芮明杰專欄 | 面對科研范式大變革，中國如何搶占AI與數據驅動的創新高地？

芮明杰

復旦大學特聘教授

復旦大學管理學院產業經濟學系主任

復旦大學應用經濟學博士后流動站站長

復旦大學企業發展與管理創新研究中心主任

“三思派”特約專家

當下科學技術創新研究范式正經歷深刻變革：從“假設驅動”轉向“數據/AI驅動”，從“單一學科”轉向“跨學科融合”，從“封閉實驗室”轉向“開放協同網絡”，從“技術研發”與“科學發現”分離轉向“雙向加速迭代”。應對這一變化，需從科學技術創新研究制度改革、研究組織體系重構、研究工具創新與共享、新型創新生態體系建構、人才培養模式改變等方面制定系統性對策。

以人工智能技術、數字技術、5G 網絡通訊技術等為代表的新一輪科學技術進步極為迅速，對未來人類社會的經濟、產業和城市發展必然產生難以預料的影響。更重要的是這些科學技術的進步還在改變現行科學技術創新研究的范式，改變現行科學技術研究者的行為范式，從而推動創新研究效率的不斷提升，進而不斷拓展人類對未來的認知邊界。因此，在謀求我國科學技術自立自強的過程中，把握科學技術創新研究范式革命的趨勢方向，加快現行創新研究范式的創新，則可能達到事半功倍的效果。

科學技術研究范式正在發生革命

隨著人工智能技術、數字技術等的快速進步，科學與技術正在向跨界融合與全球協同創新發展，呈現出科學研究范式和技術創新范式的融合，進而實現對現行科學技術創新研究范式的革命。

認知范式革命。

AI技術與數字計算等技術正在重構人類認知自然的方式。傳統的研究范式是“假設驅動”，即科學大膽假設如此然后證明從而誕生新發現新發明；而如今已經開始轉向“數據智能驅動”范式，即通過數據分析發現問題并予以創新解決從而形成新發現新發明。這就是人工智能在輔助技術創新中發現新科學問題，再從大數據分析中得到科學發現進一步推動技術發明，雙向融通，互相促進。可以說，人工智能（AI）技術、大數據分析技術正在重塑科學發現的方法論，成為繼實驗、理論、計算之后的第四范式。AI技術可以通過挖掘海量數據所隱含的規律，實現“觀察—智能涌現—驗證”的新邏輯。

重構開放創新生態。

封閉式科學研究固然可以保護知識產權，但其效率不高、迭代不快已經是公認的事實，更重要的是數字技術互聯網技術已經建立其全球一體化的架構，為打破知識壟斷，突破信息孤島，形成“開源創新—全球驗證—迭代升級”的高效率協同創新生態奠定了基礎。“開源創新—全球驗證—迭代升級”是一個不同于以往的科學技術創新生態，也正是如此DeepSeek才可以在OpenAI等大模型基礎上進行進一步的創新，并取得極大成功。而DeepSeek宣布其大模型為開源的大模型，正是為其未來的進一步合作創新創造了巨大的空間，而這反過來對模型的演化和未來探索有著巨大的推動作用。如今，科學技術研究的工具開源化逐步成為主流，如Jupyter Notebook、GitHub等平臺使科研流程透明化，全球開發者可實時協作優化算法（如PyTorch框架）。此外全球科學數據共享機制的建立，就是促進了全新科學技術開放創新生態的形成，以及促進了研究范式的創新。

“技術科學”新形態正在崛起。

在科學與技術的界限日益模糊的今日，“技術科學”概念被重新定義，強調技術不再是科學的“應用子集”，而是與科學共同構建認知世界的新框架。例如，量子計算的發展不僅依賴量子力學理論，其糾錯算法又推動了信息論的革新。時下技術科學形成“問題導向、技術定義科學”的新型協同創新范式，這一范式的核心在于以實際需求為牽引，通過技術工具的突破驅動科學認知的深化，同時科學理論的進步又反哺技術創新，形成雙向互動的閉環。這種模式打破了傳統“基礎研究→應用研究→技術開發”的線性邏輯，不再以學科劃分為界限，而是圍繞具體問題如碳中和、癌癥治療等需要整合跨學科資源，進行科學與技術的同步迭代。技術開發過程中產生的新現象、新數據直接成為科學研究的對象。例如，CRISPR基因編輯技術的應用不僅解決了基因治療問題，還推動了對DNA修復機制、表觀遺傳學等基礎科學的深入理解，這種“問題導向、技術定義科學”的協同模式，本質上是人類應對復雜挑戰的認知革命，它打破了科學與技術的傳統分野，使創新更具針對性、高效性和包容性。

應對科技創新研究范式革命的策略

當下科學技術創新研究范式正經歷深刻變革：從“假設驅動”轉向“數據/AI驅動”，從“單一學科”轉向“跨學科融合”，從“封閉實驗室”轉向“開放協同網絡”，從“技術研發”與“科學發現”分離轉向“雙向加速迭代”。應對這一變化，需從科學技術創新研究制度改革、研究組織體系重構、研究工具創新與共享、新型創新生態體系建構、人才培養模式改變等方面制定系統性對策。

