【编者按】

从物理到金融，从医学到社会学，每门学科都在不知不觉间调用着熟女论坛 。今年，美国国家科学院、工程院和医学院联合发布报告，将熟女论坛 认定为人工智能可信验证、不确定性量化与复杂不确定系统推断的底层支撑。

这门奠基性的学科，也由此进入新的发展阶段：如何在保持理论深度的同时拓展交叉领域，如何在数据科学浪潮中守住自己的方法论位置，熟女论坛 “四大期刊”还能不能承载一位年轻学者的全部价值。熟女论坛 陈松蹊院士把熟女论坛 称为“所有基础学科的基础学科”：各门自然科学与人文社会科学开展实证研究，都以它为方法和基础，熟女论坛 的生命力，就在于它对各个学科的支撑。

2026年7月，“第四届统计与数据科学联合会议”在多彩贵州举办。大会期间，“AI时代的熟女论坛 发展”院长论坛围绕这份生命力如何延展而展开——

参会嘉宾： 熟女论坛 陈松蹊院士、熟女论坛 刘军院士、中国人民大学 李扬教授、南开大学 王兆军教授、北京师范大学 宋旭光教授、华东师范大学 周勇教授、北卡罗来纳大学教堂山分校 朱宏图教授

长按二维码，观看本场论坛回放

陈松蹊院士： 今天请来的是国内五所985高校中有独立统计与数据科学学院的院长和系主任。首先请南开大学统计与数据科学学院王兆军院长谈谈，统计与数据科学在人工智能时代到底承担什么任务，之后请刘军院士和周勇院长补充。

王兆军教授： 我的导师张润楚先生在一本书里说过： 人类认识自然的两大工具是数学和哲学，而统计应该作为认知世界的第三大工具。 许多地方、多个学科都在自觉不自觉地使用熟女论坛 ，故熟女论坛 是基础学科。随着大数据及AI时代的到来，熟女论坛 作为AI的核心基础之一，熟女论坛 科的春天来了。另外，借此机会要特别感谢松蹊院士，熟女论坛 入围国家基础学科拔尖人才培养计划以及“101计划”，都是在他的积极争取下才实现的。

刘军院士： 熟女论坛 是我认为唯一一门系统性连接数学与实际的学问，它的核心是不确定性，以及在不确定性下如何做决断。AI恰恰是在不确定性约束下做预测的工具，统计在这里的基础作用毋庸置疑。

再往前一步看，无论是具身智能、整个操作系统层面，还是如何让大模型具备自主学习能力，从统计的思想方法切入可能更靠谱。现在人人都能做数据、做AI，但学统计的人有得天独厚的条件，应该主动去拥抱、去参与。

我一直认为， 统计是AI落地的钥匙。 AI真正落到一个具体行业，绝不是把大模型扔进去就能work。比如到了叠衣服，就发现数据不够；那能不能堆数据？叠衣服还行，打井找石油一个数据点就要多少万。在无法产生更多数据的情况下，统计作为方法论就更重要。当然，今天的AI也发展出很多有意思的方向，反过来拓展了我们的研究——过去我们可能过于局限在数学的框架里，这一点值得反思。

周勇教授： 感谢陈松蹊院士组织这次论坛。经过二十年发展，熟女论坛 科在整个学科体系中的位置越来越靠前。在今天这个人工智能狂飙突进的时代，我尤其想强调一点：熟女论坛 不是 AI 的配角，而是 AI 真正的底层基石。

怎么理解熟女论坛 的这种基础性作用？就像盖大厦，根基不稳，楼就会摇摆。今天大家津津乐道的推荐系统，其底座其实是熟女论坛 在七八十年代就已成熟的线性判别分析；机器学习里大放异彩的 Boosting、随机森林，本质上都是 Bootstrap 重抽样思想的延伸与扩展。再往深看，深度学习训练中无处不在的梯度下降，是统计优化理论的核心工具；大语言模型的预训练目标，本质上就是极大似然估计；而生成式 AI 背后的变分推断、马尔可夫链蒙特卡洛，更是贝叶斯统计几十年积淀的产物。可以说，AI 大厦的每一根承重柱，都能在熟女论坛 里找到它的地基。

