作者：张林山　公丕明

　　2025年，我国人工智能产业活力迸发、亮点纷呈，人工智能企业数量超6000家，核心产业规模预计突破1.2万亿元。在新一轮科技革命和产业变革纵深演进的背景下，人工智能发展迅猛，不仅催生了新产品、新业态，更从底层逻辑上引领科研范式发生系统性、根本性变革，使研发活动从传统的人力密集型、试验试错型、线性递进式，加速转向数据驱动、智能模拟、协同并行与持续迭代的新模式。

　　纵观全球，人工智能在研发中的应用，已从局部工具应用迈向全流程、全要素深度嵌入的新阶段。一方面，人工智能正成为前沿科学发现的“加速器”。在生物医药、新材料、新能源等领域，人工智能通过高效处理海量科学数据与文献，能够将原来耗时数年的探索过程压缩至数月甚至数周，显著降低了基础研究的时长与成本。另一方面，人工智能驱动产业技术开发实现智能跃迁。在产品设计环节，可根据性能要求自动生成多种设计方案；在仿真测试环节，能大幅减少物理原型制造与测试次数；在工艺优化环节，能实时分析生产数据，自主寻找最优参数组合。这种“数据驱动+智能决策”的模式，正推动研发从经验依赖走向智能驱动。

　　我国在人工智能技术与产业应用方面已形成良好基础，为引领科研范式变革提供了独特机遇。首先，我国拥有超大规模的市场与应用场景，为技术研发提供了丰富的试炼场和持续迭代的反馈数据。其次，在部分领域已形成从算力设施、算法框架到行业应用的较完整产业链，具备协同创新的生态基础。再次，国家战略加快布局，政策环境持续优化，推动人工智能与实体经济深度融合已成为明确方向。

　　不过，也要认识到，真正让人工智能深度融入产业创新和研发仍面临一系列挑战。比如，关键核心算法、框架与高端芯片等基础层仍存短板，高质量、标准化的行业数据集建设滞后，兼具人工智能技术与产业知识的复合型人才短缺，以及适应敏捷创新、容错试错的研发管理机制与文化尚未普遍形成。系统性推动人工智能深度赋能产业创新，需从技术攻坚、生态构建、要素支撑与制度保障等多维度协同发力。

　　强化基础攻关，筑牢智能研发底座。研发范式的根本性变革离不开坚实的技术基础。需持续加大对机器学习、知识图谱、大模型等底层算法的原始创新投入，鼓励科研机构与企业共建高水平人工智能开源框架与平台。着力突破高端人工智能芯片、先进计算架构等硬件瓶颈，提升自主可控的智能算力供给能力。

　　构建协同生态，贯通研发创新链条。鼓励“链主”企业、高校院所、新型研发机构与初创企业组建创新联合体，围绕共性技术研发、中试验证与场景应用开展深度合作。推动建设国家级融合人工智能的创新中心或开放平台，提供模型服务、算力支持与技术咨询，降低中小企业应用门槛。

　　培育复合型人才，创新组织管理机制。人才与组织是范式变革落地的关键保障。要加快完善人工智能领域学科建设，推动高校与企业联合培养既懂人工智能技术又掌握相关行业知识的“AI+×”复合型人才。鼓励在企业内部设立独立的人工智能研发创新单元或实验室，赋予其更大技术决策权与资源调度灵活性。变革传统线性项目管理模式，推广适应快速试错、持续集成的敏捷研发与扁平化管理机制，营造鼓励探索、宽容失败的创新文化。

　　拓展场景应用，完善政策支持体系。广阔的应用场景是驱动技术成熟与范式深化的重要牵引。应聚焦制造业研发设计、生物医药发现、新材料合成等关键领域，系统性发布人工智能赋能研发的重点场景清单，通过“揭榜挂帅”等方式吸引各方力量攻关。完善创新产品的首购首用与保险补偿机制，为人工智能驱动的研发成果市场化应用提供早期支持。在政策层面，需研究制定适应人工智能研发特点的统计评价、资金管理、伦理安全与知识产权保护规则，为研发范式变革营造稳定、包容、可持续的制度环境。

　　（作者分别系国家发展和改革委员会宏观经济研究院研究员、副研究员）