“尽管近年来产学研合作不断深化，但在实际运行中仍存在成果转化链条不畅、利益分配机制不活、风险共担机制缺失等突出问题。”全国政协委员、中国科学院院士李景虹长期深耕科研一线与产学研协同创新实践，在他看来，从实验室到生产线之间，横亘着一片技术成果极易“夭折”的“达尔文之海”，这正是当前我国科技创新，尤其是人工智能等前沿领域高质量发展必须跨越的核心障碍。

所谓“达尔文之海”，即跨越技术与成熟商品化之间的鸿沟。成果转化必须在后续商业进程中不断创新，实现规模领先，以获得持续生存与发展。李景虹告诉记者，高校与科研院所的科研成果多停留在实验室阶段，技术原型成熟度不足、工程化能力薄弱，难以跨越成果转化的“死亡之谷”；而企业面对不确定性的前沿技术，普遍存在“等不起、投不进、接不住”的困境，双方价值导向、资源禀赋、风险承受能力不匹配，直接导致创新链条出现断层，大量科研成果锁在抽屉里、停在论文中。

李景虹认为，这片“达尔文之海”，在人工智能时代显得更为严峻。“要以系统性思维破除体制机制障碍，推动教育、科技、人才三大体系同向发力，形成推动人工智能高质量发展的整体合力。”李景虹呼吁，建设国家级科学与工程基础数据体系，统筹推进生物、能源、材料、化工、医药等关键领域科学数据标准化与开放共享，搭建国家层面科学与工程基础数据平台，破解数据孤岛，为人工智能模型训练提供系统、权威、可互操作的核心“养料”。

“要推动高等教育与AI前沿深度嫁接，在高校布局一批‘AI﹢X’交叉学科与交叉学院，打破院系壁垒，推动人工智能与基础学科、工程学科、人文社科深度融合；围绕国家战略与产业痛点动态调整学科专业，构建纵向贯通的AI人才培养链条；支持高校团队深度参与国家重大科技任务，在实战中培养具备前沿视野与系统思维的科技领军人才。”李景虹建议。

来源：人民政协报