隨著新一代信息技術(shù)深度融合發(fā)展，全球科技創(chuàng)新正加速邁入從“數(shù)字賦能”向“智能引領(lǐng)”的深度轉(zhuǎn)型階段。人工智能正成為驅(qū)動科技創(chuàng)新范式變革的核心力量，大模型等前沿技術(shù)重塑了知識生產(chǎn)機制、組織模式與創(chuàng)新生態(tài)，推動科技創(chuàng)新從“經(jīng)驗驅(qū)動”走向“智能主導(dǎo)”，構(gòu)建起以“智能賦能一知識涌現(xiàn)一范式重組”為特征的科技創(chuàng)新新范式，成為我國實現(xiàn)高水平科技自立自強的重要引擎。

隨著以大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)為代表的新一代信息技術(shù)不斷迭代演進，全球科技創(chuàng)新體系正加速邁向數(shù)字化、智能化深度融合的新階段。習(xí)近平總書記強調(diào)，人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力。當(dāng)前，隨著科技革命和產(chǎn)業(yè)變革的持續(xù)深化，科研范式正在發(fā)生根本性轉(zhuǎn)變，跨學(xué)科融合趨勢愈發(fā)明顯，科技與經(jīng)濟社會各領(lǐng)域呈現(xiàn)出加速融合、協(xié)同共進的態(tài)勢。在這一背景下，人工智能作為驅(qū)動第四次工業(yè)革命的核心技術(shù)，正從底層算法到應(yīng)用場景不斷突破，推動科技創(chuàng)新從“數(shù)字賦能”向“智能引領(lǐng)”轉(zhuǎn)型升級。尤其是隨著深度學(xué)習(xí)、強化學(xué)習(xí)、多模態(tài)智能等前沿技術(shù)的廣泛應(yīng)用，傳統(tǒng)依賴經(jīng)驗驅(qū)動的科技創(chuàng)新模式，正在讓位于以數(shù)據(jù)驅(qū)動、模型驅(qū)動為核心的智能化范式變革。因此，系統(tǒng)梳理從數(shù)字化到智能化的發(fā)展脈絡(luò)，深入探討人工智能重塑科技創(chuàng)新路徑、機制與結(jié)構(gòu)的邏輯基礎(chǔ)，既是貫徹落實國家科技戰(zhàn)略的重要理論任務(wù)，也是構(gòu)建高水平科技自立自強體系的現(xiàn)實需要，對于培育人工智能引領(lǐng)的創(chuàng)新生態(tài)、加快形成具有全球競爭力的科技新優(yōu)勢具有重大意義。

從數(shù)字化到智能化的發(fā)展進程與演化邏輯

數(shù)字化與智能化并非彼此孤立的技術(shù)階段，而是科技系統(tǒng)演進中的連續(xù)譜系與邏輯延展。數(shù)字化是以信息技術(shù)為基礎(chǔ)，將物理世界轉(zhuǎn)換為可計算、可存儲、可分析的數(shù)字形式，實現(xiàn)信息采集、傳輸和管理的過程。而智能化則是在數(shù)字化基礎(chǔ)上，引入人工智能等技術(shù)，使系統(tǒng)具備學(xué)習(xí)、推理、決策和自我優(yōu)化能力的高級階段。從演進路徑來看，科技與產(chǎn)業(yè)的發(fā)展通常呈現(xiàn)出“由數(shù)據(jù)驅(qū)動向智能驅(qū)動”的階段性躍遷，其核心邏輯在于：以數(shù)字化為基礎(chǔ)構(gòu)建全局數(shù)據(jù)感知體系，并在此基礎(chǔ)上借助人工智能賦能，實現(xiàn)知識生成、復(fù)雜決策與自我優(yōu)化的能力躍升，最終推動科技系統(tǒng)從線性工具向范式主導(dǎo)的智能體系轉(zhuǎn)變。從數(shù)字化到智能化的發(fā)展不是一蹴而就的技術(shù)躍遷，而是一個伴隨著信息技術(shù)深度融合與創(chuàng)新體系再組織的漸進演化過程。這一過程可大致分為三個階段：數(shù)字化初級階段、深度數(shù)字化階段以及智能化升級階段。

