声音

孙其信

中国工程院院士

中国农业大学校长

智能育种将生物技术、信息技术、人工智能、大数据和工程技术等多个学科深度结合，以应对复杂的农业问题，它从多方面对学科交叉提出了新要求。

首先是生物学与信息技术的深度结合。智能育种的核心在于处理大量基因组数据和作物表型数据，而这需要生物学与信息技术的紧密结合。传统育种主要依赖于基因组学、遗传学和植物生物学等领域的研究，智能育种则需要将这些生物学知识与大数据技术、计算机科学和生物信息学进行深度融合。

其次是人工智能与农业科学的结合。人工智能在智能育种中的应用越来越广泛，特别是在基因组选择、表型预测和育种方案优化等关键环节发挥着重要作用。人工智能技术可以用于分析海量农业数据，并通过模型预测作物在不同环境条件下的表现，为科研人员提供决策支持。

最后是物联网与传感器技术的结合。智能育种不仅依赖实验室数据，还需要土壤湿度、气温、光照强度等大量实时环境数据。这就要求物联网和传感器技术介入，在田间实时监测作物生长环境，并将这些数据反馈给科研人员。

黄震

中国工程院院士

上海交通大学讲席教授

2023年我国可再生能源发电装机达到14.5亿瓦，首次超过全国发电总装机的50%，2024年6月我国风光发电装机历史性超过了煤电装机，正成为保障电力供应的新力量。

但仍有一个问题没有解决，风光新能源具有波动性和随机性。要使新能源成为主体能源，储能不可或缺。除了物理储能（抽水蓄能、压缩空气储能）和电池储能（锂电池、液流电池）之外，燃料储能同样重要。必须利用绿电能量的存储、转化，克服风、光资源波动性大的天然缺陷。利用绿电制取可再生燃料氢氨、醇醚和合成燃料，实现新能源的有效存储和非电能源燃料的脱碳。

利用零碳电力制取氢、氨和合成燃料，既提供绿色燃料，又是一种新型储能方式，在储能规模和储能时间方面具有独特优势，便于储存与运输，可实现跨季节大规模储能与广域共享。上海交通大学利用零碳电力，电解二氧化碳和水制取一氧化碳和氢，再进一步通过费托合成制取长碳链高能量密度的合成液体燃料。这类燃料可以用在车船上，也可以再次发电上网。预计到2030年，电制燃料会走向大规模的商业化应用。

邬贺铨

中国工程院院士

重庆邮电大学名誉校长

现阶段，AI在接入网的应用面临很大的挑战，因为无线接入网实时性要求很高，AI大模型的计算处理要占用时间，存在一定延迟，能不能实时响应，是一个很大的挑战。尤其在城市的马路上，如果不能实时收敛，可能效果会不太好；其次是一定会增加复杂性，现在单蜂窝的干扰做得还可以，未来希望结合AI把多蜂窝之间的干扰抵消掉，但是在计算多蜂窝的时候，算力的要求很高。虽然能够想象AI在抵消多蜂窝干扰方面能够发挥作用，但实际能不能真正地起到作用也会是一个非常大的挑战。

需要考虑的一点是，人工智能应用需要投入成本，获得的回报是不是足以平衡成本，还需衡量。此外，目前的大模型本身存在可解释性不足，有一些不一定形成可信的解决方案，还需要人为检验。目前新的解决方案是通过模型量化、模型剪辑等方式将大模型压缩到手机上，当这种推理能力包括对应的算力下沉到终端的时候，就可以不必上云，而是通过离线方式以低成本、低时延、高隐私、个性化地应用。这将有助于增强用户生成内容的能力，带动新一代信息服务业的发展。

梅宏

中国科学院院士

北京大学教授

发明技术的最终目的是让人类的生活变得更好，毫无疑问应该充分考虑技术可能带来的伦理问题。在AI快速发展的热潮下，需要对可能的风险进行研判，并提醒科技工作者时刻牢记科技向善、以人为本。

随着数字技术的发展，科技伦理治理也应当跟上。目前应当完善科技伦理治理体制机制，明确数字技术领域的治理重点和安全护栏，对数字技术进行分级分类治理，同时建立健全人工智能生成内容（AIGC）的主动披露标注制度并开展相关技术研究。

那么，数字技术领域是否应该存在研究禁区？在基础研究阶段一般不做限制，涉及对人的认知能力调控、违背人的自由意志的研究应列为禁区。在技术和产品应用阶段，要根据具体场景及影响来确定。例如大规模远程监控、自主决策的社会评价体系、操纵个人意识和行为并造成个人或他人身体或心理伤害的技术，以及以超越或替代人的认知能力为目标的AI技术研发，应当受到限制。同时数字技术领域的研究禁区应该建立动态调整机制，适时调整伦理审查的复核清单。

我们应该建立生成内容的披露标准机制，建立涵盖大模型开发者、创作者、使用者的标注责任机制；鼓励多条技术路线推进大模型生成内容标注技术研发；完善大模型内容审核制度规范和检测技术开发；推进相关标准和规范制定并国际化。科

（本栏目内容来源于科学网）