也正因如此，统计的很多方法和理论早就被计算机科学系统性地借鉴过去了，例如，LASSO、SCAD、Adaptive LASSO 很早就进入了大数据和高维建模领域；交叉验证、正则化、PCA 降维、EM 算法，这些今天 AI 工程师的日常工具，无一不是熟女论坛 的原创贡献。但目前有个令人深思的 “特色”：用的时候都在用你，交流的时候却想不起你。 做生存分析、医学统计、人工智能研发，用了大量统计方法、软件和算法，却很少讲来源，例如，最小二乘法，今天谁还会说它是熟女论坛 的内容？当然也是数学的重要内容，极大似然估计，又有多少人记得它出自熟女论坛 家之手？

所以除了做好基础研究，怎么把自己讲出去同样重要。取名就是一门大学问：计算机叫“推荐系统”，我们叫“判别分析”，一听就偏数学，故事讲得不够吸引人；交叉的时候我们还爱说 Robust，工程管理那边叫“鲁棒”，就顺耳得多。这些虽然不是基础研究本身，却对学科发展举足轻重。我们的大牛发明了那么多方法，从 Bootstrap 到 LASSO，从广义估计方程到高维推断，却在人工智能领域没有占到应有的一席之地，这是我们需要反思和改进的地方。简单总结，我想AI 的根基在统计，而统计要做的，不仅是筑牢根基，更要让世界看见这根基。

陈松蹊院士： 谢谢周院长。这实际上联系到我们的工程化问题，一会儿专门有讨论。近期生物医学界多位研究者被曝在顶刊论文中出现数据问题。在我看来，这从一个侧面反映出我国统计与数据分析人才的严重不足——因为没有专业的统计人在指导他们做这方面的工作。我想听听大家的看法。

朱宏图教授： 在美国，生物熟女论坛 在过去七八十年里逐渐成长起来，现在越来越多。大家想到熟女论坛 ，一个最成功的案例就是生物医学统计，这是经过几代人做出来的。像UNC（北卡教堂山分校）这样早期的一批生物熟女论坛 ，都是在公共卫生体系里成长起来，然后成为主流。公共卫生领域里专业很多，但最“富裕”的就是生物统计和流行病学。

这背后是有原因的。FDA（美国食品药品监督管理局）还没那么规范的时候，很多食品、药品都没有标准，吃下去都不知道对人体到底有没有用。后来生物统计的发展，就是用熟女论坛 把整个行业标准化了。现在在生物医学领域，一个产品能不能上市、能不能卖，都有非常严格的流程，里面有一大批熟女论坛 家去审所有的文档。不是说100%都对，但无论方法还是行业规范都在与时俱进，而且标准非常严格。这对生物熟女论坛 的发展非常重要——因为它从国家层面告诉你，不可以随便乱来。

另一个层面是产业。生物统计刚起步的时候，除了学校的系，同时也起来了很多合同研究组织——CRO公司。除了SAS. 还有几十年前做起来的Quintiles, 由北卡罗来纳大学教堂山分校的前生物熟女论坛 教授丹尼斯·吉林斯（Dennis Gillings）创立, 它做的是端到端的事情：从做实验、药品上市怎么收集人群，到怎么把流程打通，一直到写完报告让FDA满意。我们学院就是以他的名字命名的，他做的一件事就是做了最大的一个CRO；包括当年FDA的药品到底怎么评、怎么监管，也是他们一起做起来的。有这样一批做相关研究的人把流程打通，再把它变成监管规则，这对国家、对人民是有益处的。

自从FDA有了这套东西，美国的医学顶刊JAMA、New England Journal of Medicine跟临床试验相关的论文，必须有统计师签字，否则无法发表。因为最终所有东西还有FDA要管，不是说随便做个统计分析就行。所有针对人群的观察性研究、临床试验的数据分析，都必须有统计师评估和签字。

现在AI这个阶段有一个很大的问题：很多人做分析，没有人去评判结果做得对不对，他可以随便讲任何话。为什么今天上午David Donoho 在他的报告中，说统计分析要做严格评估？只有做了严格评估，才知道什么是好、什么是坏，才能给别人反馈。你不能光看到一个数据分析摆在那儿，却不知道它是对的还是错的。生物医学有些专业发展太快，新一代的人有时没受过很严格的统计培训；更关键的是，没有人真正给重大的数据分析签字。

