今天咱们聊聊全国两会上的热点话题，看看大家是怎么谈提升创新体系效能的。有个词大家肯定都听过，叫“第二大脑”，指的就是AI，它现在正把全世界的科研路子都给带跑偏了，变成了代表委员们讨论的重点。3月7日，在全国政协的大会上，中科院的周志华院士说了，咱们得拿人工智能当先锋，把科研范式给改一改。紧接着3月8日，工业和信息化部的老副部长王江平也在接受采访时坦言，人工智能早就不是个打杂的工具了，现在是推动科技进步的主心骨，往后还得把科研和产业的样子都重塑一遍。 会场里讨论得热火朝天，大家伙儿都觉得AI给全球科技革命提供了巨大的能量，可它在科研上遇到的麻烦也不能装瞎。就拿AlphaFold来说吧，它帮俩搞非生命科学的人拿了2024年的诺贝尔奖。还有那个叫“大原子模型计划”的，也能在半导体、合金这些材料上大展身手。周志华院士看在眼里，心说国外国内的例子都摆在那儿了，AI不仅能把那些长期没解开的科学难题给加速搞定，说不定还能把咱们找科学发现的老路子给彻底重新规划了。 不过话说回来，好事背后也有坑。周志华提到了数据的问题。因为现在缺权威的、标准的大数据库，再加上数据难拿、标准不一、大家不爱分享，导致现在AI模型训练起来很慢不说，可靠性也不高。重复建设和资源浪费的情况特别严重。 这一点王江平也深有体会。他在调研时发现了个事儿：那个叫GNoME的模型预测出来了38万种稳定材料，但实验验证了的只有736种。这验证率简直低得吓人，只有不到0.2%。他说这就好比AI一天产出的预测成果，咱们人类得花十年甚至更久才能彻底验证完，这就把科研资源和算力都给白白占了。 更让人着急的是，好多预测出来的东西最后都只停留在论文上了，根本没变成产业用的东西。这既没发挥出该有的产业价值，又造成了资源浪费和转化的堵塞。王江平给这种现象取了个名字叫“堰塞湖”，就是说上游的AI预测能力太强了，下游验证和产业化的路太窄走不动了。 为啥会出现这种“梗阻”呢？王江平分析说原因挺复杂。预测模型本身有局限、没统一标准、评估体系不健全、实验验证能力跟不上是最主要的问题。要想解决就得对症下药。 那咱们国家该怎么布局这个AI for Science的前沿体系呢？周志华觉得首先得靠政策引导来提升基础创新能力。他建议优化一下布局，多支持点AI算法的基础研究项目，特别是那种有前瞻性、战略性的大项目。还要鼓励企业和社会资本也来掺和一脚。 还有一个大难题是人才不够用。周志华建议从源头开始培养那种既懂科研又懂AI的复合型人才。让高校设立双学位项目，让博士在读期间还能跨学科去读个硕士学位。 王江平那边也提了个建议：得把高质量数据集、高价值知识中心和评估标准体系这三块核心载体给建起来。重点行业得搞个公共数据共享中心；部门得定个权威的评估体系；同时还要让AI for Science和AI for R&D一起发展。 王江平还呼吁推行“揭榜挂帅”机制：让企业出题，科研机构去攻关。还得探索政府沙盒监管，给研发环节多放点自主权，好激发大家的创新活力。