□ 本报记者 张 宣

主持人：请结合日常工作实践，谈谈过去一年在“AI+科研”方面有哪些成果？

胡长明：中国电子科技集团有限公司第十四研究所下属南京国睿信维软件公司走“从工程中来，到工程中去”的自主可控工业软件研发之路，强化根技术创新，培育出PLM、MOM、MRO等明星产品，形成基于统一底座的20余款自主工业软件谱系，广泛应用于航空、船舶、新能源汽车等多个领域，实现“研用结合、以用促创”。去年成功引入战略投资者，募集近6亿元资金用于技术创新和产品升级。

殷宗军：我们研究所将AI融入古生物学研究，成效显著。全国重点实验室的显微CT设备用于重构古生物化石三维结构，传统模式下一次扫描需6—8小时，引入AI算法的深度学习模型后，耗时压缩至半小时内，成本降至原来的10%以下，大幅提高实验通量，为科研提供了便利。

主持人：如何推动AI团队与传统科研团队的协同合作？

胡长明：以项目和机制驱动合作，举办人工智能周活动，设立“揭榜挂帅”机制，组建跨学科项目组，让AI专家与科研人员全程协作。AI团队深入试验现场了解需求，确保研发贴合实际。人才培养上，开展内部AI培训，加大交叉学科人才引进力度，呼吁高校开设真正融合的交叉学科，重视实际应用项目。

殷宗军：通过项目驱动融合，AI团队围绕重大科研任务需求研发应用。例如油气地层研究中，传统化石鉴定需一到两年完成一个剖面，AI团队开发全自动流程，扫描、识别、鉴定全流程几乎无需人工干预，效率大幅提升，预计项目落地后1个月即可完成原来1年的工作量。

主持人：“AI+科研”成果产业转化过程中，期待政府搭建哪些对接平台或政策桥梁？

胡长明：一是构建数据要素安全流通平台，依托省大数据集团建立重点行业“行业数据空间”，通过技术实现数据“可用而不可见”；二是建设中试和验证平台，搭建共享中试基地，降低企业应用新技术的风险与初期投入；三是持续提供资金支持，设立专项基金，联合社会资本共担成果转化风险。

殷宗军：古生物学领域“AI+”聚焦科研应用，核心需求有三：一是AI基础设施共享，避免重复建设，方便布设数据库和智能体；二是跨学科培养复合型人才，希望在研究生阶段开展联合培养，让AI人才理解古生物研究需求；三是引入适配古生物研究的多样AI算法。江苏AI教育基础扎实，通过机制创新可培育所需人才。

主持人：在民用雷达信号处理等领域，AI技术如何提升装备的自主决策与抗干扰能力？

胡长明：我们研制了“后羿”大模型、“秦岭”架构与“山海”平台，AI让设备在复杂信号环境中更能精准识别目标，借助认知智能和智能体技术提升自主决策能力。抗干扰方面，AI可实时分析电磁环境，通过强化学习灵活调整工作方式，优于传统预设规则。优势在于应用场景丰富、工程整合能力强；差距则体现在核心软硬件生态、原创算法理论及AI系统测试验证方法上。

主持人：古生物研究的“冷门数据”与AI建模的“数据需求”存在天然矛盾，贵所如何通过数据标准化破解这一难题？

殷宗军：相比其他学科，古生物学数据量少而散，与AI海量数据需求存在矛盾。我所2005年启动地质生物多样性数据库（GBDB）建设， 2018年在数据库基础上成立了大数据中心。该数据库整合了国内外相关数据，且有专业团队把控数据质量，是全球同类最大数据库之一，已获多项国际认证，为AI应用奠定了坚实基础，破解了数据供需矛盾。

主持人：在人工智能促进装备研制模式转型方面有什么打算？

胡长明：推动AI深度融入装备研制全过程，核心探索智能体应用，打造设计优化、生产调度等专业化智能体，实现各环节协同联动，推动研制从“模拟验证”向“人机协同”“自主协同”转变。建议围绕“技术、场景、人才、生态”打造方案：强化技术底座建设，开放高价值验证场景，培育复合型人才，构建协同生态，组建产业联盟，推动智能体技术规模化应用。

主持人：AI技术如何助力古生物研究实现从“定性描述”到“定量分析”？

殷宗军：古生物定量化研究始于上世纪七八十年代，但依赖人力，耗时久。AI加持后，精度和效率大幅提升，已有多项国际影响力成果。例如依托GBDB，我所正用AI研发新一代精时古地理平台，致力于构建高精度、高空间分辨率古地理图，为油气勘探提供精准导航，预计两到三年产出成果，助力古生物学从“知道有油气”的定性推测，迈向“知道油气在哪里”的定量分析。