声音

骆清铭中国科学院院士海南大学校长

推动科技成果转化需要打通体制机制通道。科技成果转化是一个复杂的系统工程，就像一场接力跑，这棒跑完了下棒要有人主动接、有人继续跑。在这个过程中，完善的政策支持和保障措施、公平的转化环境、必要的要素投入、规范流畅的转化服务体系、合理的容错纠错机制，一个都不能少。尤其是，可以赋予科学家更多自主权，着力破除体制机制障碍，将有助于促进科技成果合规转化、有效转化。

科技成果转化的关键是要坚持走产学研用融通的创新之路。当今全球科技革命发展的主要特征是从“科学”到“技术”的转化，基本要求是重大基础研究成果产业化。在科技成果转化之路上，“从0到1”致力于科学研究，聚焦科学发现、技术原型层面；“从1到10”致力于技术开发，体现在工艺方案、产品样机等；从“10到100”则致力于产品开发，立足于系统验证、运行评估等，其核心环节在于产业链与创新链的互动。因此，需要以系统性思维打造全产业链条，紧扣产业链部署创新链，不断强化科技研发和成果转化应用。加快科技成果转化，高校和科研院所必须有所作为。作为国家战略科技力量的重要组成部分，高校和科研院所不仅需要对标国际标准学习办学经验，更要扎根中国大地办教育，围绕国家需求开展学科布局、人才引进、平台建设、科技研发和促进科技成果转移转化等工作，要勇于探索无人区，敢于提出新理论、开辟新领域、探索新路径，为科技成果转化提供高质量源头支撑。

郭光灿中国科学院院士中国科学技术大学教授

量子计算机和超级计算机的协同工作，被称为“量超融合”。在面向未来的算力发展中，“量超融合”可以实现量子经典算力互补，根据计算过程的特点，量子计算可加速复杂问题中的关键步骤，减少复杂问题的求解时间，协同超级计算从而总体上提高复杂问题求解的效率。

在我看来，量子计算的最大优越性就是快。在处理某些特定问题时拥有极高的计算速度，远超经典超级计算机。量子计算在因子分解、优化、模拟等方面能够加速处理传统计算机难以解决的问题。但是，量子计算与传统计算互为补充，并非替代关系，若两者能够融合发展，则对行业生态构建起积极作用。

我认为，量子计算最有可能率先在金融服务领域展露风采，比如投资组合优化、风险分析等已被证明具备显著优势。同样，在生物化学领域，高效的量子化学模拟将在生物制药、新材料与能源、化工等领域发挥重要作用。此外，得益于并行数据处理的特性，以及量子态庞大的信息存储空间，量子计算在大数据、人工智能等领域也将成为发展的关键。

现如今，人工智能正在对人类社会产生重要影响，人工智能包括数据、算法和算力三要素，在算力方面，量子计算对人工智能发展起关键作用。目前，量子计算也开始应用在传感器相关领域，比如，通过测量电压电流的微小变化，保证电网安全。未来，量子信息技术将越来越多地应用于人类社会中。

乔红中国科学院院士中国科学院自动化研究所研究员

机器人是现代化产业体系的重要组成，其应用领域包括工业制造、智慧农业、航空航天、深海探索、医疗卫生、国防安全、教育服务等重要行业。和普通机器人相比，类脑智能机器人可以通过引入人的生物结构、驱动方式、控制方式和智能决策等机理，减少机器人与人类的差距，在灵巧作业、敏捷运动和泛化学习等能力上接近于人类。由于类脑智能机器人从生物机理研究和模拟出发，更容易与人自然交互，实现深层理解，帮助神经科学家取得更多神经科学研究成果。再加上类脑智能机器人采用类人机理和模型，拥有更好的可解释性和可靠性，既能保证与环境的自然交互，又能大幅减少计算和控制的能耗。

未来，类脑智能机器人研究将在机器人通用性、智能性方面带来变革，特别是对完成精密性、柔顺性和与人互动性要求较高的任务具有重要意义。在市场份额巨大的电子器件装配中，类脑智能机器人系统更容易模拟人实现灵巧的高性能作业；在医疗服务行业，类脑智能机器人更容易“共情”，进行个性化接触和深度交流。

当前，我国在类脑智能机器人领域已经取得初步成果，科学家对人的不同脑区、器官、肌肉的神经机制进行了系统化深入研究。经过持续不断地创新与尝试，我国已自主研制了系统性模拟人体感认知、决策、控制机理的类脑智能机器人系统，通过类脑芯片实现控制的机器人系统等，在国际同一领域占有重要地位。

郑纬民中国工程院院士清华大学计算机系教授

国产超算处于国际第一梯队，是我国一张名片，但仍面临着基础软件生态问题，也就是将领先算力高效转化为解决尖端科学与工程难题的能力依然存在挑战。

现如今，在运行天气、海洋、制造等软件时，领先算力实际利用率只有10%、20%，甚至只有5%，而这也是世界范围内的难题，并且随着选择异构架构路线更加剧了这一鸿沟。在这样的现状下，超算基础软件是提升转化能力的关键之一，因此我认为要做好超算基础软件，提高算力实际利用率。

目前，国产超算平台架构多样，不同国产超算平台选择各异架构实现算力跨越发展，但应用移植和调优工作量大。相同的应用需要在不同平台单独编程和优化，编程复杂度高，程序也很难简单移植。因此我建议建立跨平台的统一框架，统一并行编程模型和编译优化，降低程序员开发复杂度，一次编程可以跨平台高效运行。

除此之外，国产超算平台支持复杂应用全流程计算的能力也亟待改善。大计算往往与大数据相伴，传统超算过去不做原始数据处理，现在要既能处理大计算，也能处理大数据。同时，高性能计算要与人工智能融合。过去，高性能计算解决传统科学计算，人工智能计算机处理人工智能问题，数据中心做大数据计算。现在一台机器既要处理传统科学计算，还要解决人工智能问题、数据预处理和后处理，因此建议加强国产超算高性能数据分析系统软件的研发，让高性能计算、人工智能、大数据处理能一块儿处理。