人工智能前沿十问 - 总体智能与单位智能的平衡问题：提出数据思维密度(IQPT)概念衡量模型训练数据的投入产出比 2025年1月上海人工智能实验室首次提出该指标 [17] - Deep RL资源悖论：探讨算力在数据合成与算法训练间的分配 提出效率飞轮概念即高质量合成数据反哺预训练形成良性循环 [18][20] - 软硬协同创新路径：国际厂商采用软件兼容硬件(如英伟达CUDA生态) 国内当前更多是硬件适配软件模式面临研发周期不匹配挑战 [21][23][24] - 算力配置策略：划分为应用算力(产业落地)、迭代算力(模型优化)、创新算力(颠覆技术) 当前创新算力严重不足制约非主流技术路线发展 [25] - Agent与基础模型关系：探讨Agent是目的还是手段 指出当前自我改进系统存在僵化学习问题 需构建具备世界模型的持续进化智能体 [26][28] - 具身智能核心问题：定义大脑与本体最优关系 避免超级大脑-弱本体或高级本体-简单决策的陷阱 [30] - AI安全范式转变：从被动弥补漏洞(Make AI Safe)转向主动构建本质安全(Make Safe AI) 提出45°平衡律和设计即安全原则 [31][33][34] - 评测体系重构：从静态能力导向转为动态任务导向 实现训练评测解决问题一体化 提出测试时强化学习(TTRL)框架 [35][37] - AI for Science升级：从工具效率提升转向引发科学范式变革 需突破多模态统一表征实现深度理解能力 [38][40] - 颠覆性架构探索：分析Transformer在计算效率、上下文理解等方面局限 提出需多元架构共存互补应对不同领域需求 [41][43] 科学社区建设 - 星河社区定位：上海人工智能实验室打造的学术社区 首届明珠湖会议吸引全球60位学者参与 产出14个提案和39个关键问题清单 [1][4][46] - 历史成功案例：英国皇家学会(牛顿等)、月光社(瓦特等)、阿帕社区(7位图灵奖得主)证明社区模式推动重大科技创新 [4][5][8] - 运营模式创新：采用引导报告+结对报告+平行论坛形式 聚焦18-36个月技术窗口期 鼓励突破学历资历限制的自由探讨 [12][13][14] - 成果转化路径：通过开放课题、AI4S攀登者计划等载体 将关键问题对接上海市和国家重大研究项目实现快速落地 [14] 人工智能发展趋势 - 技术体系化：需完善智能本质理论 改变应用先行的学科发展路径 [15] - 形态多元化：与实体经济深度融合 因技术不完备需在应用中妥协新形态 [16] - 能力高阶化：强调要素突破和形态理解 避免基于中阶过程探讨高阶化 [16] 战略科学家培养 - 历史涌现规律：匈牙利黄金一代(冯·诺依曼等)、美国PC革命(盖茨等)、OpenAI波兰团队等显示顶尖人才集聚效应 [44] - 培育模式创新：通过科学社区形成人才蓄水池 采用高强度投入+集中攻关+人才历练场三位一体机制 [45]

大连理工大学校园（部分） 作者贾振元肖像画。 张武昌绘 大连理工大学师生参加中国国际大学生创新大赛（2024） 留影。 高水平研究型大学作为创新人才培养主阵地、基础研究的主力军和重大科技突破策源地，是国家战略科 技力量的有机组成部分。高水平研究型大学要强化支撑，肩负高水平科技自立自强使命；抓好关键，夯 实服务高水平科技自立自强根基；追求卓越，提高服务高水平科技自立自强能力，助力教育强国建设。 强化支撑，肩负高水平科技自立自强使命 着力推进有组织科研。有组织科研是科技创新实现建制化、成体系服务国家和区域战略需求的重要形 式。研究型大学要发挥自身优势，勇担战略使命，根据目标导向与自由探索的特点，加强学校科研创新 体系化布局、前瞻性谋划、组织化推进。要围绕国际科学前沿，顺应大科学时代变革，基于重大科学问 题推动学科交叉融合，加强基础学科研究中心建设，推动基础研究从散点突破迈向整体跃升。要围绕国 家战略急需的关键核心技术，根据大学角色定位，有组织参与新型举国体制下重大攻关行动，并通过重 大任务牵引，建制化推进科研组织模式创新。要围绕区域发展战略，把区域发展的产业优势与高校的学 科优势结合起来，根据产业链布局创新链、锻 ...