数字时代的科研范式变革与组织模式创新

陈 套 贾宝余

1.中国科学院合肥物质科学研究院，安徽，合肥，230031；2.中国科学院大学，北京，100049

数字时代推进高水平科技自立自强，应快速在生成式人工智能等若干新兴数字前沿技术领域率先做到突破与引领。在坚持以问题为导向推进多学科交叉融合的同时，多措并举聚集全球创新要素，加快建设世界科技强国。当前，人类面临诸多科学问题和全球性挑战，如气候变化、宇宙起源、粮食安全等，这些问题难以依靠单一学科或单一技术来解决。有效解决这类复杂的系统性问题，需要多学科深度交叉融合与多技术系统集成。学科会聚应运而生，其主要通过多领域知识、技术和专业技能的深度融合来扩展研究框架或建立新的研究框架，并将其作为范式。这突破了传统的单一学科或技术不能解决复杂系统问题的困境，为解决高深的科学问题和应对人类社会发展需要创造了可能。随着科学研究变得更加广泛与艰深，学科、知识、方法、工具已出现相当程度的会聚趋势。学科会聚是学科交叉的横向拓展和纵向深化，其研究范式表现为学科由分散发展向系统聚集转变，是一次思维方式和研究范式的重大转向。数字时代的生成式人工智能等新兴数字技术对科研范式产生了深刻影响，以“数据密集型”为核心的“第四范式”加速形成。从组织模式创新角度来看，近代以来的科技发展历程显示，通过创新高层次人才吸引政策、兴建重大科技基础设施、打造高水平期刊和学术交流平台、设立世界性科学大奖等举措，不断加强全球范围内创新要素的汇聚，是建设世界科技强国的必由之路。

可以说，学科会聚是从学科知识维度出发，以解决问题为导向；第四范式主要从工具与方法维度突显大数据和人工智能在科研中的应用；而要素汇聚是从创新要素维度强调建设科技强国和创新高地的国家战略的重要性。以上几个方面共同促成数字时代和科技自立自强背景下科研范式的升级变革和组织模式的突破创新。

一、科研范式的内涵与升级变革

（一）科研范式：内涵与驱动力

“范式”一词是由美国的托马斯•库恩（Thomas Kuhn）在其《科学革命的结构》一书中提出，并对其进行了系统性阐述：“它们的成就空前地吸引一批坚定的拥护者,使他们脱离科学活动的其他竞争模式。同时,这些成就又足以无限制地为重新组成的一批实践者留下有待解决的种种问题。凡是共有这两个特征的成就，我此后便称之为‘范式’。”[1]而范式的转变就是科学革命，一种范式通过科学革命向另外一种范式过渡，便构成了科学的发展模式。科研范式是指科学家们在进行科学研究时所遵循的一种基本的思考方式和研究方法。从方法论角度来看，科研范式的演化主要包括三个阶段：第一阶段，18 世纪以前，以实践为基础，经历了重复实验走向理论和实验验证得到科学定律的过程，这一范式被称为“第一范式”，换句话说是以描述自然现象，观察和实验为依据的研究范式，也叫“经验范式”；第二阶段，19 世纪以前，以建模和归纳的理论学科来指导实验以此验证理论的分析，这一范式被称为“第二范式”，也叫“理论范式”；第三阶段，20 世纪中期以后，是通过计算机仿真模型来模拟自然现象和复杂规律，建立数学模型，可以称之为“第三范式”，即以模拟复杂现象为基础的计算科学范式，也叫“模拟范式”。在一定程度上，可以说第三范式是对经验范式和理论范式的深层优化。

从驱动力角度来看，自由发展阶段，科学研究主要是由科学家的兴趣和商业资本家的利益所驱动。当科学成为社会的建制后，科学研究进入国家干预阶段。1945 年，美国科学研究与发展办公室主任范内瓦·布什（Vannevar Bush）在其报告《科学——没有止境的前沿》中提出了科学研究线性模型，即“基础研究—应用研究—产品开发—生产经营”。[2]该范式的理念对世界各国政府科技创新和组织模式的推动产生了深远影响。随着科学技术发展和经济社会对科技需求的日益增长，简单的线性模型逐渐难以完全反映出现实中复杂的科技创新活动。美国普林斯顿大学学者斯托克斯（Stokes）于1997 年提出了“四象限模型”。该模型从知识和应用的二维论出发，把基础研究和应用研究的关系分为四类，形成了双维度的科研“四象限模型”[3-4]，如图1 所示。其中最著名的是“巴斯德象限”，描述了开展目标导向的基础研究。“巴斯德象限”重构了政府目标需求与科学共同体的契约关系。目标导向包括社会需求目标导向和国家战略目标导向，后者更加强调有组织的建制化、体系化科研，对人才、项目、资金、平台等一体推进，为产出目标导向的重大成果提供支持。当前，前沿科学会聚发展，呈现出多点突破的生动景象。宇宙起源与演化、物质本质与基本结构、生命起源、意识本质都需要从更宏观和更微观的角度去观察，以发现各自的特征和规律。这些规律可能将会引发科学技术的革命性变化，因此我们需要以国家战略导向为主，统筹推进有组织、建制化、体系化的基础研究，通过完成更多的重大原始创新和关键核心技术突破为人类文明进步做出新的更大贡献，以此维护我国的科技安全利益。

