本报讯  （记者  刘琴）  “人工智能（AI）科学发现的能力与人类的验证能力和应用能力之间存在一个巨大的鸿沟，AI海量预测的结果能够验证和产业化的占比非常少，这就像‘堰塞湖’一般堵塞了AI科学发现能力转化为实际生产力的进程。”7月28日，在苏州工业园区举行的2025人工智能产品应用博览会开幕式上，第十四届全国政协委员、工业和信息化部原副部长王江平以《疏通 AI 科学发现“堰塞湖”的紧迫性与路径》为题发表演讲。

　　王江平将当前“AI for Science”（“AI赋能科研”或“AI驱动的科学研究”，简称“AI4S”）范式面临的一大挑战形象地比喻为“堰塞湖”现象，即AI科学发现能力呈指数级增长，而人类的实验验证和产业化应用能力仍在线性爬坡，这种巨大的能力鸿沟导致海量AI预测成果如同洪水被堵，淤积在实验室无法转化为实际生产力。

　　王江平举例说，DeepMind公司的GNoME模型预测了高达38万种具有热力学稳定结构的新材料，但与之形成巨大反差的是，当前公开数据显示仅有736种得到实验验证，验证率约0.2%。“AI仅一天的预测成果，人类需要10年验证时间的现象在AI4S领域普遍存在，这不仅造成巨大的科研资源和能源浪费，更是严重阻碍AI科学发现创造实际价值。”

　　王江平剖析了“堰塞湖”形成的三大原因。首先，“度量衡”缺失问题，即AI预测成果缺乏统一的标准体系和评估体系，难以有效判定海量预测结果的准确率和可合成性。其次，“泄洪道”狭窄是关键瓶颈，表现为实验验证和工程化能力严重不足，全球自动化实验室投入远低于算力投资，机器人自主实验技术尚不成熟，且验证数据难以共享流通，中试平台建设滞后，导致“预测—验证—应用”链条断裂。第三，“闸门”难开则指向政策约束与投资风险，验证性研究面临严格的伦理、安全审查和漫长审批周期，企业因高风险和不确定性对长期投入望而却步。

　　王江平认为，疏通“堰塞湖”刻不容缓。他提出，当前国际竞争日益激烈，全球主要经济体开始将AI4S置于科技战略核心，美国、欧盟积极布局并资金支持 AI4S。我国产业转型升级需求迫切，过去依赖“引进消化吸收再创新”的发展路径难以为继，制造业一些领域开始进入技术“无人区”，AI4S 为产业创新发展、实现换道超车提供了历史机遇。

　　此外，错失市场先机代价高昂，在氢能源、新型储能、生物制造等万亿元级潜力的产业发展中，AI4S能极大加速研发进程、压缩创新周期，若成果转化滞后将可能导致巨大的市场份额流失和战略机遇旁落。

　　关于破局“堰塞湖”现象，王江平提出了系统性建议。

　　一是建立行业广泛认可的 AI 预测结果评估标准体系，整合跨学科力量制定科学指标，有效评估AI海量预测结果的准确性、可合成性等关键指标，让实验验证有的放矢。二是加强高质量科研数据集建设和开源共享，这是提升 AI 预测准确性的重要基石。三是大力发展机器人（具身智能）自主实验技术，建设自动化实验室，提升高通量筛选验证能力，让“算出来”得更快“试出来”。四是加强现代化中试平台建设，发展虚拟中试技术降低实验成本和风险，解决科研机构和中小企业“试不起”“不会试”等痛点问题。充分发挥我国完整工业体系和广阔应用场景的优势，聚焦国家重大需求和产业短板，推动 AI 按需设计预测、精准赋能。五是创新机制推动 AI4S与AI4R&D（AI赋能研发）有机协同，通过“揭榜挂帅”等模式引导科研精准定向产业需求，促进科研从“单兵作战”向集群化、平台化转型，并探索“沙盒监管”等灵活机制，确保科研红利顺畅流向产业。

　　王江平呼吁，在大国博弈加剧、全球科技产业竞争白热化时代背景下，“堰塞湖”现象增加了竞争的激烈程度和不确定性。立足民族复兴伟业，这是一场耽误不起更输不起的竞争。学术界和产业界应携手共进，加快打通转化链路，让AI科学发现的“源头活水”真正滋养产业创新土壤，在新一轮科技革命和产业变革中抢占先机、赢得主动。