第一階段是數(shù)字化初級階段，核心在于以計算機技術(shù)、信息系統(tǒng)和基礎(chǔ)網(wǎng)絡(luò)為依托，完成對傳統(tǒng)流程的數(shù)字編碼與系統(tǒng)化重構(gòu)，推動政府、企業(yè)和科研機構(gòu)完成基礎(chǔ)信息化建設(shè)。此階段重點在于打通原有物理系統(tǒng)的“信息孤島”，構(gòu)建數(shù)據(jù)采集和存儲能力，實現(xiàn)傳統(tǒng)系統(tǒng)的數(shù)字轉(zhuǎn)型。例如，在制造業(yè)中部署ERP、MES系統(tǒng)，在科研領(lǐng)域構(gòu)建高性能計算中心和數(shù)據(jù)庫平臺，在公共管理中推廣電子政務(wù)和數(shù)據(jù)平臺等。這一階段顯著特征是“系統(tǒng)信息化”而非“系統(tǒng)智能化”，盡管技術(shù)上尚未形成“智能決策”的能力，但通過構(gòu)建系統(tǒng)互聯(lián)互通的“數(shù)據(jù)底座”和“系統(tǒng)聯(lián)通”，為后續(xù)算法嵌入與智能機制發(fā)展提供了先決條件。

第二階段是深度數(shù)字化階段，標(biāo)志著從“數(shù)字系統(tǒng)的存在”向“數(shù)據(jù)系統(tǒng)的驅(qū)動”轉(zhuǎn)變。隨著物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和大數(shù)據(jù)的迅猛發(fā)展，各類終端設(shè)備和傳感器持續(xù)生成海量數(shù)據(jù)，推動各類系統(tǒng)向“泛在連接、實時監(jiān)控、數(shù)據(jù)驅(qū)動”的方向發(fā)展。此階段的顯著特征是以數(shù)據(jù)為核心資源，通過數(shù)據(jù)挖掘與可視化技術(shù)提升業(yè)務(wù)效率與管理決策能力。例如，智慧城市系統(tǒng)通過整合交通、安防、環(huán)境等數(shù)據(jù)，實現(xiàn)城市運行態(tài)勢的實時掌握；企業(yè)借助客戶行為數(shù)據(jù)優(yōu)化產(chǎn)品設(shè)計與市場營銷；科研機構(gòu)基于數(shù)據(jù)平臺進行大規(guī)模文獻挖掘與趨勢預(yù)測。這一階段的技術(shù)進步為智能生成奠定了“數(shù)據(jù)資產(chǎn)”與“算法土壤”的基礎(chǔ)，使得系統(tǒng)具備了從數(shù)據(jù)中學(xué)習(xí)與演化的前提條件。

第三階段是智能化升級階段，其核心在于人工智能技術(shù)的全面滲透與系統(tǒng)性整合。通過引入機器學(xué)習(xí)、自然語言處理、計算機視覺等關(guān)鍵技術(shù)，實現(xiàn)從“數(shù)據(jù)驅(qū)動”到“知識生成”的跨越，從“人決策”到“機器決策”的演進，標(biāo)志著從深度數(shù)字化向全面智能化的躍遷。在該階段，系統(tǒng)具備感知、分析、預(yù)測和自我優(yōu)化能力，實現(xiàn)復(fù)雜系統(tǒng)的智能調(diào)度與動態(tài)響應(yīng)。例如，中國科學(xué)院物理所基于AI模型優(yōu)化量子材料模擬，顯著提升新材料發(fā)現(xiàn)效率；清華大學(xué)自主研發(fā)的“科技情報大數(shù)據(jù)挖掘與服務(wù)系統(tǒng)”平臺（AMiner），實現(xiàn)科研問題的自動聚類與潛在研究方向的智能推薦；百度飛槳平臺（PaddlePaddle）在基礎(chǔ)科學(xué)研究中被用于蛋白質(zhì)結(jié)構(gòu)預(yù)測，助力科研人員加快實驗驗證進程。這一系列發(fā)展標(biāo)志著科技系統(tǒng)正從“工具輔助”向“智能主導(dǎo)”演化，其范式性意義已日益顯現(xiàn)。