图1 斯托克斯模型

“波尔象限”是由求知欲驱动的纯基础研究，“爱迪生象限”则是以实践为目的的纯应用研究。斯托克斯当时没有给第四个象限取名称。在“四象限模型”中，我国科学家吴家睿将第四个象限命名为“第谷象限”[3]，对应以大数据模拟计算等技术驱动的科研范式，即通过统筹布局推进新一代重大信息基础设施建设，抢占未来信息和数字驱动科学发展范式的制高点。无论哪个象限理论，都论证了当前需要通过布局世界一流学科交叉研究中心、重大科技基础设施集群，以及建设一批交叉学科前沿研究平台和一批产业创新转化平台，以促进学科会聚和找到技术变革的现实之道。

巴斯德象限显示，基础研究和应用研究之间并未存在明确的界限，二者可以转化和融合。这也被后面的科技发展过程所证实，即并非先有科学发现，然后应用科学发现才有了技术发明，例如瓦特在热力学定律被确立之前发明了蒸汽机。事实上，从已有知识和实践出发，在探索发现新知识与解决新实践问题中，基础研究和应用研究相互作用，相互依存，循环前进。美国的卡特希·那拉亚那穆提（VenKatesh Narayanamurti）等也在《发明与发现：反思无止境的前沿》一书中提出了相似的观点，指出发明与发现的双向性和相互依存性，并列举了较多工程学的例子来论证二者的界限模糊性和相互转化性。[5]书中还强调了基础研究和应用研究的二分模式，以及强化科学与工程、研究与转化以及发明与发现人为界限后的弊端。

（二）范式升级：学科会聚兴起

最先使用“技术会聚”这一概念的是罗森堡（Rosenberg），其在1963 年研究美国1840—1910 年的机床工业技术变革过程时提出。[6]随后，在材料领域形成的技术融合模式催生了纳米技术，促进了信息、材料、图像和量子技术与计算机技术的结合，推动了学科会聚产生，从根本上改变了物质科学的研究范式。2002 年，美国国家科学基金会在《提升人类能力的会聚技术》这一报告中提出了“会聚技术”的概念。2014 年，美国国家研究理事会在《会聚：推动生命科学、物理科学、工程学等跨学科整合》中提出了“会聚式研究”和“学科会聚领域”的理念以应对复杂的科学和社会挑战，突破了学科极限。我国学者研究了技术会聚、学科会聚的起源、发展[7-8]、方法论和内在机理[9-12]，并就我国科技创新实践问题，提出了学科会聚对科技创新的作用[13-14]。

从学科会聚的产生和发展来看，学科会聚突破现有单一学科性质，具有多学科深度融合、技术交叉集成的系统性特征。

从外部动力来看，学科会聚由问题驱动形成。这些问题涉及国家重大需求，是人类经济社会发展的关键，具有较强的目标导向性。重大需求往往由一系列具体研究问题或重大科学问题集合而成，形成复杂问题系统，学科会聚正是为应对和解决这一复杂问题系统而出现的领域。学科会聚解决的问题形成“从0到1”的原始创新，通过颠覆性的技术和“破坏式”的创新，为经济社会发展提供有效的高端科技支持。

从内在逻辑来看，学科会聚以底层知识单元的共同性、共通性和互补性之间的联系为重要基础，以核心学科会聚为先导。尽管研究的问题涉及不同的学科，但解决问题所需的底层知识基础是可以相通的。关键核心学科带动学科之间的知识整合，在学科会聚中扮演重要角色，也在跨学科的知识整合起到中介与桥梁作用。学科会聚是从邻近知识领域扩展至较远知识领域，相距较远的学科因需求和目标建立知识关联。跨学科知识因解决问题的需求建立了紧密联系，形成了学科会聚。

学科会聚是科学技术发展的内在要求，也是运用科学技术手段解决现实问题的必然趋势。例如，当前若要掌握量子信息科技，需要整合多方研究资源和创新要素，需要多部门、多组织联动，需要多学科知识和技术会聚，以实现与量子精密测量研究相关的基础研究、技术验证、关键元器件自主研制等；新冠病毒疫苗的研制，需联合分子生物学、病理学、材料学等学科知识。普朗克（Planck）提出[15]，科学是内在的统一体，被分解为单独的部门不是由于事物的本质，而是由于人类认识能力的局限性。但皮亚杰（Piaget）在《结构主义》[16]中提出，把研究对象分析为许多组成成分的办法是行不通的，科学整体不是各个成分的简单综合，整体还具有作为整体本身的性质。也就是说，学科会聚推动了科研范式变革。学科会聚与学科交叉、学科融合具有显著的区别。学科会聚以问题为导向，旨在解决特定的现实和科学问题，会聚后并不会产生新学科；学科交叉往往寻求不同传统学科的互补性，通过交叉产生新的学科，但不影响传统学科的完整性；学科融合是在承认学科差异的基础上不断打破学科边界，促进学科间相互渗透、交叉的活动。可以说，学科会聚是战略和行动，学科交叉和学科融合是策略和举措。

从某种程度上来说，学科会聚是从学科知识维度，基于解决重大现实问题对学科交叉融合的倒逼，通过带动不同学科与工程学之间、社会学和经济学之间的“学科会聚”，推动科研范式自身的升级。学科会聚既是范式的升级，也是科技创新解决问题的方法论，通过探索新的组织方式变革和资源配置方式变革，并影响着创新体系的布局。随着科技和经济社会的发展，尤其是大数据的应用发展，基于数据密集型的范式逐渐成型。