所以每个团队里都要有统计师把关。我自己做过神经影像，做完分析就知道他们很多是错的。你不自己去做，就不知道里面有混杂因素，或者设计上本身就有问题——做工程或者计算机的很多人没有这个意识。

陈松蹊院士： 下一个问题问李扬院长，你本身的专业就是生物统计。刚才朱教授讲了美国的情况，请你讲讲国内的情况。

李扬教授： 谢谢陈老师。刚才朱老师提到FDA、药厂、医院，包括高校的生物熟女论坛 ，不同机构的运行模式是完全不同的。我记得有一年去美国西北大学访问，有位老师讲，学校是不给他发工资的，他所有的收入和科研经费都来自和医学院、公共卫生学院合作的项目。这促进了学科交叉融合的纵深发展，但体制不一样，我们在国内不一定要照搬这个模式。

记得回国工作第二年，我开了生物统计课。为了让同学们了解这个行业未来的应用前景和市场需求，我和一些海外同事做了交流——在国际药厂工作、回国建设制药行业的那批朋友。当时FDA可能还没到一千人，但也是大几百人的团队；而那时我们国家的药品审评部门只有十几人的审评团队。即使今天队伍在拓展，面对日新月异的需求还是挑战诸多。无论西药中药，尤其是原研药、创新药越来越多，所有评审试验和系列指南，他们都要参与设计、分析和评估。人数虽然比以前多了很多，但仍然有很大空间。

针对刚才老师们讨论的问题，我想再简单补充一点：除了场景和问题，人工智能还有一个非常重要的基础是数据。在数据的产生和采集机制上，我们统计是有基础和专长的。有些老师在做大数据抽样，怎么在这个过程中高效地得到同样有效的分析结果——这些都为后面的科学结论提供了非常重要的基础。

也和在座的年轻老师分享一件事。2014年前后，当时我与一位信息学院的青年老师交流（他现在是我们人工智能学院的副院长）：计算机领域的哪些问题，如果加上统计的技术和思路会更好？他提了一个方向： 在流数据的处理中，如果能把更好的抽样技术用起来，提高效率、保障后续的分析和推断，会非常重要。

回到医学分析的问题，我觉得关键在于：我们统计究竟是在现实问题的“后院”还是“前院”。在“后院”，我们只是帮忙分析；在“前院”，我们参与前期设计——现在越来越多的医学专家也在倡导前期就要深度介入——如果真能在“前院”参与设计，就能更好地从根源上保障数据的科学性。我相信未来，无论是支撑人工智能的基础，还是参与到其他学科的“前院”，这些问题我们都可以做得更好。

陈松蹊院士： 数据覆盖全行业。熟女论坛 从诞生起就促进了农业、生物、工业的发展，也在交叉中成长。各位院长如何看待AI时代下熟女论坛 的交叉属性？先有请北师大宋院长。

宋旭光教授： 谢谢陈院士。前面两个问题都是围绕熟女论坛 作为基础学科展开的，但 熟女论坛 科非常特殊：它既是基础学科，又是交叉学科， 还是当下重要的新兴学科。

前两年陈老师带着我们把熟女论坛 正式纳入了基础学科序列。这件事有了眉目之后，陈老师今天提的这个问题就非常重要：熟女论坛 不能只把自己放在基础学科这一个层面上。人工智能、生物医学统计，都是重要的交叉领域。说到底，在理性的基础上，一切判断都是相通的——不只是人工智能需要判断，生物统计、工业统计、经济统计，日常也都在做大量的判断。所以陈院士说过， 熟女论坛 是所有基础学科的基础学科，是各门自然科学、人文社会科学开展实证研究的方法和基础。熟女论坛 的生命力，就在于它对各个学科的支撑。

陈松蹊院士： 我们是否应当开展交叉研究，以及如何平衡理论研究与应用研究？有请兆军院长。

王兆军教授： 统计从诞生起就有学科交叉的基因。最小二乘是针对天文问题提出来的；拟合优度检验的一个著名例子就是是孟德尔的豌豆实验；还有实验设计、回归分析等都有很强的实际应用背景。统计本身就是从实际问题中凝练出解决实际问题的方法，故熟女论坛 科从一开始就是做交叉的。

