编者按：

　　为贯彻落实习近平总书记关于经济工作的系列重要指示批示精神和党中央决策部署，坚持稳中求进工作总基调，牢牢把握正确政治方向和舆论导向，深入宣传我国经济恢复向好、高质量发展扎实推进的亮点成就，光明网推出《经济光明论·专家谈》系列专家解读稿件。

　　本期邀请到中山大学岭南学院教授、广东省习近平新时代中国特色社会主义思想研究中心特约研究员曾燕，中山大学岭南学院博士生杨佳慧，阐释《“人工智能+”行动赋能科技创新生态体系建设》。

　　作者：

　　曾  燕 中山大学岭南学院教授、广东省习近平新时代中国特色社会主义思想研究中心特约研究员

　　杨佳慧 中山大学岭南学院博士生

　　今年的政府工作报告提出，持续推进制造业数字化转型和“人工智能+”行动，行业应用加快落地，新型智能终端不断涌现。为加快培育发展新质生产力，更好服务中国式现代化建设，国务院于2025年8月发布了《关于深入实施“人工智能+”行动的意见》。该意见指出，要加快实施“人工智能+”科学技术等重点行动，加强数据供给创新、提升模型基础能力、强化智能算力统筹、优化应用发展环境等基础支撑能力。科技创新生态体系是指基于政策、人力、资金、技术、数据等创新资源，政府、科研院所、高校、企业等创新主体通过资源配置、协同创新与价值共创形成的相互依赖和共同演进的有机整体。建设完善的科技创新生态体系是培育和发展新质生产力的关键环节。

　　“人工智能+”行动不仅是我国培育和发展新质生产力、把握新一轮产业变革机遇的战略选择，也是我国建设科技创新生态体系的重要抓手。以“人工智能+”行动赋能科技创新生态体系建设，对我国加快培育发展新质生产力、推动产业高质量发展和实现中国式现代化具有全局性、长远性意义。

　　“人工智能+”行动是科技创新生态体系建设的重要抓手

　　“人工智能+”行动是科技创新生态体系资源配置的核心引擎。创新资源的科学合理配置是创新主体协同开展创新活动和实现价值共创的基础，也是科技创新生态体系建设的前提。随着“人工智能+”行动的深入实施，科研成果、产业需求、技术前沿趋势等更多维度数据成为科技创新生态体系中的关键要素。人工智能技术可以精准分析多源数据，通过智能决策、预测优化等功能使创新活动和过程中的决策模式从经验主导转向数据驱动。数据要素的互联互通使创新需求与供给能够更精准地匹配，也使知识、资本等其他要素能够科学合理配置，减少资源错配的现象。

　　“人工智能+”行动是科技创新生态体系协同创新的关键枢纽。协同创新是指创新主体间协同开展创新活动，是创新主体通过科学配置资源实现价值共创的重要路径，也是科技创新生态体系高效运行的核心机制。“人工智能+”行动推动政府、高校、科研院所、企业等形成紧密的创新共同体，促进了多元主体间的资源共享与创新合作。如自“人工智能+”行动提出后，国务院国资委统筹指导了25家央企、民企、新型研发机构、高校、标准化机构等首批发起设立人工智能“焕新社区”开源平台，旨在打造能够提供一站式服务的人工智能开源开放创新载体。特别是该平台通过简化开发流程、降低技术使用门槛，使更多创新主体能够低成本地获取算力、模型和数据等创新资源，推动了人工智能开源开放与产学研用协同创新。

　　“人工智能+”行动是科技创新生态体系价值共创的方向指南。价值共创是指相关创新主体在科学合理配置资源、协同开展创新活动时共同创造价值的过程，是科技创新生态体系持续演化的内生动力。“人工智能+”行动为政府、科研机构、高校、企业等创新主体指明了合作创新方向，使科技创新不再是单一创新主体的行为，而是各个创新主体基于数据共享与信息互通开展具有系统性、有组织的创新活动。如深圳市政府制定“人工智能+”行动相关方案时指出，鼓励企业、高校等共建国产人工智能联合实验室；鼓励研究院、企业等合作攻关人工智能新模型、新算法及底层数学问题；推动政府引导基金与市场化基金联动，为人工智能企业提供天使投资、股权投资、投后增值等服务。

