·（现在的大学）只有通过系统性变革，才能不断提高高质量研究的成功率。每个教授在科研上不能被学科所限制，要有一定的自由权和判断权。过去我们的教育体系总是偏爱最优秀的人，也许有一天，这种情况会改变，你不一定非得最好的大学，才能接受良好的教育。

一

2023年，我正式担任香港城市大学（港城大）校长至今，我深切地感受到人工智能科技发展的速度非常快。

2010到2020年间，当时正处于大数据时代，人们认为“数据就是财富”。如果说大数据是新型能源，我认为现在的人工智能技术（AI）则远远超过了这一层面，AI的赋能远远超过以往的计算能力，它不只是“更快”而已，而是以一种颠覆性的方式带来了全新的可能。

当计算机工程（computer engineering）、计算机科学（computer science）、技术生态系统（ecosystem）和大数据（big data）汇聚到一起时，技术发展的临界点已经到来。更重要的是，技术变革的时代，人工智能（AI）起到主导的作用，而并非仅仅是辅助作用。

一个最有代表性的例子：在2024年，诺贝尔物理学奖和化学奖中，确实有部分成果与人工智能相关，而且是应用于医学的领域，更引人注意的是，这些获奖者有部分科学家并非来自传统的大学或研究机构，而是来自企业，譬如谷歌旗下的DeepMind公司。

这个细节其实非常值得关注，也值得深入探讨。即当下的大学面临一场系统性的变革，但有趣的是，大学的发展并没有赶上技术发展的速度，技术发展得太快，但大学还没有跟上。

过去，我们对科研学术（scholarship）的理解，认为需要有足够的时间去思考、沉淀，学术研究成果本应该是一个缓慢而沉稳的过程，可能耗时十年、五十年，最终才见成果。但现在，技术的发展已经进入光速的时代，很多技术五个月就能做出来，悠闲的学术环境已经很难保持。

以美国硅谷为例，是什么造就了硅谷这样的科技生态环境？硅谷之所以形成，很大程度上得益于威廉·肖克利（William Shockley），这位集成电路芯片的发明人之一，因为厌倦了美国东海岸的生活，所以搬到西海岸创办公司，而斯坦福大学刚好就在那儿，顺势积极参与其中。

在硅谷模式里，大学的角色负责吸引顶尖人才，顶尖人才能够催生初创企业，随后吸引大型企业进入，最终形成科技创新的良性循环，硅谷也成了半导体产业的象征。

硅谷模式也给我带来不少启发，我在新加坡做了36年的教授，有一半以上的时间担任领导职务，也做基础研究，同时也非常积极地推动创新创业，所以很了解其中的实际情况。

我们经常说，要推动科研成果的转化，这背后涉及系统性的挑战，并不仅仅是简单几个环节的事。我这次来杭州观察到，这座城市的科技创新生态系统已经非常成熟。为什么杭州能取得成功？因为他们跑得更快，就这么简单，这并不是“有没有钱”的问题。

杭州政府干预相对较少，行政审批也更加高效便捷，这种环境，自然而然就会吸引人才。

在我看来，让科技创新速度跑得快，提高行政效率和服务意识是非常重要的，甚至可以说，行政服务的效率和响应速度起到了决定性作用。

二

传统教育模式里，大学办事讲究很多规矩，不可以这样做、那样做，这样就跑得慢。

现在办大学，不再只是拼资金，或是名气有多大，而是拼行政机制是否高效、有没有服务性意识，如果行政机制做得好，科研人才自然愿意留下来，自然而然，更多国际性人才也会愿意加入。英语有句话是“Don’t just do things right,but do the right things。”（不要只是把事情做对，而是要做对的事情）

什么是对的事情？ 大学如何做得好？人才愿意来、有人来，还能带人才来，就这么简单。

我来到港城大后，我并不把自己当作校长管理者角色，而是服务者，我最喜欢用的一句话是“Approve”（同意）。

我经常对我的行政人员说，“你在这里，不是管理，不可以很威风地说不可以。你可以说‘我建议这样做’。”这样就变成服务了。

对于顶尖的科研人才来说，他们看重的是研究的自由度和创业的自由度。跑得快对他们来说是有益处的。有些人才是非常强的科研人才，我会告诉他们，“你继续做研究，不需要事事都亲力亲为，其他事情让我来帮你做。”我要想办法让这些人才信任我，这非常关键。

