问题：科研与产业加速落地带来效率跃升，也引发替代焦虑与治理挑战 峰会期间，人工智能是被反复提及的话题。与会科学家认为，算法和算力的进步正推动科研从“经验驱动”转向“数据与计算驱动”，并对企业组织、劳动分工和公共治理提出新的适配要求。，社会层面的关注主要集中两点：一是“会不会取代人类工作”的担忧；二是当技术自主性增强后，如何确保安全、透明并实现可追责。 原因：数据、算力与模型迭代叠加，科研范式与产业形态同步变化 多位科学家指出，近年大规模数据积累、计算能力提升以及模型快速迭代叠加，使人工智能在识别复杂模式、生成候选方案、优化实验路径等表现突出。诺贝尔化学奖得主、美国斯坦福大学结构生物学教授迈克尔·莱维特结合个人科研经历表示，这类工具已深度嵌入其研究流程，从早期辅助逐步变为“可以并肩工作的同事”。其主要价值在于加快试错、降低实验与计算门槛，让科研人员以更低成本拓展探索边界。他还认为，人工智能正在生物学、物理学、化学与数据科学之间建立更通用的“共同语言”，促进跨学科协作。 影响：从蛋白质解析到虚拟现实建模，科研提速明显；就业结构更可能“重塑”而非“消失” 在生命科学领域，诺贝尔生理学或医学奖得主、美国斯克里普斯研究所教授阿德姆·帕塔普蒂安以蛋白质结构解析为例指出，过去可能需要多年完成的工作，如今借助对应的工具可在更短时间内获得结果，科研效率和研究规模随之提升。世界顶尖科学家协会奖获得者、比利时鲁汶大学名誉教授尤里·涅斯捷罗夫则强调，面向应用转化，高质量虚拟现实模型以及具备交叉学科背景的人才培养，有助于推动实验室成果更快进入工程与产业场景。 在经济与就业上，诺贝尔经济学奖得主、伦敦政治经济学院教授克里斯托弗·皮萨里季斯认为，新技术带来的多是渐进的结构性调整，重点于改变工作内容与组织方式，而非简单“消灭岗位”。他引用“创造性破坏”理论指出，旧岗位减少的同时，新岗位与新产业也会出现；更常见的变化是企业内部职责重组与技能升级，劳动者借助工具提升效率与能力，从而形成新的竞争优势。 对策：坚持“增强人类”导向，建立可执行、可问责的安全与伦理框架 多位与会者认为，技术进步需要与治理能力同步提升。埃及艾因沙姆斯大学希沙姆·奥姆兰指出，在既有研究范式下，人工智能可成为优秀的“副驾驶”，但在发现全新范式、建立新理论体系上仍有局限，这提醒科研与产业界避免过度依赖，并保留必要的验证机制。香港科技大学前校长陈繁昌也表示，如果某些规律尚未体现在数据之中，算法很难“凭空”提出颠覆性理论，因此结果的可解释性、可复现性以及人类审慎判断仍不可替代。 在治理层面，耶路撒冷希伯来大学前校长、心理学家阿舍·科亨提示，相关技术在部分场景已具备“参与决策”的特征，能力越强、应用越广，对社会治理与伦理体系的冲击越大。图灵奖得主、美国密码学家惠特菲尔德·迪菲强调，当系统被赋予更高的自主决策权时，如缺乏有效约束，可能出现权责失衡与风险外溢。皮萨里季斯呼吁，科研界应更多聚焦提升劳动者能力与生产率的应用方向；政府则应通过投入和制度供给支持创新，同时引导企业与劳动者适应新的协作方式，完善培训与再就业支持。 前景：以规范护航创新，在效率红利与风险可控之间取得平衡 综合与会观点，人工智能将持续推动科研效率提升与产业组织变革。未来竞争力将更取决于“技术能力+数据质量+人才结构+治理规则”的组合。随着应用深化，科学研究将继续走向自动化与协同化，劳动市场也会更强调复合技能与人机协作能力。与此同时，围绕安全、隐私、透明与责任的制度建设将成为各国共同课题。谁能更早形成可落地、可审计、可追责的治理框架，谁就更能稳定释放技术红利。
人工智能已成为科技进步的重要变量，潜力与风险并存。本次峰会的讨论显示，国际科学界对人工智能的判断正更趋理性。关键在于把技术导向“增强人类能力、促进社会进步”，而不是在冲击出现后被动应对。这需要科学家、政策制定者、企业及社会各方联合推进，通过制度安排与伦理规范，让人工智能在可控边界内发挥价值，更好服务于人类福祉。