　　以“人工智能+”行动支撑科技创新生态体系建设

　　畅通数据要素供给渠道和强化人才队伍建设，夯实科技创新生态体系建设的要素基础。一方面，探索构建合理的公共数据有偿使用制度和收益分配机制，激励相关主体开发利用公共数据，并基于“由市场评价贡献、按贡献决定报酬”原则探索数据要素使用方案，增强数据要素的供给能力。同时，明确数据要素相关产品的设计标准，如明确产品的来源、质量、技术架构、安全保护等分级分类标准，提高数据要素的供给质量。基于数据要素非排他性、非竞争性等特征创新定价方法，并针对具体使用场景、权利交易类型等设计不同的定价策略，推动数据要素的合理定价。此外，健全数据产权、数据安全与隐私保护制度，提高数据要素供给效率并推动更多高质量数据参与市场供给。另一方面，深化产教融合和科教融汇，打造产学研用协同的人才培养路径，实现课程共建、资源共享以及评价互认。针对关键卡脖子技术、核心共性问题以及产业重大难题，打造“政府引导、企业出题、高校与科研院所解题、金融机构支持”的协同创新模式，形成以科研和实践促进人才成长、以人才成长实现创新突破的良性循环。同时，完善人才分类评价标准和长期激励政策，引导和支持青年科研人才潜心承担关键科研任务，系统推进高校、科研院所等开展有组织科研。

　　强化模型基础能力与智能算力统筹，筑牢科技创新生态体系建设的技术底座。一方面，形成以通用大模型为基础、行业专业模型为支撑的多层次模型供给模式，并鼓励企业、高校、科研院所等共建实验室和研究中心，推动模型相关技术的自主优化、应用落地与生态共建，促进模型创新成果的共享与应用。同时，鼓励高校、科研院所等深耕人工智能基础研究及底层核心数学问题，探索人工智能前沿研究，开发高效、可解释和可迁移的新模型和新算法。另一方面，统筹推进智能芯片、智算中心和算力网络的建设，通过创新算力运营模式，支持发展标准化、模块化、可扩展的智算云服务，提升算力资源的可获得性与普惠性，保障科研院所、中小企业等创新主体平等获取算力支撑。同时，通过算力券、专项经费、积分抵扣等形式降低创新主体的算力使用门槛。此外，形成安全可控、节能高效的算力服务模式，确保跨区域算力调度过程中的数据可控、任务可追、责任可溯，并在算力调度中嵌入能耗感知与碳排约束算法，实现算力负载与能源供给的匹配平衡。

　　优化应用发展环境与强化科技金融政策保障，健全科技创新生态体系建设的制度支撑。一方面，建设国家级人工智能应用中试基地和行业共性技术平台，加速科技成果的验证、转化与产业化发展的进程。同时，将“模型即服务”“智能体即服务”等新型应用模式嵌入数字平台建设，使创新主体能够依托数字平台共享模型能力与算力资源，实现科技研发、成果转化、产业应用、金融与政策支持的高效衔接与协同优化。此外，完善应用试错容错管理制度、知识产权保护等以提高更多类型主体服务科技创新的意愿，促进创新主体间信息共享，加速数据、资本等要素在不同领域的高效流动。另一方面，通过政府投资基金、贴息贷款、财政补贴等形式激励风险投资机构、银行、保险机构等联动支持科技创新，发挥财政资金的引导作用和金融资本的放大效应。在此过程中，依托数据和数字技术识别与量化科技创新产生的非经济收益，精准引导创新资源更多流向高社会价值及高经济价值领域，并保障各主体投入可按贡献获取相应回报。

　　策划：赵刚

　　文字整理：赵艳艳