新华社北京3月7日电（记者报道）全国政协十四届四次会议第二次全体会议上，全国政协委员、南京大学人工智能学院院长周志华代表无党派人士界作大会发言，就智能技术赋能科学研究提出四项具体建议； 一、科研范式正在发生深刻转变 周志华指出，以智能技术为驱动力的新型科研模式正在改变人类认识世界的方式。这种转变不仅提升了研究效率，更重要的是改变了科学发现的逻辑——从传统的经验积累和假设验证，转向数据驱动和模型辅助的新探索模式。 长期以来，许多重大科学难题之所以难以突破，在于传统研究手段在处理海量数据和识别复杂规律上存局限。智能技术的应用为突破该瓶颈提供了可能——这不仅是工具升级——更是科学研究方法论的深刻变革。 二、现实制约亟待解决 当前，我国在智能技术赋能科研领域仍面临多上制约。在政策层面，基础研究的统筹布局不够完善，战略性项目支持力度不足，科研评价体系对原创性探索的激励机制也有明显缺陷。在人才层面，既掌握学科知识又能运用前沿智能技术的复合型科学家严重短缺，学科壁垒在一定程度上阻碍了跨领域协同。在数据层面，科学数据的采集标准不统一、共享机制不健全、开放程度偏低，制约了智能技术在科研中的应用。 三、四项建议直指问题 针对上述问题，周志华提出四项建议。 其一，加强政策引导，夯实基础研究。优化智能技术科学研究的整体布局，重点支持意义在于战略价值基础研究项目，建立更加科学合理的评价体系，保障原创性研究获得制度支撑。 其二，变革人才培养模式。从源头重塑人才培养体系，探索跨学科融合的研究生培养新路径，系统培育既有深厚学科素养又具前沿技术能力的新型科学家。 其三，推动学科融合。鼓励举办跨界学术交流活动，促进不同学科背景的研究者深度对话，推动从概念了解迈向实质性协作，形成开放包容的学术生态。 其四，强化数据治理。建立标准化的科学数据仓储体系，制定覆盖各学科的数据采集、标注、存储与共享规范，鼓励科研机构和研究人员主动开放数据资源。 四、战略意义深远 从更宏观的视角看，智能技术赋能科学研究已超越单一技术范畴。在全球科技竞争加剧的背景下，谁能率先建立系统完善的智能科研体系，谁就有可能在未来的原始创新竞争中占据主动。周志华的四项建议相互呼应、层层递进，从政策保障到人才供给，从学术氛围到数据基础，构成了一套较为完整的系统性解决方案。
科研范式变革不是单一技术的简单叠加，而是以问题为牵引的系统重塑。把握人工智能赋能科学研究的机遇，需要在基础研究、人才结构、数据治理和协同机制上同步发力。唯有形成长期的制度支撑和开放共享的创新生态，才能让更多原始创新的突破持续涌现。