今年，是我参加高考40周年，也是AI爆发后的第三年。今年高考结束后，我看到很多家长和学生都在问：AI什么都会了，大学到底应该学什么？恰好，我们中国科大86级同学正在筹备入学40周年聚会，7月初将在合肥相聚，我得以回顾过去40年不停倒腾的经历，越来越庆幸当年的选择。周末有闲，写篇博客与大家分享。
阴错阳差进了中国科大
我高中念的是湖南长沙县一中，当年湖南最好的高中之一。我心目中的大学是北京大学，很巧，85年底北大给了湖南两个保送名额，我是全校公认的第一名，因此学校就把我推荐上去了。北大招生老师告诉我，在湖南定了四个候选人，我只是其一，还要看我最后的预考成绩。但很遗憾，我预考成绩在长沙县一中连第一名都不是，北大就把我从保送改为推荐，仍然需要参加高考。
当时心情低落，觉得颜面受损，一时不想再报北大。上海交大递来橄榄枝，希望录取我为保送生。当时的文石英校长还有班主任与我商量，觉得是否乐意去，最后大家都觉得长沙县一中的第一名怎么能去低一档的上海交大。而我对工科没任何兴趣，不想进清华，因此老师觉得我还是参加高考，而且报当时最难考的大学，中国科大。
就这样，我86年考入中国科大，进的是钱学森创办的近代力学系，本科五年之后，又进中国科大天体物理中心念了三年研究生，在科大整整待了八年，被打下了深深的科大烙印。回头看，这是我人生中最幸运的选择之一。
魔鬼式的数理基础训练
考进科大，我们只分系，但不分专业，而且系与系之间的教学差距不大。大学前面三年，我们力学系的课，基本上都是与工程热物理系、精密仪器与机械系一起上的。而且由于我对物理以及计算机有兴趣，还与物理系、计算系的同学一起上过很多课。
但科大无论什么系，哪怕是生物系，都必须学高等数学、数理方程以及所有的物理课，而且教材与数学系、物理系的都一样。大学前面两年，我们没上过任何力学系自己开的课。学数学，我们人人都是做前苏联出的吉米多维奇习题集，学物理，四大力学全部都学，我们做的都是美国物理研究生入学考试题。由于大家都是以前中学的尖子生，都不服输，因此都很努力的学，很多同学还到通宵教室鏖战。
四十年过去，泊松方程、球谐函数、麦克斯韦方程组、薛定谔方程……这些课在实际工作中，我应该一个都没有直接用上过，连简单的微积分都谈不上真正用过。我唯一自豪的例外是，在科大天体物理中心学到的宇宙大尺度结构分析方法，后来被我用于创办快乐妈咪时计算胎儿心率。
从实用技能的角度看，这些课程似乎”浪费”了大量时间。但我非常庆幸学过，而且认真学过。原因之一是：每次遇到极难的技术问题，我想到的就是——我都能用费曼路径积分精确求解量子力学里的兰姆移动，都能解旋转黑洞的引力场方程，眼前这个问题，总有办法。这种底气，让我能静下心来，最终找到解决办法。广义相对论、量子场论代表了人类智慧的巅峰，相比之下，计算机编程、大数据、机器学习、大模型，学起来真的没那么难。
学习这些课程，重要的是让我真正的学习了科学方法。我至今仍保留着当年学的《力学概论》一书，因为它第一次让我明白了测量的重要性，明白了什么是科学。无论是研发、销售还是市场工作，每个任务，我想到的都是怎么提出量化的指标，否则没法衡量大家的产出和成绩。过去的半年，我要求涛思数据的所有员工都学会写Skills, 用AI提效。动员会后，我马上安排琳贺同学开发telemetry, 统计每个skill的使用次数和使用的人数，这样我一下就能了解大家使用AI的情况。可观测、可测量成了我的肌肉记忆。
《力学概论》中的一页
学习这些课程，另外一方面真正的培养了我的抽象能力。当牛顿力学能把天上地下的机械运动统一为F=ma，当麦克斯韦方程把电、磁、光看似完全不搭界的完全统一，当用薛定谔方程就能描述神秘莫测的微观世界时，我们才发现五彩缤纷的世界原来都是由几条基本的定律所支配的，貌似错综复杂的世界其实并不复杂。