值得進一步指出的是，從數(shù)字化到智能化的演進不僅僅是技術(shù)能力的躍升，更深層地推動了科技系統(tǒng)結(jié)構(gòu)的根本性重構(gòu)。一方面，平臺化、生態(tài)化趨勢明顯，智能系統(tǒng)不再是單一工具，而是集成式、動態(tài)自演化的創(chuàng)新平臺。另一方面，創(chuàng)新主體從傳統(tǒng)研發(fā)團隊擴展到“人+機”協(xié)同、跨界融合的新形態(tài)，呈現(xiàn)出分布式、網(wǎng)絡(luò)化、多元參與的新特征。這種演進趨勢不僅推動了科技系統(tǒng)本身的重構(gòu)，也對現(xiàn)有的管理機制、組織形態(tài)與創(chuàng)新范式提出了新的挑戰(zhàn)與要求。

人工智能驅(qū)動下的科技創(chuàng)新范式變革

傳統(tǒng)的科技創(chuàng)新范式的過程往往由“假設(shè)一實驗一驗證”線性展開，創(chuàng)新主體以人為主、協(xié)作方式以組織邊界為限。然而，數(shù)字化發(fā)展推動科研活動初步實現(xiàn)信息流通高效化、實驗流程自動化與資源配置網(wǎng)絡(luò)化，為智能化的孕育提供了土壤。當(dāng)前，以人工智能為核心的智能技術(shù)系統(tǒng)正從工具層面躍升為方法層面乃至范式層面的主導(dǎo)力量，顯著重構(gòu)著科技創(chuàng)新的組織模式、知識生成邏輯和價值創(chuàng)造機制?？梢哉f，人工智能不僅推動了科技工具從“數(shù)字”走向“智能”的質(zhì)變，更在深層次上重塑了創(chuàng)新活動的結(jié)構(gòu)性邏輯，形成以“智能賦能一知識涌現(xiàn)一范式重組”為特征的科技創(chuàng)新新范式。

首先，人工智能改變了科技創(chuàng)新的知識生產(chǎn)機制。在傳統(tǒng)科技范式中，知識的產(chǎn)生依賴研究者的直覺、經(jīng)驗與邏輯推理，而AI的引入使得科研過程具備從海量數(shù)據(jù)中自動識別規(guī)律、發(fā)現(xiàn)問題、生成假設(shè)的能力。例如，ChatGPT、DeepSeek等大模型算法可以在短時間內(nèi)完成成千上萬篇文獻的語義抽取與知識圖譜構(gòu)建，幫助研究人員從海量信息中發(fā)現(xiàn)潛在研究空白；AlphaFold等深度學(xué)習(xí)模型則突破了生物結(jié)構(gòu)預(yù)測的傳統(tǒng)瓶頸，展示了“數(shù)據(jù)一算法一知識”閉環(huán)重塑科研邊界的能力。

其次，人工智能重構(gòu)了科技創(chuàng)新的組織范式。傳統(tǒng)創(chuàng)新多以人為核心、以科研機構(gòu)為單位，而人工智能的引入推動了“人一機協(xié)同”式的創(chuàng)新組織結(jié)構(gòu)。AI不僅作為助手協(xié)助數(shù)據(jù)分析、實驗設(shè)計、代碼編寫，甚至在某些領(lǐng)域如化學(xué)合成、生物工程中具備獨立生成研究路徑與實驗方案的能力。這種“智能協(xié)同”范式促使創(chuàng)新活動由個人智力驅(qū)動轉(zhuǎn)向“混合智能系統(tǒng)”驅(qū)動，從而提升了科研效率與成果質(zhì)量。

再次，人工智能打破了科技創(chuàng)新的邊界限制，推動跨學(xué)科、跨領(lǐng)域的知識融合。AI技術(shù)本身具有高度通用性，其在數(shù)學(xué)建模、自然語言、圖像識別、優(yōu)化計算等方面的優(yōu)勢使其能夠嵌入幾乎所有學(xué)科的研究過程，由此帶來的“學(xué)科融合一范式協(xié)同”趨勢，有力促進了科學(xué)研究的系統(tǒng)化、集成化與復(fù)雜性管理。例如，在智慧城市建設(shè)中，AI技術(shù)將工程技術(shù)、地理信息系統(tǒng)、社會行為科學(xué)與政策科學(xué)有效整合，構(gòu)建出以智能算法為內(nèi)核的跨界創(chuàng)新系統(tǒng)。

