聲音

駱清銘中國科學院院士海南大學校長

推動科技成果轉化需要打通體制機制通道。科技成果轉化是一個復雜的系統工程，就像一場接力跑，這棒跑完了下棒要有人主動接、有人繼續跑。在這個過程中，完善的政策支持和保障措施、公平的轉化環境、必要的要素投入、規范流暢的轉化服務體系、合理的容錯糾錯機制，一個都不能少。尤其是，可以賦予科學家更多自主權，著力破除體制機制障礙，將有助于促進科技成果合規轉化、有效轉化。

科技成果轉化的關鍵是要堅持走產學研用融通的創新之路。當今全球科技革命發展的主要特征是從“科學”到“技術”的轉化，基本要求是重大基礎研究成果產業化。在科技成果轉化之路上，“從0到1”致力于科學研究，聚焦科學發現、技術原型層面；“從1到10”致力于技術開發，體現在工藝方案、產品樣機等；從“10到100”則致力于產品開發，立足于系統驗證、運行評估等，其核心環節在于產業鏈與創新鏈的互動。因此，需要以系統性思維打造全產業鏈條，緊扣產業鏈部署創新鏈，不斷強化科技研發和成果轉化應用。加快科技成果轉化，高校和科研院所必須有所作為。作為國家戰略科技力量的重要組成部分，高校和科研院所不僅需要對標國際標準學習辦學經驗，更要扎根中國大地辦教育，圍繞國家需求開展學科布局、人才引進、平臺建設、科技研發和促進科技成果轉移轉化等工作，要勇于探索無人區，敢于提出新理論、開辟新領域、探索新路徑，為科技成果轉化提供高質量源頭支撐。

郭光燦中國科學院院士中國科學技術大學教授

量子計算機和超級計算機的協同工作，被稱為“量超融合”。在面向未來的算力發展中，“量超融合”可以實現量子經典算力互補，根據計算過程的特點，量子計算可加速復雜問題中的關鍵步驟，減少復雜問題的求解時間，協同超級計算從而總體上提高復雜問題求解的效率。

在我看來，量子計算的最大優越性就是快。在處理某些特定問題時擁有極高的計算速度，遠超經典超級計算機。量子計算在因子分解、優化、模擬等方面能夠加速處理傳統計算機難以解決的問題。但是，量子計算與傳統計算互為補充，并非替代關系，若兩者能夠融合發展，則對行業生態構建起積極作用。

我認為，量子計算最有可能率先在金融服務領域展露風采，比如投資組合優化、風險分析等已被證明具備顯著優勢。同樣，在生物化學領域，高效的量子化學模擬將在生物制藥、新材料與能源、化工等領域發揮重要作用。此外，得益于并行數據處理的特性，以及量子態龐大的信息存儲空間，量子計算在大數據、人工智能等領域也將成為發展的關鍵。

現如今，人工智能正在對人類社會產生重要影響，人工智能包括數據、算法和算力三要素，在算力方面，量子計算對人工智能發展起關鍵作用。目前，量子計算也開始應用在傳感器相關領域，比如，通過測量電壓電流的微小變化，保證電網安全。未來，量子信息技術將越來越多地應用于人類社會中。

喬紅中國科學院院士中國科學院自動化研究所研究員

機器人是現代化產業體系的重要組成，其應用領域包括工業制造、智慧農業、航空航天、深海探索、醫療衛生、國防安全、教育服務等重要行業。和普通機器人相比，類腦智能機器人可以通過引入人的生物結構、驅動方式、控制方式和智能決策等機理，減少機器人與人類的差距，在靈巧作業、敏捷運動和泛化學習等能力上接近于人類。由于類腦智能機器人從生物機理研究和模擬出發，更容易與人自然交互，實現深層理解，幫助神經科學家取得更多神經科學研究成果。再加上類腦智能機器人采用類人機理和模型，擁有更好的可解釋性和可靠性，既能保證與環境的自然交互，又能大幅減少計算和控制的能耗。

未來，類腦智能機器人研究將在機器人通用性、智能性方面帶來變革，特別是對完成精密性、柔順性和與人互動性要求較高的任務具有重要意義。在市場份額巨大的電子器件裝配中，類腦智能機器人系統更容易模擬人實現靈巧的高性能作業；在醫療服務行業，類腦智能機器人更容易“共情”，進行個性化接觸和深度交流。

當前，我國在類腦智能機器人領域已經取得初步成果，科學家對人的不同腦區、器官、肌肉的神經機制進行了系統化深入研究。經過持續不斷地創新與嘗試，我國已自主研制了系統性模擬人體感認知、決策、控制機理的類腦智能機器人系統，通過類腦芯片實現控制的機器人系統等，在國際同一領域占有重要地位。

鄭緯民中國工程院院士清華大學計算機系教授

國產超算處于國際第一梯隊，是我國一張名片，但仍面臨著基礎軟件生態問題，也就是將領先算力高效轉化為解決尖端科學與工程難題的能力依然存在挑戰。

現如今，在運行天氣、海洋、制造等軟件時，領先算力實際利用率只有10%、20%，甚至只有5%，而這也是世界范圍內的難題，并且隨著選擇異構架構路線更加劇了這一鴻溝。在這樣的現狀下，超算基礎軟件是提升轉化能力的關鍵之一，因此我認為要做好超算基礎軟件，提高算力實際利用率。

目前，國產超算平臺架構多樣，不同國產超算平臺選擇各異架構實現算力跨越發展，但應用移植和調優工作量大。相同的應用需要在不同平臺單獨編程和優化，編程復雜度高，程序也很難簡單移植。因此我建議建立跨平臺的統一框架，統一并行編程模型和編譯優化，降低程序員開發復雜度，一次編程可以跨平臺高效運行。

除此之外，國產超算平臺支持復雜應用全流程計算的能力也亟待改善。大計算往往與大數據相伴，傳統超算過去不做原始數據處理，現在要既能處理大計算，也能處理大數據。同時，高性能計算要與人工智能融合。過去，高性能計算解決傳統科學計算，人工智能計算機處理人工智能問題，數據中心做大數據計算。現在一臺機器既要處理傳統科學計算，還要解決人工智能問題、數據預處理和后處理，因此建議加強國產超算高性能數據分析系統軟件的研發，讓高性能計算、人工智能、大數據處理能一塊兒處理。