2025 年 8 月，國務院《關于深入實施 “人工智能 +” 行動的意見》正式出台，将科學技術、産業發展、消費提質、民生福祉、治理能力、全球合作列為人工智能普及應用的六大核心領域。這一政策落地，标志着我國 “人工智能 +” 從國家戰略布局邁向全面實踐階段。從 2015 年 “互聯網 +” 行動啟動，到如今 “人工智能 +” 成為新的發展引擎，十年間産業變革如何躍遷?哲學社會科學又該如何應對智能時代挑戰?解放日報記者專訪了上海科學智能研究院院長、複旦大學特聘教授漆遠，解碼 “人工智能 +” 的深層價值與實踐路徑。
一、從 “互聯網 +” 到 “人工智能 +”：一場生産力與生産關系的範式革命
“現在推動人工智能與經濟社會各領域深度融合，恰逢其時。” 漆遠開門見山指出，人工智能已具備 “水電煤” 般的基礎設施屬性 —— 一方面，社會對智能技術的需求覆蓋生産、生活、科研全場景;另一方面，經過多年技術疊代，人工智能的成熟度、落地能力已足以支撐大規模應用，“這是‘人工智能 +’能快速推進的核心前提”。
回溯十年發展，2015 年國務院《關于積極推進 “互聯網 +” 行動的指導意見》開啟了數字化序幕。十年間，我國建成全球最大 5G 網絡，積累了全球最豐富的數字化應用場景，為 “人工智能 +” 築牢了基礎。但在漆遠看來，兩者存在本質差異：
“互聯網 +” 的核心是 “連接”：無論是互聯網金融的資金流轉效率提升，還是互聯網電商的商品信息撮合，本質都是通過技術打破信息壁壘、優化資源流動，帶來的是生産關系的 “量變”，核心成果是 “數字化”;
“人工智能 +” 的核心是 “賦能”：人工智能作為新型生産工具，能深度挖掘數據背後的價值 —— 比如通過算法優化生産流程、用智能模型加速科學發現、以人機協同提升服務精度，最終引發各行業的 “範式革命”，帶來的是生産力的 “質變”，核心成果是 “價值創造”。
“如果說‘互聯網 +’讓信息‘動起來’，‘人工智能 +’則讓數據‘活起來’，從被動記錄轉向主動創造新價值。” 漆遠舉例，制造業中，“互聯網 +” 實現設備聯網監控，而 “人工智能 +” 能通過數據分析預測設備故障、優化生産參數，直接提升産能與良品率，這正是 “賦能” 的直觀體現。
二、“人工智能 + 科學技術”：用智能工具加速科學發現
在國務院 “人工智能 +” 六大領域中，“科學技術” 被置于首位。漆遠認為，這一布局極具前瞻性，而上海科學智能研究院的實踐正是對此的呼應 —— 作為聚焦科學智能的新型研發機構，該院成立兩年來，始終以 “人工智能驅動科研範式變革” 為使命，探索 “人工智能 + 科學” 的創新路徑。
“科學智能 2.0 時代，科學家多了一個‘智能助手’。” 漆遠将人工智能比作 “科學望遠鏡”：這種具備智能推理、動态決策、實驗閉環能力的智能體，能幫助科研人員突破傳統研究的效率瓶頸。今年 7 月，由上海科學智能研究院聯合複旦大學、無限光年打造的 “星河啟智科學智能開放平台” 在世界人工智能大會發布，正是這一理念的落地載體。
“它不僅是數據庫，更是‘科研加速器’。” 漆遠介紹，平台整合了高價值科學數據、開源智能模型與高效智算資源，全球科學家可借助平台開展材料研發、藥物設計、天文觀測等研究 —— 比如在新藥研發中，智能模型能快速篩選候選分子，将傳統需要數年的實驗周期縮短至數月，“讓科學發現從‘偶然突破’走向‘系統加速’”。
三、人機協同：哲學社會科學的智能時代應對之道
當 ChatGPT、DeepSeek 等大模型深刻改變人類生産生活，哲學社會科學如何避免 “被邊緣化”?此次 “人工智能 +” 行動意見特别提出，推動哲學社會科學研究方法向 “人機協同” 模式轉變，而漆遠團隊的探索已走在前列。
今年 3 月，複旦大學國家發展與智能治理綜合實驗室聯合上海科學智能研究院、德勤中國發布《未來已來 —— 人文社會科學智能發展藍皮書(2025)》，首次系統梳理了人工智能與人文社科融合的路徑。更具突破性的是，今年 7 月，由複旦大學、上海科學智能研究院與上海創智學院聯合研發的 “早期中華文明領域 AI 模型” 正式發布 —— 該模型覆蓋考古學、曆史地理學、漢語言文字學等多學科，整合甲骨金文、方志輿圖等珍稀史料，構建起超大規模的早期中華文明知識體系。
“過去學者研究甲骨文，可能需要翻閱上萬件文物拓片;現在通過 AI 模型，能快速檢索相似文字、關聯曆史事件，甚至提出新的研究假說。” 漆遠強調，人機協同不是 “AI 替代學者”，而是通過技術放大人類的思辨能力，“AI 處理數據、梳理脈絡，學者聚焦核心問題、提出創新性觀點，兩者形成互補”。
四、破局 “人工智能 +”：技術融合、數據共享與差異化發展
談及 “人工智能 +” 的推進難點，漆遠坦言，基礎支撐能力仍需強化，核心要解決三大問題：
首先是技術融合的深度不足。“‘人工智能 +’不隻是 AI 與各行業的簡單疊加，還需要與區塊鍊、加密技術等其他技術協同。” 他舉例，區塊鍊的去中心化特性可解決數據共享中的安全問題，加密技術能保障 AI 模型的知識産權，“打破技術壁壘，才能釋放更大潛力”。
其次是數據共享的機制缺失。“數據是 AI 的‘燃料’，但現在各領域數據孤島問題突出。” 漆遠建議，可結合區塊鍊技術建立 “數據可用不可見” 的共享模式 —— 比如醫療數據，通過區塊鍊确權與隐私計算，既能讓 AI 模型學習數據特征，又不洩露患者隐私，“讓數據在安全前提下‘流動起來’”。
最後是賽道同質化的競争困境。“現在很多企業擠在通用大模型、智能座艙等熱門賽道，‘内卷’嚴重。” 漆遠認為，除了國家層面的集中攻關，更應鼓勵市場化的差異化探索 —— 比如面向農業的 “AI + 病蟲害防治”、針對傳統文化保護的 “AI + 文物修複”，“開辟細分賽道，才能讓‘人工智能 +’覆蓋更多民生需求”。
“從‘互聯網 +’到‘人工智能 +’，不是替代關系，而是升級疊代。” 漆遠最後表示，未來 “人工智能 +” 的核心價值，在于讓智能技術從 “高大上” 的實驗室走向 “接地氣” 的生活場景，“最終目标是通過技術賦能，讓每個人都能享受到智能時代的紅利”。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
