推动“科技—产业—金融”良性循环******

　　【光明论坛】

　　2022年中央经济工作会议提出，要推动“科技—产业—金融”良性循环。这与“十四五”规划强调的“构建实体经济、科技创新、现代金融、人力资源协同发展的现代产业体系”耦合，本质上就是通过加强产学研资的深度结合，让科技成果能够及时产业化，发挥金融对科技创新和产业振兴的支持作用，并为金融发展提供坚实的实体经济支持，避免出现金融泡沫化风险，从而把科技创新、产业振兴和金融发展有机结合起来。

　　推动“科技—产业—金融”良性循环，要加强科技创新原动力。科技创新依赖于科学研究，尤其是基础科学研究。近年来，我国在一些核心技术方面遇到“卡脖子”难题，原因之一是基础性研究投入和研究能力还存在不足。在过去相当长的时间里，我国应用型科技领域成就斐然，形成了产业引导科技发展的方式，但还未大面积形成科技催生新产业的原始动力。中央经济工作会议提出，布局实施一批国家重大科技项目，完善新型举国体制，发挥好政府在关键核心技术攻关中的组织作用，突出企业科技创新主体地位。通过引导企业在基础研究方面投入，消除过于重视短期利益的现象，有利于充分聚焦长期的、底层技术的关键价值，力争取得创新突破，为更好促进产业发展夯实基础。

　　推动“科技—产业—金融”良性循环，要建立现代产业体系。产业化是科技形成生产力的关键环节。只有通过产业化，科技成果才能在国民经济各个领域得到广泛应用、形成一定经济规模的产品，通过科技创造利润，满足科技研究持续投入的资金需要，从而进一步催生新技术、新产业，形成科技与产业之间的良性互动。当前，外部环境动荡不安，给我国经济带来的影响加深，亟须构建关键技术自主创新体系，发展和安全并举推动传统产业改造升级，培育壮大战略性新兴产业。对此，首先要加大保护知识产权的执法力度，健全知识产权保护体系，加快推进知识产权强国建设。其次要充分挖掘国内大市场潜力，以行业、市场需求为导向引导产业形成产业集群，通过规模经济和产品的多样化、差异化以及国际化实现经济效益。还应当依法保护企业家权益，让参与科技创新和产业化的主体享有合法的权益，激发全社会的科技创新和科技成果转化的动力。

　　推动“科技—产业—金融”良性循环，要充分发挥金融对实体经济发展的服务作用、资本作为产学研合作的桥梁作用，通过有效配置资源推动科技与产业发展。现代经济发展历史表明，现代国家的崛起离不开一个强大资本市场的支撑。中国的资本市场已成为世界第二大资本市场，是中国特色社会主义市场经济的重要组成部分。此外，银行等金融机构也需要加大对科技创新类企业的信贷支持力度，助力有技术、有科技含量的企业做大做强。建设和运用好多层次的资本市场，中国资本市场要面向科技前沿的“硬科技”领域，汇聚起一批涉及各产业链环节、多应用场景的创新企业，充分利用好社会储蓄资金，推动中国经济高质量发展。

　　未来，要形成“科技—产业—金融”之间的良性循环，需要进一步强化三者之间相互“看见”“读懂”的纽带。通过建立健全科技创新成果产业化的中介服务体系，确保科技、知识产权等中介服务机构客观、科学评估创新成果产业化的市场价值和发展前景，进而提供更加精准的支持，为建立风险共担的“科技—产业—金融”运行机制提供科学准确的服务，促进科技、金融和实体经济之间的高水平循环。

　　（作者：王晋斌，系中国人民大学经济学院党委常务副书记、国家发展与战略研究院研究员、中国宏观经济论坛主要成员）

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)