1.让发现与需求更早相遇

从一个值得研究的问题出发，怎样抵达产业应用？

“科学追求极致，但产品注重市场可接受。”复旦大学智能材料与未来能源创新学院院长、相辉研究院院长，中国科学院院士赵东元从介孔材料的研究和产业化经历谈起。基础研究可以聚焦一个变量、一个侧面，探索其中的规律；但将实验室成果转化为产品，却需要解决一整套相互关联的问题。

他举例说，实验室里样品量少，通过离心便能完成的分离操作，到了千吨级生产时，原有办法就难以照搬。规模一旦放大，就会遇到许多在实验室阶段未曾想到的问题——每一道工序、每一批产品都要保持稳定，从公斤级到吨级的逐步放大需要持续投入，最终的成本还必须让市场能够接受。“工程产线真的和实验室完全不一样。”赵东元说。

这种从“理解机制”到“解决实际问题”的跨越，在生命科学领域同样存在。刘颖指出，基础研究关心的是生命现象背后的机制，临床转化则会进一步追问：这个机制能否被干预？干预后对人体有没有副作用？又具有什么样的应用前景？

更早交流的意义正在于此。科学家可以更早了解医生在临床中遇到的困惑和实际需求，医生和企业也能及时了解科研进展，从中发现潜在的应用价值。但刘颖同时强调，基础研究不应被眼前的应用需求过早限定。

在新加坡工程院院士、南洋理工大学计算与数据科学学院副院长、人工智能校长讲席教授关存太看来，科学认识与技术创新并不是简单的先后关系，很多时候，两者是在不断验证、反馈和迭代中相互推动的。

他回忆，约20年前开始脑机接口研究时，团队就面临一个很现实的问题：人类对大脑的认识仍然十分有限，如果一定要等到把相关机制完全研究清楚之后，再去开发技术、探索疾病治疗，“可能要等到100年以后”。

因此，团队选择从已有的科学原理和合理假设出发，一边开展技术研究和应用验证，一边通过不断积累的数据重新理解脑信号及其背后的神经机制。技术应用中出现的新问题，会进一步提出新的科学问题；而新的科学认识，又反过来推动技术迭代。

在关存太看来，科学与技术并不是一条从“发现”走向“应用”的单向路径。很多时候，正是在基础研究、技术开发与实际应用之间不断往返，新的科学问题与新的应用可能才会逐渐显现出来。

2.更快的研究，需要更好的问题

AI正在加快数据分析和计算模拟，也让一些过去受技术条件限制的问题，有了进一步研究的可能。中国科学院院士、上海交通大学李政道研究所副所长丁洪从超导研究谈起。在超导研究领域，一种理论设想从提出到最终得到实验确认，往往可能经历数十年。如今，大科学装置所提供的极端实验条件与AI等工具相结合，正在帮助研究者更快地寻找新现象、验证新可能。

深势科技创始人兼首席科学家张林峰则从不同研究场景的差异，谈到了AI推动科学研究的不同节奏。深势科技长期从事AI for Science相关研发，通过人工智能、计算模拟等手段服务物质科学、生命科学等领域的科研与产业研发。基于这些实践，张林峰观察到，数学、代码等场景具有相对明确的执行和反馈机制，更容易推动AI能力快速迭代；进入实验科学之后，则还需要仪器设备、合成制备、表征测试等环节共同发展。AI能够加速其中一些步骤，但很难脱离实验体系单独向前推进。

工具在加速，但长期积累仍然是科学突破的基础。

“越来越重要的其实是你的科研品位和科研判断能力。”刘颖说，AI让研究者能够更快地分析大量数据，也让更多过去难以观察的现象进入视野。但哪些现象值得继续追问，哪些现象背后可能隐藏着尚未被认识的生命规律，仍需要依靠研究者长期形成的知识积累和科学素养。作出判断之后，还要有能力守住问题，把困难的研究持续做下去。

面对AI正在快速改变科研方式，关存太也提醒年轻科研人员，不要被不断变化的热点牵着走，而要形成自己的科研判断，找到真正重要、值得长期探索的问题。

“如果10年之后回过头来看，还有一个问题是你提出来的，而且大家还在继续探索，这就很了不起。”

在他看来，越是在知识和信息越来越容易获得的时代，提出好问题的能力反而越重要。真正具有价值的科研，不只是更快地获得答案，更重要的是保持独立思考，提出属于自己的问题，并通过长期研究和跨学科合作不断逼近答案。

从学术出版的角度，爱思唯尔全球高级副总裁、Cell Press董事总经理理查德·雷明顿也强调，AI可以提高效率，但无法取代人的价值判断。出版机构需要保持编辑独立性，避免盲目追捧热点，或过早判断哪一条技术路线最终会胜出；同时，也应更加重视失败实验和阴性结果中包含的信息，让后来者能够从中学习，而不是重复已经走过的弯路。

3.给未来以时间

提出一个好问题，并不意味着答案会很快出现。对于真正面向未知的探索而言，另一个绕不开的问题是：怎样让研究持续下去？

“研究开始时，科学家往往无法预知最终会产生什么发现。”刘颖呼吁，“科研体系需要容忍科研的不确定性。”尤其对于年轻科研人员，应当给予更多试错空间，并通过长期、稳定、多元的经费支持，让研究者能够坚守那些困难而重要的问题。

除了经费能支持多久，研究如何被评价，也会直接影响科学家的选择。张林峰在平台实践中发现，AI能力提升后，一些用户仍主要围绕论文产出来使用工具。在他看来，评价体系没有相应改变，做好赋能科学家的平台产品，可能只完成了一半工作。如何形成更好的价值创造体系，是他正在思考的问题。

而一些面向未来的研究，仅靠单个科学家的长期坚持还不够，还需要把不同能力的人组织起来。

丁洪以量子计算为例谈到，当前量子计算尚未迎来可与晶体管诞生相比的关键突破，量子比特的质量、出错率和数量等问题仍待解决。尽管AI正在加速前沿探索，但对于量子计算而言，“晶体管时刻”仍未真正到来。

但这并不意味着产业只能等到技术成熟之后再做准备。丁洪牵头成立铁马量子实验室公司，正是希望通过这一载体，吸引一批愿意投身拓扑量子计算研究的年轻人，特别是将具有工程能力的人才组织起来，让科学家与工程师更紧密地协作，从而加快团队的研究迭代。

这也指向未来产业孵化生长过程中另一项重要基础：既要给基础研究留下探索未知的空间，也要有人承接科学发现走向现实应用的具体环节。而对于那些已经具备一定科学基础、产业前景却尚不明朗的项目，则需要风险投资和相关平台给予更有耐心的支持，帮助其完成进一步验证。

本场对话主持人、上海未来产业基金总经理魏凡杰表示，从今天的科学之问到明天的产业可能，既要让发现与需求及时相遇，也要让尚无答案的探索获得继续生长的时间。

一项科学发现何时能够打开新的产业空间，往往难以预先作答。让不同领域的人更早交流，让有潜力的发现得到验证，也给暂时看不到用途的研究留下继续生长的空间——这或许正是面对未来产业，从今天就可以开始做的事。