应用数学的春天真的来了，机遇在哪里？| 张平文院士演讲稿

luyuanhong

应用数学的春天真的来了，机遇在哪里？| 张平文院士演讲稿


各位朋友大家下午好，我今天报告的题目是“数据科学融通应用数学”。

首先我觉得我们的数学的春天来了。为什么说数学的春天来了？

一是最近“疫情”期间我们得到一个好消息。科技部公布了首批13个国家应用数学中心名单。过去整个数学界国家级的平台加在一起，还不到十个。现在一次公布13个国家级的平台，这其实是挺难的。而且说的是首批，既然是首批，那还会有第二批、第三批。二是最近教育部说要增加数学、物理的研究生的培养。三是近期科技部、教育部、中科院和自然科学基金委联合制定了《关于加强数学科学研究工作方案》支持数学的发展。这在全世界可以说是独一无二的。

为什么国家这么重视数学呢？在这之前有三个人起了很重要的作用。一个是李克强总理。最近五年我看到李克强总理大概有四次。他每次都会问：“是不是有人现在还学数学，特别是纯数学？能不能坐冷板凳？”可见他非常关心数学的发展。一个是华为的任正非先生。他在多个谈话中都说过数学太重要了。还有一个是徐匡迪先生。他曾追问“现在人工智能在中国发展这么好，中国有多少数学家投入到人工智能的基础算法研究中?”

以上这多个方面的因素让我觉得数学的春天来了。那么，春天来了，我们的机遇在什么地方？这就是今天我的报告主要要谈的。

一、应用数学的历史与现状

要了解应用数学发展机遇，首先就得先了解它的发展历史和现状。

1.1 早期的数学

早期的数学（约18世纪之前），应用数学和基础数学是难以区分的。牛顿既是物理学家也是数学家，阿基米德是哲学家、数学家、物理学家。早期中国的数学更多成分是应用数学。用现代的眼光来说，中国人对算法其实是很擅长的。比如说几百年、上千年之前，圆周率已经能计算到那么精准。


1.2 中期的数学

那么，应用数学和基础数学是什么时候开始区分的呢？大概是18世纪到20世纪前叶。例如爱因斯坦是一个典型的物理学家，他在广义相对论用到了数学最前沿的知识——黎曼几何，但是没有人认为爱因斯坦也是数学家。所以在这个年代数学和物理就分离了。

现在数学的研究方向开始逐步细化，大体上分为两个方面：一个是基础数学，有时也称为纯数学；一个是应用数学。当然，我这里说的应用数学是包含统计的大的应用数学。基础数学包括代数、几何、分析。应用数学包括概率统计、运筹优化、计算数学、控制论等。基础数学虽然分为代数、几何、分析，但不会有一个代数系，也不会有一个几何系。应用数学就有可能。为什么会这样？因为基础数学它还是一个整体，而应用数学相对来说就没那么整体了。

接下来，我们现在来看看数学的学科特点：高度的抽象性、体系的严谨性，应用的广泛性、发展的连续性。后人完全是站在前人的基础上面的学科，大概只有数学。有很多的学科，前面人做的可能都是不对的。但数学不会出现这种情况。所以与其他学科相比，数学的学科特点也不一样。

1.3 近代的应用数学

那么，近代的应用数学到底是从什么时候开始的？我认为它的起点是二战。图灵通过密码帮助欧洲战场实现逆转，同时产生了计算机的原型。美国造核武器使用的蒙特卡罗算法到现在都特别有用。这个算法在AlphaGo里面是最重要的。所以，从世界范围来看，因为国防产生了应用数学，使得应用数学变得特别重要。其中，最最重要的是在二战阶段产生了计算机。计算机的发明可以说是应用数学的一个新起点，使得应用数学得到了蓬勃发展。

中国的应用数学什么时候产生的？大概是在1955年左右。那时候周恩来总理带领一帮科学家来做规划。其中，最重要的是“两弹一星”（核武器）。中国也是从那个时候开始建立跟数学相关的三个学科：计算技术（包含计算数学）、偏微分方程和概率统计。这是中国应用数学的起点。模型和算法永远是应用数学的核心。