二、数字时代的范式变革

（一）数据密集驱动新范式的形成

2007 年1 月，图灵奖获得者吉姆·格雷（Jim Gray）基于实验归纳、模型推演、仿真模拟的数据密集型科学发现，提出了“第四范式”的观点。以数据考察为基础，联合理论、实验和模拟一体的数据密集计算的范式，称之为“数据密集型范式”，成为全球科技界探讨的热点。2009 年，由中国科学院潘教峰、张晓林译著的《第四范式：数据密集型科学发现》出版，数据密集型科研范式逐渐为学界所认可。[17]尤其是2012年，维克托·迈尔·舍恩伯格（Viktor Mayer-Schönberger）的《大数据时代》出版，让“大数据”一词为社会公众所熟知，并成为各领域讨论的热门话题。董春雨研究提出，“数据密集型”与“大数据”的概念内涵存在认知上的模糊性。[18]他认为，“数据密集型”的概念在科学与信息技术结合的基础上产生，而“大数据”则是通过对数据的分析与处理来获取更多的科研成果。从某种程度上来说，大数据处理的核心方式是“数据密集”，但“数据密集”并非是大数据唯一的处理方式。不可否认的是，大数据时代，数据为科研提供了新的研究对象、思维模式和科研方法，数据密集驱动也促进了数字化科研的发展。

从工具方法维度来说，大数据和人工智能在科研中的应用逐渐发展，形成了科学研究的第四范式。第四范式是区别于经验、理论和计算机模拟的范式。数据范式对经验科学和计算机科学中产生的大量数据进行挖掘和数据处理。大科学时代，科研数据作为科技创新过程中的记录和产出，蕴含着丰富的价值和信息，将成为科研竞争的新方向。尤其是在大科学工程建设和运行过程中会产生的巨量数据，如何进行数据挖掘、数据分析、数据利用、数据保护、数据诚信和数据表达等也成了新的科研任务。第四范式除了为科学研究提供新的观念与思维模式，对相关技术突破、生产生活方式变革也产生了重大影响。在科技创新领域，科研生命周期与数据生命周期息息相关，数据已经成为科研的关键路径和重要证据。大数据作为一种极其重要的战略资源，必须加大力度对其进行生产、开发、利用和保护。大数据时代，机遇与挑战并存，谁能率先树立大数据思维模式，重视数字基础设施建设，构建大数据库并对其进行有效管理和开发利用，谁就把握了先机。运用颠覆性的人工智能技术驱动科学研究，已经成为科学技术与人工智能融合发展的新趋势。

（二）人工智能对范式的影响

大数据与人工智能带动了信息技术迅猛发展。生成式人工智能技术的突破与应用，对科技创新及经济社会产生了深刻影响。也有把人工智能等对科研范式形成的影响，即人工智能驱动的科学研究称为“范式再升级”或“第五范式”，表现为机理与数据的融合计算。当然，人工智能对科研范式的影响离不开数据，尤其是大数据。这个数据既包括已有的数据，又包括受控实验形成的数据、按照模型产生的数据等。大数据与人工智能技术能够在大量文献中进行智能分析与推荐，让科研人员聚焦科学问题本身，脱离大量具体的重复性试验，使得科研过程简化而高效。人工智能已经对物理、化学、生物、海洋、大气、材料等学科领域产生了新的影响，尤其是生成式人工智能等新兴数字技术显示出新范式的独特威力与魅力。

生成式人工智能是一种在多要求和多提示基础上生成全新内容的技术。2022 年，Gartner 公司发布了战略性技术发展趋势报告，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，应用范围极为广泛。OpenAI 公司推出的ChatGPT 成为历史上用户增长速度最快的消费级应用程序。ChatGPT 广泛应用于科研实践中，一方面，帮助科研人员快速完成对大量数据的加工和生产，提炼有用信息，完成报告撰写工作；另一方面，给科研活动和科研管理带来了科研诚信问题等挑战。可以期待的是，生成式人工智能技术工具可能会贯穿科研活动全过程。在工业设计、实验设计等领域，生成式人工智能技术在提升设计和实验水平的同时，大幅降低了材料和人力成本，缩短了产品开发周期。有学者在研究中指出，生成式人工智能技术模型的通用性使人工智能应用范围迅速得到扩张。此外，生成式人工智能的强人机互动性及其复杂的推理能力使风险与不确定性由外部向内部延伸。有效利用人工智能技术并做好相关风险防范，建立新的科研规范才是应对之策。

大数据时代，数据驱动范式已经出现，人工智能技术正在深刻地改变科研活动。2020 年7 月，《自然》期刊对一台“疯狂”的实验机器人进行了报道。这个实验机器人在8天内做完了688个有挑战的、有质量的实验，这些实验能够有效收集新数据，并发现陈述数据的新方式。实验机器人研究领域的科学家们还提出了更远大的目标，他们希望机器人能表现出更强的主动性，能够不断提出和验证假设，到2050 年拥有独立做出诺贝尔奖级别的研究成果的能力。2020 年10 月，英国格拉斯哥大学勒罗伊·克罗宁（Leroy Cronin）教授等人在《科学》期刊上公布了一台颠覆性人工科研机器人。这一机器人能够实现自动阅读文献并构建合成操作流程，实现了“文献进去、产品出来”，成为不知疲倦的重复实验的科研助理。2023 年7 月，国家互联网信息办公室联合国家发展和改革委员会等七部门发布了《生成式人工智能服务管理暂行办法》。其中提到，鼓励生成式人工智能算法、框架、芯片及配套软件平台等基础技术的自主创新，平等互利开展国际交流与合作，参与生成式人工智能相关国际规则制定。生成式人工智能在分子生物学、芯片设计、药品研发及生态资源环境监测和数据处理方面的优势已经全面显现。在科研中主动使用生成式人工智能，已是大势所趋。