然后，人工智能推動創(chuàng)新主體呈現(xiàn)出多元協(xié)同與平臺化整合的發(fā)展態(tài)勢。在傳統(tǒng)模式中，科研活動主要集中于高校與研究機構(gòu)，而在AI驅(qū)動的新范式中，科技創(chuàng)新越來越多地發(fā)生在平臺企業(yè)、開源社區(qū)、產(chǎn)學(xué)研協(xié)同網(wǎng)絡(luò)之中。技術(shù)平臺如OpenAI、DeepMind等已經(jīng)成為前沿科技突破的策源地，而GitHub、arXiv等開源平臺則構(gòu)建了開放式知識傳播與協(xié)同創(chuàng)新生態(tài)。人工智能所催生的這一“去中心化、去邊界化”的創(chuàng)新生態(tài)，顯著提升了科技創(chuàng)新的整體效率與響應(yīng)速度。

最后，人工智能帶來了科技倫理、知識產(chǎn)權(quán)等方面的深層變革。在AI主導(dǎo)下，科研過程的“黑箱性”增強，對算法透明度、公平性與問責(zé)機制提出了新的挑戰(zhàn)；同時，AI生成成果的歸屬權(quán)、可靠性與學(xué)術(shù)合法性問題，也亟須法律制度與學(xué)術(shù)規(guī)范的跟進。這些都反映出新范式不僅是技術(shù)演進，更是科技治理范式的重大重組。

打造以人工智能為引領(lǐng)的智能化創(chuàng)新生態(tài)

人工智能通過深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大模型等底層技術(shù)的突破，實現(xiàn)了從數(shù)據(jù)感知、知識生成到智能決策的系統(tǒng)性躍遷，推動科技創(chuàng)新范式從“數(shù)字驅(qū)動”邁向“智能主導(dǎo)”。打造以人工智能為引領(lǐng)的智能化創(chuàng)新生態(tài)，既是數(shù)字化發(fā)展的深化方向，也是實現(xiàn)科技范式躍遷和創(chuàng)新體系重構(gòu)的戰(zhàn)略路徑。通過構(gòu)建開放共享、高效協(xié)同、平臺驅(qū)動的智能創(chuàng)新生態(tài)，能夠有效打通從基礎(chǔ)研究到場景應(yīng)用的價值鏈條，構(gòu)筑支撐高質(zhì)量發(fā)展的戰(zhàn)略性科技力量。

強化人工智能基礎(chǔ)研究與跨學(xué)科融合機制，夯實創(chuàng)新范式轉(zhuǎn)型根基。推動從數(shù)字化向智能化的科技創(chuàng)新范式演進，首要任務(wù)是增強人工智能基礎(chǔ)研究能力與學(xué)科交叉協(xié)同創(chuàng)新水平。在當(dāng)前大模型、類腦計算、因果推理、強化學(xué)習(xí)等前沿領(lǐng)域不斷取得突破的背景下，應(yīng)堅持“源頭創(chuàng)新”導(dǎo)向，加大對基礎(chǔ)算法、通用模型架構(gòu)、量子智能等關(guān)鍵方向的長期、穩(wěn)定投入。例如，清華大學(xué)成立人工智能學(xué)院，推動人工智能與數(shù)學(xué)、神經(jīng)科學(xué)、材料物理的深度融合，瞄準(zhǔn)基礎(chǔ)研究和關(guān)鍵核心技術(shù)突破。此外，應(yīng)鼓勵高校與科研院所構(gòu)建跨學(xué)科交叉研究平臺，采取“雙聘制”引進多學(xué)科人才，建立共享實驗設(shè)施和數(shù)據(jù)資源庫，實現(xiàn)研究成果與人才的高效流動。通過設(shè)立國家級人工智能交叉創(chuàng)新中心，推動智能技術(shù)與生命科學(xué)、材料工程、社會科學(xué)等多領(lǐng)域的融合突破，將為科技創(chuàng)新范式的重塑提供堅實的理論依據(jù)與關(guān)鍵性技術(shù)支撐。

