10月10日，2026未来科学·创想季核心重磅活动——数学与计算机科学×数字未来跨界对话在上海未来启点社区顺利举办。本场对话聚焦“从计算到洞察与创造”的下一代智能数字根基，汇聚一线科学家、产业领袖与投资机构，共同探讨开源处理器、具身智能、通用数据大模型、AI for Science、深度学习等前沿方向，为数字未来构筑坚实根基。
本次跨界对话由未来论坛、上海未来启点社区、上海星力泰克联合主办，上海国投公司、上海未来产业基金担任首席合作伙伴，交通银行上海分行作为战略合作伙伴，并获得未来启创基金大力支持。
活动伊始，上海未来产业基金总经理、上海未来启点社区理事长魏凡杰作开场致辞。他表示，上海未来产业基金成立一年半以来，在量子计算、可控核聚变、AI等前沿领域深度布局，助力上海构建前沿科技产业生态。
同时，上海未来启点社区通过与投资机构、科研院校联动举办超百场活动，链接全球顶尖科学家、创业者与优秀人才，促进科研交流与合作。未来将探索以公益基金会模式，以更灵活的方式支持青少年科创，并依托“投资基金+人才社区+公益基金会”三位一体联动，打造创新创业新范式。
上半场主旨演讲环节，中国科学院计算技术研究所副所长、研究员，北京开源芯片研究院首席科学家包云岗，围绕《AI能力边界的三个观察：深度、随机性与可验证性》作主旨分享，并结合三个实践故事探讨AI能力边界。他认为，AI能力的深度取决于使用者知识深度；AI随机性可探索多样性，但也需通过严格流程加以约束，以保障可靠性；可验证性决定AI适用边界。在数学证明等场景中，AI证明生成效率突出，但验证正确性仍是关键瓶颈。
歌尔股份董事、首席技术官（CTO）刘耀诚立足终端产业落地视角，围绕《智见端倪——终端智能变革的进行时》作主旨分享。他指出，随着前沿AI能力持续跃迁、成本大幅下降和Agent交互范式成熟落地，AI变革正在从基础设施迈向应用与端侧智能，智能终端将融入日常生活各类场景。
当AI进入现实世界，受时延、隐私、个性化及成本等约束，仅靠云端架构无法独立承载全部任务，端侧智能需求成为必然。随着AI端侧智能持续迭代，将推动交互模式由“人找服务”转向“服务找人”，催生更多智能终端产品与产业链机会。
跨界对话一：从算力芯片到具身智能，共探产业新机遇
本场跨界对话环节由包云岗主持，刘耀诚，九万里未来科技有限公司创始人陈鹏，进迭时空创始人、总裁孙彦邦，上海未来产业基金投资部董事总经理李然参与对话交流。
包云岗围绕算力芯片、RISCV 生态、具身智能、产业投资等议题，接连抛出“开源芯片发展方向是什么？”、“中国算力的拐点会在哪里？”、“产业投资对具身智能的关注”等热点话题，并结合技术、产业、资本的视角串联互动，共同探讨算力芯片与具身智能产业的发展趋势与市场机遇。
包云岗在对话互动中表示，过去60年，计算机领域的演进规律基本按照“贝尔定律”发展的，约每十年将出现新一代低价计算机类别，如个人计算机、互联网设备、移动设备、AI。
包云岗提到，德国一位专家对中国制造的评价：中国制造已经形成了一个巨大的人工智能“神经网络”——单个“神经元”很小，但大规模聚集就会出现“智能涌现”现象。中国大量的制造业企业组合形成了一个巨大的供应链网络，产生了一种“工业智能涌现”现象，这就是中国制造的特别之处。
陈鹏认为，AI可能是人类文明史上最大的科技浪潮之一。算力芯片研发没有捷径，也不能追求单点性能最优，需要兼顾性能竞争力、软件应用性、可制造性、数据使用效率、功耗及迁移成本，打造“六边形战士”综合竞争力。而战略选择、产品竞争力、芯片质量可信度是芯片产业需要跨越的三大核心难关。
谈到具身智能芯片，他表示当前关键路径还不在于芯片，而在于整个产业的发展阶段和速度。一个产业是由场景应用、软件算法、芯片硬件三轮驱动的，这两年具身产业的资源投入、算法迭代和场景探索三方面都有了长足的发展，但也看到距离真实场景的量产突破还有一定距离，AI处理器的大规模量产能力目前不是瓶颈。同时做好期望管理，给产业发展迭代多一些时间。
孙彦邦认为，RISC-V开放架构是构建下一个全球性计算生态的战略机遇，创办进迭时空希望为全球交付一流的RISC-V架构AI CPU计算芯片和计算系统，服务具身智能、Agentic AI等新兴市场需求。
谈到具身智能的发展，孙彦邦表示具身智能机器人需要极强的CPU算力、AI算力和实时算力。使用RISC-V指令集架构统一提供以上三种融合算力，不仅可以提升机器人产品的集成度，而且还能够通过统一编程，降低软件系统开发和维护的复杂度，从而加速具身智能产业创新。
李然表示，对于芯片算力的投资逻辑，并非在技术先进性和出货能力之间二选一，而要结合企业发展阶段综合判断：早期项目更看重颠覆性技术创新，成长期企业则要兼顾出货能力与下一代技术储备，两者分阶段交叉验证。
