數字時代的科研范式變革與組織模式創新

陳 套 賈寶余

1.中國科學院合肥物質科學研究院，安徽，合肥，230031；2.中國科學院大學，北京，100049

數字時代推進高水平科技自立自強，應快速在生成式人工智能等若干新興數字前沿技術領域率先做到突破與引領。在堅持以問題為導向推進多學科交叉融合的同時，多措并舉聚集全球創新要素，加快建設世界科技強國。當前，人類面臨諸多科學問題和全球性挑戰，如氣候變化、宇宙起源、糧食安全等，這些問題難以依靠單一學科或單一技術來解決。有效解決這類復雜的系統性問題，需要多學科深度交叉融合與多技術系統集成。學科會聚應運而生，其主要通過多領域知識、技術和專業技能的深度融合來擴展研究框架或建立新的研究框架，并將其作為范式。這突破了傳統的單一學科或技術不能解決復雜系統問題的困境，為解決高深的科學問題和應對人類社會發展需要創造了可能。隨著科學研究變得更加廣泛與艱深，學科、知識、方法、工具已出現相當程度的會聚趨勢。學科會聚是學科交叉的橫向拓展和縱向深化，其研究范式表現為學科由分散發展向系統聚集轉變，是一次思維方式和研究范式的重大轉向。數字時代的生成式人工智能等新興數字技術對科研范式產生了深刻影響，以“數據密集型”為核心的“第四范式”加速形成。從組織模式創新角度來看，近代以來的科技發展歷程顯示，通過創新高層次人才吸引政策、興建重大科技基礎設施、打造高水平期刊和學術交流平臺、設立世界性科學大獎等舉措，不斷加強全球范圍內創新要素的匯聚，是建設世界科技強國的必由之路。

可以說，學科會聚是從學科知識維度出發，以解決問題為導向；第四范式主要從工具與方法維度突顯大數據和人工智能在科研中的應用；而要素匯聚是從創新要素維度強調建設科技強國和創新高地的國家戰略的重要性。以上幾個方面共同促成數字時代和科技自立自強背景下科研范式的升級變革和組織模式的突破創新。

一、科研范式的內涵與升級變革

（一）科研范式：內涵與驅動力

“范式”一詞是由美國的托馬斯?庫恩（Thomas Kuhn）在其《科學革命的結構》一書中提出，并對其進行了系統性闡述：“它們的成就空前地吸引一批堅定的擁護者,使他們脫離科學活動的其他競爭模式。同時,這些成就又足以無限制地為重新組成的一批實踐者留下有待解決的種種問題。凡是共有這兩個特征的成就，我此后便稱之為‘范式’。”[1]而范式的轉變就是科學革命，一種范式通過科學革命向另外一種范式過渡，便構成了科學的發展模式。科研范式是指科學家們在進行科學研究時所遵循的一種基本的思考方式和研究方法。從方法論角度來看，科研范式的演化主要包括三個階段：第一階段，18 世紀以前，以實踐為基礎，經歷了重復實驗走向理論和實驗驗證得到科學定律的過程，這一范式被稱為“第一范式”，換句話說是以描述自然現象，觀察和實驗為依據的研究范式，也叫“經驗范式”；第二階段，19 世紀以前，以建模和歸納的理論學科來指導實驗以此驗證理論的分析，這一范式被稱為“第二范式”，也叫“理論范式”；第三階段，20 世紀中期以后，是通過計算機仿真模型來模擬自然現象和復雜規律，建立數學模型，可以稱之為“第三范式”，即以模擬復雜現象為基礎的計算科學范式，也叫“模擬范式”。在一定程度上，可以說第三范式是對經驗范式和理論范式的深層優化。

從驅動力角度來看，自由發展階段，科學研究主要是由科學家的興趣和商業資本家的利益所驅動。當科學成為社會的建制后，科學研究進入國家干預階段。1945 年，美國科學研究與發展辦公室主任范內瓦·布什（Vannevar Bush）在其報告《科學——沒有止境的前沿》中提出了科學研究線性模型，即“基礎研究—應用研究—產品開發—生產經營”。[2]該范式的理念對世界各國政府科技創新和組織模式的推動產生了深遠影響。隨著科學技術發展和經濟社會對科技需求的日益增長，簡單的線性模型逐漸難以完全反映出現實中復雜的科技創新活動。美國普林斯頓大學學者斯托克斯（Stokes）于1997 年提出了“四象限模型”。該模型從知識和應用的二維論出發，把基礎研究和應用研究的關系分為四類，形成了雙維度的科研“四象限模型”[3-4]，如圖1 所示。其中最著名的是“巴斯德象限”，描述了開展目標導向的基礎研究。“巴斯德象限”重構了政府目標需求與科學共同體的契約關系。目標導向包括社會需求目標導向和國家戰略目標導向，后者更加強調有組織的建制化、體系化科研，對人才、項目、資金、平臺等一體推進，為產出目標導向的重大成果提供支持。當前，前沿科學會聚發展，呈現出多點突破的生動景象。宇宙起源與演化、物質本質與基本結構、生命起源、意識本質都需要從更宏觀和更微觀的角度去觀察，以發現各自的特征和規律。這些規律可能將會引發科學技術的革命性變化，因此我們需要以國家戰略導向為主，統籌推進有組織、建制化、體系化的基礎研究，通過完成更多的重大原始創新和關鍵核心技術突破為人類文明進步做出新的更大貢獻，以此維護我國的科技安全利益。