1.4 应用数学的价值观

我觉得做任何一个事情，价值观特别重要。下面我们来看一看基础数学的价值观。基础数学研究考虑数学的内在逻辑，最主要的就是简洁与美。所以基础数学的价值观就是简洁与美。它的驱动力来自于人类对未知的探索和对美的追求，以及对整个数学的内在逻辑完美性的追求。

而应用数学不一样。应用数学的价值观是多元的。首先应用数学也是数学，所以它非常关注简洁与美，我称之为“理论”的部分。

同时应用数学也很关心科学意义。就是我们要运用数学去解决其他学科的问题，比如材料学的问题、工程的问题、生命科学的问题，这方面我们称之为“交叉”。这时候，它的价值观就跟这些科学的价值观是一致的，我称之为“科学的意义”。

应用数学还有很重要的一个价值观是“落地”，即经济与社会价值。这部分也是非常重要的。我举一个例子。现在全世界哪个公司最重要、最厉害？我认为是谷歌。谷歌起源于PageRank算法。这个算法从数学的眼光来说，它不属于原创，从逻辑角度来说却是原创的，即追求经济与社会价值。PageRank算法是谷歌公司的起点。

所以，我认为应用数学的价值观分为理论、交叉和落地三个不同层面，我将之称为简洁与美、科学意义、经济社会价值。

1.5 应用数学的发展驱动

那么，是什么驱动应用数学的发展？在我看来，国家需求真正驱动了应用数学的发展。首先是国防建设。全世界的应用数学的起点基本上都是跟二战有关。欧洲、美国、中国的应用数学都是如此。二三十年前，我开始使用应用数学去做一些落地的事情时，那些项目也主要来自于国防领域或者是外企。

当然，应用数学的发展还来自于企业的创新。这也是很重要的一点。但不是所有的企业都要做创新。中国的企业创新也是近些年的事。因为模仿远远要比创新要来得容易。这跟一个国家所处发展阶段密切相关。

目前中国民办企业中最具创新的应该是华为。华为任正非先生为什么说“数学特别的重要”？那是因为在华为的发展历史过程中，真正使得华为领先的因素中，数学起到很大作用。

我举两个例子。第一个是Single RAN算法。华为手机分为1G、2G、3G、4G、5G，它们基站的分布是不一样的。现在部署5G的基站时候，怎么把4G、3G的基站，甚至2G的基站利用起来，以节省开支？华为有一个算法叫Single RAN。这个算法原创于华为在俄罗斯的一个数学所，里面一个俄罗斯的数学家在这方面有一套原创的算法，使得华为部署基站时既能省钱，又能走在世界的前面。还有一个事情，那就是华为5G。5G实际上有两大来源，中国华为的5G主要来自一位土耳其的数学家阿勒坎的研究。阿勒坎发表相关文章之后，华为花了大量的精力将它买过来，变成了专利。这两件事对华为多么重要。所以，任正非先生才会这么重视数学。

简单地说国家需求分为两个层面，一个是国防建设的需要，一个是企业创新的需要。而这两个因素是驱动应用数学发展最最重要的因素。

现在我们国家的数学学科的分类还是跟我早年上大学的时候一样，分为数学与应用数学、信息与计算数学、统计学。研究生则包括基础数学、计算数学、应用数学、概率统计与运筹与控制等。

2010年的时候统计学成为一级学科，从某种角度来说，它从数学学科中分离了出去。为什么统计学要从数学分离出去？其中一个很重要的因素就是价值观。因为统计学更落地，除了有统计、数学，还有经济统计、卫生统计、生物信息、商务统计、人类经济统计等。

统计学的价值观，按照刚才我们说的追求简洁与美、追求科学意义、追求落地、追求经社会经济价值，它对简洁与美的追求的比重可能低于50%了。基于此，它与数学分了家，成为了一个独立的学科。像我们做计算数学的人，好像从来就没有这个想法。所以计算数学好像没有要离开数学单独成为一个一级学科。因为计算数学对简洁与美的追求跟数学是一致的，权重是大于0.5的。

