人工智能和科技创新依旧是今年全国两会最热的话题。3月7日，全国政协十四届四次会议第二次全体会议在人民大会堂举行。大会上，委员们不约而同地聚焦这一热点话题。

关键词

科技创新和产业创新深度融合

“十四五”时期，新型举国体制和市场机制协同发力，在量子科技等领域实现原始创新突破，“新三样”、深度求索大模型等产品惊艳全球，让我国走入世界科技和产业竞争舞台的中央。

当前，大国博弈日趋复杂激烈，国内高质量发展需求愈发迫切，唯有用好科技创新和产业创新深度融合这把培育发展新质生产力的“金钥匙”，才能更好地抓住历史机遇，抢占制高点，推动中国式现代化伟大事业不断前进。

全国政协委员解冬建议，要强化企业主体地位，让企业既当好科技创新的“出题人”，又当好“答题人”。扩大企业在科研立项、组织实施、评审验收、国际合作中的参与度，完善以市场为导向的技术攻关机制。鼓励龙头企业加大基础研究投入，支持更多科技领军企业与国家自然科学基金共同设立联合专项，支持优质民营企业成为国家自然科学基金依托单位。由重点产业链主企业牵头组建“攻关联合体”，以市场需求为导向开展研发，让产业痛点成为科研方向，以技术突破推动产业升级。认真执行关于严格规范涉企行政行为的制度规定，为企业松绑赋能、营造良好环境。

推动科技创新和产业创新深度融合离不开金融的有力支持。解冬建议，要强化金融支撑作用，加大对初创科技企业的金融支持。设立科技创新风险补偿资金池，对高风险项目早期投资提供部分损失补偿。不断完善研发费用加计扣除政策，对战略性技术领域实施阶梯式加计比例。推动商业银行建立数据、专利等新要素评估体系，将技术可行和市场前景纳入授信标准。探索支持具备科创属性的上市公司带头发行科创债，适度拓展中小企业私募债券、非公开发行科创债。开发覆盖创新链条前端的知识产权险、技术研发险、研发中断险、首台（套）质量险等保险产品。优化资本市场全周期支持机制，引导长期资本、耐心资本投早、投小、投长期、投“硬科技”。

关键词

制造强国

当前，新一轮科技革命和产业变革加速突破，成为我国跨越式发展的重要契机。全国政协委员霍金花表示，我国芯片、大模型架构、核心算法等关键技术和产品仍存在受制于人的现象，自主可控技术体系亟待建立。为加快建设制造强国，应坚定不移支持底层技术创新攻关，多维度实施有效举措，持续加大底层技术的研发力度、投入力度和长期稳定支持力度，产出更多原创性成果。

针对上述问题，霍金花提出五点建议：

一是支持多路径技术创新。兼顾底层技术原始创新和集成创新，将“原创突破”放在更加重要位置，既支持“从0到1”的原始性创新，也支持“从1到10”、发挥“乘数效应”的集成创新，以切实有效的政策手段和创新联合体等形式，促进产业链协同配合，全链条推进底层技术攻关、成果应用和生态构建。

二是构建跨领域咨询决策机制。发挥专业性智库作用，推广国家对集成电路等重点产业领域的政策支持模式，构建制造业重点领域国家级研究机制或智库体系，构建高水平的决策支撑体系，强化对政府、行业、企业的智力支持。

三是发挥产业化应用促进作用。一方面，注重将底层技术与工程化应用相结合。将底层技术攻关与新质生产力主战场发展相融合，通过实际应用为底层技术提供应用场景和验证空间，通过支持集成应用，以工程化方法解决自主攻关产品性能不足等问题。另一方面，加强对底层技术成果应用的推广力度。“十五五”时期实施底层技术攻坚工程，力争在芯片自主研发、大模型架构、核心算法、开源生态等关键领域快速突破。

