作者：明鸿桢（湖南科技大学马克思主义学院博士研究生）；郭峥（中南财经政法大学中国特色社会主义政治经济学研究中心研究员、产业新质生产力发展研究中心副主任）；曾繁华（中南财经政法大学经济学院教授、产业新质生产力发展研究中心创始主任）

　　当前，全球科技创新正经历从“人类主导的线性积累”向“人机协同的指数突破”的历史性转变。以千亿级参数大模型为代表的人工智能（AI）技术，正重构知识生产的规模经济与质量基准。面对AI带来的机遇与挑战，我国既要牢牢抓住发展契机，也要妥善应对潜在风险，只有精准把握科学技术创新研究范式革命的趋势方向，明确AI驱动科技创新的内在逻辑，才能引领发展新质生产力。

　　AI驱动科技创新的作用机制

　　AI驱动科技创新的作用机制，核心在于通过重构科研要素与流程，实现创新范式的根本性转变。一是科创能级提升。通过千亿级参数大模型，AI能重构知识生产的规模经济与质量基准，显著提升科技创新效率。传统研发受限于人类认知带宽与数据处理能力，而大语言模型通过参数规模与训练数据协同突破，实现了知识生产“规模—质量”双重革命。更为重要的是，大模型展现出一定的“涌现能力”，当参数规模突破临界点后，模型会出现小模型不具备的复杂推理与跨领域联想能力，为突破性创新提供新的可能性。

　　二是科创模式升级。借助大数据与机器学习技术，AI重塑了多领域科学发现模式。传统的“假设—实验—验证”线性模式正加速向“数据洞察—智能建模—仿真验证”的新模式演进。以医药研发为例，传统新药研发从靶点发现到筛选先导化合物进入临床研究通常需5—6年，而利用AI预测药物活性与毒性并建模，可将该过程缩短至一两年甚至数月，大幅降低试错成本。这种“AI for Science”范式正在向材料科学、气候模拟等领域快速扩散。

　　三是科创成本缩减。通过优化研发流程、提高资源利用效率，AI显著降低了科技创新各环节的成本投入。智能算法以数据驱动替代传统试错实验，借助数据要素的乘数效应重构创新生产函数。运用AI，可通过实验设计的智能化、仿真模拟的高保真化、研发流程的自动化等路径实现成本缩减，并进一步通过智能决策系统实现要素的精准再配置，形成“成本节约—技术突破—新利润增长点”的增值闭环，加速产业智慧化进程。

　　四是科创范式重构。凭借AI高效解析海量数据和复杂模式的能力，将创新过程解构为数据、算法、算力三元函数，创造了全新科研范式。传统科研活动中，人类研究者主导问题提出、假设构建与结果解释的全过程。而在新范式下，AI系统可自主发现数据中的异常模式、生成可验证的科学假设，甚至在部分任务中展现出超越人类专家的发现能力，重构了“发现问题—解决问题”的元逻辑，预示着科技创新正迈向“人机共生”新纪元。

　　以治理创新强化AI驱动创新作用

　　在明晰AI驱动科技创新的作用机制的同时，也必须认识到现实实践中仍然存在着制约这一作用发挥的问题和挑战。一是“索洛悖论”的现实约束。超算中心算力被大量用于重复性数值模拟，而真正推动范式变革的认知计算任务占比极少，存在“重算力堆砌、轻算法创新”的路径依赖，未能充分发挥AI提升生产率的作用。二是数据要素流通壁垒。医疗、工业等领域存在大量“数据孤岛”，跨机构数据共享因隐私保护和标准缺失而受阻。数据垄断与数据碎片化并存，反映出数据要素市场化配置机制仍待进一步完善。三是算法黑箱认知危机。许多AI系统，尤其是深度学习模型，其决策过程如同“黑箱”，难以解释其内部工作机制，使用户难以理解和信任AI系统决策，也给监管和法律追责带来困难。更为严峻的是，算法偏见可能通过看似“客观”的技术决策而被放大和固化。四是人才市场供需失衡。市场对具备专业AI知识与实践能力的人才需求高涨，急需具备领域知识与AI技术双重背景的复合型人才，而高校培养的人才偏重算法理论与编程技能。此外，顶尖人才的国际竞争日趋激烈，中国在签证便利化、科研环境、薪酬待遇等方面的竞争力有待提升。

　　因此，我们需以“创新治理创新”来打通技术、产业与伦理的闭环，科学引导、规范AI驱动科技创新健康发展。一是机制创新“破题”。实施算力与绩效挂钩制度。通过改革政府对超算中心、智算中心的补贴方式，将算力资源优先、优惠分配给从事基础模型研发、认知智能探索、原创算法研究的高校、科研院所和创新企业。完善算力评价制度，建立算力使用后评估体系，将颠覆性算法的提出、关键科学问题的解决作为核心绩效指标，避免算力资源沦为“数字政绩工程”。同时，探索算力券、算力补贴等市场化手段，降低中小企业与创新团队的算力获取门槛。

　　二是治理创新“立论”。加快完善“三确”机制。遵循“过程可追溯、结果可验证”双重约束原则，构建“数据信托”模式，依据法律法规进行确权，利用区块链存证技术确证，通过数据交易所进行价值确价，借助区块链存证和分级授权管理，在确保安全的前提下开放高价值数据集，形成数据服务产业集聚区。大胆实行试点先行方案。通过试点“算法备案制”，要求对关键领域的AI模型进行可解释性备案，覆盖医疗诊断、自动驾驶等高风险场景，将伦理理念嵌入技术设计之中，构建价值理性新范式。

　　三是范式创新“解题”。完善算法标准化审计流程。通过签署高度保密协议，并扶持值得信任的第三方专业机构开展算法公平性、透明度审计。对通过审计的AI产品或服务颁发认证等级证书，并将其作为政府和企业采购、金融机构融资的重要准入条件。建立AI市场动态化、持续性的企业正面或负面清单，并对外公开，激发市场活力和动力。推动可解释AI技术的研发与应用，将其纳入科研评价体系，鼓励研究者在追求模型性能的同时关注决策透明度。

　　四是育才创新“证果”。对内育人方面，推动“跨学科跨领域跨区域”的培养新模式，采用“双导师制”和“场景化教学”模式。建立多层级的专项AI育人及产业孵化基金，支持全国各高校在传统优势学科中全覆盖式嵌入AI课程模块。同时，更加重视在“干中学”过程中快速培养人才，破解教学与实践脱节的问题。对外引才方面，大力实施顶尖AI人才回归计划，通过用好政策工具包，在签证、户籍、子女教育、科研启动资金等方面提供更具吸引力和竞争力的政策支持，鼓励采取高薪聘任、短期合作、线上协作等多种柔性方式。借鉴新加坡、加拿大等国的“人工智能人才签证”经验，建立快速通道，缩短顶尖人才的引进周期。

　　（本文系国家社科基金一般项目“数智赋能高能级科创平台生态发展路径研究”（25BKX014）阶段性成果）