这个抽象能力，在我后来的创业中反复发挥作用。在我创办和信时，将短信、彩信、IM、微博、邮件、手机报等完全统一，貌似不同的应用，但我们的后台就一套，只是前端有不同的展示。现在我创办的涛思数据，开发的产品TDengine 是面向企业客户的。企业软件的一个最大特征就是定制化很多。但过去的9年，每次销售报回来的个性化需求，在我仔细分析后，都不是，他们都是共性的，都可以用一套后台做出来。比如质量监测SPC的计算，在我的眼里，TDengine流计算的计数窗口就可以实现。因此到目前为止，涛思数据已经服务了超过1000家付费客户，但还从未给任何客户做过定制开发，让我们的交付、客户支持工作变的简单、标准。
宽松的环境，广阔的世界
我们那个年代，科大是容许转系的，在其他高校应该是难上加难。我们力学系，入校时44人，毕业时才28人，其他人都转到电子、自动化、科技情报、科技英语去了。我三年级时，想转到近代物理系，但咨询当时天体物理中心的老师，认为我留在力学系学流体力学，研究生时报天体物理就行，我才放弃了申请。
我自己一直喜欢写程序，虽然我是力学系学生，大学三年级我选科大计算中心的课，学8031/8051单片机编程，用汇编语言写了整个浮点数计算的子程序库，后来又用汇编语言写了傅里叶变换和数字滤波的程序。四年级一开始，我被推荐到材料系高分子LB膜实验室，帮助何平笙、李春娥老师开发LB膜天平。在何老师、李老师指导下，我自己设计PC机的数据采集与控制卡，还用Pascal写了整个应用程序，控制步进电机和恒温装置，并展示表面张力曲线和实验结果。我一个力学系的学生，但几乎天天泡在科大化学楼，因此让我对高分子有了很多了解。让我最开心的是，我开发的高分子LB膜天平至今还在实验室使用，毕业时也因此获得了科大的亿利达奖学金。
90年5月，李老师派我到北京参加LB膜中日双边会议，我借机到中国科学院力学所毛遂自荐，申请到力学所做本科毕业论文，所里马上安排，回到学校，力学系马上批准。因此我从90年9月到91年6月在北京的科学院力学所呆了大半年的时间，在刘大有老师的指导下，做多相流的实验研究。
我们那时，很多同学都选择最后一年在北京、上海、广州几个地方的科学院研究所做毕业论文，而不是留在合肥。科大提供来回火车票，还安排大家的住宿，我还有幸在导师的帮助下，仅仅在玉泉路科大宿舍住了大概两周，就搬到了力学所对面的中关村88楼，与力学所的研究生住在一起。在北京的大半年时间，科大在北京做毕业论文的同学经常串门，我就经常跑到生物物理所、化学所、物理所、计算所、电子所、声学所等研究所去逛，看同学做的工作，在他们食堂吃饭。那时的中关村，虽然还是大杨树、土沟，但中关村大街两边已经全是电脑商店或公司，我还拿着自己开发的几个小程序，到很多电脑公司交流。北京的大半年，完全打开了我的视野，真正看到了学校外面的世界。
LB膜天平程序，版本定格在2.0
科大这样宽松的环境，让我得以学习自己感兴趣的东西，做自己感兴趣的事。更重要的是，我一个力学系的学生，能呆在材料系高分子LB膜实验室，能选很多计算机、物理的课程，能与天体物理的老师交流，能到北京开会，在北京做毕业论文，以及到美国的留学与工作，让我的知识面从力学，跨到高分子、天体物理、计算机多个学科，相对同龄人，更早的建立了对世界的认知，有更综合的能力。如果没有科大宽松的环境和条件，我大半会厌学，成为一个很差的学生，因为进力学系后，发现力学系解决的都是经典力学的问题，而我对现代物理和计算机更感兴趣。
在涛思数据，我特别鼓励团队的成员到公司外面分享、交流TDengine的经验，也经常邀请外部的专家到公司分享，而且鼓励公司内部部门之间的人员流动，主要原因是来自我在科大受的影响。任何人，只有多了解外面的世界，才能找准自己的定位，只有做自己感兴趣的事情，才能发挥自己的潜能。
不停的跨界、不停的倒腾
