周文伟：高校智能化科研战略布局的国际图景与中国路径

智能化科研的内涵及战略动因（略）

高校智能化科研战略布局的国际图景（略）

高校智能化科研战略布局的中国路径

近年来，我国已展开相关部署。2025年8月，《国务院关于深入实施“人工智能+”行动的意见》发布，将“人工智能+”科学技术列入重点行动。2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，明确部署利用人工智能赋能科学研究。相较于美国、英国、日本、欧盟等国家及国际组织，我国并未出台提出专门的智能化科研战略、高校层面仍然缺乏具体布局。对此，参考国际经验、结合我国相关政策部署，提出以下路径建议。

1.以顶层设计为引领，将高校纳入国家算力枢纽节点体系

高校智能化科研面临的最直接约束，是算力和高质量数据获取困难。破解这一瓶颈，应借鉴美国NAIRR、英国AIRR等经验，从国家层面进行资源统筹。建议由教育部联合科技部、工信部、国家发展改革委等部门，研究制定“智能化科研发展规划（2027—2035）”，明确各类高水平研究型大学、国家重点实验室和龙头科技企业的主体角色，参考国际经验打造中国国家人工智能研究资源（CNAIRR），实现算力、数据、模型和工具的标准化接入与一体化调度。在算力层面，建设国家教育智能算力服务平台，将其融入国家超算互联网平台、区域算力枢纽、高校算力中心三级算力保障体系。结合国际科技创新中心、综合性国家科学中心、全国高校区域技术转移转化中心等重大区域创新布局，整合各方智算、通算和超算资源，在京津冀、长三角、粤港澳大湾区等地建设区域性高校智算中心。同时，结合“双一流”学科布局，在生物医药、材料科学、能源环境等数据密集型拔尖学科实施高校智能化科研卓越算力分配计划。在数据层面，推动高校国家重点实验室等大型科研平台周边布局科学数据存储中心，鼓励地方和高校开发领域特色科学数据集。推动高校建立数据贡献与科研评价挂钩的激励机制，结合学科特色建设一批面向智能化科研的高质量标注数据集，重点支撑生命科学、材料科学、地球科学等数据密集型领域。

2.以平台化、跨学科为导向，创新高校智能化科研组织模式

参考各国设立专项科研项目、计划、平台等做法，我国可以突破传统的学科壁垒和院系藩篱，构建更加开放灵活的智能化科研组织模式。一是依托高水平研究型大学建设智能化科研创新平台。高校跨学科研究机构可以探索AI的泛在应用，影响校内所有学科的知识生产方式和组织形态。[4]对此，可以引导高校聚焦“十五五”规划量子科技、生物制造、氢能和核聚变能等未来产业方向以及地缘政治、史料挖掘、人口模拟等前沿社会科学领域，设立新的智能化科研交叉平台、智能实验室自主实验集群，同时引入AI大模型盘活高校当前基础科研平台和科技基础设施。例如，设立智能化科研领域的教育部哲学社会科学实验室、工程技术中心等研究基地，明确聚焦1—2个科学领域（如AI+人口科学、AI+药物发现、AI+能源勘探等），实行AI领域与科学领域双负责人协同机制，推动人工智能技术与具体科学问题的深度结合。

二是推动高校智能化科研的学术共同体建设。借鉴欧盟“RAISE”计划整合全欧力量、形成“AI4Science欧洲联盟”的经验，推动智能化科研相关的高校联盟、期刊、报告、指数等智能化科研生态，围绕全球性议题组建以中国高校牵头的国际AI大科学计划。

三是构建战略聚焦与自由探索并行的高校智能化科研体系。一方面，结合国家自然科学基金、国家社会科学基金等项目设立高校智能化科研专项计划，围绕人口健康、能源可持续发展、全球气候变化治理等国家重大需求组织定向攻关，实施“双PI制”、3年资助周期和滚动追加资助机制。同时，参考国外将科学数据集的影响力纳入科研项目评价的重要指标做法，在国家级科研项目中增设数据建设评审指标，将科学数据治理、标注和共享机制作为项目产出的有机组成部分，激励高质量数据集公开。另一方面，尽管AI科研可以生成化学新分子、开发蛋白质等，提高科学实验效率[5]；但是，当前智能化科研的实验验证能力可能滞后于预测能力，一天生成的结果可能需要十几年来验证，因此有用的创意很关键。对此，可以参照日本SPReAD项目模式，依托相关赛事、项目面向高校师生设立探索性小额资助项目，鼓励自由探索、高风险高回报的智能化科研创意及创新设计。同时，数据安全与信息保护可能成为重要的伦理问题，应以《人工智能科技伦理审查与服务办法（试行）》为基础，在高校建立以备案管理、同行评议、前置审查与过程监督为程序的分级分类智能化科研治理体系。

3.以复合交叉为要求，分类推进高校智能化科研人才发展体系

参考国外在课程改革、技能培训、学位设置、人才引进等方面的经验，可以进一步破解智能化科研人才培养的交叉难题，重塑劳动力的结构与素养[6]。一是分类开设人工智能技能提升课程。参考英国“人工智能转换课程”经验，分学科、分层次[7]地推动人工智能成为高校公共基础课、技能提升课。其中，高校AI学科、STEM学科主要开展融合式教学，旨在强化智能化科研的卓越素养；高校非AI、非STEM学科主要开展工具式教学，旨在强化智能化科研的应用能力。二是设置智能化科研的交叉型学位组合。具体而言，做好“人工智能+科学研究”的招生指标、课程方案、院系建制等保障，结合现有“博士+硕士”双学位项目、“本硕博”贯通培养项目以及“主修+辅修”“微证书”“训练营”“工作坊”等跨学科培养模式、机制，建立跨学段、跨学科、跨院系乃至跨校际、跨企业的“AI+科学”培养体系。三是打通顶尖人工智能人才到重点科学实验室的旋转门。增设高校智能化科研相关岗位、设立智能化科研海外人才引进专项，支持海内外优秀人工智能专项人才交叉引进高校自然科学及社会科学类的重点实验室工作。

4.以智能化科研为契机，创新高校产学合作与成果转化机制

参考智能化科研产学合作创新的国际经验，我国可以依托智能化科研破解高校专利产业转化率低的现实问题。一是建设智能化科研产业创新联合体，提升高校源头场景创新力。支持高校与行业龙头企业联合建设智能化科研联合实验室，使企业提供真实的科研问题和数据资源，高校则提供研究团队和技术能力；建立企业“出题”、高校“答题”[8]的协同研发机制，推动智能化科研与产业需求精准对接；同时完善知识产权共享和利益分配机制，激发企业参与高校智能化科研的积极性。二是完善成果转化服务体系，建立高校智能化科研概念验证中心。为高校智能化科研衍生企业提供概念验证、专业孵化、产品生成、资本引入等全链条孵化服务；将智能化科研方向纳入现行技术经理人培养体系中，打造专业技术经理人队伍；设立高校智能化科研成果转化引导基金，与社会资本共同投资高校智能化科研创业项目。三是充分发挥“科交汇”等智能化成果转化平台的精准匹配功能，实现高校科研成果与企业技术需求的智能感知与自动匹配，在评估重大转化潜力后由政府牵头开展大规模产业化。

可以预见，随着人工智能不断嵌入科学研究全过程，高校科研将加速迈向更加开放、协同与智能的新阶段。并且，智能化科研已不只是科研效率问题，而是关系国家创新能力重构的重要议题。对此，高校需要面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，深化对接智能化科研中的科技创新全链条、全领域，借此契机增强我国科技实力和创新能力。

（来源：《中国高等教育》2026年第12期）