加強智能數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，支撐人工智能高質(zhì)量發(fā)展。數(shù)據(jù)作為人工智能驅(qū)動的重要燃料，其可用性、結(jié)構(gòu)化程度與安全規(guī)范直接決定智能化創(chuàng)新的質(zhì)量和效率。當(dāng)前，數(shù)據(jù)孤島、格式不統(tǒng)一、使用權(quán)限模糊等問題制約了人工智能模型的訓(xùn)練與優(yōu)化，亟須從國家層面加強智能數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，推動“數(shù)據(jù)要素化”改革，將科研數(shù)據(jù)、產(chǎn)業(yè)數(shù)據(jù)、政務(wù)數(shù)據(jù)納入統(tǒng)一的開放治理體系。例如，中國科學(xué)院“數(shù)據(jù)云”項目已初步形成自然科學(xué)領(lǐng)域的數(shù)據(jù)聚合平臺，可為科研人員提供標(biāo)準(zhǔn)化、可調(diào)用的數(shù)據(jù)資源服務(wù)。在此基礎(chǔ)上，應(yīng)建立數(shù)據(jù)共享標(biāo)準(zhǔn)與分類分級使用機制，強化對數(shù)據(jù)隱私、安全、合規(guī)的監(jiān)管，特別是在醫(yī)療、金融等敏感領(lǐng)域。通過構(gòu)建“高質(zhì)量、可流通、可確權(quán)”的數(shù)據(jù)要素市場體系，不僅可促進人工智能訓(xùn)練質(zhì)量的躍升，也為產(chǎn)業(yè)智能化升級提供持續(xù)的知識供給與創(chuàng)新動能。

構(gòu)建平臺化、生態(tài)化的智能創(chuàng)新生態(tài)體系，形成可持續(xù)協(xié)同發(fā)展格局。隨著人工智能技術(shù)及其產(chǎn)業(yè)鏈條不斷延伸，傳統(tǒng)的“單點技術(shù)突破一線性轉(zhuǎn)化一逐級應(yīng)用”模式已難以滿足智能化創(chuàng)新需求，亟須構(gòu)建“平臺 + 生態(tài)”協(xié)同創(chuàng)新體系。依托龍頭企業(yè)、高校、科研機構(gòu)共建開源開放的人工智能基礎(chǔ)平臺，聚焦算法、模型、數(shù)據(jù)、算力等關(guān)鍵資源的模塊化協(xié)同。例如，百度“飛槳”、阿里“魔搭”、華為“昇騰MindSpore”等平臺已初步實現(xiàn)開源模型的模塊化集成與分布式訓(xùn)練，激發(fā)了眾多中小企業(yè)與開發(fā)者的二次創(chuàng)新能力。同時，應(yīng)打造“政產(chǎn)學(xué)研用”協(xié)同生態(tài)聯(lián)合體，支持各類主體在共性平臺基礎(chǔ)上開展行業(yè)定制化智能應(yīng)用，推動平臺型技術(shù)服務(wù)與場景型創(chuàng)新深度融合。通過建立多層級、多主體、多應(yīng)用場景協(xié)同的創(chuàng)新生態(tài)，將有效促進人工智能技術(shù)成果的快速轉(zhuǎn)化，推動科技創(chuàng)新從“工具賦能”走向“范式重構(gòu)”的高質(zhì)量躍遷。■

（潘建紅為北京科技大學(xué)馬克思主義學(xué)院教授、博士生導(dǎo)師，北京市科協(xié)科技社團與公共政策專業(yè)智庫基地首席專家；王慧為北京科技大學(xué)馬克思主義學(xué)院博士研究生。本文系北京市習(xí)近平新時代中國特色社會主義思想研究中心重大項目“構(gòu)建支持全面創(chuàng)新體制機制研究”[24LLZXA096]的階段性成果）

兼職編輯：常思哲