身著粉色褲子、白色T恤，頭戴一隻可愛的發卡，不僅能與人互動，還能完成拖地、洗抹布、打開電視等工作——在日前舉行的2024中關村論壇年會上，一款新亮相的智能機器人吸引了大眾眼球。

她叫“通通”，是全球首個通用智能“小女孩”，入選2024中關村論壇年會十大重大科技成果，由北京通用人工智能研究院研發。“通通的心智相當於一個3到4歲的小孩。她不僅能理解你的話，還能領會你的意圖，甚至能在你忙碌時主動提供幫助。”北京通用人工智能研究院院長、北京大學智能學院院長朱鬆純告訴記者。

在科技創新賽道上，人工智能無疑是引領產業變革、推動高質量發展的“明星選手”。而高校作為科學研究的重要陣地，承載著前沿技術研發與轉化的重要使命。然而，在人工智能這類潛力無限的專業領域，科研成果如何順利轉化、開花結果？如何助推“新概念”走入現實，用“新技術”造福社會？

人工智能科研成果應用轉化前景廣闊

最近，一位北京大學智能專業教授協助警方破案的新聞，登上了熱搜。

36年前，浙江舟山發生一起特大搶劫殺人案。現場遺留的關鍵線索之一，是一枚帶血的指紋。時隔三十多年后，該案宣布告破，兩名犯罪嫌疑人全部落網。

案件突破的關鍵，在於對這一枚血指紋的識別。而實現這一重大突破的，正是北京大學智能學院教授封舉富。該團隊歷時20余年攻關，成功研發出人工智能指紋識別引擎，協助警方破獲數千起案件。如今，他仍在持續攻關、突破，“我們想做到像手機指紋解鎖一樣，一輸進去指紋，馬上就能得到一個確定結果。”封舉富告訴記者，“對此我信心滿滿。”

用語言描述一個場景，人工智能程序就能根據描述快速制作出一副精美的個性化圖像……這款名為PhotoMaker的高科技產品，來自南開大學計算機與控制工程學院教授程明明團隊與騰訊公司的共同努力。“之前，該領域國際上最先進技術也要數十分鐘才能完成，而我們實現了個性化高保真人像生成，隻需十秒鐘就能做好，並且還具有更好的生成多樣性、高ID保真度和可編輯性。”

程明明向記者展示了利用幾張石雕像照片生成人像照片的技術——兩千多年前的哲學家柏拉圖仿佛走進了現代社會，一會兒穿上宇航服“太空漫步”，一會兒戴上耳機享受音樂。“這項成果2024年初一推出，就在國際最大在線AI算法演示平台連續一周多時間蟬聯熱度榜第一名。項目開源后，迅速躍居國際最大開源平台Github趨勢榜榜首，目前星標數已達9.1k！”程明明說。

山東大學軟件學院副院長、教授劉士軍介紹，近年來，得益於移動互聯網、大數據、腦科學等新一代信息技術的協同驅動，人工智能進入加速發展階段，國內主要高校紛紛設立人工智能學院和人工智能研究院，促進了人工智能前沿科技的發展與進步。

“目前，我國高校在人工智能領域的科技成果主要分為三類。”劉士軍介紹，第一類是處理、分析海量數據的人工智能算法模型，主要聚焦醫院診療、工業生產和社會治理等行業，通過模型輔助行業上下游開展業務，實現智能決策和降本增效，該類技術迭代快、應用范圍廣，是目前科技成果轉化的主要方向。

“第二類是通用預訓練大模型，比較突出的成果包括清華大學研發的智譜清言、科大訊飛的訊飛星火和復旦大學的MOSS大模型等，通過海量數據對具有千億級參數量的遷移模型或擴散模型進行訓練，形成了一批具備開放世界的理解能力和響應能力的通用智能工具。依托此技術研發的行業大模型則更多，支持的應用類型包括對話系統、圖文生成、虛擬人等，該類技術在成果轉化方面尚處於起步階段。第三類是支持動態感知和決策的具身智能技術，主要應用於具有自動導航、智能回復、風險預警等功能性插件需求的軟硬件一體化設備，該類技術通常需要校企協同研發。”劉士軍肯定地說。

催生應用轉化需要不斷突破瓶頸

有專家表示，由於人工智能的跨學科與交叉屬性，其所能輻射的現實應用領域更加廣泛。但正因如此，與之相關的轉化應用，也遇到了一系列新挑戰。

“傳統的科研組織管理模式，即高校PI（課題負責人）在基礎研究方面發揮重要作用，但當我們面對像人工智能這樣的復雜系統時，這種模式就顯得力不從心。”北京大學智能學院黨委副書記、長聘副教授宋國杰指出，“人工智能發展需要跨學科的知識和技術支持，而三五個人的研究團隊很難涵蓋所有必要領域。比如，‘通通’智能機器人的研發，涉及視覺識別、聽覺處理、自然語言處理、機器學習、認知推理等多學科知識，單一方向的研究團隊很難完成整個項目。”