1.6 我国应用数学现状

那么我国应用数学现状怎么样？

第一个方面，我国应用数学现在是位居世界前列。我们的应用数学在亚洲是领先的。美国和欧盟在应用数学方面的水平比我们强不少。但是中国应用数学水平跟法国、英国和德国都是可比的。我觉得这是很不容易的。举个例子说，袁亚湘院士是国际工业与应用数学联合会主席。这也代表我国在这个行业的地位，不达到一定的水平是很难做得到的。

第二个方面，我国应用数学有一个问题，就是学科非常分散。主要包括统计、计算、优化、组合，图论、偏微分方程等等。为什么应用数学这么分散？做计算的和做优化的人交流还是挺多的，但是做统计和做计算的人的话，可能交流就没那么多。

第三个方面，我国应用数学学生占比高。北京大学学应用数学（含统计）的学生约占总体数学学生的80%，其他学校则可能更高。北大开始招生时，学生学习是不分基础数学和应用数学的，但是到后面会划分，且差别很大。当然学校定位不一样，也会使得学生学不同的学科。

第四个方面，我觉得现在应用数学的培养体系非常不完善，缺乏系统的培养模式。这一点远远不如基础数学。基础数学把一个人从本科生到硕士生和博士生，进入前沿，体系相对非常完善。应用数学远不如基础数学完善，包括培养目标和教材等。当然一个原因是应用数学出现的年头短。如果从四十年代也就是二战的时候开始算，应用数学到现在是七八十年的时间。而基础数学培养人，至少有二三百年的时间。

第五个方面，应用数学发展非常不平衡。现在我们国家做应用数学的人，偏理论的偏多。做交叉的也是最近这十几年多起来。但是做落地研究的人相对来说就比较少。此外，我觉得地区差别大有变化，过去大量做应用的人集中在北京。现在在国内在一些地区做应用数学的人也越来越多了。但在西部、东北地区还是偏少。因为应用数学是由国家需求驱动的，它跟当地的经济、社会的发展状况密切相关。还有一个就是原创成果少，要说现在应用数学里追求最突出的成果，我们可能还是会提到冯康先生的有限元新算法。近年，真正原创并在世界有极大影响的成果，还是偏少。

luyuanhong

二、数据科学

对应用数学有一定了解后，我们来看看数据科学是怎么产生的？它有一些什么样的特点？现在如果要问哪个学科或哪个技术跟人类社会密切相关，在我看起来就是信息技术。新一代信息技术包括5G、物联网、大数据、云计算、人工智能、区块链等，都跟我们的生活密切相关。

在新一代信息技术中，数学的作用越来越重要。第一个原因在于，摩尔定理接近极限。过去计算机单个芯片发展速度很快，相关设施的价格也越来越便宜。但是到了现在，它基本快到了极限，而新的量子计算机什么时候能产生还未知。这时候以数学为基础的算法和软件会越来越重要。

所以说为什么数学越来越重要，我想有两个原因。一个原因就是我国的社会经济发展，到了现在的阶段，需要原创，数学需要原创。第二个原因，就是信息技术发展到现在，大数据和人工智能，大家都认为它们的基础是数学，使得数学的作用越来越大。数学的春天怎么来的？还是需要把它想清楚。


2.1 什么是数据科学

那么，什么是数据科学？它是如何产生的？可以说新一代信息技术催生了数据科学。现在大量摄像头、传感器和手机，并产生了大量的数据。计算能力得到了极大的提高，数据传输、处理、计算、分析变得比过去要容易。此外，随着数字经济的发展，数学在经济数字具有的价值越来越高。这几个角度都催生了数据科学。

那么数据科学到底是谁的领地？很多人都觉得数据科学是自己的领地。举个例子说，统计学的历史有几百年了，统计最早的研究对象是数据，但那时数据量没那么大，所以统计自然地认为数据科学就他们的领地。

而做统计以外研究的人，比如做机器学习、人工智能研究的人，他们也会认为数据科学是他们的领地。如果从效果角度看，我觉得机器学习的算法应该在处理数据方面，更容易体现它的价值。我们这些做计算、做优化的人、坚守应用数学阵地的人从某些角度来说，也会认为数据科学是我们的一个领地。

