原标题：以人工智能赋能科技变革

人工智能技术具有自主性、自适应性、自我延续性，让创新循环不断加快、科学研究范式逐步改变。为进一步发挥人工智能技术的催化剂、助推器作用，有必要加强基础底座研发支持力度、规范数据使用和数据共享、设定具有挑战性的示范场景、构建人工智能自主产业生态，推动人工智能与经济社会深度融合

近年来，人工智能（AI）技术快速发展，成为新一轮科技革命和产业变革的重要驱动力量。尤其是，以通用人工智能（AGI）为代表的人工智能技术变革进入加速发展快车道，成为推动经济社会发展的新引擎。

基础研究催化剂

加强基础研究，是实现高水平科技自立自强的迫切要求，是建设世界科技强国的必由之路。基础科学研究是科学体系的源头，是科技创新的原动力。

2020年，人工智能系统AlphaFold 2.0通过大规模预测蛋白质结构，加速理解生物学现象，从而发现疾病机制、研发设计药物，引领生物学领域迈入数字生物学的全新时代。

诸如生物学领域的蛋白质合成，抑或化学工程中的反应控制、粒子物理学的高能物理实验等，均存在一个海量数据的问题。随着科研工作的不断深入，研究人员需要面对指数级增长的海量数据。对数据的收集、存储、整理、归纳、建模、分析等，已成为制约科技创新的关键瓶颈。

大到宇宙起源的探索，小到蛋白质分子的折叠，不仅需要创造性的思维与灵感，还需要跨时代的科研工具和方法。人工智能技术应运而生，有助于帮助科学家提高实验效率，加速科学理论发现，在基础研究中发挥催化剂的作用。

比如，它可以利用强大的数据归纳、分析能力学习科学规律和原理，在科学研究中展现超越传统数学、物理学方法的强大能力，加速科研探索的进程，在基础科学领域中取得显著成果。

现代科学研究的三大支柱是科学实验、理论研究、科学计算。从数据分析和模式识别，辅助科学文献研究，到高性能计算和模拟，指导和加速科学实验、复杂系统的建模与仿真，再到知识发现和实验设计，启发理论和算法发现，突破人脑的经验、记忆、搜索、计算的局限，人工智能技术可以更高效地推动基础研究突破与进步。

技术研发助推器

新时代新征程上，要努力实现科学新发现、技术新发明、产业新方向、发展新理念从无到有的跨越，成为科学规律的第一发现者、技术发明的第一创造者、创新产业的第一开拓者、创新理念的第一实践者。人工智能技术具有自主性、自适应性、自我延续性，让创新循环不断加快、科学研究范式逐步改变，加速技术研发进程。

人工智能技术是技术研发的助推器，正在加快量子计算机、聚变能源、新材料发现、脑科学等工程技术领域的研发进程。

比如，量子计算机的出现，极大地推动人工智能算力提升，使其能够更快、更准确地处理海量数据和复杂算法，帮助人工智能系统更有效地进行数据挖掘和模式识别；人工智能技术的发展，反过来可用于优化量子计算的硬件和软件算法设计，为量子计算机提供更智能化的控制和优化方案，提高量子计算机的稳定性和可靠性。

在此基础上，二者的结合还可以催生更多新的应用和领域，如量子机器学习、量子自然语言处理、量子优化算法等。

又如，人工智能技术在生命科学、航空航天、气象学等方面广泛应用、相互促进。通过人工智能技术，科学家可以在短时间内分析大量的基因组数据，挖掘基因序列之间的相互关联和作用机制，从而理解基因结构和功能、研究疾病发生机制、加快新药研发。

2023年6月，基于昇腾AI的面向飞行器的首个流体力学大模型“秦岭·翱翔”发布。该模型在流体力学领域实现了高置信度流场重构、全速域湍流场求解和复杂流场近实时的预测，助推智能流体力学的产业化。

华为云团队研究开发的全球天气预报系统“盘古气象大模型”能够用1.4秒完成24小时全球天气预报，推动气象预测的跨越式发展。

基于算法、数据、算力等基础设施的支撑，大模型正推动人工智能向更通用、更精准、更普惠的方向发展。

与经济社会深度融合

新时代新征程上，为进一步发挥人工智能技术的催化剂、助推器作用，有必要加强基础底座研发支持力度、规范数据使用和数据共享、设定具有挑战性的示范场景、构建人工智能自主产业生态，推动人工智能与经济社会深度融合。

一是提高算力支撑水平。

加强研发支持力度，通过财政专项资金、社会资本，完善研发支持资金保障，重点突破通用芯片技术、创新优化定制化芯片，提升芯片算力利用率，推动国产智能芯片在各类算力平台适配应用，加快形成自主人工智能产业生态基础。

加快建设高性能、存算一体化等智能算力平台，强化人工智能训练和推理计算能力，面向广大基础研究科研团队提供智能计算服务；加强长三角地区算力统筹布局，发挥长三角优势统筹算力资源，形成智算网络；支持自主芯片参与国内算力平台设施建设，在不断使用过程中迭代成熟，带动国产芯片技术突破发展，打破国外垄断。

二是构建行业数据平台。

强化非结构化数据标注统一规范，建立面向材料科学、生物医药、能源科学等领域的实验数据库，丰富基础研究和技术研发中需要的数据原材料。

对上海来说，可依托人工智能标准化技术委员会，推进重点领域的地方标准制定工作，尽快制定数据安全、隐私保护在重点领域的技术标准，加强数据分类分级管理，实现在数据安全保护下的信息共享，扩大应用范围，为科学研究提供数据支撑，推动“上海标准”成为“中国标准”甚至国际准则。

同时，可进一步加强行业自律自治，发挥各个行业组织和联盟的作用，发布数据使用倡议，协助相关政府部门逐步建立数据共享机制，成立信息共享平台，加强数据治理使用规范。

三是引导长期性独创性攻关。

围绕基础研究和技术研发，面向新药研发、新材料发现、量子计算机、脑科学等人工智能赋能科学研究的重点领域，形成一批可复制、可推广的人工智能应用场景建设方案，推动基础算法理论、通用智能技术成果在实际场景中的转化和应用，形成国内自主可控开源框架，打造完善的、专业的开发者生态。

在此基础上，可设定具有挑战性的示范场景，如聚焦月球基地、火星探测、深海探索等，提出研制高度自主化智能化的任务，引导长期性独创性攻关项目开展和实施落地。

四是加强产学研深度结合。

促进科技成果转移转化，搭建多层次人工智能的创新平台，发挥人工智能实验室、脑科学与类脑研究中心、人工智能算法研究院等科研机构作用，引导企业加强基础研究，形成与高水平大学和科研机构的协同能力。

（谢婼青 纪园园 朱平芳 毛勇春，作者单位：上海社会科学院）

来源：解放日报

相关标签：