在国是论坛2025年年会上，工业和信息化部原副部长、电子科技委主任王江平发表主旨演讲时指出，当前AI科学领域面临“堰塞湖”式困境：AI预测成果呈指数级爆发式增长，但验证能力与产业化能力却仍处线性发展阶段，两者形成巨大落差。“AI在一天内产出的预测成果，往往需要人类投入十年乃至更久时间才能完成验证。”他强调，大量预测成果因此停留在论文层面难以落地，不仅未发挥应有价值，反而占用了大量科研与算力资源。
针对这一问题，王江平提出具体破局路径：首先需强化数据集、高价值知识中心及AI预测结果评估标准体系的建设。当前重点行业普遍存在高精度、长序列、多模态数据集不足的问题，建立公共高价值数据中心可减少重复建设，提升资源利用效率。
其次要加快AI自主实验室建设。他指出，尽管机器人在具身智能领域持续突破，但实际应用多集中于跑马拉松、歌舞表演等场景，呼吁聚焦重点领域实现技术新突破。目前我国AI自主实验室正处于从概念验证向规模化应用过渡的爬坡阶段，需各方协同推动技术进步。
此外，需加强中试平台建设，充分发挥我国应用场景优势，加速工程化创新。他强调，技术经实验室小试后，“从1到10”的工程化落地与场景开放问题凸显关键，需通过中试平台打通从实验室到产业的转化通道。
推动产学研深度融合是另一核心方向。王江平提出，要实现AI for Science（人工智能驱动科学研究）与AI for R&D（人工智能赋能研发）的有机协同，需推行“揭榜挂帅”机制，以企业提出需求、科学家攻克难题的模式联动创新；同时探索灵活的沙盒监管机制，“政府监管聚焦‘输入’与‘输出’两端，中间创新环节交由科学家与企业家自主探索”。
他呼吁，科学家需主动拥抱产业、贴近应用场景，成为兼具科研能力与转化思维的“巴斯德象限”研究者；企业家应敢于尝试前沿技术，承担创新风险以加速新技术落地；政策制定者则需在AI时代重构规则，为AI科学发现成果转化构建适宜的生态环境。
来源：红星资本局
#茅台批价两日涨近百元！白酒挤泡沫结束？##消费板块利好不断！投资机会如何寻找？##【跨年坦白局】提问金梓才、陈果#
