王江平：打通“堰塞湖”，让AI科学发现真正转化为现实生产力

在“十四五”规划收官、“十五五”规划谋篇布局的关键节点，如何以科技创新引领高质量发展，成为中国经济迈向下一个五年的核心命题。在近日于北京举行的“国是论坛：2025年会”上，工业和信息化部原副部长、工业和信息化部电子科技委主任王江平围绕“AI科学发现转化为生产力的问题与对策”发表主旨演讲，直指当前人工智能与产业融合中的关键堵点，为中国在AI时代实现高水平科技自立自强提供了系统性思考。

工业和信息化部原副部长、工业和信息化部电子科技委主任 王江平 中新社记者 蒋启明 摄

王江平指出，随着人工智能深度参与科学研究，AI科学发现正成为继实验科学、理论科学、计算科学和数据密集型科学之后的“第五范式”。在蛋白质结构预测、新材料发现、药物研发等领域，AI已经显著缩短了科学发现周期，极大拓展了人类认知边界。以AlphaFold为代表的突破性成果，使人工智能研究者首次走上诺贝尔奖领奖台，标志着AI for Science进入加速发展阶段。

然而，在成果数量呈指数级增长的同时，AI科学发现向现实生产力转化却遭遇严峻挑战。王江平形象地将这一结构性矛盾比喻为“堰塞湖”：一方面，AI模型每天可以产生成千上万的预测结果;另一方面，人类实验验证能力和产业化能力却只能线性增长，远远无法消化这些成果。以新材料研究为例，数十万种AI预测材料中，真正完成实验验证并进入应用的比例不足千分之几，大量成果长期停留在论文和算力消耗层面，难以形成现实价值。

在王江平看来，造成这一“堰塞湖”的原因是多方面的。首先，高质量数据集和权威评估体系缺失，导致模型推理深度不足、预测可信度参差不齐;其次，AI模型“黑箱化”与幻觉风险削弱了科研人员对预测结果的信任;再次，现有实验室体系以“人为操作”为核心，难以适配AI自主实验需求，跨平台协同和系统集成能力不足;此外，在政策、投资、人才和安全等方面，小试、中试和自主实验环节仍面临现实约束。

针对上述问题，王江平从制度建设、技术路径和生态协同等层面提出了系统性对策。第一，要加快建设高质量数据集、高价值知识中心和AI预测结果评估标准体系，特别是在重点行业推动公共数据平台建设，减少重复研究和无序计算，为科研与产业提供可靠“底座”。第二，要加快AI自主实验室建设，通过开源化、模块化降低建设门槛，探索“人在回路中”的混合增强智能模式，并结合数字孪生与多智能体协作，推动自主实验从概念验证走向规模应用。第三，要强化中试平台建设，依托我国丰富的应用场景优势，打通“小试—中试—工程化”关键环节，推动科技成果真正落地。

王江平还特别强调，要深化学术界与产业界协同，培育更多兼具理论深度与应用导向的“巴斯德象限”研究者。他指出，既面向科学前沿、又回应现实需求的研究模式，往往更容易产生高质量成果，并在长期内形成持续创新能力。同时，要推动AI for Science与AI for R&D协同发展，通过“企业出题、科学家答题”、揭榜挂帅和监管沙盒等机制，加速技术从“0到1”再到“10”的全过程转化。

在演讲最后，王江平提出三点结语：科学家要主动拥抱产业、贴近应用，成为懂转化的新型科研人才;企业家要敢于尝试新技术、承担创新风险，推动前沿成果应用落地;政策制定者则需在AI时代重构规则体系，为科学发现转化为生产力营造更加包容、灵活和安全的发展环境。

在全球新一轮科技革命和产业变革加速演进的背景下，如何让AI释放的不仅是“预测能力”，更是“现实生产力”，考验着一个国家的系统治理能力。王江平的观点表明，破解“堰塞湖”，关键不在单点技术突破，而在于构建贯通数据、实验、产业与制度的创新体系。这既是“十五五”时期科技创新的重要课题，也将深刻影响中国经济迈向高质量发展的未来路径。