圖1 斯托克斯模型

“波爾象限”是由求知欲驅動的純基礎研究，“愛迪生象限”則是以實踐為目的的純應用研究。斯托克斯當時沒有給第四個象限取名稱。在“四象限模型”中，我國科學家吳家睿將第四個象限命名為“第谷象限”[3]，對應以大數據模擬計算等技術驅動的科研范式，即通過統籌布局推進新一代重大信息基礎設施建設，搶占未來信息和數字驅動科學發展范式的制高點。無論哪個象限理論，都論證了當前需要通過布局世界一流學科交叉研究中心、重大科技基礎設施集群，以及建設一批交叉學科前沿研究平臺和一批產業創新轉化平臺，以促進學科會聚和找到技術變革的現實之道。

巴斯德象限顯示，基礎研究和應用研究之間并未存在明確的界限，二者可以轉化和融合。這也被后面的科技發展過程所證實，即并非先有科學發現，然后應用科學發現才有了技術發明，例如瓦特在熱力學定律被確立之前發明了蒸汽機。事實上，從已有知識和實踐出發，在探索發現新知識與解決新實踐問題中，基礎研究和應用研究相互作用，相互依存，循環前進。美國的卡特希·那拉亞那穆提（VenKatesh Narayanamurti）等也在《發明與發現：反思無止境的前沿》一書中提出了相似的觀點，指出發明與發現的雙向性和相互依存性，并列舉了較多工程學的例子來論證二者的界限模糊性和相互轉化性。[5]書中還強調了基礎研究和應用研究的二分模式，以及強化科學與工程、研究與轉化以及發明與發現人為界限后的弊端。

（二）范式升級：學科會聚興起

最先使用“技術會聚”這一概念的是羅森堡（Rosenberg），其在1963 年研究美國1840—1910 年的機床工業技術變革過程時提出。[6]隨后，在材料領域形成的技術融合模式催生了納米技術，促進了信息、材料、圖像和量子技術與計算機技術的結合，推動了學科會聚產生，從根本上改變了物質科學的研究范式。2002 年，美國國家科學基金會在《提升人類能力的會聚技術》這一報告中提出了“會聚技術”的概念。2014 年，美國國家研究理事會在《會聚：推動生命科學、物理科學、工程學等跨學科整合》中提出了“會聚式研究”和“學科會聚領域”的理念以應對復雜的科學和社會挑戰，突破了學科極限。我國學者研究了技術會聚、學科會聚的起源、發展[7-8]、方法論和內在機理[9-12]，并就我國科技創新實踐問題，提出了學科會聚對科技創新的作用[13-14]。

從學科會聚的產生和發展來看，學科會聚突破現有單一學科性質，具有多學科深度融合、技術交叉集成的系統性特征。

從外部動力來看，學科會聚由問題驅動形成。這些問題涉及國家重大需求，是人類經濟社會發展的關鍵，具有較強的目標導向性。重大需求往往由一系列具體研究問題或重大科學問題集合而成，形成復雜問題系統，學科會聚正是為應對和解決這一復雜問題系統而出現的領域。學科會聚解決的問題形成“從0到1”的原始創新，通過顛覆性的技術和“破壞式”的創新，為經濟社會發展提供有效的高端科技支持。

從內在邏輯來看，學科會聚以底層知識單元的共同性、共通性和互補性之間的聯系為重要基礎，以核心學科會聚為先導。盡管研究的問題涉及不同的學科，但解決問題所需的底層知識基礎是可以相通的。關鍵核心學科帶動學科之間的知識整合，在學科會聚中扮演重要角色，也在跨學科的知識整合起到中介與橋梁作用。學科會聚是從鄰近知識領域擴展至較遠知識領域，相距較遠的學科因需求和目標建立知識關聯。跨學科知識因解決問題的需求建立了緊密聯系，形成了學科會聚。

學科會聚是科學技術發展的內在要求，也是運用科學技術手段解決現實問題的必然趨勢。例如，當前若要掌握量子信息科技，需要整合多方研究資源和創新要素，需要多部門、多組織聯動，需要多學科知識和技術會聚，以實現與量子精密測量研究相關的基礎研究、技術驗證、關鍵元器件自主研制等；新冠病毒疫苗的研制，需聯合分子生物學、病理學、材料學等學科知識。普朗克（Planck）提出[15]，科學是內在的統一體，被分解為單獨的部門不是由于事物的本質，而是由于人類認識能力的局限性。但皮亞杰（Piaget）在《結構主義》[16]中提出，把研究對象分析為許多組成成分的辦法是行不通的，科學整體不是各個成分的簡單綜合，整體還具有作為整體本身的性質。也就是說，學科會聚推動了科研范式變革。學科會聚與學科交叉、學科融合具有顯著的區別。學科會聚以問題為導向，旨在解決特定的現實和科學問題，會聚后并不會產生新學科；學科交叉往往尋求不同傳統學科的互補性，通過交叉產生新的學科，但不影響傳統學科的完整性；學科融合是在承認學科差異的基礎上不斷打破學科邊界，促進學科間相互滲透、交叉的活動。可以說，學科會聚是戰略和行動，學科交叉和學科融合是策略和舉措。

從某種程度上來說，學科會聚是從學科知識維度，基于解決重大現實問題對學科交叉融合的倒逼，通過帶動不同學科與工程學之間、社會學和經濟學之間的“學科會聚”，推動科研范式自身的升級。學科會聚既是范式的升級，也是科技創新解決問題的方法論，通過探索新的組織方式變革和資源配置方式變革，并影響著創新體系的布局。隨著科技和經濟社會的發展，尤其是大數據的應用發展，基于數據密集型的范式逐漸成型。

