本文转自：解放日报

桑大伟

上海交通大学安泰经济与管理学院 桑大伟

在新一轮科技革命与产业变革的浪潮中，人工智能正成为重塑科研范式、优化资源配置、提升国家创新体系效能的核心变量。要构建高质量的科技创新生态体系，不仅需要数据、算力、算法、人才和平台等关键要素高效流通，还需高校、科研院所、企业、政府和金融机构等多元主体协同联动，更离不开安全可信、开放包容、规范有序的治理环境作为坚实底座。人工智能既能加速科学发现、技术研发与成果转化，推动创新从经验驱动迈向数据驱动与智能驱动，也能促进产学研用深度融合，提升产业创新网络的组织效率与工程化能力。当然，面对数据安全、算法伦理、知识产权与技术滥用等新挑战，完善治理规则、培育负责任创新文化同样刻不容缓。面向未来，关键是将人工智能的技术优势转化为创新生态的系统优势，为高水平科技自立自强、新质生产力发展及中国式现代化建设提供坚实支撑。

以人工智能重塑创新要素配置

夯实科技创新生态体系的动力基础

创新生态体系的活力，首先取决于数据、算力、算法、人才、平台等要素能否高效流动、合理配置并充分释放价值。传统科研活动往往依赖经验积累、人工筛选与有限实验，面对复杂系统、海量数据和高维变量时，极易被认知边界、资源成本与时间周期所限制。人工智能的广泛应用，使科研活动能在更大范围内捕捉规律、生成假设、优化方案并加速验证，从而显著提升创新要素的使用效率与组合能力。

以数据要素激活科技创新新动能

数据是人工智能发展的基础，也是现代科技创新的重要资源。无论是生命科学中的基因组数据、材料科学中的结构性能数据，还是能源、电力、交通、制造等领域的运行数据，都蕴藏着大量可挖掘的科学规律与工程经验。推动高质量科研数据集建设，完善数据采集、清洗、标注、共享与可信流通机制，打破“数据孤岛”与“信息壁垒”，让数据真正成为支撑科学发现与技术创新的基础性资源，是当务之急。同时，要注重数据质量与场景适配，避免“重规模、轻质量”或“重收集、轻治理”的倾向，形成可复用、可追溯、可验证的数据资源体系。

以算力和算法提升科研创新效率

人工智能特别是大模型技术的快速发展，对算力基础设施提出了更高要求。建设科技创新生态体系，必须统筹布局智能算力、通用算力与行业算力，推动算力资源向高校、科研院所、企业实验室及重大科研平台开放共享，降低创新主体使用先进智能工具的门槛。与此同时，要强化基础算法、科学计算模型与行业专用模型的研发，推动人工智能与数学、物理、化学、生物、工程等学科深度结合，形成面向科学问题与产业需求的智能化研发工具链。唯有将算力优势、算法优势与场景优势相结合，才能真正支撑起原创性、引领性的科技突破。

以人才结构升级支撑创新生态演进

人工智能赋能科技创新，本质上仍依赖人的创造力、判断力与组织力。未来科技创新需要更多既懂专业知识，又掌握人工智能方法，既能提出科学问题，又能运用智能工具解决复杂问题的复合型人才。加快推进人工智能通识教育与专业教育融合，鼓励高校和科研机构建设交叉学科平台，培养一批“人工智能+基础研究”“人工智能+工程技术”“人工智能+产业创新”的高水平人才，是必然路径。同时，要健全人才评价机制，既重视论文、专利等显性成果，也关注数据集、模型工具、开源平台、标准规范等新型创新贡献，让不同类型创新人才都能在生态体系中找到合适位置并发挥应有作用。

以人工智能促进创新主体协同

提升科技创新生态体系的整体效能

科技创新生态体系并非若干主体的简单相加，而是高校、科研院所、企业、政府、金融机构和社会组织之间相互连接、相互促进、相互成就的协同网络。人工智能的重要价值，在于能提高知识流动速度、降低协同创新成本、增强复杂任务分解与集成能力，推动创新活动从“单兵作战”走向“网络协同”，从“局部突破”迈向“系统集成”。