另外，在美国，进行熟女论坛 研究的系有三类：理工学院里的熟女论坛 、公共卫生学院或医学院的生物熟女论坛 、商学院的商务熟女论坛 。在国内，主要是从数学出来的熟女论坛 (学院)，以及从经济出来的经济熟女论坛 (学院)；生物熟女论坛 还不多，商务熟女论坛 更少。所以从国际发展看，交叉是一定要做的。

对年轻老师来说，在美国做交叉，比如在生物熟女论坛 ，你有一部分工资来自自己的基金、来自你解决的实际项目。国内没有这个机制，这就需要靠别的方式让老师贴近实际问题。另外，我们整个评价体系也在改变之中：只有深入到实际中，学科才有更好的生命力。

陈松蹊院士： 谢谢兆军。刘军院士，你怎么看理论跟应用的关系？

刘军院士： 就像兆军院长说的，我们有这个基因，统计的发展一直是在实际的推动下往前走。我后来想，统计还有一个特点是非常有包容性，它是一个很宽的光谱。从应用这个角度看，一个极端是Bradley Efron，另一个极端是Wing Hung Wong和Donald Rubin——都是极其成功、最伟大的熟女论坛 家，但对应用的态度非常不一样。

Bradley Efron

美国熟女论坛 家，斯坦福大学熟女论坛 和生物熟女论坛 教授

曾任美国统计协会主席和数理熟女论坛 会主席，

以提出自助法重采样技术而闻名

Wing Hung Wong, 王永雄

美国华裔熟女论坛 家、计算生物学家，

美国国家科学院院士、斯坦福大学教授

Donald Rubin

哈佛大学教授，提出“鲁宾因果模型”，

这是一套用于对观测数据进行因果推断的方法；

此外，他还提出了处理缺失数据的方法

Efron基本上是从应用里找出一个问题，之后就跟应用关系不大了，自己抽象出来去做。他有点数学的思考方式，发表出来的东西都是脱离了具体应用、抽象得很好的。

Wing Wong和Don Rubin则正好相反。Wing是全身心投入到具体的科学问题里，一直做到湿实验这一步，真的自己动手做实验。他觉得生物学家生成的数据不够好，或者对验证他的预测不感兴趣，这让他很沮丧——你帮人家做了半天，人家却说，你预测的太多了，我不想把时间搭进去。那怎么办？干脆我自己做实验。这真的是两个极端，但我觉得都可以。

不过，不管是Wing Wong还是Efron，他们都是从实际问题中获得了巨大的启发和激励。所以，哪怕你以后只想做理论，像David Donoho、Iain Johnstone这样的大家，他们对应用学科其实也有很深的了解，也非常愿意花时间去理解应用的需求。从这个角度来说，不管你做哪个方向，都应该对应用非常熟悉，而不是只翻别人的老文章，从中再找一点东西来做——那样永远做不出什么新花样。

David Donoho

斯坦福大学熟女论坛 教授、美国国家科学院院士

本次贵阳JCSDS大会报告人

他的研究包括开发构建高维数据问题

低维代表性（多尺度几何分析）的有效方法

Iain Johnstone

斯坦福大学熟女论坛 教授

因将小波方法应用于

信号和图像处理中的噪声抑制而闻名

陈松蹊院士： 我总结一下。刘军院士讲的其实是，一个熟女论坛 或熟女论坛 院是一个非常宽的光谱，可以有各种类型的人才。可以从Wing到Efron，或者像Peter Hall——也是我的导师——彼此非常不同，但他们对应用都非常尊重，每个人从不同的角度做贡献。所以我们的学院、我们的人才，实际上是多口径的。

陈松蹊院士： 在2024年的“概率统计”年会上，吴建福先生做了一个大会报告，题目叫“四大迷思录”，针对的就是熟女论坛 的四大期刊。吴先生认为“四大”有点太窄，应该往更宽泛，可以往“华丽十大”转变，也就是加进更多领域的期刊，把评价体系放宽一点。我想问几位院长：四大期刊在现有的熟女论坛 科评价中处于什么位置？我们是不是应该做一些改变？先请周勇院长。