当我从力学系毕业转念天体物理研究生时，没遇到任何学习障碍。当我放弃天体物理博士，进芝加哥 Motorola 做手机的软件研发时，CDMA以及其他无线通讯技术，一看就明白。2008年我离开 Motorola, 创办和信，离开自己熟悉的通讯领域，带着颠覆移动运营商的梦想，进入移动互联网行业。2013年当我创业做快乐妈咪时，完全步入了一个陌生的母婴智能硬件赛道，但无论是产品还是市场，都是风生水起。
2016年，我看到万物互联的世界已经到来，市场一定需要一款高性能、分布式的时序数据库，我一个连数据库都很少用，完全没有任何数据库研发背景的人，硬生生的冲杀进去。凭借独特的技术优势和开源，TDengine在全球的下载量已经超过百万，遍布全球60多个国家和地区，GitHub 上的star都超过23K。从各个维度来看，TDengine 已经是这个细分领域里全球前三名。
ChatGPT发布后，我认为AI时代已经到来，因此两年半前又开始布局AI，在时序数据库的基础上，开发工业本体层和工业智能体Runtime，让 AI 的能力在物联网、工业场景落地，将 TDengine 从一时序数据库升级为工业AI的数据底座。我们在全球首推”无问智推”的功能，让TDengine能基于采集的数据，自动感知应用场景，不用用户提问，就自动推荐该应用场景下所需要的可视化面板、实时分析任务等，大幅降低了对业务知识、IT技能的依赖。
我这个行将退休的人，依然能跑在技术发展的最前沿，站在AI的风口浪尖上，完全得益于我在科大受到的教育。那就是扎实的数理基础训练养成的学习能力与科学的研究方法，还有对世界较为全面的认知。
AI 时代，我还会选择中国科大吗？
AI时代已经到来。这项颠覆性的技术，正在以前所未有的速度改变整个世界。AI不仅能够写代码、写论文、做药物设计、分析法律文书，还能够解决复杂的数学问题。对于程序员而言，一个经典却让很多工程师都容易写错的”生产者—消费者”问题，大模型几秒钟就能给出正确实现；对于科研人员而言，它能够快速阅读海量论文，帮助寻找新的研究方向；对于普通人而言，它已经成为随叫随到的老师、顾问和助手。
于是，很多人开始产生一个疑问：既然AI什么都会了，人还需要学什么？大学教育还有什么价值？
今年正好是我入学中国科大40周年，这个问题，我想了很久。如果今年重新参加高考，我还会不会报考中国科大？我的答案依然是：一定会，而且一定会选择基础性的学科。
因为回顾过去四十年的经历，我清楚地看到，我能够一次又一次跨界，并不是因为大学里学过通讯、互联网、数据库或者人工智能，而是因为中国科大真正教会我的，不是某一门专业知识，而是学习新知识的能力、科学的研究方法、对世界较为全面的认知。
我工作中从没有推导过麦克斯韦方程，没有再求解薛定谔方程，也没有使用过球谐函数。但是，它们留下来的东西，却一直伴随着我。它让我习惯于寻找第一性原理，而不是停留在表面现象；让我习惯于把复杂问题抽象成模型，而不是被细节淹没；让我相信任何结论都需要数据验证，而不是依赖经验和权威。
这些能力，并不会因为技术的发展而过时。相反，在AI时代，它们变得比任何时候都更加重要。大家都知道要用AI，但真正决定AI使用效果的，不是Prompt技巧，而是一个人的认知水平。AI 更像一个能力放大器。它不会改变一个人的认知水平，却会把这种认知放大。认知浅的人，会得到浅层答案；认知深的人，就能提出深的问题，就能借助AI不断探索未知，创造更大的价值。
这也是为什么，四十年过去，我依然感谢中国科大。她真正教给我的不是力学、不是计算机、不是高分子、不是天体物理，而是一种思维方式，一种科学精神，一种不断挑战未知、不断学习新事物的勇气。当然，那些对学生关心备至的老师，宽松的学习环境，也是我永远感恩科大的理由。
AI可以回答几乎所有问题。大学真正要培养的，是提出问题、判断答案，并不断探索未知的人。
陶建辉
涛思数据创始人CEO
2026年6月28日于北京望京