劉士軍分析，高校科研評價體系往往以論文發表與科研項目申請為主要指標，這導致許多科研工作者更加注重理論研究和論文發表，而忽略了成果的轉化和應用。“另一個原因在於，人工智能相關理論研究和實踐探索銜接不夠緊密。如高校的優勢在於基礎研究，即理論和技術創新，通常聚焦研發技術的提升或對某種新能力的實現，對實際應用的可行性通常不做硬性要求﹔而人工智能行業非常重視產品功能的可行性與完備性，具有指定能力的算法模型能否在現有生產條件下使用，是一個重要的衡量標准。”

宋國杰也持類似觀點。他認為，我國高校教師在開展科研工作時，往往基於一種理想化的假設，但現實情況很難完全滿足這種假設。這種差距不僅僅存在於數據處理上，更存在於研究方法的整體應用上。“我們很可能在實驗室裡証明了某個算法或技術的有效性，但放到實際場景中，卻因為各種復雜因素而無法達到預期效果，從而陷入‘產出效能低’的困境。”

程明明對此深有體悟。他說，計算機視覺圖像識別的人工智能技術雖廣泛應用於各行業，但落地時面臨的主要挑戰是數據不足。“高校在推進技術成果轉化時，往往缺乏實際應用場景下的數據作為參考，導致難以准確評估技術的效果並針對性地改進。”

他還認為，由人工智能引發的安全和倫理風險也值得警惕。“例如，生成式人工智能技術所產生的逼真圖像、視頻，有可能被不法分子用於詐騙。”

缺乏充足的資金支持，也是成果轉化中普遍存在的問題之一。高校的科研工作通常由科研部和科技開發部負責，前者對接國家層面項目，后者推動學校內部科研成果與外部企業之間的合作。“目前來看，校企合作通常採用建立聯合實驗室的辦法，但各方提供的資金額度一般難以滿足項目執行的所有需求，特別是在一些創新性強、技術難度大的項目中，這個問題尤為明顯。一旦資金不足，可能會導致項目進展緩慢、研發成果難以盡如人意。”宋國杰說。

共同發力 推動校企合作走深走實

如何提升高校人工智能相關科技成果轉化率？

“向外借力，共同推進科技成果轉化。”宋國杰開出一劑“藥方”：“新型研發機構是科技成果轉化的助推器。高校應與新型研發機構深度合作，實現資源互補，將科研成果迅速轉化為具有市場影響力的實際應用，為科技進步和社會發展注入強勁動力。北京大學武漢人工智能研究院、北京通用人工智能研究院等已經就此進行了探索，為高校與新型研發機構合作提供了借鑒。”

“以產業難題‘揭榜挂帥’攻關形式促進校企合作，為科研產出賦予行業屬性。”劉士軍則將目光放在了“校企”兩方。他提出，高校在基礎研究和多學科交叉融合方面優勢明顯，青年學生對前沿創新敏銳度高，因此，高校應持續在人工智能基礎理論、關鍵技術研究方面發揮獨特作用。“但目前，高校更多是做‘從0到1’的原始創新工作，因此需要聯合產業界中具備技術能力的合作伙伴，做好‘從1到100’的成果轉化關鍵技術攻關工作。”

宋國杰補充道，科技企業應進一步發揮其在產學研深度融合中的主體和主導作用，同時提升高校和科研工作者對產學研合作重要性的認識，激發他們投身其中的內生動力。“申請專利不是為了通過項目驗收，而是要讓成果落地，為社會提供服務。因此，高校等相關主體應不斷優化產學研深度融合的機制體系，以確保持續推動技術創新和產業發展。”

構建和完善企業孵化機制，加速高新科技企業萌芽成長，也是需要重視的一點。專家們認為，孵化這類企業不僅可以將高校前沿科技成果轉化為具有市場競爭力的產品或服務，還能通過市場反饋和技術改進，為高校提供市場需求信息和研發方向。

“更為重要的是，相關企業也為高校師生提供了實訓實踐平台，進而倒推產學研深度融合，提升了人工智能相關成果的轉化與應用。”宋國杰認為。

提升科技成果轉化率，向內發力必不可少。“高校和科研院所是基礎研究的基石，也是科技人才的搖籃，基於當前發展情況，我們應當更注重培養具有跨學科背景的‘通才’。”劉士軍建議，高校應樹立協同育人創新理念，探索完善復合型人才的教育教學模式，並為人才提供更多實踐機會和職業發展平台，打造一支能夠服務新質生產力發展的拔尖創新人才隊伍。

（記者 晉浩天 通訊員 李嬙）

分享讓更多人看到