谈及具身智能投资关注，李然指出，市场关注点正从硬件本体、灵巧手等逐步转向大脑、模型、算力芯片。随着硬件趋于同质化、成本持续下沉，能够依托通用硬件完成任务落地、实现跨本体与跨场景泛化的项目更具投资价值。
刘耀诚认为，智能终端厂商必然面对生态选择，产品定义的核心在于取舍，要围绕具体场景与实际需求做定向设计。不同需求、场景、任务会产生不同智能产品，将给产业带来丰富创新机会。
下半场主旨演讲环节，北京大学北京国际数学研究中心博雅特聘教授、北京中关村学院常务副院长董彬，围绕《AI for Mathematics：数学智能体的设计与实践》作主旨分享。他介绍了北大团队搭建形式化检索引擎、自然语言数学搜索引擎等底层基础设施，并开发了自动推理智能体及多智能体协作系统，实现多项突破：其智能体已实现自主证明并证否安德森猜想，5小时内推翻两个前沿数学猜想；在两周时间内，以较低成本完成庞加莱猜想的大规模形式化工作，生成约300万行代码。团队同时整理发布涵盖近3000个公开数学问题的数据集/网站，供行业测试与研究使用。
董彬认为，AI正在改变数学研究，将科研人员从繁重的证明工作中解放出来。数学家应主动拥抱AI，学会驾驭智能体、甄别模型幻觉，实现人与 AI 协同进化。
深势科技创始人兼首席科学家、北京科学智能研究院理事长张林峰围绕《AI时代的科学基础设施：探索与实践》作主旨分享。张林峰回顾了十年来AI赋能科学研究的发展历程。他表示，AI for Science正从单点技术突破走向科研全链路、平台化的基础设施建设。团队构建“四梁N柱”架构，整合文献专利、异构算力、自主实验室等资源，依托 AI 智能体构建可验证反馈闭环，加速释放科学价值。
他指出，AI正打破专业、理论、实验间的鸿沟，普通人也能借助智能体解决科学前沿问题。未来五年，继数学后，AI有望在理论科学、计算科学到实验科学逐步突破，关键在于构建科学形式化工具、大知识模型及智能体原生科研生态，推动出题、解题与验证的规模化。
跨界对话二：从计算到洞察——AI与科学的双向奔赴
本场跨界对话环节由上海交通大学特聘教授、人工智能学院副院长张娅主持，董彬，张林峰、魏凡杰参与对话交流。
张娅围绕数学推理、AI for Science等议题，以“AI与数学的关系是什么？”“AI for Science的成果如何转化？”等问题引导讨论，与嘉宾共同探讨数学、人工智能与科学研究如何相互促进，以及AI for Science的未来应用前景。
张娅在对话中表示，数学与AI之间形成了双向促进的关系：数学为理解和构建AI提供基础，AI也为数学探索与验证提供了新的工具。不过，AI的研究成果如何在真实物理世界中得到验证并走向应用，仍面临不少挑战。她认为，未来AI可能像数学一样，成为每个人从小就开始学习的基础内容。同时，AI能力的持续提升也离不开良好的数据生态，需要推动高质量数据的积累与开放共享。
谈及AI与数学的关系，董彬认为，现阶段 AI 擅长知识储备与推理，但提出具备高价值、有意义的数学猜想与问题仍是人类数学家的核心优势。即便 OpenAI 公布大量数学证明结果，也仍存在不少错误，而数学家可提供高价值评测基准、长链条推理数据和训练环境，反哺AI推理能力。
对于数学成果产业转化，董彬强调，数学不是“美而无用”，而是理解世界、改造世界的基础，并在教育层面发挥着重要作用。
谈到AI能否实现真正的自主发现科学规律，张林峰表示，对于一部分科学问题，AI可以在高通量、可反馈验证的工程任务框架下实现科学发现；但真正原创的科学猜想、具备科学价值的好问题，仍然离不开人类的价值判断与共识，AI距离完全自主发现科学规律尚有距离。
他谈到，AI 技术迭代速度飞快，过去依靠人类灵感完成的算法创新，如今很多已经可以由 AI 快速实现。科学既可以反哺 AI 能力成长，同时 AI 科研平台也重塑科研产业转化链路，推动科研成果实现非线性产业落地。他打比方形容，AI 浪潮如同水位上涨，很多传统科研范式被改变，行业需要跳出旧有工具思维，共同建设 AI 原生科研体系，同时重视开放共享的科研生态建设。
魏凡杰表示，从资本与生态的角度来看，AI for Science 已经成为科学原始创新的主战场。AI与科学、基础研究与初创科技企业都在相向而行,AI的发展仍需要数据、验证等生态助力，把科学问题转化为 AI 可处理、可验证的任务。这些对于产业投资来讲，是非常好的投资机会。
谈到AI for Science的科学转化，魏凡杰结合上海未来启点社区实践谈到，科学转化需要跨界合作，通过链接不同学科、科学家、创业者与投资人产生联动，产生良好的“化学反应”，助力前沿技术落地。
作为2026未来科学·创想季系列专场活动的收官之站，「数学与计算机科学×数字未来」跨界对话充分展现了数学、算力芯片、人工智能等数字技术交叉融合的巨大潜力，为智能体、AI for Science等未来产业的技术迭代与商业化落地路径给予更多启示。