二、數字時代的范式變革

（一）數據密集驅動新范式的形成

2007 年1 月，圖靈獎獲得者吉姆·格雷（Jim Gray）基于實驗歸納、模型推演、仿真模擬的數據密集型科學發現，提出了“第四范式”的觀點。以數據考察為基礎，聯合理論、實驗和模擬一體的數據密集計算的范式，稱之為“數據密集型范式”，成為全球科技界探討的熱點。2009 年，由中國科學院潘教峰、張曉林譯著的《第四范式：數據密集型科學發現》出版，數據密集型科研范式逐漸為學界所認可。[17]尤其是2012年，維克托·邁爾·舍恩伯格（Viktor Mayer-Sch?nberger）的《大數據時代》出版，讓“大數據”一詞為社會公眾所熟知，并成為各領域討論的熱門話題。董春雨研究提出，“數據密集型”與“大數據”的概念內涵存在認知上的模糊性。[18]他認為，“數據密集型”的概念在科學與信息技術結合的基礎上產生，而“大數據”則是通過對數據的分析與處理來獲取更多的科研成果。從某種程度上來說，大數據處理的核心方式是“數據密集”，但“數據密集”并非是大數據唯一的處理方式。不可否認的是，大數據時代，數據為科研提供了新的研究對象、思維模式和科研方法，數據密集驅動也促進了數字化科研的發展。

從工具方法維度來說，大數據和人工智能在科研中的應用逐漸發展，形成了科學研究的第四范式。第四范式是區別于經驗、理論和計算機模擬的范式。數據范式對經驗科學和計算機科學中產生的大量數據進行挖掘和數據處理。大科學時代，科研數據作為科技創新過程中的記錄和產出，蘊含著豐富的價值和信息，將成為科研競爭的新方向。尤其是在大科學工程建設和運行過程中會產生的巨量數據，如何進行數據挖掘、數據分析、數據利用、數據保護、數據誠信和數據表達等也成了新的科研任務。第四范式除了為科學研究提供新的觀念與思維模式，對相關技術突破、生產生活方式變革也產生了重大影響。在科技創新領域，科研生命周期與數據生命周期息息相關，數據已經成為科研的關鍵路徑和重要證據。大數據作為一種極其重要的戰略資源，必須加大力度對其進行生產、開發、利用和保護。大數據時代，機遇與挑戰并存，誰能率先樹立大數據思維模式，重視數字基礎設施建設，構建大數據庫并對其進行有效管理和開發利用，誰就把握了先機。運用顛覆性的人工智能技術驅動科學研究，已經成為科學技術與人工智能融合發展的新趨勢。

（二）人工智能對范式的影響

大數據與人工智能帶動了信息技術迅猛發展。生成式人工智能技術的突破與應用，對科技創新及經濟社會產生了深刻影響。也有把人工智能等對科研范式形成的影響，即人工智能驅動的科學研究稱為“范式再升級”或“第五范式”，表現為機理與數據的融合計算。當然，人工智能對科研范式的影響離不開數據，尤其是大數據。這個數據既包括已有的數據，又包括受控實驗形成的數據、按照模型產生的數據等。大數據與人工智能技術能夠在大量文獻中進行智能分析與推薦，讓科研人員聚焦科學問題本身，脫離大量具體的重復性試驗，使得科研過程簡化而高效。人工智能已經對物理、化學、生物、海洋、大氣、材料等學科領域產生了新的影響，尤其是生成式人工智能等新興數字技術顯示出新范式的獨特威力與魅力。

生成式人工智能是一種在多要求和多提示基礎上生成全新內容的技術。2022 年，Gartner 公司發布了戰略性技術發展趨勢報告，其中生成式人工智能排在首位。[19]生成式人工智能普及迅速，應用范圍極為廣泛。OpenAI 公司推出的ChatGPT 成為歷史上用戶增長速度最快的消費級應用程序。ChatGPT 廣泛應用于科研實踐中，一方面，幫助科研人員快速完成對大量數據的加工和生產，提煉有用信息，完成報告撰寫工作；另一方面，給科研活動和科研管理帶來了科研誠信問題等挑戰。可以期待的是，生成式人工智能技術工具可能會貫穿科研活動全過程。在工業設計、實驗設計等領域，生成式人工智能技術在提升設計和實驗水平的同時，大幅降低了材料和人力成本，縮短了產品開發周期。有學者在研究中指出，生成式人工智能技術模型的通用性使人工智能應用范圍迅速得到擴張。此外，生成式人工智能的強人機互動性及其復雜的推理能力使風險與不確定性由外部向內部延伸。有效利用人工智能技術并做好相關風險防范，建立新的科研規范才是應對之策。

大數據時代，數據驅動范式已經出現，人工智能技術正在深刻地改變科研活動。2020 年7 月，《自然》期刊對一臺“瘋狂”的實驗機器人進行了報道。這個實驗機器人在8天內做完了688個有挑戰的、有質量的實驗，這些實驗能夠有效收集新數據，并發現陳述數據的新方式。實驗機器人研究領域的科學家們還提出了更遠大的目標，他們希望機器人能表現出更強的主動性，能夠不斷提出和驗證假設，到2050 年擁有獨立做出諾貝爾獎級別的研究成果的能力。2020 年10 月，英國格拉斯哥大學勒羅伊·克羅寧（Leroy Cronin）教授等人在《科學》期刊上公布了一臺顛覆性人工科研機器人。這一機器人能夠實現自動閱讀文獻并構建合成操作流程，實現了“文獻進去、產品出來”，成為不知疲倦的重復實驗的科研助理。2023 年7 月，國家互聯網信息辦公室聯合國家發展和改革委員會等七部門發布了《生成式人工智能服務管理暫行辦法》。其中提到，鼓勵生成式人工智能算法、框架、芯片及配套軟件平臺等基礎技術的自主創新，平等互利開展國際交流與合作，參與生成式人工智能相關國際規則制定。生成式人工智能在分子生物學、芯片設計、藥品研發及生態資源環境監測和數據處理方面的優勢已經全面顯現。在科研中主動使用生成式人工智能，已是大勢所趨。

