人物 | 孙洪波院士：破局、赋能、传承

Q1

回顾您在国内深耕激光制造领域的这些年，如果有几个关键的节点或者观察曾经深刻的影响过您的认知，您认为那是什么？

我最深的体会有以下三点。第一点，个人本身的能力总是有限的，做得好一点，确确实实是因为我们一直在面向国家需求做事，国家发展的大势把我们带到了今天的地位。所以说，面向国家需求做研究非常重要，这是第一个体会。第二个体会，基础研究很重要。如果仅仅是做技术、做一般性的创新，就会面临内卷，国内卷，国际上也卷。但是如果在原理上有真正的创新，甚至在科学基础上有创新，那么面临的就不是内卷，而是无限的发展空间。在这一点上，我无论是做激光切割、用激光做光伏，还是用激光做光量子集成芯片，都是基于我们的创新技术，基本核心技术只有我们掌握，几乎没有人跟我们卷，这是第二点体会。还有一点，在科研选题的时候，最重要的一点就是要面向国家需求，退后一步，使研究本身既有基础研究的深度，同时又很容易变成国家需要的紧迫技术。

Q2

站在当下的这个时间节点，您对未来整个学科有着怎样的期待与思考？能不能请您谈谈激光制造的发展方向以及发展的极限？

据我个人体验，激光制造大体上经历了几个阶段。在我1996年刚刚到日本做博士后期间，就开始从事激光加工，那个时候超快激光制造本身还不是一个方向，做的人也几乎没有。在那个阶段，主要是在做物理，经历了将近10年。后来大家对光和物质相互作用有了深刻认识之后，开始做高性能结构和器件，这个期间刚好是我从日本回到吉林大学做了十年器件。再过十年之后，现在已经走向应用阶段，我刚好到了清华大学精密仪器系开始做装备。这个过程从物理到器件结构再到装备，基本上就是该学科本身发展的脉络，是我无意中契合的节奏。就我个人观点，最近超快激光加工迎来了井喷式的发展，未来发展空间难以想象。因为这个技术本身的能力可以辐射到多个领域，所以大家仍在探索。对于中国来讲，这个技术是实实在在的新质生产力，辐射性和带动性都非常强。

Q3

那么您认为在这个领域后续还有哪些值得继续深耕的工作？

值得深耕的工作有以下几点。第一点是在高质量光源方面，也就是飞秒激光器。我们国内产业水平跟国际相比，比如跟立陶宛、德国相比，还有差距。光源本身朝大功率、高重频或高单脉冲能量这几个方向发展都有价值。高重频对应高速扫描，高脉冲能量对应加工。只要总功率上去了，对产业发展都会有很大价值。第二点，对于中国学者来讲，在光和物质相互作用机理这个层面发力，挖掘新技术新应用，也是非常重要的。第三点是在装备制造方面。历史上我们做科学研究，跟外国人比拼是没有问题的，但是我们做装备的精密性、配套方面，跟德国、日本相比还有差距。但是在这一轮竞争当中，因为我们在从原理发现到应用的方方面面都不落后，所以只要补齐精密制造、仪器制造这个短板，我们应该有全方位胜出的可能性。

Q4

面对国内AI加光学技术的发展，您对于如何借助AI赋能光学科研抱有怎样的前瞻性构想？

不仅仅是AI赋能光学，在整个超快激光制造和AI相结合方面，我大体有两个建议。第一点是所谓的AI for Science。超快激光和物质相互作用是一个典型的非线性过程，如果用解析的办法去研究机理，这条路线最终要走通，但过程会很漫长。我们可以通过研究在不同激光条件下能产生哪些作用效果、能制备出什么结构，利用这些数据和人工智能分析的方法，尝试绕过机理研究这条路线，直接给出结果。当然有一天机理深入了，能够对结果做出解释，但AI的介入一定会加速我们对该技术的利用，它可以在初期绕过物理层，直接建立从参数到结果的映射，提供一条捷径。这就是第一点，AI可以加速整个激光制造技术的演进和发展。第二点是激光制造对AI具有反作用。目前至少在用激光制造高性能算力芯片方面，前景很广阔。电子芯片长于逻辑、尺寸小，在这些方面有优势；光芯片在带宽、功耗、并行性方面有优势。我们期待将来的算力芯片一定是光电融合的。再具体一点，一定是将CMOS工艺、硅光工艺与飞秒芯片工艺结合在一起，最终产生一种能力很强、既能做逻辑又能做线性运算，且功耗很低、带宽很宽的芯片。这种技术我们中国人应该是领先的，甚至是将来独有的。这就是超快激光能为AI领域做出的贡献。

Q: 那您认为在这个过程当中，有没有需要注意的边界？

这个边界很难讲。因为刚才说的这两件事情，只要我们投入人力，都会有显著的收获。如果进一步把AI向前推动，能力更强大了，AI的边界在哪，那就是另外一个话题了。

Q5

您对刚刚开始学术道路的研究生有什么意见或者建议？

我给大家的建议很多，但大体可以归纳为以下几点。第一点，在研究生期间，大家面临的任务不仅仅是做好几个科研课题，这实际上是对一个人一生成长的关键培训时期，因为此时失败后付出的成本是最低的。大家一定要对将来所需的能力做全方位储备，至少包括三点：要完成知识储备，要完成技能储备，要完成思维储备。思维储备就是说要勤奋、善于合作、善于管理好自己，做好这三方面储备非常重要。第二点，AI本身开启了一个全新的大学习时代。以前遇到问题需要约导师，导师有时很忙，从有疑问到获得解答反馈较长、较慢。现在至少最简单的AI工具就能回答研究生95%的问题，整个学习链条变短了。对研究生来讲，这标志着自我教育、自我提升的大学习时代已经到来。我衷心期待各位同学能够抓住这个机遇，实现快速自我提升。