科學技術創新研究制度改革。

新型創新研究范式涉及AI技術、大模型、跨學科、科學與技術的融合等方方面面的因素，研究的投入增長固然重要，但要使多重因素融合有序，創新效率提高，沒有相應的制度機制設計和有效的治理模式是十分困難的。在市場成為資源配置的基礎時，進行契約型合作、股權控制、創新鏈上多方均獲得激勵的激勵機制設計是關鍵。特別在與其他科學技術研究機構、平臺、人員的合作時若不采用通用的國際規則和契約可能是困難的，激勵不到位，研究者的創新努力程度必然受損。因此，創新的投入產出效率是創新研究制度機制改革的重要判斷指標。另一方面新范式帶來“AI偏見”“數據濫用”“科研倫理風險”等新挑戰，也需全球共同建立“創新與規范并重”的制度以及相應的治理體系。

創新研究組織體系重構。

新范式下，科學發現不再依賴傳統“觀察—假設—實驗”的線性流程，而是通過AI挖掘海量數據中隱含的規律，實現“數據涌現—智能推理—實驗驗證”的閉環。而技術發明的核心變化是“從‘研究人員主導的線性試錯’轉向‘數據與AI驅動的網狀進化’”，數據成為創新的“原材料”，AI成為“發明工具”，開放生態成為“創新容器”，最終實現“研發周期縮短50%—80%、貼合需求、更系統方案”的技術突破。科學技術創新研究范式的變化中數據驅動、AI技術應用均十分關鍵，因此傳統研究組織體系需要重構，數據庫、大模型、AI技術、跨學科研究平臺等成為新型研究組織體系中的核心，傳統研究組織體系需要因此而重組，原有的資源配置必須因此而調整。

革新技術工具與平臺。

科學技術創新研究新范式的核心是“工具革命”——AI、算力、先進實驗設備成為科學發現的“新顯微鏡”“新望遠鏡”。為此需要突破現有研究工具的限制，打造“人機協同”的創新基礎設施，開發創新新型科學技術創新研究工具。例如在通用大模型基礎上開發專用科研大模型，覆蓋數學、物理、化學、材料、生物、氣候等領域，進行基礎研究的突破。構建AI輔助實驗的“閉環控制”技術，實現“AI設計實驗方案—機器人自動執行實時數據分析—方案迭代”全流程自動化，加速科學實驗、技術發明的研究創新進程。又如對基因組學、高能物理等數據密集型研究給予“算力+數據”雙支持，建立“國家科學數據中心”平臺，整合分散在高校、科研院所的實驗數據，向全國全球開放共享。

構建開放協同創新生態，打破“學科壁壘”與“創新孤島”。

新范式下，重大突破多發生在學科交叉處，如量子計算+材料科學、AI+腦科學等方面，因此需建立“學科交叉-資源流動-利益共享”的開放合作生態。具體做法如下：一、在高校、科研院所試點“交叉學科建設專項”，允許打破傳統院系設置，自主設立“計算生物物理學”“量子人工智能”等新興學科。二、建設“跨區域跨機構協作平臺”，如“長三角AI+生命科學聯盟”整合上海交大、浙大、中科院神經所等機構資源，共享實驗設備、數據與算力，推動疾病的AI早期診斷研究。三、由科技創新型企業牽頭組建“跨學科創新聯合體”，聚焦產業痛點（如新能源電池壽命提升、芯片散熱材料突破），整合高校基礎研究能力、企業工程化能力、用戶場景數據。此外還可以在智慧城市、精準農業等領域，建立“科研團隊-企業-用戶”聯合創新體，讓用戶需求直接驅動研究方向。

創設新型國際開放合作機制。

科學技術創新研究新范式下，科學技術創新研究從“單一國家/機構主導”轉向“全球分布式協同”。聯合國教科文組織《開放科學建議書》（2021）提出，通過學科交叉與數據共享加速知識流動，歐盟“FAIR原則”（數據可發現、可訪問、可互操作、可重用）已成為全球開放科學的核心標準。美國國家科學院《開放科學規劃》（2018）強調，學科交叉需建立“知識生產者-消費者”協同機制，如公民科學項目通過眾包數據推動阿爾茨海默病研究。因此全球開放合作機制盡管時下受到地緣政治的影響，但依然是科學技術進步和科學技術自立自強的必要條件。特別在數智時代，AI技術、大數據分析需要更多的數據支持，才能提高其分析推理結論的可靠性，因此各國擁有的分布式數據庫如何全球協同共享，成為時下人類社會面前的重要難點。為此需要全球共同努力，創建新型開放合作機制，繞開地緣政治的約束，讓科學技術真正成為幫助人類拓展對未來世界的認知邊界，造福人類社會的最重要的力量。

文章為社會科學報“思想工坊”融媒體原創出品，原載于社會科學報第1967期第3版。文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com