從以上對數據密集驅動范式的特征，尤其是人工智能技術對范式的影響分析中可以看出，數字時代的科研范式需要更加關注大數據的挖掘和分析，探索事物之間的相關關系；需要更加關注機理與數據的融合計算，探索客觀事物規律；需要更加關注科學研究的底層邏輯和多學科融合發展，突出解決人類面臨的重大問題。這就涉及以下五個方面。一是注重原始創新，運用數字思維和途徑對物理、化學、生物、材料等學科進行“從0到1”的原始創新，形成基礎研究的重大引領性成果。二是學科交叉融合，數據的挖掘分析要跨學科、跨組織，由此推動了學科交叉融合。這一趨勢催生了前沿交叉技術問題在關鍵技術領域形成戰略性成果。三是擴大開源開放，一方面，在布局和建設一系列重大數字科技基礎平臺的基礎上對大數據資源進行開發和安全管理；另一方面，通過人工智能技術完善集體協作模式的應用，實現開放共享資源。人機共生的伙伴關系促使各領域圍繞問題高效協同，形成體系化的創新方式。四是解決重大科學技術問題，數據驅動的范式補充了新的科研途徑，既提高創新效率，也催生新的創新成果。同時，隨著科學技術發展的廣泛而高深，人類更加需要利用人工智能的顯著優勢，加快對重大科技問題的攻關。五是系統思維和社會協同，從大量數據中發現規律，從整體中發現問題、解決問題。數據不僅是生產要素，也是創新要素，需要社會協同以推動數據的共建共享。

從組織模式來看，數據密集驅動與人工智能技術發展，有利于提高科研效率和管理水平，提升不同科研組織之間的合作水平和合作效率，解決關鍵領域的技術難題；有利于綜合化、一體化、系統化配置創新資源要素，通過協同發展的人機共生伙伴關系促進創新體系化協同；有利于線上線下創新資源要素的整合利用，通過線下建設重大科技基礎設施平臺等形成創新要素的匯聚與線上圍繞問題形成的系統化、協同化組織力量，成功解決了許多全球重大科技問題。這也推動了組織模式的轉變，加快了創新要素的匯聚，優化了創新體系，形成與新范式相適應、相匹配、相促進的組織模式。

三、組織模式的發展實踐與趨勢

（一）全球視角：實施匯聚戰略

隨著科學技術的發展和社會緊迫需求的日益增長，以及大科學和數字時代科研范式的升級，人才、經費和重大科技基礎設施等創新要素以及與之相依存的高校、科研院所、大型企業等都出現了顯著的匯聚現象。創新要素匯聚形成了科技創新高地和人才中心，產出重大科技成果形成了創新集群。創新要素匯聚的原因既有系統內在動力的吸引和嬗變演化，更多的是政府戰略推動下的布局和發展必然。

世界知識產權組織對發明人和科學作者密度最高的地理區域進行了統計，根據專利申請活動和科學論文發表情況等內容評價發布的《2023 年全球創新指數報告》指出，全球排名前六的科學技術集群依次是：日本東京—橫濱地區、中國深圳—香港—廣州地區、韓國首爾、中國北京、中國上海—蘇州地區、美國的圣何塞—舊金山集群。

從全球科技發展史來看，科技創新要素的匯聚形成了五個典型的世界科學中心和人才中心：其一，16世紀的意大利，具有代表性的科學家包括哥白尼、伽利略等；其二，17 世紀的英國，牛頓、波義耳等對近代科學理論體系的建立做出了奠基性貢獻；其三，18 世紀的法國，具有代表性的科學家包括拉格朗日、拉普拉斯、庫侖等；其四，19 世紀的德國，愛因斯坦創立了狹義相對論等，亥姆霍茲、黎曼等推動了科學發展；其五，20 世紀的美國，馮?諾依曼等在計算機領域做出了奠基性貢獻，愛迪生、費米等推動了技術發明的應用。

回顧歷史，超前的國家科技戰略部署和科研布局，尤其是人才、資源要素的匯聚戰略在發達國家科技強國之路上扮演著重要角色。發達國家通過科技創新布局和政策引導，形成科技創新資源要素的匯聚，表現為研究型大學、科研院所、重大科技創新平臺以及人才聚集的出現。這一匯聚現象有助于重大科技成果的產出，成功帶動了經濟社會的發展。具體體現為如下五點。

第一，強化科學建制布局。建制化高校、研究機構等科研組織的布局是關鍵。英國在17 世紀率先建立現代科學體制，率先建立專利制度，培育追求卓越科學的理念。英國皇家學會（The Royal Society）的成立標志著科學組織的建制化形成。英國的創新戰略的愿景是到2035 年成為全球創新中心。法國擁有國家科研中心和具有全球影響力的巴黎—薩克雷科技創新中心，尤其是巴黎—薩克雷科技創新中心，匯聚了世界一流研究型大學、科研機構以及一批高水平研究基礎設施，包括歐洲高性能模擬和計算能力中心、極端光學跨學科中心、高通量基因組數據處理平臺等。