其实我觉得要争论数据科学到底是谁的领地是没有意义的。因为，数据科学到现在发展还不够完善，需要大家齐心协力，共同推动数据科学发展得更好，这才是最重要的。举个例子，深度学习算法用了大量的统计知识，也用了大量优化知识，主要是说随机梯度下降法（SGD）。也用了大量的数值计算方面的知识。当然，机器学习可能更多是计算机的专家在研究，他们侧重于解决问题。所以仅仅从深度学习算法的角度来看，就知道数据科学跟统计学、计算机和优化等都是密切相关的。

2.2 数据科学的内涵

那么，什么是数据科学的内涵？数据科学刚起步不久，作为一个学科，什么是它的内核？什么东西是它独有的？我认为现在不是很清楚，还是需要探索的。在我看来数据科学最核心的东西，包括算法、模型、数学理论，以及将来还会很多的结构，这些我觉得都是非常缺乏的。

此外，要研究数据，就要研究数据的获取、存储、质量、传输和分析。如何用科学的方法来研究数据是很重要的。

还有一个方面，就是怎么用数据的方法来研究科学。举个例子，在化学、生命科学等很多领域，怎么用数据的办法来研究它们？化学的基础应该是物理。从某种角度来说，有了量子力学，化学都可以用量子力学的内容来解释。但是有困难。困难在哪？因为这个体系太复杂、太大，所以用数据科学的方法来研究化学是很重要的。

我曾经讲过一个概念叫弱机理。什么意思呢？就是说用数据的方法来研究，目的是去找规律。但这些规律不像物理学科里那样漂亮和美，但也还是有一定的规律。而我们数学为什么成为人类一个重要的方面，就是跟物理研究的机理所追求的美是一致的。像量子力学、牛顿力学真的是既简单又美，然后用数学去表达，简直漂亮极了。但实际里面很多的体系非常复杂，我们必须把机理和数据融合，才能处理一些问题。典型的就是天气预报，既要用数据又要用机理，光用一个还解决不了。

2.3 数据科学的特点

数据科学是典型的交叉学科。它跟数学有密切的联系，很多方面数学是基础。也离不开计算机科学和信息科学。数据科学对工程、管理都极其重要。数据科学会用在所有的领域，很难找到一些领域跟数据科学没有联系。


2.4 数据科学的困惑

数据科学作为一个新兴学科，独特性还不够清晰。到底它能不能成为一个科学？我认为它会。如果说它是一门科学，就必须问什么东西是它最独特的？举个例子说，现在没有人怀疑数学是一个学科，物理是一个学科，化学是一个学科。数据科学未来会不会成为一个独立的学科？其实到现在我觉得不是非常的清晰，因为数据科学这个词产生的时间太短了。

luyuanhong

三、数据科学融通应用数学

今天我主要讲的是数据科学融通应用数学。为什么这么看，下面从我的理解跟大家来分享。

3.1 促进了应用数学不同方向的交流和协同发展

数据科学促进了应用数学不同方向的交流和协同发展。数据科学，既要用概率，也要用统计、计算和优化。当然还要用很多数学里面的工具，可能还不够。这种融合是自然的。举个例子，要研究深度学习算法的理论，如果对上面任何一个理论不太了解的话，是不可能完成的。深度学习既用了很多优化知识，像随机梯度，也用了很多概率论和计算的东西。研究数据科学，很自然地应用数学各方面研究的人都有机会。同时也得了解其他方面。因此我认为数据科学会融通应用数学。


3.2 数据科学极大地拓展了应用数学的舞台

过去计算数学，大量用的是物理的模型。像四大力学，比如牛顿力学、量子力学，也会用到电磁场方程，我们怎么来做？最成熟的是在流体。统计最重要的的领域一个是经济，一个是卫生。现在疫情时期，有很多统计学家，用很多手段，去研究病毒的传播力等等。所以统计和计算，它们施展舞台的领域是完全不一样的。而且他们相互的交叉很少。

而将来数据科学的发展，可能能够跟物理科学比美，甚至比物理应用更广。因为计算是物理科学，能说清楚的主要在化学。原则上来说，它的底层是物理科学，但实际上计算是在化学这样的领域里，也因为问题太复杂，所以也需要使用数据科学。更不用说在像社会科学、法律学科里面，如果你要来研究它，靠什么？靠的就是数据科学。所以我觉得数据科学非常重要的一点，是极大地拓展了使用的舞台。没有什么地方不能用，就看你用的有多好。