从以上对数据密集驱动范式的特征，尤其是人工智能技术对范式的影响分析中可以看出，数字时代的科研范式需要更加关注大数据的挖掘和分析，探索事物之间的相关关系；需要更加关注机理与数据的融合计算，探索客观事物规律；需要更加关注科学研究的底层逻辑和多学科融合发展，突出解决人类面临的重大问题。这就涉及以下五个方面。一是注重原始创新，运用数字思维和途径对物理、化学、生物、材料等学科进行“从0到1”的原始创新，形成基础研究的重大引领性成果。二是学科交叉融合，数据的挖掘分析要跨学科、跨组织，由此推动了学科交叉融合。这一趋势催生了前沿交叉技术问题在关键技术领域形成战略性成果。三是扩大开源开放，一方面，在布局和建设一系列重大数字科技基础平台的基础上对大数据资源进行开发和安全管理；另一方面，通过人工智能技术完善集体协作模式的应用，实现开放共享资源。人机共生的伙伴关系促使各领域围绕问题高效协同，形成体系化的创新方式。四是解决重大科学技术问题，数据驱动的范式补充了新的科研途径，既提高创新效率，也催生新的创新成果。同时，随着科学技术发展的广泛而高深，人类更加需要利用人工智能的显著优势，加快对重大科技问题的攻关。五是系统思维和社会协同，从大量数据中发现规律，从整体中发现问题、解决问题。数据不仅是生产要素，也是创新要素，需要社会协同以推动数据的共建共享。

从组织模式来看，数据密集驱动与人工智能技术发展，有利于提高科研效率和管理水平，提升不同科研组织之间的合作水平和合作效率，解决关键领域的技术难题；有利于综合化、一体化、系统化配置创新资源要素，通过协同发展的人机共生伙伴关系促进创新体系化协同；有利于线上线下创新资源要素的整合利用，通过线下建设重大科技基础设施平台等形成创新要素的汇聚与线上围绕问题形成的系统化、协同化组织力量，成功解决了许多全球重大科技问题。这也推动了组织模式的转变，加快了创新要素的汇聚，优化了创新体系，形成与新范式相适应、相匹配、相促进的组织模式。

三、组织模式的发展实践与趋势

（一）全球视角：实施汇聚战略

随着科学技术的发展和社会紧迫需求的日益增长，以及大科学和数字时代科研范式的升级，人才、经费和重大科技基础设施等创新要素以及与之相依存的高校、科研院所、大型企业等都出现了显著的汇聚现象。创新要素汇聚形成了科技创新高地和人才中心，产出重大科技成果形成了创新集群。创新要素汇聚的原因既有系统内在动力的吸引和嬗变演化，更多的是政府战略推动下的布局和发展必然。

世界知识产权组织对发明人和科学作者密度最高的地理区域进行了统计，根据专利申请活动和科学论文发表情况等内容评价发布的《2023 年全球创新指数报告》指出，全球排名前六的科学技术集群依次是：日本东京—横滨地区、中国深圳—香港—广州地区、韩国首尔、中国北京、中国上海—苏州地区、美国的圣何塞—旧金山集群。

从全球科技发展史来看，科技创新要素的汇聚形成了五个典型的世界科学中心和人才中心：其一，16世纪的意大利，具有代表性的科学家包括哥白尼、伽利略等；其二，17 世纪的英国，牛顿、波义耳等对近代科学理论体系的建立做出了奠基性贡献；其三，18 世纪的法国，具有代表性的科学家包括拉格朗日、拉普拉斯、库仑等；其四，19 世纪的德国，爱因斯坦创立了狭义相对论等，亥姆霍兹、黎曼等推动了科学发展；其五，20 世纪的美国，冯•诺依曼等在计算机领域做出了奠基性贡献，爱迪生、费米等推动了技术发明的应用。

回顾历史，超前的国家科技战略部署和科研布局，尤其是人才、资源要素的汇聚战略在发达国家科技强国之路上扮演着重要角色。发达国家通过科技创新布局和政策引导，形成科技创新资源要素的汇聚，表现为研究型大学、科研院所、重大科技创新平台以及人才聚集的出现。这一汇聚现象有助于重大科技成果的产出，成功带动了经济社会的发展。具体体现为如下五点。

第一，强化科学建制布局。建制化高校、研究机构等科研组织的布局是关键。英国在17 世纪率先建立现代科学体制，率先建立专利制度，培育追求卓越科学的理念。英国皇家学会（The Royal Society）的成立标志着科学组织的建制化形成。英国的创新战略的愿景是到2035 年成为全球创新中心。法国拥有国家科研中心和具有全球影响力的巴黎—萨克雷科技创新中心，尤其是巴黎—萨克雷科技创新中心，汇聚了世界一流研究型大学、科研机构以及一批高水平研究基础设施，包括欧洲高性能模拟和计算能力中心、极端光学跨学科中心、高通量基因组数据处理平台等。

