上，就容易停留在竞争性和焦虑性的理解框架中；如果把问题转向“帮助”，就会开始关注技术与教育公平、科研创新、公共服务、城市治理、产业协同之间的关系，也更容易从建设性的角度思考它的社会意义。

“帮助谁”这一问题，实际上为技术向善提供了一个更具操作性的判断尺度。“向善”当然是一个价值判断，但它并不抽象。技术有没有真正向善，可以通过它是否回应真实问题、是否扩大公共福祉、是否提升社会整体能力来加以观察。比如在教育中，人工智能是否帮助学生获得更平等的学习机会，是否帮助教师从机械劳动中抽离出来，是否帮助学习活动进入更高质量的创造过程；在科研中，人工智能是否帮助科学家处理复杂问题、形成新的发现条件；在城市运行中，人工智能是否帮助治理体系更有效率、更有协同能力。只有当这些问题被清楚地提出，技术向善才不会停留在抽象口号层面，而能够转化为具体的判断原则。

从科学传播的角度看，“帮助谁”还意味着传播重心的调整。过去很多技术传播往往更重视“技术有多先进”“功能有多强大”“效率提升了多少”，这类表述当然有必要，但它们更多属于技术表层能力的展示。进入人工智能时代以后，仅有这种展示已经不足以支撑公众理解。科学传播需要进一步追问：这项技术为何出现，它进入的是哪些真实场景，它改善的是哪一类问题，它影响的是哪些社会主体，它带来的能力释放与结构调整意味着什么。也就是说，科学传播需要从“功能传播”进一步走向“关系传播”和“结构传播”，把技术与社会主体之间的关系讲清楚，把技术所处的制度环境和公共意义讲清楚。

“帮助谁”这一问题的提出，也有助于防止人工智能讨论落入技术神话和技术恐慌这两种极端。一方面，社会不宜把人工智能理解为无所不能的工具；另一方面，也不必把它简单理解为制造失序和焦虑的风险源。更有意义的做法是，把人工智能放回真实世界之中，看它究竟在什么条件下发挥作用，又在什么条件下需要治理和引导。科学传播在这里承担的功能是帮助公众建立一种稳定的理解框架：技术值得关注，也值得审慎对待；技术具有潜力，也具有边界；技术可以带来新的可能，也需要通过社会讨论明确它的方向。这样的传播逻辑，会使公众对人工智能的认识更加成熟，也使技术向善拥有更坚实的社会基础。

所以，“帮助谁”并不是一句修辞性的提问，而是一项面向未来的技术判断原则。它帮助我们把技术问题转化为公共问题，把能力讨论转化为责任讨论，把短期热点转化为长期方向。从这个意义上说，科学传播如果能够把“帮助谁”讲清楚，就能够把人工智能从抽象概念真正带入社会生活，也能够帮助社会在技术变革中形成更加清晰的价值坐标。

十、未来图景与长期责任

面对地球科学、空间科学、遥感系统和太空计算的发展，人工智能正在进入一个更广阔的空间，“人工智能+科学”成为新的基础性能力结构。科学传播需要建立“基础能力意识”“公共理解意识”和“长期责任意识”。

本刊编辑部：

人类社会进入了新一轮的AI技术变革，从科学发展的未来图景来看，您最希望强调哪些方向或可能性？为什么要特别强调青年在科学发现中的作用？对于科学传播而言，面对一个越来越深度嵌入人工智能的未来世界，最需要建立怎样的传播意识与责任意识？

王坚院士：

未来科学发展的重要方向，首先在于人工智能将越来越深入地进入科学发现过程，并推动“人工智能+科学”成为新的基础性能力结构。今天，人工智能已经开始进入多个科研领域，这种趋势未来还会持续深化。随着科学基础模型、专业领域模型以及更完善的科研基础设施不断发展，人工智能在科学中的角色会进一步扩展。未来科学的突破，越来越可能建立在计算、模型、数据和跨领域协同的综合能力之上。数学曾经深刻改变现代科学的展开方式，人工智能也正在展现出类似的基础性意义。它会帮助科学研究共同体处理更复杂的问题，也会推动新的研究组织方式、新的知识结构和新的合作机制逐步形成。