四是加强政策创新和落实力度。建立底层技术创新成果长期奖励机制、市场准入与技术先进结合机制，对形成并成功转化的底层技术，以机制保证成果产出人能够分享相关收益。优化科研管理流程，实施分类差异化的管理策略，减少底层技术创新活动中的行政干预，精简不必要的申报、考核、评价等，让科研人员把更多时间、更多精力用在创新上。在国家级专项中设立底层技术攻关“耐心项目”，对入选的项目，只考核创新成果，不强制要求安排配套资金；强化项目验收灵活性，创新成果的目标、指标、评价标准等由项目实施人提出，经相关专家委员会论证认可后实施。优化当前财政资金支持政策，允许财政资金同时支持同一企业、同系列产品的并行研发，以加快创新迭代速度。

五是加大耐心资本投融资支持。充分考虑底层技术和新兴前沿产业的成长周期和体系化创新特点，发挥新型举国体制优势，给予至少10到15年长期、持续、高强度支持。充分发挥国有耐心资本作用，对国有创新投资基金给予一定容错空间。

关键词

“人工智能+”

2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，明确将“人工智能+”科学技术列为加快实施重点行动之一。全国政协委员，南京大学副校长，中国科学院院士周志华表示，目前，部分科研工作对“人工智能赋能科学研究”停留在对工具的简单套用，或盲目尝试训练通用“科学大模型”以应对所有问题。同时，科学数据获取成本高、标准不统一、共享意愿低，数据标注质量参差不齐，缺乏权威、标准化、大规模的科学数据集，导致AI模型训练效率不高、可靠性难以保障，重复建设与资源浪费现象突出。

为此，他提出了四点建议：一是加强政策引导，提升基础创新能力。优化人工智能领域科学研究的统筹布局，避免资源过度集中于算力消耗型的应用层，纠正盲目跟风“大模型解决一切”的误区，加大对AI算法基础研究的支持力度，提高针对具体问题设计算法解决方案的创新能力。重点支持一批具有前瞻性、战略性的基础研究项目，鼓励科研人员开展原创性研究。同时，引导企业和社会资本参与AI算法基础研究，形成多元化的投入机制。建立科学合理的科研评价体系，营造鼓励探索、宽容失败的科研氛围。

二是变革培养模式，打造复合型人才队伍。从源头构建“人工智能赋能科学研究”复合型创新人才培养体系，支持高水平研究型大学试点设立“博士+硕士”双学位项目，支持博士研究生在攻读AI专业博士学位期间，跨学科攻读一个科学专业硕士学位，探索构建跨学科融合的研究生培养新模式，系统化培养既深谙领域知识又掌握前沿AI技术的“双语”科学家。同时在学位获取、职称晋升、绩效考核等环节中建立“交叉学科特区”，解决跨学科人才在传统评价体系中“两头不靠”的困境。

三是注重双向科普，推动消除学科壁垒。构建跨学科的“双向翻译”与协作机制。一方面，由科学领域学者向AI研究者进行科学问题的抽象翻译，将领域前沿关键问题表述为AI学者可理解的语言，便于其进行针对性的求解。另一方面，由AI科学家面向传统领域学者开展科普，通过具体案例厘清技术边界，消除对AI的恐惧或盲目神化，阐明AI作为辅助科学发现的工具本质。鼓励定期举办跨界沙龙，促进不同背景的学者进行交流，推动从概念普及到实质性协作的跨越。

四是强化数据治理，构建科学数据生态。由国家相关部委牵头，构建国家级科学数据共享与服务平台。依托重点实验室等重大科技平台，建立标准化的科学数据仓储，制定各学科数据的采集、标注、存储和共享标准，引入数据质量反馈机制，持续优化数据资产。通过项目资助、成果评价等政策杠杆，鼓励科研机构与研究人员开放共享科学数据，形成良好生态，最大化利用效率。同时加强支撑技术研发和法律法规制定，有效保护数据共享过程中的敏感信息和知识产权。

来源：金融时报

作者: 马玲