第二，優化戰略資源配置。政府主導科技創新戰略和研發布局，通過增加經費、加強項目和重大任務平臺建設，形成匯聚的競爭優勢。美國1920 年開始推動“大科學體制”，強調政府在戰略制定和基礎研究中的主導性地位，強調增加對基礎研究領域的投資，保持和加大對高質量的科學、技術、工程和數學教育的投入，強調要投資建設21 世紀先進的物質基礎設施并發展下一代數字基礎設施。德國自20 世紀80 年代以來，始終將創新置于國家發展的核心位置，不斷出臺創新驅動發展戰略與規劃，形成了連續性的創新戰略和系統性的創新政策制度。

第三，培育和匯聚一流人才。一流人才是重大原創性成果的源泉，也是主導國際重要學術交流活動的關鍵力量。從五次科學中心的發展變革來看，世界主要科學中心的形成與變遷離不開重要人才的集聚，事實上頂尖科學家形成的人才集聚和科學引領往往是科技變革的關鍵。同時，人才的集聚和接續培育往往倒逼世界高等教育中心的形成，以及一流科研機構和大型研發性企業的云集。第二次世界大戰后，美國成為全球創新人才集聚的地方，一批一流的創新人才涌向美國。充足的人才、大量的經費、寬松的目標，使美國成為創新的沃土。例如，一部分來自世界各地的人工智能專家組成了美國人工智能研究實驗室OpenAI 的研究團隊。

第四，促進創新主體的協同。創新主體之間協同發展，有利于資源要素的流動和配置，有利于主體功能的發揮，有利于創新體系整體效能的提升。18 世紀中葉至19 世紀中葉，英國發生了工業革命，科技與生產結合促使其成為引領世界的工業強國。德國注重產學研協同，其研發投入總量的約70%來自企業。80%的德國大型企業集團擁有獨立研發機構，這推動德國進入工業4.0 時代。法國作為全球第七、歐洲第三大經濟體，推動科技與產業融合發展，科技、教育和人才與企業之間互動良好。

第五，構建優良的創新生態。創新主體動力大、產業發展有活力、人才創新積極性高，形成了創新生態體系的良性演化，促進了高水平的科技活動發展。通過組織高水平科技創新活動，匯聚創新人才、創新資源、研發機構、一流成果，催生新思想、新發現、新發明，為經濟社會發展蓄積新動力。法國匯聚了大批優秀的科研人才，發展出優良的創新創業生態，成為世界500 強排行榜企業全球第三大聚集地。

（二）中國實踐：優化創新體系

我國自1949 年以來就十分重視科技創新的布局規劃，堅持發揮社會主義集中力量辦大事的制度優勢，加強科技戰略頂層設計，通過政策傾斜、政策特區等增加資源要素投入。我國還制定了一系列人才政策、產業政策，加大研發投入，建設高校、院所和創新中心，形成了科技創新的五股力量。戰略規劃在某種程度上就是資源要素的布局，也是匯聚形成的重要前提。1949年11月，通過匯聚高層次人才的方式，中國科學院成立。我國制定的《1956—1967 年科學技術發展遠景規劃》形成“以任務帶學科”的規劃模式。在快速推進大規模的工業化進程中，我國大力發展國防科技，提出“向科學進軍”和科技創新“自力更生”的理念，要求科技創新實行“全面規劃，加強領導”的方針。通過創新規劃加強科技發展的重點布局，我國快速地建立起具有完整體系的科技體制。1978 年 3 月召開全國科學大會，中國科技事業開始全面復蘇，該會議也被人們親切地稱為“科學的春天”。1985年，中共中央發布《關于科學技術體制改革的決定》。此后，我國提出科學技術要面向經濟建設，經濟建設要依靠科學技術，加強國家創新體系建設和區域創新布局，以重大科技計劃推動問題的解決、資源的配置和學科的發展。黨的十八大以來，以習近平新時代中國特色社會主義思想為行動指南，實現加強重大科技基礎設施等國之重器建設，實現加強基礎研究投入和人才隊伍建設，產出了一大批重大引領性科技創新成果。科技創新的目標也從加強國家創新體系建設轉至構建中國特色國家創新體系。

從發達國家創新要素匯聚戰略和我國的實踐來看，以問題為導向的學科會聚必然會呼喚以目標為導向的創新要素匯聚，尤其是在數字時代，以大數據、人工智能為要素驅動的科研活動更加需要項目、平臺和人才的聚集來產出原創引領性成果。從某種程度上來說，創新匯聚已經成為重大科技任務組織與重大成果產出的必由路徑。因此，加快實現高水平科技自立自強，應以科技組織方式變革適應和促進范式升級為路徑，優化創新要素配置和匯聚，建設開放的創新體系和人才中心，加快打造原始創新策源地，加快突破關鍵核心技術，搶占世界科技制高點。

面向未來，我國持續優化創新體系，緊緊抓住數字時代的創新規律，以組織模式創新促進范式變革升級和產業發展。我國“十四五”規劃提出制定實施戰略性科學計劃和科學工程，其中在科技前沿攻關領域，排在首位的就是新一代人工智能。要以國家戰略性需求為導向推進創新體系優化組合，加快構建以國家實驗室為引領的戰略科技力量，并聚焦量子信息、光子與微納電子、網絡通信、人工智能、生物醫藥、現代能源系統等重大創新領域，組建一批國家實驗室。在部署發展壯大戰略性新興產業方面，提出聚焦新一代信息技術等內容，要構筑產業體系新支柱，前瞻謀劃類腦智能、量子信息等未來產業。要加快建設新型基礎設施，圍繞強化數字轉型、智能升級等，布局建設信息基礎設施，增強數據感知、傳輸、存儲和運算能力，并加快構建全國一體化大數據中心體系，強化算力統籌智能調度，建設若干國家樞紐節點和大數據中心集群。[20]此外，《“十四五”大數據產業發展規劃》提到，統籌基礎設施建設、技術創新和標準研制，增強產業鏈供應鏈自主可控能力等內容。[21]

