在“十四五”規劃收官、“十五五”規劃謀篇布局的關鍵節點，如何以科技創新引領高質量發展，成為中國經濟邁向下一個五年的核心命題。在近日于北京舉行的“國是論壇：2025年會”上，工業和信息化部原副部長、工業和信息化部電子科技委主任王江平圍繞“AI科學發現轉化為生產力的問題與對策”發表主旨演講，直指當前人工智能與產業融合中的關鍵堵點，為中國在AI時代實現高水平科技自立自強提供了系統性思考。

工業和信息化部原副部長、工業和信息化部電子科技委主任 王江平 中新社記者 蔣啟明 攝

王江平指出，隨著人工智能深度參與科學研究，AI科學發現正成為繼實驗科學、理論科學、計算科學和數據密集型科學之后的“第五范式”。在蛋白質結構預測、新材料發現、藥物研發等領域，AI已經顯著縮短了科學發現周期，極大拓展了人類認知邊界。以AlphaFold為代表的突破性成果，使人工智能研究者首次走上諾貝爾獎領獎臺，標志著AI for Science進入加速發展階段。

然而，在成果數量呈指數級增長的同時，AI科學發現向現實生產力轉化卻遭遇嚴峻挑戰。王江平形象地將這一結構性矛盾比喻為“堰塞湖”：一方面，AI模型每天可以產生成千上萬的預測結果;另一方面，人類實驗驗證能力和產業化能力卻只能線性增長，遠遠無法消化這些成果。以新材料研究為例，數十萬種AI預測材料中，真正完成實驗驗證并進入應用的比例不足千分之幾，大量成果長期停留在論文和算力消耗層面，難以形成現實價值。

在王江平看來，造成這一“堰塞湖”的原因是多方面的。首先，高質量數據集和權威評估體系缺失，導致模型推理深度不足、預測可信度參差不齊;其次，AI模型“黑箱化”與幻覺風險削弱了科研人員對預測結果的信任;再次，現有實驗室體系以“人為操作”為核心，難以適配AI自主實驗需求，跨平臺協同和系統集成能力不足;此外，在政策、投資、人才和安全等方面，小試、中試和自主實驗環節仍面臨現實約束。

針對上述問題，王江平從制度建設、技術路徑和生態協同等層面提出了系統性對策。第一，要加快建設高質量數據集、高價值知識中心和AI預測結果評估標準體系，特別是在重點行業推動公共數據平臺建設，減少重復研究和無序計算，為科研與產業提供可靠“底座”。第二，要加快AI自主實驗室建設，通過開源化、模塊化降低建設門檻，探索“人在回路中”的混合增強智能模式，并結合數字孿生與多智能體協作，推動自主實驗從概念驗證走向規模應用。第三，要強化中試平臺建設，依托我國豐富的應用場景優勢，打通“小試—中試—工程化”關鍵環節，推動科技成果真正落地。

王江平還特別強調，要深化學術界與產業界協同，培育更多兼具理論深度與應用導向的“巴斯德象限”研究者。他指出，既面向科學前沿、又回應現實需求的研究模式，往往更容易產生高質量成果，并在長期內形成持續創新能力。同時，要推動AI for Science與AI for R&D協同發展，通過“企業出題、科學家答題”、揭榜掛帥和監管沙盒等機制，加速技術從“0到1”再到“10”的全過程轉化。

在演講最后，王江平提出三點結語：科學家要主動擁抱產業、貼近應用，成為懂轉化的新型科研人才;企業家要敢于嘗試新技術、承擔創新風險，推動前沿成果應用落地;政策制定者則需在AI時代重構規則體系，為科學發現轉化為生產力營造更加包容、靈活和安全的發展環境。

在全球新一輪科技革命和產業變革加速演進的背景下，如何讓AI釋放的不僅是“預測能力”，更是“現實生產力”，考驗著一個國家的系統治理能力。王江平的觀點表明，破解“堰塞湖”，關鍵不在單點技術突破，而在于構建貫通數據、實驗、產業與制度的創新體系。這既是“十五五”時期科技創新的重要課題，也將深刻影響中國經濟邁向高質量發展的未來路徑。