近期，我们港城大有一个年轻的副教授（Associate Professor)连跳两级，担当了讲座教授（Chair Professor）。我之所以让他连跳两级，是因为我想给年轻的科研工作者传达出一种信号，即“如果你做得足够好，你不必等。”如果一个年轻的科研工作者明知道自己再努力，但只能得到极小的职位晋升机会，他还会有多少动力呢？所以，对于年轻的科研工作者来说，时间、资历或年限并不是唯一标准。

我希望顶尖的科研人才来到这里能够在三年时间内从“好”变“非常好”，再用三年的时间变成“卓越”。这不仅是我的期望，更是我作为港城大校长的使命，只有通过系统性的变革，才能不断提高教授做出高质量研究的成功率。英文有一句话叫 increase the batting average（提高击球率），我希望每位教授都能做出有分量的成果。

顶尖科研人才进入高校，这只是一个开始。这一年多时间，我不光到处找顶尖的科研人才，我也花了很多时间物色合适的行政人才。没有现成的行政人才，我会培养年轻的行政人员，给他们机会锻炼。但如果有些岗位的人不合适，我就直接换人。我在学校也特别和各个学院的院长强调，“你有一个重要使命，就是引进人才，人才的成功是你的成功，他们的失败就是你的失败”。

三

现在我们虽然强调基础研究很重要，但更应该鼓励基础研究能尽快产出成果，然后申请专利。如果一个科学家做出了科学成果，但在晋升、激励机制上没有获得支持，是不会持续投入的，这是非常现实的问题。

2024年12月，我们与深圳市政府合作建设的“国家知识产权运营（深圳河套）国际转化试点平台”正式开始运营，一旦转化成功，大家就会明白，这条路径是可行的。现在已经有越来越多的技术成功转化并落地到企业，这正是因为大家看到了实实在在的成果。

中国虽然不是最早提出创新生态这个概念的国家，但今天，我们已经比过去好很多了。比如在杭州、深圳、苏州，科技创新发展得很快，这也得益于当地实质性地给予资源，再加上人的推动。这在欧洲就非常难。

现在内地大学也开始谈融合教育（即跨领域、交叉学科），我觉得传统的教学思维必须改变，过往传统学科设置文科理科分得很清晰，交叉不多，这不仅是内地大学的问题，很多大学在结构上也是如此，非常强调学科边界，比如某个领域就是某个领域，两者之间隔着一条马路，永远不交叉。

但我现在推行的学校实验室更象是一个“横向高速通道”（Superhighway Horizontal）。非常开放、流动性很强。每个教授虽然归属于个别学院，但在科研上不能被学科限制。在这个环境里，院长不能说“我不批准，你就不能做”，每位教授都有一定的自由权和判断权。

现在还会有人对AI表示担忧，认为可以用它来写论文、作弊，影响学习过程等。但教育的核心其实并不是考试，教育的本质是学习。我为什么要在意他所学的知识是被人类教师教出来的，还是被AI教出来的或是他自己学的？

我喜欢人工智能的地方在于，它是公平的。如果你够聪明，你就能学得更好，它能让每个人的水平一起提高。过去我们的教育体系总是偏爱最优秀的人，忽视了那些相对较差的人。也许有一天，这种情况会改变，你不一定非得在最好的大学，才能接受良好的教育。

正是因为这种新的范式变化，我们应该完全拥抱AI。现在在港城大，我们已在日常的学习中引入AI程序，这个项目的核心是为学生打造一个「AI个人导师」，这位AI导师会非常有耐心，而且几乎全天候在线。

我并不是一个会在意过去的荣誉和头衔的人，如果让我用一句话来谈起我的科学观，那就是“Why not? We can do it”（为什么不能？我可以做到）

很多人很惊讶地问我，都这个年龄了，为什么还要跑到香港来？我只看前方的路，不会往回看来时的路。