本報訊  （記者 劉琴）“人工智能（AI）科學發現的能力與人類的驗證能力和應用能力之間存在一個巨大的鴻溝，AI海量預測的結果能夠驗證和產業化的占比非常少，這就像‘堰塞湖’一般堵塞了AI科學發現能力轉化為實際生產力的進程。”7月28日，在蘇州工業園區舉行的2025人工智能產品應用博覽會開幕式上，第十四屆全國政協委員、工業和信息化部原副部長王江平以《疏通 AI 科學發現“堰塞湖”的緊迫性與路徑》為題發表演講。

王江平將當前“AI for Science”（“AI賦能科研”或“AI驅動的科學研究”，簡稱“AI4S”）范式面臨的一大挑戰形象地比喻為“堰塞湖”現象，即AI科學發現能力呈指數級增長，而人類的實驗驗證和產業化應用能力仍在線性爬坡，這種巨大的能力鴻溝導致海量AI預測成果如同洪水被堵，淤積在實驗室無法轉化為實際生產力。

王江平舉例說，DeepMind公司的GNoME模型預測了高達38萬種具有熱力學穩定結構的新材料，但與之形成巨大反差的是，當前公開數據顯示僅有736種得到實驗驗證，驗證率約0.2%。“AI僅一天的預測成果，人類需要10年驗證時間的現象在AI4S領域普遍存在，這不僅造成巨大的科研資源和能源浪費，更是嚴重阻礙AI科學發現創造實際價值。”

王江平剖析了“堰塞湖”形成的三大原因。首先，“度量衡”缺失問題，即AI預測成果缺乏統一的標準體系和評估體系，難以有效判定海量預測結果的準確率和可合成性。其次，“泄洪道”狹窄是關鍵瓶頸，表現為實驗驗證和工程化能力嚴重不足，全球自動化實驗室投入遠低于算力投資，機器人自主實驗技術尚不成熟，且驗證數據難以共享流通，中試平臺建設滯后，導致“預測—驗證—應用”鏈條斷裂。第三，“閘門”難開則指向政策約束與投資風險，驗證性研究面臨嚴格的倫理、安全審查和漫長審批周期，企業因高風險和不確定性對長期投入望而卻步。

王江平認為，疏通“堰塞湖”刻不容緩。他提出，當前國際競爭日益激烈，全球主要經濟體開始將AI4S置于科技戰略核心，美國、歐盟積極布局并資金支持 AI4S。我國產業轉型升級需求迫切，過去依賴“引進消化吸收再創新”的發展路徑難以為繼，制造業一些領域開始進入技術“無人區”，AI4S 為產業創新發展、實現換道超車提供了歷史機遇。

此外，錯失市場先機代價高昂，在氫能源、新型儲能、生物制造等萬億元級潛力的產業發展中，AI4S能極大加速研發進程、壓縮創新周期，若成果轉化滯后將可能導致巨大的市場份額流失和戰略機遇旁落。

關于破局“堰塞湖”現象，王江平提出了系統性建議。

一是建立行業廣泛認可的 AI 預測結果評估標準體系，整合跨學科力量制定科學指標，有效評估AI海量預測結果的準確性、可合成性等關鍵指標，讓實驗驗證有的放矢。二是加強高質量科研數據集建設和開源共享，這是提升 AI 預測準確性的重要基石。三是大力發展機器人（具身智能）自主實驗技術，建設自動化實驗室，提升高通量篩選驗證能力，讓“算出來”得更快“試出來”。四是加強現代化中試平臺建設，發展虛擬中試技術降低實驗成本和風險，解決科研機構和中小企業“試不起”“不會試”等痛點問題。充分發揮我國完整工業體系和廣闊應用場景的優勢，聚焦國家重大需求和產業短板，推動 AI 按需設計預測、精準賦能。五是創新機制推動 AI4S與AI4R&D（AI賦能研發）有機協同，通過“揭榜掛帥”等模式引導科研精準定向產業需求，促進科研從“單兵作戰”向集群化、平臺化轉型，并探索“沙盒監管”等靈活機制，確保科研紅利順暢流向產業。

王江平呼吁，在大國博弈加劇、全球科技產業競爭白熱化時代背景下，“堰塞湖”現象增加了競爭的激烈程度和不確定性。立足民族復興偉業，這是一場耽誤不起更輸不起的競爭。學術界和產業界應攜手共進，加快打通轉化鏈路，讓AI科學發現的“源頭活水”真正滋養產業創新土壤，在新一輪科技革命和產業變革中搶占先機、贏得主動。