（三）三個導向：模式創新原則

加強創新要素匯聚，促進范式升級，瞄準數字時代科研規律，加快建設世界科技強國，以高水平科技自立自強助力實現中國式現代化。以中國式現代化全面推進中華民族偉大復興，需要堅持問題導向，把準創新的價值立場和選題方向；需要堅持目標導向，強化創新的目標要求和過程遵循；需要堅持結果導向，明確創新的評估標準和檢驗標尺。問題是出發點，目標是根本點，結果是落腳點，三者存在內在統一的關系。必須堅持“三個導向”，加快實現高水平科技自立自強，加快建設世界科技強國，進入創新型國家前列，實現“兩個一百年”奮斗目標。

其一，堅持問題導向，把準創新方向。問題是矛盾的呈現形式，矛盾是問題的內在本質。抓主要矛盾就是解決主要問題。增強問題意識，就是運用矛盾的普遍性、客觀性，善于把認識和化解矛盾作為打開工作局面的突破口。外部環境變化了，發展要求變化了，面臨問題的復雜程度、解決問題的艱巨程度都會隨之變化。找準問題，從問題出發，就是堅持運用馬克思主義立場、觀點、方法，善于找出問題本質特征和內在規律，抓住主要矛盾，突出中心任務，勇于提出新鮮問題，敢于解決關鍵難題，不斷提出解決問題的新理念、新思路、新辦法。

問題是科技創新的出發點。從科研選題開始，問題從哪里來，以什么為中心，這反映了科技創新的價值立場和導向，以及對客觀事物規律的認識和判斷。數字時代，建設世界科技強國，應堅持以國家戰略需求和人民為中心的問題導向。在涉及國家安全的重大問題、當前經濟社會發展的突出問題、人民對美好生活向往的“急難愁盼”問題中，凝練出重大科學問題和關鍵技術難題，如聚焦新一代人工智能前沿基礎理論突破、專用芯片研發、深度學習框架等開源算法平臺構建來加快重大科技成果產出。還要科學研判環境和發展趨勢，自覺把國家需要作為專業，人民需求立為選題，加快突破關鍵核心技術和“卡脖子”難題，強化源頭創新、自主創新。

其二，堅持目標導向，形成創新匯聚。找準了問題，錨定了出發點，中間過程怎么走，需要明確的方向目標。清晰的目標是不走偏路、不走錯路、不走回頭路的保證。堅持目標導向，是過程的對標對表，是提高效率的保障。以目標導向來審視，就是以目標指向牽引，凝心聚力實現預期計劃。北斗衛星導航系統就是著眼于國家安全和經濟社會發展需要，自主建設運行的全球衛星導航系統，經歷了三個階段目標，最終建成國家重要時空基礎設施，形成了以國為重的新時代北斗精神。

堅持目標導向，切實增強科技創新的前瞻性和引領性，堅定建設世界科技強國的目標方向。堅持面向世界科技前沿、面向經濟主戰場、面向國家重大需求、面向人民生命健康，加快實現高水平科技自立自強。圍繞目標，謀劃重點，前瞻部署，整合資源，暢通要素，進行原創性、引領性科技攻關，堅決打贏關鍵核心技術攻堅戰。遵循數字時代科研范式要求，發揮新型舉國體制優勢，強化國家戰略科技力量，加快建設人工智能等國家實驗室，統籌推進國際科技創新中心、區域科技創新中心建設，形成世界重要人才中心和創新高地，加快建成世界科技強國。

其三，堅持結果導向，檢驗創新成效。問題導向是“做什么”和“不做什么”的判斷與選擇，目標導向是引領“怎么做”和“誰去做”的方式和方法，結果導向則是“做得怎么樣”的落腳點，也是如何改進的邏輯起點。站在結果的視角來思考，就是看結果和目標是否一致，落腳點和出發點是否統一。結果導向關鍵在于問題解決，而不是為不戰而敗的結局找借口。把結果作為檢驗成效的標準，做出重大導向性成果，必須要有挫而勇的毅力、戰必勝的信心。

堅持創新在我國現代化建設全局中的核心地位，就是把科技創新重大成果放在全面建設中國特色社會主義現代化國家、全面推進中華民族偉大復興中進行檢驗。不問結果的創新是不負責任的，科學作為社會的建制，必須對創新的結果負責，對產出目標成果負責。每個時代創新的目標和要求都蘊含著各自時代的鮮明特色，因此，在科技革命的前夜，應在新一輪科研范式變革中占領先機。事實上范式的落后會導致創新整體的落后。所以，必須堅持能力、質量、貢獻的創新評價導向，堅守永不言棄的科技攻關信念，大力弘揚科學精神和科學家精神，加快產出基礎性、引領性和戰略性重大創新成果，在開辟發展新領域、新賽道和不斷塑造、發展新動能、新優勢中發揮中堅作用，努力搶占科技制高點。