未来科学发展的第二个重要方向，在于计算与智能的边界将继续向地球系统和太空空间拓展。过去很长时间里，计算与智能的主要运行空间集中在地面社会之中。随着地球科学、空间科学、遥感系统和太空计算的发展，计算与人工智能正在进入一个更广阔的边界。无论是“地球智能”的形成，还是将算力和模型送入太空、推动多卫星协同和深空探测，这些探索都说明人工智能的意义已经不再局限于改善已有系统的局部效率，而是在帮助人类打开新的观察维度、形成新的基础设施并拓展新的科学前沿。未来科学的发展图景，很可能越来越表现为“更大尺度的协同”和“更深边界的探索”。

未来科学图景中还有一个十分关键的变量，就是青年与创新起点的问题。我一直非常重视“从无到0”的过程。很多时候，人们更习惯谈“从0到1”，因为那至少已经有了一个起点；但真正困难的，往往是如何找到那个还没有被命名，还没有被系统化定义的新起点。未来科学发展的活力，很大程度上会来自年青人、来自跨学科探索、来自那些愿意在不成熟条件下持续推进问题的人。其实，科学前沿的很多新方向，往往不会在一开始就显得完美，也不会立即被所有人理解。社会如果能够容纳这种不完美的探索，形成鼓励试错、支持长期投入、尊重原始创新的生态，未来科学就会拥有更深的生长空间。

就像热带雨林并不是规划出来的，创新也许并非来自细致入微的规划与执行，创新可能源于热爱，源于偶然的交流与碰撞。我发起的“2050大会”已经连续举办九届，这项活动的愿景便是为年青人搭建一个释放想象力的舞台，让对 AI、科技、未来世界感兴趣的人们，产生实质的连接，碰撞出不一样的火花。尤其在人工智能时代，年青人应该更有勇气，成为变化的创造者。“2050”代表了我们对未来的期待和想象，我永远相信并期待年青人的创造。

对科学传播而言，面对一个深度嵌入人工智能的未来，最需要建立的是“基础能力意识”“公共理解意识”和“长期责任意识”。所谓基础能力意识，是指科学传播不能只关注热点产品和表层现象，而要更多解释计算、算力、基础模型、开放资源和科研基础设施等深层结构。所谓公共理解意识，是指传播者需要帮助公众建立稳定而清晰的技术理解框架，使社会能够在复杂技术环境中形成判断，而不是仅仅在情绪和碎片化信息中被动反应。所谓长期责任意识，则意味着科学传播不能只跟随技术热点变化，而应持续思考技术将如何改变教育、科研、社会组织和文明演进，并把这种变化放到更长周期中加以解释。

因此，未来的科学传播既要面对新的技术条件，也要承担更大的公共责任。人工智能将继续改变知识生产方式，也将继续改变公众理解科学的方式。传播工作如果不能及时适应这一变化，就很难承担起连接科学与社会的功能。未来更有价值的科学传播，应当帮助社会理解前沿技术的逻辑，理解技术所处的制度与伦理环境，理解技术如何进入公共生活，最终也理解科学如何在新的历史阶段继续推动人类文明向前发展。只有在这样的框架中，科学传播才能真正与未来同频，也才能在智能时代保持自身的学术价值与公共价值。

引用格式参考

GB/T7714-2015 本刊编辑部.智能时代的科学传播、公众理解、价值认知与社会责任——本刊专访中国工程院院士、之江实验室主任、阿里云创始人王坚[J].新闻传播学刊,2026(4):3-16.

CY/T121-2015 本刊编辑部:《智能时代的科学传播、公众理解、价值认知与社会责任——本刊专访中国工程院院士、之江实验室主任、阿里云创始人王坚》,《新闻传播学刊》2026年第4期,第3-16页。

MLA 本刊编辑部."智能时代的科学传播、公众理解、价值认知与社会责任——本刊专访中国工程院院士、之江实验室主任、阿里云创始人王坚"新闻传播学刊.(4)2026:3-16.

APA 本刊编辑部.(2026).智能时代的科学传播、公众理解、价值认知与社会责任——本刊专访中国工程院院士、之江实验室主任、阿里云创始人王坚.新闻传播学刊,(4),3-16.