过去数学两个最主要的分支，一个统计，一个计算。过去他们研究领域是没有交集的。而现在通过社会科学，就不不仅仅是把这两个包含进来了，而且把其他的空间也都占了。但是有一条，为什么物理和数学还很重要？因为我们人人能记住的都是简单的东西。人对美的追求是自然的。数据科学的美在哪？我觉得现在还是非常不清楚的。但是作为一个科学，它要走向成熟，就必须在这方面有进展。

3.3 数据科学是应用数学落地的重要途径

接下来我们再说数据科学对于应用数学有什么用？刚才说了应用数学分为三个方面，理论、交叉、落地。我觉得数据科学是应用数学落地的重要途径。为什么这么说？相对来说，我觉得统计学比计算数学就更落地一些。计算数学可能更靠近数学一点，更美一点，更简洁一点。但是统计的话，为什么经济学家承认统计是经济学的一个分支，这跟统计真正能解决一些问题关系密切。卫生统计在公共卫生领域有地位原因也是如此。数据科学是各行各业都需要，相对来说起点又不高，学习没那么难。现在很多高职院校都有大数据专业，高职大概不会有很多基础数学课程，所以起点不是很高。此外数据科学非常适合创新创业。

3.4 数据科学对应用数学教育的影响

应用数学的教育，一开始和基础数学一样，然后统计和计算分家了。应用数学教育是碎片化的。可以借助数据科学推动应用数学的教育。现在，在全国超过1000所大学开设了数据科学相关专业，比我们数学还广。那么，能不能使得应用数学培养人更系统化？我觉得数据科学是真有可能的。数据科学对学生的吸引力非常强。在北大数学，我们有接近2/3的学生，学统计和金融数学。如果把数据科学也加上，可能会有超过75%、甚至80%的人数。为什么呢？绝大部分人还是因为数据科学跟各行各业都有关系，都需要相应的人才，因此就业面比较宽广。这也是为什么国家希望培养更多的数学人才，因为它很容易进到各个行业里面去。现在我们数学的毕业生去哪些领域最多吗？第一个就是跟大数据、人工智能相关，第二个就是跟金融相关的。基本上这两年，绝大部分学生的就业跟这两个领域密切相关。

luyuanhong

四、机遇在哪里

我们再来聊一聊，这也是我这个报告最重要的一个环节。就是数据科学来了，我们的机遇在哪里？下面我从三个方面来聊聊数据科学带给我们的机遇。

4.1 研究人员的机遇

首先，我觉得是从研究人员来看。如果你对理论感兴趣，也是很有机遇的。整个基础数学，特别是分析、几何，很多方面对连续的东西分析得特别多。像微积分，也是对连续的东西分析很多。一个东西如果是连续的，数学有比较多的手段。但是如果这个东西是离散的，其实数学没有太多的手段。我认为数据科学要成熟，必须要在基础数学里面也建立根基。

举个例子说最早的统计和概率。所以原来的统计，在数学的基础主要是概率论，随机过程。原来的计算，在数学里面最重要的还是分析，有些跟几何相关。特别是像我们做的大部分跟微分方程相关。我觉得将来数据科学除了这些内容以外，现在在基础数学里的离散几何、离散拓扑非常的重要。2018年在巴西开国际数学家大会（ICM）的时候，一小时大会邀请报告里面就有离散几何、离散拓扑的。但是做离散几何、离散拓扑在我们国家基本上是很少或者没有。

我认为将来数据科学的发展，如果你对理论感兴趣，应该去关注离散几何、离散拓扑，这个很重要。再一个是图论与组合，这是一个古老的学科，但是他是真正数学里面来研究离散的东西的。因为数据科学它很重要的就是离散，所以我觉得图论与组合，未来在数据科学里面的需求，它会提出很多的新的问题，会焕发新的青春。但是数据科学的基础理论要成熟，可能需要至少上百年的时间沉淀，它有很多的机遇，但是慢。

而算法与模型，相对来说在数据科学里面会比较现实、比较快产生一些影响的。举个例子，像最热门的机器学习，特别是深度学习，大家都知道它的可解释性是个问题。实际上把算法为什么好分析清楚，是计算数学里面很擅长的。也就是说如果深度学习的数学理论，你真的能搞明白，这可解释性自然就有了。这些事情现在是看得见摸得着的。