四、模式創新引領范式變革的思考

數字時代，學科會聚與數據密集驅動、人工智能技術是科研范式發展的必然要求和變革方式，決定著資源要素的匯聚。匯聚是資源要素和組織方式，為數據密集驅動、人工智能技術發展提供支撐，并影響和作用于數據發展。學科會聚與數據密集驅動、人工智能技術從不同維度突出了科研范式的升級變革。匯聚是資源組織模式創新，是從創新要素維度來強調科技強國建設和創新高地國家戰略。新的需求產生和主動強化聯系等外部驅動力是數據密集驅動和人工智能技術發展的積極促進因素。要素的匯聚為范式升級與變革的形成提供了外部條件，會聚技術的產生、發展和生成式人工智能等新興數字技術推動了范式的變革和高水平科技自立自強的實現，并作為強大的創新源動力促進高質量發展。

（一）以解決國家和人類面臨的共同問題為導向，推動學科交叉會聚

科技創新規劃布局的本質就是把有限的資源集中配置在需要優先發展的領域，同時，形成良性發展的“滾雪球效應”，匯聚更多的資源要素。高校、科研院所、大型企業等創新要素的匯聚，形成了多樣化的學科。多樣化的學科群帶來多學科知識會聚。高校、科研機構和大型企業等資源匯聚，有利于新學科的產生和范式變革，形成新的重大發現和技術突破，產出重大引領性成果。

首先，通過資源匯聚形成學科會聚，依托高校、科研院所建設一批基礎科學研究中心、前沿交叉中心和卓越研究中心，引導國家實驗室、全國重點實驗室開展目標導向的建制化科學研究，促進學科交叉融合，加快原始創新突破，形成重大原創性、引領性、戰略性創新成果，為若干重大需求提供變革性、系統性解決方案。

其次，以學科會聚帶動范式升級，發揮學科會聚的優勢，以解決重大科技需求和重大科學問題為牽引，部署一批重大科技攻關任務，形成面向世界的原始創新和重大策源，為人類文明的進步貢獻力量。加快建設一批重大科技攻關平臺和前沿科技基礎設施，形成關鍵核心技術和產業共性技術的突破，以實現高水平科技自立自強。

最后，以科技變革推動產業變革，形成產業對資源要素的匯聚。將范式升級轉換為創新驅動發展的內生動力，讓科技創新關鍵變量成為高質量發展的最大增量。布局一批交叉前沿研究平臺和產業創新平臺，不斷以新技術培育新產業、引領產業升級，加快構建以先進制造業為骨干的現代化產業體系，培育具有全球影響力和競爭力的產業集群，推動經濟發展質量變革、效率變革、動力變革。

（二）加快建設創新型國家和世界科技強國，推動創新要素匯聚

世界科技的競爭，是國家戰略科技力量的競爭，從某種程度上來說是創新體系的競爭。強化國家戰略科技力量，需要促進國家科研機構、研究型大學、科技領軍企業以及國家實驗室、全國重點實驗室體系化創新能力的形成，增強國家創新體系整體效能。學科會聚領域以科研活動任務的方式帶動創新價值鏈背后的創新主體的廣泛參與和深度合作，為科研院所、高等院校和企業創造了合作空間，打破了不同組織間的壁壘，有利于不同創新主體協同創新。

首先，在科研選題問題上，學科會聚領域需要以構建重大問題為導向的新的科研組織形態，以國家重大科技需求和重大科學問題為牽引，推進高校、科研院所和大型企業等多元主體合作，進一步從韌性、張力、活力等維度塑造科技創新有機整體，實現科技創新體系資源平臺開放共享，實現科技任務聯合攻關。

其次，在組織模式問題上，要體現解決重大科技任務的功能，形成國家實驗室、全國重點實驗室、省實驗室體系。加強國家戰略科技力量與各類創新主體優勢互補，在實質性合作中實施高水平的科產融匯、科教融合、產教融通，促進創新要素在縱向產業鏈上下游的聯動，并在橫向上推動創新集群和產業集群共享共用。

最后，在運行機制問題上，要構建科技新型舉國體制，打造科技共同體，加強共同體治理。通過實施重大科技聯合攻關活動和學術交流，推動科技創新共建共治共享，集聚多樣創新資源，建立資源要素之間良好的結構關系，打造高效運行方式，增強創新體系整體效能。

（三）建設全球人才中心和創新高地，聚天下英才而用之

科技創新是高質量發展的關鍵變量，人才是科技創新的關鍵因素，抓住人才資源就是抓住了創新發展的機遇和未來。人才的匯聚既依靠外部引才、聚才，也依賴自主培育和使用。一方面，著力引進拔尖創新人才，聚天下英才而用之，筑牢關鍵變量基座；另一方面，全面提高人才自主培養質量，尤其要重視戰略科技人才和引領性創新人才的培育。

首先，依靠教育培育人才。人才的培育離不開教育，應當設置人才培養計劃，大力培養敢于創新的基礎研究人才，并加強中小學教育中創新性思維的培養，把創新教育滲透到小學教育中，培養學生自由發揮想象力和創造力，激發學生創新潛能和獨立思考能力，與高校教育進行有效銜接。在重大科技任務中給優秀青年人才壓擔子，通過獨立承擔重大科技攻關任務，以及給予優秀學者學術任職等方式，鼓勵和支持優秀青年人才脫穎而出。

其次，在使用中培育人才。加快培育國家戰略人才力量，在承擔國家重大科技攻關任務中育才，在建設國家重大科技基礎設施中用才，讓人才在解決經濟社會重大科技問題中得到鍛煉，發揮人才特長、優勢，激發人才創新活力、創新動力，與事業發展共振，與國家需求共進。

最后，優化人才成長環境。營造尊重人才和用才所長的環境，設立創新團隊培育基金，促進學科之間的交叉和融合，發揮關鍵人才在學科會聚中的關鍵作用，產出引領性重大科技成果。推動人才國際交流，用好、用活各類人才，匯聚和造就一批具有世界影響力的頂尖科技人才、戰略科學家和高水平國際化領軍人才，建設頂尖科技人才匯聚的國際化人才高地。

