请看两届全国分会解说系列▲资料图：人工智能与未来技术。当前，人工智能不仅是引领新一轮科技革命和产业变革的战略技术，也是衡量一个国家综合创新能力和制度优势的重要变量。人工智能的竞争本质上是国家创新体系整体效能的竞争。这是基础研究深度、人力资源开发质量、产业转型速度的综合竞争。为了实现这一目标，不能再孤立地看待教育、技术和人力资源举措；相反，这三者必须通过体制改革相互赋能，形成螺旋式上升的创新生态系统，为我国登上人工智能高峰提供坚实支撑。智力发展。只有将这三者放在同一个改革框架下共同推进，才能真正打通从基础研究到产业应用的价值链，打造具有全球竞争力的人工智能创新高原。三方面结构性挑战 适应人工智能高质量发展需求，我国在教育、科技、人力资源全面推进方面仍面临以下三大结构性挑战。第一，提高创新体系的开放性和流动性。大学作为基础研究的支柱和人力资源开发的主要来源，对产业需求的响应机制还不够敏感。一些课程样式和内容落后于技术发展前沿，造成人力资源发展与行业需求之间的“时滞”或“适应差距”。其次，它仍然是要优化科技评价体系的导向性和适应性。本次调查显示，现行科技评价体系重数量轻质量、重形式重效果的倾向，对人工智能等长期性、高风险性、高应用性的研究领域造成了隐性的局限性。三是要增强产学研协同创新机制的韧性。尽管近年来产学界的研究合作不断深入，但在实际操作中仍存在问题，如“转移链”，大学科研成果往往停留在实验室阶段，难以从技术原型跨越达尔文死海（科技成果转化，用来形容技术研发与商业生产脱节）pes到成熟产品。面对高度不确定性的前沿技术，企业往往“等不起、投资不起、落后”，造成创新链瓶颈。解决人工智能“源头困境”，面对国际竞争新格局和内部改革关键时期，要最大限度发挥国家新体制优势，鼓励教育、科技、人力资源三大体系同向发力，形成整体合力，推动人工智能高质量发展。具体来说，在科技方面，我们要加强基础设施建设，建设全国基础科学工程数据系统。数据是人工智能时代新的生产资料。优质工业数据缺乏成为限制深度发展的“源头困境”我国的人工智能。因此，国家数据办公室应会同科技部、教育部等，统筹推进生物、能源、材料、化学、医学等重点领域科学数据标准化和开放共享，建立国家科技基础设施。数据平台。通过“物理分布式、逻辑集中”的共享机制，解决数据孤岛问题，为训练人工智能模型提供系统、权威、可互操作的“饲料”。教育方面，需要在融合教育上下更多功夫，推动高等教育体系与人工智能前沿深度融合。这就需要考虑打造一系列“AI+”，同时，我们将进一步创造条件，支持高校科研团队深入研究。参与国家重大科技挑战，培养在现实世界科学研究中具有前沿视野和系统思维的一流科技人才。在人力资源方面，要充分发挥活力，深化以创新价值为核心的科技评价改革。为此，我们需要一个科技评价体系。要加快体制改革，真正建立强调“创新价值、能力贡献、产业效应”的评价体系。减少对论文数量、项目级别、荣誉称号等显性指标的过度依赖，加强对研究成果原创性、科学价值和对产业实际发展贡献的审查。在让评价更加科学合理的同时，也要考虑构建创新评价体系。鼓励探索、宽容失败的文化，让青年科技人才愿意“冷眼旁观，啃硬骨头”，有效减轻了科研人员的负担和政府的干预。教育、科技、人力资源改革有重点，必须从系统思维入手，想办法让三大系统同向运转。例如，可以考虑支持组建以行业领先企业和高水平研究型大学为主导的“新创新联盟”，与产业链上的科研机构和企业合作，共同应对人工智能驱动的重点行业的共性技术挑战。作者：李景红（全国政协委员、中国科学院院士、化学系教授）清华大学emistry） 编辑：池道华 校对：赵林