第二，优化战略资源配置。政府主导科技创新战略和研发布局，通过增加经费、加强项目和重大任务平台建设，形成汇聚的竞争优势。美国1920 年开始推动“大科学体制”，强调政府在战略制定和基础研究中的主导性地位，强调增加对基础研究领域的投资，保持和加大对高质量的科学、技术、工程和数学教育的投入，强调要投资建设21 世纪先进的物质基础设施并发展下一代数字基础设施。德国自20 世纪80 年代以来，始终将创新置于国家发展的核心位置，不断出台创新驱动发展战略与规划，形成了连续性的创新战略和系统性的创新政策制度。

第三，培育和汇聚一流人才。一流人才是重大原创性成果的源泉，也是主导国际重要学术交流活动的关键力量。从五次科学中心的发展变革来看，世界主要科学中心的形成与变迁离不开重要人才的集聚，事实上顶尖科学家形成的人才集聚和科学引领往往是科技变革的关键。同时，人才的集聚和接续培育往往倒逼世界高等教育中心的形成，以及一流科研机构和大型研发性企业的云集。第二次世界大战后，美国成为全球创新人才集聚的地方，一批一流的创新人才涌向美国。充足的人才、大量的经费、宽松的目标，使美国成为创新的沃土。例如，一部分来自世界各地的人工智能专家组成了美国人工智能研究实验室OpenAI 的研究团队。

第四，促进创新主体的协同。创新主体之间协同发展，有利于资源要素的流动和配置，有利于主体功能的发挥，有利于创新体系整体效能的提升。18 世纪中叶至19 世纪中叶，英国发生了工业革命，科技与生产结合促使其成为引领世界的工业强国。德国注重产学研协同，其研发投入总量的约70%来自企业。80%的德国大型企业集团拥有独立研发机构，这推动德国进入工业4.0 时代。法国作为全球第七、欧洲第三大经济体，推动科技与产业融合发展，科技、教育和人才与企业之间互动良好。

第五，构建优良的创新生态。创新主体动力大、产业发展有活力、人才创新积极性高，形成了创新生态体系的良性演化，促进了高水平的科技活动发展。通过组织高水平科技创新活动，汇聚创新人才、创新资源、研发机构、一流成果，催生新思想、新发现、新发明，为经济社会发展蓄积新动力。法国汇聚了大批优秀的科研人才，发展出优良的创新创业生态，成为世界500 强排行榜企业全球第三大聚集地。

（二）中国实践：优化创新体系

我国自1949 年以来就十分重视科技创新的布局规划，坚持发挥社会主义集中力量办大事的制度优势，加强科技战略顶层设计，通过政策倾斜、政策特区等增加资源要素投入。我国还制定了一系列人才政策、产业政策，加大研发投入，建设高校、院所和创新中心，形成了科技创新的五股力量。战略规划在某种程度上就是资源要素的布局，也是汇聚形成的重要前提。1949年11月，通过汇聚高层次人才的方式，中国科学院成立。我国制定的《1956—1967 年科学技术发展远景规划》形成“以任务带学科”的规划模式。在快速推进大规模的工业化进程中，我国大力发展国防科技，提出“向科学进军”和科技创新“自力更生”的理念，要求科技创新实行“全面规划，加强领导”的方针。通过创新规划加强科技发展的重点布局，我国快速地建立起具有完整体系的科技体制。1978 年 3 月召开全国科学大会，中国科技事业开始全面复苏，该会议也被人们亲切地称为“科学的春天”。1985年，中共中央发布《关于科学技术体制改革的决定》。此后，我国提出科学技术要面向经济建设，经济建设要依靠科学技术，加强国家创新体系建设和区域创新布局，以重大科技计划推动问题的解决、资源的配置和学科的发展。党的十八大以来，以习近平新时代中国特色社会主义思想为行动指南，实现加强重大科技基础设施等国之重器建设，实现加强基础研究投入和人才队伍建设，产出了一大批重大引领性科技创新成果。科技创新的目标也从加强国家创新体系建设转至构建中国特色国家创新体系。

从发达国家创新要素汇聚战略和我国的实践来看，以问题为导向的学科会聚必然会呼唤以目标为导向的创新要素汇聚，尤其是在数字时代，以大数据、人工智能为要素驱动的科研活动更加需要项目、平台和人才的聚集来产出原创引领性成果。从某种程度上来说，创新汇聚已经成为重大科技任务组织与重大成果产出的必由路径。因此，加快实现高水平科技自立自强，应以科技组织方式变革适应和促进范式升级为路径，优化创新要素配置和汇聚，建设开放的创新体系和人才中心，加快打造原始创新策源地，加快突破关键核心技术，抢占世界科技制高点。

面向未来，我国持续优化创新体系，紧紧抓住数字时代的创新规律，以组织模式创新促进范式变革升级和产业发展。我国“十四五”规划提出制定实施战略性科学计划和科学工程，其中在科技前沿攻关领域，排在首位的就是新一代人工智能。要以国家战略性需求为导向推进创新体系优化组合，加快构建以国家实验室为引领的战略科技力量，并聚焦量子信息、光子与微纳电子、网络通信、人工智能、生物医药、现代能源系统等重大创新领域，组建一批国家实验室。在部署发展壮大战略性新兴产业方面，提出聚焦新一代信息技术等内容，要构筑产业体系新支柱，前瞻谋划类脑智能、量子信息等未来产业。要加快建设新型基础设施，围绕强化数字转型、智能升级等，布局建设信息基础设施，增强数据感知、传输、存储和运算能力，并加快构建全国一体化大数据中心体系，强化算力统筹智能调度，建设若干国家枢纽节点和大数据中心集群。[20]此外，《“十四五”大数据产业发展规划》提到，统筹基础设施建设、技术创新和标准研制，增强产业链供应链自主可控能力等内容。[21]

