证券时报两会报道组

人工智能正从通用能力走向专业赋能，成为培育新质生产力、驱动产业升级的关键引擎。2026年全国两会期间，全国政协委员、中国科学院院士李景虹在接受证券时报记者专访时表示，推动人工智能高质量发展，既要以高质量行业数据筑牢产业底座，也要以系统性改革打通教育、科技、人才循环，双轮驱动我国抢占全球人工智能发展制高点。

当前，我国“人工智能+”行动已上升为国家战略，大模型技术快速迭代，但产业落地仍面临“通用有余、专业不足”的困境。李景虹在调研中发现，垂直领域大模型需要依托行业特有知识、实验数据与场景反馈持续迭代，而我国高质量专业数据供给不足、数据治理规则不健全、数据共享机制不畅，已成为制约“人工智能+”走深走实的关键变量。

“行业大模型的核心竞争力，源于对高质量专业数据的深度训练。”李景虹直言，当前我国行业数据建设面临多重挑战。公共资助科研数据开放共享水平不高，创新主体获取成本高、效率低；关键行业基础数据积累不足，化工、材料、生物医药等领域长期依赖国外商业数据库，数据孤岛现象普遍；高价值数据生成依赖专业设施，我国数据生产型基础设施仍处起步阶段；场景数据回流机制不清晰，企业本地化部署导致模型难以形成应用—反馈—优化的数据飞轮。

针对这些痛点，李景虹建议将行业数据资源建设提升到与技术创新、硬件投入同等重要的战略高度，构建分类施策、共建共享、安全可控的行业数据新生态。他提出，优先在生物医药、高端材料、智能制造等数据价值密度高的行业开展试点，制定行业高质量数据发展指南；布局行业级“数据工场”，建设自动化实验室、数字孪生平台等数据生产基础设施，依托隐私计算、联邦学习探索数据共建共享池；强化公共科研数据开放共享，将数据提交与开放情况纳入科研项目验收评价；明确场景数据合规使用边界，鼓励云端服务模式，让数据安全流通、价值高效回流。

数据是人工智能的“养料”，人才则是驱动技术创新的核心。在李景虹看来，人工智能的竞争本质是国家创新体系效能的竞争，是基础研究、人才培养与产业转化速度的全方位较量。随着人工智能进入纵深发展阶段，传统学科划分、标准化人才培养模式已难以适配前沿需求，教育、科技、人才三者割裂推进的问题日益凸显。

“推进‘人工智能+’，既要解决数据‘有没有、好不好、通不通’的基础问题，更要破解人才‘够不够、用不用、融不融’的长远难题。”李景虹认为，当前我国创新体系开放性不足、科技评价“重数量轻质量”、产学研协同存在“成果转化断层”，制约了人工智能领域原创突破与产业落地。他建议以系统性思维深化教育、科技、人才一体改革，为人工智能高质量发展提供基础性、战略性支撑。

具体而言，一是夯实数据底座，由国家层面统筹建设科学与工程基础数据平台，推动关键领域数据标准化与开放共享，破解数据孤岛；二是推动融合育人，在高校布局“AI+X”交叉学科与交叉学院，动态调整专业设置，构建贯通式AI人才培养链条；三是深化评价改革，建立以创新价值、能力贡献、产业实效为导向的评价体系，为科研人员减负松绑；四是强化协同攻坚，支持龙头企业与高校牵头组建新型创新联合体，健全风险共担、利益共享机制，加速科技成果跨越“达尔文之海”。