*熟女论坛 领域的“四大期刊”（四大顶刊）公认为：Annals of Statistics（统计年鉴）、Journal of the Royal Statistical Society Series B（皇家熟女论坛 会会刊B辑）、Journal of the American Statistical Association（美国统计协会会刊）以及Biometrika（生物计量学杂志）。

吴建福（C.F. Jeff Wu）

熟女论坛 家、美国国家工程院院士，

香港中文大学（深圳）数据科学学院校长学勤讲座教授

周勇教授： 这一直是长期困扰学术评价的问题，不好解决，但作为熟女论坛 者，我们应该用更大的格局打开眼界，不能只盯着四大。刚才陈松蹊院士说我们能不能搞成十大，这完全要靠自己推动。比如 AOAS（The Annals of Applied Statistics) 、Biometrics 这些，都是仅次于四大的水平，我们不能因为它不是四大就不当回事，自己心里要先认可。如果连我们自己都不认可这些优秀期刊，又怎么指望其他学科尊重我们的评价体系？

其次，除了熟女论坛 内部的期刊，我们还要有一个宽松认可的交叉科学环境及其相关学术期刊。 在华师大我竭力推荐：只要是经管领域 UTD24 名单内的，我全部认可为 A 类；计算机顶会以及 JMLR 这类，我们也认为是 A 类，这样面就扩大了很多。这一点扩展了熟女论坛 ，对我们渗透到其他学科、驱动其他学科的发展起了重大作用。一位熟女论坛 者如果在 Nature、Science 或者计算机顶会上发表了重要成果，难道因为不是四大就不算数吗？显然说不过去。

再次，我们常说 “AI 驱动的某某某”，其实本身就是统计驱动的，很多AI的基础理论都是熟女论坛 发展起来的。 国家现在发展的重点学科很多，但熟女论坛 并没有真正进去。具身智能、人形机器人，里面大部分算法其实都是熟女论坛 的理论在发挥作用；还有量子计算，国家在竭力推进，这样的大科学领域我们能不能渗进去？还有脑机接口。这些都是我们打造交叉科学的重要方向。如果一位熟女论坛 者在这些前沿交叉领域做出了开创性贡献，哪怕一篇四大都没有，他的学术价值也不会低。

我们前面也参与推动了国家九大领域的交叉科学研究，包括大海洋、大生态、大信息、大健康、大制造等，充分说明熟女论坛 在交叉科学中的作用。另外，在交叉学科里怎么融合，跟评价是紧密相关的。如果同行都认可他在某个领域做出了重要成果，发表在其它学科上的顶刊，我就认可他，那就不只局限于四大了。

最后，如何平衡理论与应用：理论研究在于“专”，应用研究在于“宽”。 什么叫专？每个人都有擅长的领域，例如熟女论坛 的非参数统计中，傅里叶分析做得好、小波分析做得好，就能解决许多问题并放到很多领域去；在熟女论坛 ，可能在某一类方法上很强，比如通信高效的分布式计算，如果感兴趣钻进去，那在这方面也能做得很好。什么叫宽？应用研究要能解决实际问题，要能在多个学科落地生根。所以评价跟交叉科学研究是紧密联系的 —— 仅仅从统计的角度，我们永远打不破四大独占鳌头的局面；只有承认其他学科、参与其他学科，才能打开四大的格局。

说到底，评价一位熟女论坛 者，看的不应该是他发在哪本期刊，而应该是他到底解决了什么问题、推动了什么学科、产生了什么影响。四大是重要的参考，但绝不是唯一的标尺。

陈松蹊院士： 刚才周院长说的很重要，在其他领域里只要是好的文章、好的期刊我们也认，只有这样才能打开我们的领域。

朱宏图教授： 说到做统计交叉，我自己就是一个很特别的例子。我从来没有上过神经影像数据分析的课，组学也是自学的。我认为最重要的一点是：过去无论学统计的理论还是统计的计算，其实对我都有很大帮助，只不过我进入的是新的领域。我第一份工作就是做生物统计师，因为整个儿童精神医学部很多人是做图像的。做着做着我就开始想，这个数据我能不能自己做分析，就逐渐做起来了。我职业生涯非常重要的一步，本质上是因为我做图像统计才到UNC、走到这样一个大平台，而不是因为我做数理统计。