以人工智能促进产学研用协同创新

高校和科研院所有基础研究优势，企业贴近市场需求与工程场景，政府能提供制度供给和资源统筹，金融机构能为创新活动提供长期资本支持。人工智能可通过技术画像、需求匹配、智能评估与风险预判，促进各类主体精准对接，降低协同成本。围绕国家战略需求与产业发展方向，建设一批人工智能赋能的联合实验室、中试平台、产业创新中心与场景验证基地，形成“科学发现—技术研发—工程验证—规模应用”的闭环机制，使科研问题源自真实场景，创新成果接受场景检验。

强化企业创新主体地位和工程化能力

企业是技术创新决策、研发投入、成果转化与产业应用的重要主体。人工智能赋能企业，不仅在于改进生产管理，更在于重塑研发组织方式与产品迭代模式。龙头企业可牵头建设行业大模型、共性技术平台与数据资源体系，带动产业链上下游共同开展关键技术攻关；中小企业可依托智能化研发工具、云端算力平台与公共服务体系，降低创新门槛，提升专精特新发展能力。通过人工智能将市场需求、研发设计、供应链组织、质量控制与用户反馈紧密连接，形成快速迭代、持续优化的产业创新网络。

推动科技成果转化机制与人工智能深度适配

对新技术的成熟度、市场前景、知识产权风险与产业化路径进行智能评估，有助于提高成果筛选、项目投资与政策支持的精准性。鼓励科研机构、企业与投资机构共建数字化成果转化平台，完善技术经理人、概念验证、应用场景开放与标准制定等机制，推动更多原创成果走出“最初一公里”、跨越中试“死亡谷”、打通产业化“最后一公里”。当人工智能成为连接创新主体与产业场景的共同语言，科技创新生态体系的整体效能将显著提升。

以人工智能完善创新治理生态

筑牢科技创新生态体系的安全底座

人工智能赋能科技创新，既带来前所未有的发展机遇，也引发数据安全、算法偏见、知识产权、技术滥用与伦理风险等新挑战。科技创新生态体系要实现健康可持续发展，不能仅重视技术能力建设，还必须同步推进治理能力现代化。只有形成安全、可信、开放、包容的治理环境，人工智能才能更好地服务科学进步、产业升级与社会发展。

健全人工智能创新治理规则

人工智能应用于科研活动，可能涉及个人信息、商业秘密、科研诚信与国家安全等多个维度。建立覆盖数据来源、模型训练、结果生成、成果归属与责任认定的规则体系，明确不同创新主体在数据使用、模型开发、技术应用与风险防控中的权利义务，是基础性工作。特别是在医疗健康、能源安全、公共治理、金融科技等重点领域，更要强化风险评估与合规审查，确保人工智能应用可解释、可追溯、可监管。治理并非限制创新，而是为创新划定边界、稳定预期、降低风险，使创新活动能在更加规范有序的环境中持续推进。

完善开放共享与安全可控相统一的制度安排

科技创新需要开放合作，人工智能发展更离不开数据、模型、平台与人才的交流共享。但开放必须建立在安全可控基础之上。在保护国家安全、产业安全与个人隐私的前提下，探索分级分类的数据开放机制、可信计算机制与模型共享机制，推动公共科研平台、重大科技基础设施与行业共性资源向创新主体合理开放。对于关键领域和重要环节，要加强自主可控能力建设，提升基础软件、核心算法、高端芯片、智能算力平台等支撑能力，避免关键技术受制于人。只有处理好开放与安全、共享与保护、效率与公平的关系，才能建设具有韧性与竞争力的科技创新生态体系。

培育面向未来的创新文化

科技创新生态体系不仅需要资源、平台与制度，更需要鼓励探索、宽容失败、尊重规律、崇尚诚信的文化土壤。人工智能可帮助科研人员提高效率，但不能替代科学精神；可辅助生成方案，但不能取代原创思考；可扩大知识获取范围，但不能削弱严谨求证的学术规范。引导科研人员正确认识和使用人工智能，将其作为增强创新能力的工具，而非追求形式创新或制造虚假成果的捷径，这一点至关重要。加强科研伦理教育与学术规范建设，倡导负责任创新，鼓励科研人员在重大科学问题、关键核心技术与国家战略需求面前勇于攻关、长期坚持。良好的创新文化，能使人工智能真正服务于人的创造性劳动，推动科技创新生态体系形成持续向上的内生力量。