（三）三个导向：模式创新原则

加强创新要素汇聚，促进范式升级，瞄准数字时代科研规律，加快建设世界科技强国，以高水平科技自立自强助力实现中国式现代化。以中国式现代化全面推进中华民族伟大复兴，需要坚持问题导向，把准创新的价值立场和选题方向；需要坚持目标导向，强化创新的目标要求和过程遵循；需要坚持结果导向，明确创新的评估标准和检验标尺。问题是出发点，目标是根本点，结果是落脚点，三者存在内在统一的关系。必须坚持“三个导向”，加快实现高水平科技自立自强，加快建设世界科技强国，进入创新型国家前列，实现“两个一百年”奋斗目标。

其一，坚持问题导向，把准创新方向。问题是矛盾的呈现形式，矛盾是问题的内在本质。抓主要矛盾就是解决主要问题。增强问题意识，就是运用矛盾的普遍性、客观性，善于把认识和化解矛盾作为打开工作局面的突破口。外部环境变化了，发展要求变化了，面临问题的复杂程度、解决问题的艰巨程度都会随之变化。找准问题，从问题出发，就是坚持运用马克思主义立场、观点、方法，善于找出问题本质特征和内在规律，抓住主要矛盾，突出中心任务，勇于提出新鲜问题，敢于解决关键难题，不断提出解决问题的新理念、新思路、新办法。

问题是科技创新的出发点。从科研选题开始，问题从哪里来，以什么为中心，这反映了科技创新的价值立场和导向，以及对客观事物规律的认识和判断。数字时代，建设世界科技强国，应坚持以国家战略需求和人民为中心的问题导向。在涉及国家安全的重大问题、当前经济社会发展的突出问题、人民对美好生活向往的“急难愁盼”问题中，凝练出重大科学问题和关键技术难题，如聚焦新一代人工智能前沿基础理论突破、专用芯片研发、深度学习框架等开源算法平台构建来加快重大科技成果产出。还要科学研判环境和发展趋势，自觉把国家需要作为专业，人民需求立为选题，加快突破关键核心技术和“卡脖子”难题，强化源头创新、自主创新。

其二，坚持目标导向，形成创新汇聚。找准了问题，锚定了出发点，中间过程怎么走，需要明确的方向目标。清晰的目标是不走偏路、不走错路、不走回头路的保证。坚持目标导向，是过程的对标对表，是提高效率的保障。以目标导向来审视，就是以目标指向牵引，凝心聚力实现预期计划。北斗卫星导航系统就是着眼于国家安全和经济社会发展需要，自主建设运行的全球卫星导航系统，经历了三个阶段目标，最终建成国家重要时空基础设施，形成了以国为重的新时代北斗精神。

坚持目标导向，切实增强科技创新的前瞻性和引领性，坚定建设世界科技强国的目标方向。坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，加快实现高水平科技自立自强。围绕目标，谋划重点，前瞻部署，整合资源，畅通要素，进行原创性、引领性科技攻关，坚决打赢关键核心技术攻坚战。遵循数字时代科研范式要求，发挥新型举国体制优势，强化国家战略科技力量，加快建设人工智能等国家实验室，统筹推进国际科技创新中心、区域科技创新中心建设，形成世界重要人才中心和创新高地，加快建成世界科技强国。

其三，坚持结果导向，检验创新成效。问题导向是“做什么”和“不做什么”的判断与选择，目标导向是引领“怎么做”和“谁去做”的方式和方法，结果导向则是“做得怎么样”的落脚点，也是如何改进的逻辑起点。站在结果的视角来思考，就是看结果和目标是否一致，落脚点和出发点是否统一。结果导向关键在于问题解决，而不是为不战而败的结局找借口。把结果作为检验成效的标准，做出重大导向性成果，必须要有挫而勇的毅力、战必胜的信心。

坚持创新在我国现代化建设全局中的核心地位，就是把科技创新重大成果放在全面建设中国特色社会主义现代化国家、全面推进中华民族伟大复兴中进行检验。不问结果的创新是不负责任的，科学作为社会的建制，必须对创新的结果负责，对产出目标成果负责。每个时代创新的目标和要求都蕴含着各自时代的鲜明特色，因此，在科技革命的前夜，应在新一轮科研范式变革中占领先机。事实上范式的落后会导致创新整体的落后。所以，必须坚持能力、质量、贡献的创新评价导向，坚守永不言弃的科技攻关信念，大力弘扬科学精神和科学家精神，加快产出基础性、引领性和战略性重大创新成果，在开辟发展新领域、新赛道和不断塑造、发展新动能、新优势中发挥中坚作用，努力抢占科技制高点。