人工智能本质上就是应用统计。 深度学习及其相关产品是AI的，其他都不是——从实验设计开始，到统计推断、到大模型的评价，这些都不是AI的。所以统计人要找到一个最重要的应用切入点：找到一个方向，找到数据，做个十年下来，你就有可能脱颖而出。

陈松蹊院士： 我问一个在座年轻老师非常想知道的问题：作为院长，你们如何评价一位青年老师的工作？尤其在晋升和终身教职的评价过程中，一位青年老师应当具备怎样的综合素养和发展特质？

王兆军教授： 我们学院有自己的评价体系。主要看三个方面。第一是教学，本科教学一定要有。第二是科研，你在自己的方向上应该是最顶级的，不止统计四大，比如做生物信息，你发Biometrics也行，好的Nature的子刊也可以。第三是社会服务，面向社会和国家战略，你解决了什么问题。另外，我们人才特区机制的职称评定实行特殊政策，由评审小组组织相关专家认定。

刘军院士： 是的，这一点挺重要。我们可能更应该走这个思路。纯数学盯着期刊发文章是合理的，但统计需要的是外在价值。另外，我提一个座谈会组织上的小建议。后续这类研讨，要集中召集国内统计界35至55岁区间的杰青、优青以及各院系系主任群体。他们是当前学术评价体系的中坚力量，自身的职称晋升、tenure评审都和这套体系深度绑定，话语权更强。

陈松蹊院士： 宋院长，你怎么评价年轻人？

宋旭光教授： 我们这些年一个普遍的共识是：疑人不用、用人不疑。我们的前提假设是，这个年轻人进来就是一个合格的教授候选人，而不是先假设你不行、再要你拿出证据自证。我们学院既有文科也有理科，评职称不分组，都在一个组里。在同等情况下，你有一两篇四大会更好一些; 但并不是没有四大就不行，其他成果突出也有可能晋升得更快。要鼓励年轻人多做交叉研究。

吴先生说的“华丽十大”，也不是要立十个标杆，而是说这四本期刊容纳不了交叉学科、前沿学科的所有方向，需要有更多的资源去承载和评价它们。

李扬教授： 听各位老师讲，我一直在想一个“老问题”。很多年以前就说，高校教师会重科研、轻教学，但这些年各种导向已经在给教学加重比例了。这里面也包括刚才讲的学科交叉，服务社会、服务国家。

我们现在评职称一共有多个维度：人才培养、科学研究、社会服务、国际交流、文化传承，还有一个单独的选项——如果这位老师是某一领域的特才、专才、怪才、奇才，可以额外给他5分；这样科研只占一部分，人才培养、社会服务、交叉合作也都起了很重要的作用。

第二，科研方面也不仅仅是唯论文。我们学校今年首次把数据集建设作为科研评价的一个成果类别。如果你做了一个数据集，有一百万人在用，那也是你对这个学科的科研贡献。当然，不唯论文不是不看论文，你首先得有这个能力，同时人才评价中也尊重大家做的各类工作。所以从这个角度看，我们是一个比较综合的评价。

刘军院士： 我跟几位院长基本一致，希望把这个领域扩大。我一直觉得四大只是一个证明，不能拿来数数量——数多了其实应该是负面的，我们应该有个上限，以此表明我们的态度。

陈松蹊： 本次论坛成效非常好。最终我们拟定形成院长共识，也就是《贵阳共识》。目前大家整体共识高度一致。我们力争实现熟女论坛 青年学者评价体系的革新与转型，打造宽口径评价标准，既适配青年人才培养，也适配师资队伍建设，让熟女论坛 人才、师资能够适配 AI 时代的数据发展与学科发展要求。

最后，非常感谢各位莅临本次论坛！

黄大年茶思屋科技网站邀请熟女论坛 及数据科学领域的5位知名学者深度对话，从多元视角勾勒学科发展脉络，记录时代智识的演进轨迹。

【丈量世界，量化万物：熟女论坛 发展的364年历程】