（四）建設世界一流科技基礎設施和工程，帶動創新要素匯聚

科技創新重大平臺載體是大科學時代科技攻關的重要條件支撐，而開放的創新生態是資源要素流動的基礎。既要發揮平臺載體吸引人才與資源要素的優勢，也要以開放的創新生態促進人才流通，匯聚優勢資源，形成目標導向性的重大科技成果。重大科技基礎設施是解決前沿問題的基礎，被譽為“國之重器”，要加大投入建設，發揮國家實驗室、全國重點實驗室的牽頭主導作用。

首先，加強重大科技基礎設施的共建共享。我國已經在22 座城市布局57 個重大科技基礎設施。要推動大科學裝置的共享，可以以開放的裝置平臺建設運行，吸引產學研共同參與，實現資源和要素的充分集聚與碰撞，形成一批引領性成果。加強國家實驗室、全國重點實驗室的建設，發起或主導國際重大科技計劃項目，形成國際競爭的比較優勢。

其次，發揮科學中心、科創中心建制化優勢。我國已布局建設北京懷柔、上海張江、粵港澳大灣區、安徽合肥四個綜合性國家科學中心，2023年陜西省“兩會”上公布，西安獲批建設綜合性科學中心，這些科學中心也是全國重大科技基礎設施最集中的區域。推動綜合性國家科學中心和北京、上海、粵港澳大灣區國際科技創新中心建設，建設武漢、西安、合肥等重要區域科技創新中心建設，要發揮建制化系統化優勢，產出充分體現國家意志、有效滿足國家需求、代表國家最高水平的重大成果。

最后，大力弘揚科學家精神，形成體系化創新能力。大力弘揚科學家精神，宣傳幾代科學家求真務實、報國為民、無私奉獻的愛國情懷和高尚品格，激勵廣大科研人員牢記初心和使命，堅持國家利益和人民利益至上，自覺肩負起時代和歷史賦予的重任，形成以科學家精神為引領、富有活力的創新生態系統。優化科技管理，推動戰略規劃、研發資助、人才評價等管理創新，促進科技管理模式與組織方式變革同會聚范式升級相適應，形成體系化創新能力。

（五）樹立數據思維模式，以組織模式創新統籌推進范式變革

數字時代科技創新應在最前沿交叉領域取得突破，敢啃硬骨頭，引領范式創新。把握大數據時代脈搏，培育數據思維模式，前瞻部署大數據平臺、項目和重大數字基礎設施建設，建設生成式人工智能前沿交叉研究中心，加快推進新一代人工智能領域中學習推理與決策、圖像圖形、語音視頻、自然語言識別處理等內容創新，加快關鍵核心技術創新應用。建設國家科學大數據中心和國家人工智能未來產業技術研究院，加強數據生產、存儲與分析的安全可控。

首先，發揮人工智能技術在科研選題、方案設計等方面的優勢。生成式人工智能技術發展如火如荼，我們不僅要將其作為技術工具，還要使其在未來發展中形成引領。采用人機交互方式，通過科學家的智慧與人工智能技術協同工作來進行科研選題。發揮人工智能技術海量信息與智慧生產的優勢，優化科研方案設計。人工智能不僅可以模仿人的推理能力和邏輯能力，還可以進一步實現模仿人類的情感、感性、審美以及創造力。因此，應在類腦智力等領域部署一批更具挑戰性的課題，并組織力量加快攻關，形成率先突破。同時，提升國家科研機構、研究型大學和科技領軍企業等創新主體的數字資源建設能力和數據素養水平，釋放科研范式變革的潛能。使用人工智能技術，促進科研人員解決重大科研問題過程中的集智協同。

其次，加快建設新型基礎設施，加快推進大模型發展。建設高速泛在、天地一體、集成互聯、安全高效的信息基礎設施，前瞻布局6G 網絡技術儲備。加快構建全國一體化大數據中心體系、若干國家樞紐節點和大數據中心集群。加快推動大模型發展運用，一方面，在智慧生活、城市綜合智力與智能制造等領域發揮大模型通用人工智能技術的優勢；另一方面，加快推進中國認知智能大模型建設，讓智力成為一種公共服務，在自主可控平臺上讓行業盡快享受AI 紅利。

最后，加快自主培育數字時代關鍵科技人才。據《產業數字人才研究與發展報告（2023）》統計顯示，我國數字人才缺口已接近3000 萬人。應當制定數字人才發展戰略和人才計劃，加強大數據前沿交叉學科高層次人才培養，加快培養具有AI 算法知識或數據科學背景的專業緊缺人才。自主培養人才必須具備數字化思維能力，敢于在生成式人工智能等前沿數字領域創新突破，能夠運用數字技術工具分析研究，并將其融合在具體學科和前沿問題中，取得重大創新成果，解決問題，創造價值。當然，還需注意科研誠信和倫理意識問題，正確處理和管理數據。

黨的二十大報告提出，到二〇三五年實現高水平科技自立自強，進入創新型國家前列。實現目標重點在于把握科技創新規律，以組織方式變革促進科研范式升級，以新的科研范式促進原創性、引領性、戰略性成果產出。面向未來，開放融合，以創新要素的匯聚，優化資源配置，促進學科會聚，牢牢把握大數據時代科研范式的特征和內涵要求，加快在第四范式中的重點領域形成非對稱性領先優勢，為人類文明的進步貢獻中國智慧和中國方案。