四、模式创新引领范式变革的思考

数字时代，学科会聚与数据密集驱动、人工智能技术是科研范式发展的必然要求和变革方式，决定着资源要素的汇聚。汇聚是资源要素和组织方式，为数据密集驱动、人工智能技术发展提供支撑，并影响和作用于数据发展。学科会聚与数据密集驱动、人工智能技术从不同维度突出了科研范式的升级变革。汇聚是资源组织模式创新，是从创新要素维度来强调科技强国建设和创新高地国家战略。新的需求产生和主动强化联系等外部驱动力是数据密集驱动和人工智能技术发展的积极促进因素。要素的汇聚为范式升级与变革的形成提供了外部条件，会聚技术的产生、发展和生成式人工智能等新兴数字技术推动了范式的变革和高水平科技自立自强的实现，并作为强大的创新源动力促进高质量发展。

（一）以解决国家和人类面临的共同问题为导向，推动学科交叉会聚

科技创新规划布局的本质就是把有限的资源集中配置在需要优先发展的领域，同时，形成良性发展的“滚雪球效应”，汇聚更多的资源要素。高校、科研院所、大型企业等创新要素的汇聚，形成了多样化的学科。多样化的学科群带来多学科知识会聚。高校、科研机构和大型企业等资源汇聚，有利于新学科的产生和范式变革，形成新的重大发现和技术突破，产出重大引领性成果。

首先，通过资源汇聚形成学科会聚，依托高校、科研院所建设一批基础科学研究中心、前沿交叉中心和卓越研究中心，引导国家实验室、全国重点实验室开展目标导向的建制化科学研究，促进学科交叉融合，加快原始创新突破，形成重大原创性、引领性、战略性创新成果，为若干重大需求提供变革性、系统性解决方案。

其次，以学科会聚带动范式升级，发挥学科会聚的优势，以解决重大科技需求和重大科学问题为牵引，部署一批重大科技攻关任务，形成面向世界的原始创新和重大策源，为人类文明的进步贡献力量。加快建设一批重大科技攻关平台和前沿科技基础设施，形成关键核心技术和产业共性技术的突破，以实现高水平科技自立自强。

最后，以科技变革推动产业变革，形成产业对资源要素的汇聚。将范式升级转换为创新驱动发展的内生动力，让科技创新关键变量成为高质量发展的最大增量。布局一批交叉前沿研究平台和产业创新平台，不断以新技术培育新产业、引领产业升级，加快构建以先进制造业为骨干的现代化产业体系，培育具有全球影响力和竞争力的产业集群，推动经济发展质量变革、效率变革、动力变革。

（二）加快建设创新型国家和世界科技强国，推动创新要素汇聚

世界科技的竞争，是国家战略科技力量的竞争，从某种程度上来说是创新体系的竞争。强化国家战略科技力量，需要促进国家科研机构、研究型大学、科技领军企业以及国家实验室、全国重点实验室体系化创新能力的形成，增强国家创新体系整体效能。学科会聚领域以科研活动任务的方式带动创新价值链背后的创新主体的广泛参与和深度合作，为科研院所、高等院校和企业创造了合作空间，打破了不同组织间的壁垒，有利于不同创新主体协同创新。

首先，在科研选题问题上，学科会聚领域需要以构建重大问题为导向的新的科研组织形态，以国家重大科技需求和重大科学问题为牵引，推进高校、科研院所和大型企业等多元主体合作，进一步从韧性、张力、活力等维度塑造科技创新有机整体，实现科技创新体系资源平台开放共享，实现科技任务联合攻关。

其次，在组织模式问题上，要体现解决重大科技任务的功能，形成国家实验室、全国重点实验室、省实验室体系。加强国家战略科技力量与各类创新主体优势互补，在实质性合作中实施高水平的科产融汇、科教融合、产教融通，促进创新要素在纵向产业链上下游的联动，并在横向上推动创新集群和产业集群共享共用。

最后，在运行机制问题上，要构建科技新型举国体制，打造科技共同体，加强共同体治理。通过实施重大科技联合攻关活动和学术交流，推动科技创新共建共治共享，集聚多样创新资源，建立资源要素之间良好的结构关系，打造高效运行方式，增强创新体系整体效能。

（三）建设全球人才中心和创新高地，聚天下英才而用之

科技创新是高质量发展的关键变量，人才是科技创新的关键因素，抓住人才资源就是抓住了创新发展的机遇和未来。人才的汇聚既依靠外部引才、聚才，也依赖自主培育和使用。一方面，着力引进拔尖创新人才，聚天下英才而用之，筑牢关键变量基座；另一方面，全面提高人才自主培养质量，尤其要重视战略科技人才和引领性创新人才的培育。

首先，依靠教育培育人才。人才的培育离不开教育，应当设置人才培养计划，大力培养敢于创新的基础研究人才，并加强中小学教育中创新性思维的培养，把创新教育渗透到小学教育中，培养学生自由发挥想象力和创造力，激发学生创新潜能和独立思考能力，与高校教育进行有效衔接。在重大科技任务中给优秀青年人才压担子，通过独立承担重大科技攻关任务，以及给予优秀学者学术任职等方式，鼓励和支持优秀青年人才脱颖而出。

其次，在使用中培育人才。加快培育国家战略人才力量，在承担国家重大科技攻关任务中育才，在建设国家重大科技基础设施中用才，让人才在解决经济社会重大科技问题中得到锻炼，发挥人才特长、优势，激发人才创新活力、创新动力，与事业发展共振，与国家需求共进。

最后，优化人才成长环境。营造尊重人才和用才所长的环境，设立创新团队培育基金，促进学科之间的交叉和融合，发挥关键人才在学科会聚中的关键作用，产出引领性重大科技成果。推动人才国际交流，用好、用活各类人才，汇聚和造就一批具有世界影响力的顶尖科技人才、战略科学家和高水平国际化领军人才，建设顶尖科技人才汇聚的国际化人才高地。