知识图谱在整个数据科学里面的地位越来越重要。实际上做计算数学的人，现在很少去研究。人工智能、大数据很重要的一点取决于新型的算法。现在之所以人工智能这么热，能够解决这么多问题，很重要的原因，就是因为深度学习。会不会有更好的算法、更原创的算法，使得大数据和人工智能再往前一步。这也是徐匡迪先生期待的，也是很多公司关注的。

还有一个方面是纯粹的数据，这是过去统计、机器学习关心的。怎么指示我就把它看成是数据。我们做计算、做物理的人很重要的一点是讲究机理。就是这个东西要非常的简单，非常的漂亮。我觉得这是两个极端。一端，在做基础数学、做物理的人眼里，这是完全唯美的。另外一端是完全实用的、工程化的，像做计算机的。在统计眼里，只有数据。但是实际上，我认为它是居于中间的。有一些可能靠近这边，有一些可能靠近那边。

天气预报就是一个典型的领域。你要说它是机理的，那肯定是。它就是一个空气动力学的方程。你如果能够把空气动力学的方程解出来，原则上的天气预报就能算出来。但是这个地球太大了，里面还有湍流，你不可能真正把它算出来。虽然我们现在有有雷达、卫星云图，飞机，能有很多的观测数据，但是不可能把全世界都观察到了。所以天气预报里面是一个典型的你必须把机理和数据融合的一个领域，而且它做的很好。一是它有模式，以机理为主，但也用了观测。比如资料同化是很重要的一个，它也是一种机理与数据的融合，可以提供模式的突破。

另一方面，光有模式是不可能把天气预报报准，你必须利用观测。所以天气预报不是一般人能报的。每个省都有自己的气象局，气象局里面有气象台，这气象台的人会通过天气会商——就是用各种各样的模式算出来的数据，画成图放在那儿，然后十几个在一起讨论，确定明天是个什么样的天气。这是一个典型的机理与数据融合的领域。

实际上绝大部分领域都是这样。我们数学人就是去追求唯美的，但是唯美的东西不能解决世界上所有的问题。所有的领域都会产生数据，但是光有数据不能来满足我内心对唯美的要求。所以我觉得最终是这两个方面的结合。

这对做交叉学科也特别重要。为什么这么说？以当下热门的计算化学为例。对很多化学家来说，第一重要的是做实验。那么计算化学为什么很热门？因为它涉及量子力学。原则上所有的实验都可以从量子里面算出来，只不过一般人算不动。现在机器学习在化学中的应用就非常有意思。

举个例子说，现在像北大鄂维南院士跟王涵他们做的一个事情，我就觉得就特有意思。就是我算不动量子力学，然后就用分子动力学。但是分子动力学的话，就要考虑分子的作用力。这个作用力的话，它就有量子的效应在，在过去都是经验的立场，今天的立场的话，就不会有量子效应。如果你做很多的量子力学的计算，然后通过机器学习把分子力场的量子效果、效应包含进去，再去做分子动力学，这是一种典型的可计算建模或者叫多尺度建模。多尺度建模过去实际上没有手段，但是我觉得数据科学，特别是现在的机器学习，就提供了手段。

还有一个落地问题，因为在我们的国防领域，进行企业创新是我们的短板。而数据科学很自然的就连接上，现在用的最多的，比如说人脸识别。现在进北大，没有人脸识别根本进不来。人脸识别是比较典型的数据科学，现在已经非常成熟了。其实各行各业都是这样的。所以我觉得在落地方面，其实做研究的也有很多的机会。

现在要破思维，换句话说，我们做理论的人，过去在数学领域最不担心，因为我们发表文章。对交叉科学来说还是发表文章，可能不是发在应用数学类期刊上，可能发在其他其他领域的，像PHYSICAL REVIEW LETTERS（PRL）等一般的物理的杂志、化学杂志等等。交叉学科，实际上是以那个领域的评价标准来看你做得怎么样。关于落地的研究可能也有很多的文章，但它不是以文章来落地的。谷歌的文章也不一定能发得多好，但是最重要的是他有一个公司能够实现自己的目标。我觉得落地研究实际上给我们提供了很多的机会。

4.2 学生的机会

下面的话，我们再来看学生有哪些机会？

● 第一，我觉得数据科学是一个性能价格比很高的学科。我经常在思考，为什么那么多学生愿意学统计，愿意学金融数学。一是它门槛不高，数据科学学科，从2015年时北大开始要办数据科学专业，1家申报教育部不批。后来联合了中南大学和对外经贸大学，首次批了三家院校。现在五年时间本科和高职已经超过1000所院校获批相关专业。所以它门槛不高，学起来不是那么难。

● 二是就业面广，各行各业都需要。

● 三是收益高。为什么？因为生源主要是去了金融或大数据、人工智能等收益比较高的领域。

● 四是工作没有危险性。

所以从这几个角度来说，数据科学可以说是一个性能价格比很高的学科。学生很愿意来学。这对国家国防建设也好，企业发展也都非常重要。

但任何一个事情有好处就有坏处。我觉得会有情怀和价值的冲突。什么意思？我们学数学的人，像基础数学靠什么驱动？靠的是情怀，是我对这个东西太喜欢了，我才学他。而数据科学，特别是大数据技术，它完全是价值驱动。它能不能真正解决问题最重要，跟情怀没关系，而情怀和价值它是冲突的。

说白了你要学基础数学，要问问自己：你有没有情怀？有没有这能力？有没有这个兴趣？因此，我觉得学生来学数据科学，会碰到情怀与价值的冲突。我相信学生要选择学数学都是具有情怀的，但最后去做数据科学，它可能会遇到冲突问题。

另外，我非常鼓励学生投身国防建设。国防领域需要仿真、数学、统计、计算和优化方面的人才。现在国防领域是非常缺乏学数学的人才。老一辈的数学家，他们当时都是国家让他们去了投身这行，他们就去了。但现在这些人的年纪都大了，都退休了，没有新的补充。

然而国防领域它不可能有那么高的收入，它也是靠情怀驱动，跟数学情怀一样。我觉得情怀跟情怀相对来说容易融洽。怎么能够鼓励更多的学生去国防领域工作，这是未来我们的教育要做的很重要的一件事情。

4.3 中国工业与应用数学学会

下面我们再来看看我们中国工业应用数学学会在这个过程中能做一些什么样的事儿？

首先，我觉得我们现在大部分的会员都是做应用数学的。如何吸引更多工业界的会员是我们很重要的一项工作。数学如何来促进企业的创新这件事情做好了，工业界的会员资源就会多了。

其次，数学人去做落地怎么做好评价？这方面的标准是很难做的。如何去指导评价标准制定，这是学会的义务。

第三，我们做了一个数学与企业交流合作平台。主要的工作是帮助学生找到合适的工作，企业如果有数学问题能够找到合适的人来帮他解决。这些事情我们都在开展的过程中，我相信它们都非常重要。

五、总结

最后，我稍微总结一下。

● 一，我们的数学的春天真的来了。

● 二，数据科学是发力点。

● 三，国家需求驱动应用数学的发展。基础数学和应用数学它是有区别的。基础数学主要靠内在逻辑，靠情怀驱动，而应用数学主要靠国家需求驱动。

● 四，落地才能使数学有根。中国数学要有根，很重要的一点是是在我们各行各业中都有数学家。如果我们国家做数学的人都去做基础数学了，没有人来做落地的事儿，整个学科就跟社会脱节。

● 五，做体面的应用数学人。现在我们觉得华为是一个非常体面的企业。华为对数学的重视，帮助它走向世界一流，帮助它走向原创。但我期待再过十年、二十年，类似于我上面列举的土耳其数学家和俄罗斯数学家创造的成果是我们中国社会应用数学家完成的。这样我们应用数学人才有面子。当然，如果有原创的类似于像深度学习这样的算法，也是很有面子的。它们是不同的面子。

我期待我们的应用数学人不是因为基础数学做不了了才来做应用数学。我认为实际上我们做应用数学的人，了解基础数学，比做基础数学的人了解应用数学要多得多。我们真的有很多的机会。但是，我们能不能把握住？我期待着这一天的到来，谢谢大家。