（四）建设世界一流科技基础设施和工程，带动创新要素汇聚

科技创新重大平台载体是大科学时代科技攻关的重要条件支撑，而开放的创新生态是资源要素流动的基础。既要发挥平台载体吸引人才与资源要素的优势，也要以开放的创新生态促进人才流通，汇聚优势资源，形成目标导向性的重大科技成果。重大科技基础设施是解决前沿问题的基础，被誉为“国之重器”，要加大投入建设，发挥国家实验室、全国重点实验室的牵头主导作用。

首先，加强重大科技基础设施的共建共享。我国已经在22 座城市布局57 个重大科技基础设施。要推动大科学装置的共享，可以以开放的装置平台建设运行，吸引产学研共同参与，实现资源和要素的充分集聚与碰撞，形成一批引领性成果。加强国家实验室、全国重点实验室的建设，发起或主导国际重大科技计划项目，形成国际竞争的比较优势。

其次，发挥科学中心、科创中心建制化优势。我国已布局建设北京怀柔、上海张江、粤港澳大湾区、安徽合肥四个综合性国家科学中心，2023年陕西省“两会”上公布，西安获批建设综合性科学中心，这些科学中心也是全国重大科技基础设施最集中的区域。推动综合性国家科学中心和北京、上海、粤港澳大湾区国际科技创新中心建设，建设武汉、西安、合肥等重要区域科技创新中心建设，要发挥建制化系统化优势，产出充分体现国家意志、有效满足国家需求、代表国家最高水平的重大成果。

最后，大力弘扬科学家精神，形成体系化创新能力。大力弘扬科学家精神，宣传几代科学家求真务实、报国为民、无私奉献的爱国情怀和高尚品格，激励广大科研人员牢记初心和使命，坚持国家利益和人民利益至上，自觉肩负起时代和历史赋予的重任，形成以科学家精神为引领、富有活力的创新生态系统。优化科技管理，推动战略规划、研发资助、人才评价等管理创新，促进科技管理模式与组织方式变革同会聚范式升级相适应，形成体系化创新能力。

（五）树立数据思维模式，以组织模式创新统筹推进范式变革

数字时代科技创新应在最前沿交叉领域取得突破，敢啃硬骨头，引领范式创新。把握大数据时代脉搏，培育数据思维模式，前瞻部署大数据平台、项目和重大数字基础设施建设，建设生成式人工智能前沿交叉研究中心，加快推进新一代人工智能领域中学习推理与决策、图像图形、语音视频、自然语言识别处理等内容创新，加快关键核心技术创新应用。建设国家科学大数据中心和国家人工智能未来产业技术研究院，加强数据生产、存储与分析的安全可控。

首先，发挥人工智能技术在科研选题、方案设计等方面的优势。生成式人工智能技术发展如火如荼，我们不仅要将其作为技术工具，还要使其在未来发展中形成引领。采用人机交互方式，通过科学家的智慧与人工智能技术协同工作来进行科研选题。发挥人工智能技术海量信息与智慧生产的优势，优化科研方案设计。人工智能不仅可以模仿人的推理能力和逻辑能力，还可以进一步实现模仿人类的情感、感性、审美以及创造力。因此，应在类脑智力等领域部署一批更具挑战性的课题，并组织力量加快攻关，形成率先突破。同时，提升国家科研机构、研究型大学和科技领军企业等创新主体的数字资源建设能力和数据素养水平，释放科研范式变革的潜能。使用人工智能技术，促进科研人员解决重大科研问题过程中的集智协同。

其次，加快建设新型基础设施，加快推进大模型发展。建设高速泛在、天地一体、集成互联、安全高效的信息基础设施，前瞻布局6G 网络技术储备。加快构建全国一体化大数据中心体系、若干国家枢纽节点和大数据中心集群。加快推动大模型发展运用，一方面，在智慧生活、城市综合智力与智能制造等领域发挥大模型通用人工智能技术的优势；另一方面，加快推进中国认知智能大模型建设，让智力成为一种公共服务，在自主可控平台上让行业尽快享受AI 红利。

最后，加快自主培育数字时代关键科技人才。据《产业数字人才研究与发展报告（2023）》统计显示，我国数字人才缺口已接近3000 万人。应当制定数字人才发展战略和人才计划，加强大数据前沿交叉学科高层次人才培养，加快培养具有AI 算法知识或数据科学背景的专业紧缺人才。自主培养人才必须具备数字化思维能力，敢于在生成式人工智能等前沿数字领域创新突破，能够运用数字技术工具分析研究，并将其融合在具体学科和前沿问题中，取得重大创新成果，解决问题，创造价值。当然，还需注意科研诚信和伦理意识问题，正确处理和管理数据。

党的二十大报告提出，到二〇三五年实现高水平科技自立自强，进入创新型国家前列。实现目标重点在于把握科技创新规律，以组织方式变革促进科研范式升级，以新的科研范式促进原创性、引领性、战略性成果产出。面向未来，开放融合，以创新要素的汇聚，优化资源配置，促进学科会聚，牢牢把握大数据时代科研范式的特征和内涵要求，加快在第四范式中的重点领域形成非对称性领先优势，为人类文明的进步贡献中国智慧和中国方案。