和商网北京12月16日电 (记者 刘文文)中国新闻社16日在北京主办以“新格局·新动能”为主题的“国是论坛：2025年会”。围绕如何破解AI科学发现的“堰塞湖”困境，工业和信息化部原副部长、工业和信息化部电子科技委主任王江平在会上展开深入分析。

　　王江平表示，当前AI的预测成果呈现指数级迅猛增长，但人类的验证能力和产业化能力却呈线性增长，两者之间差距巨大。AI一天的预测结果，人类需要10年甚至更长的时间来验证，这种矛盾就像“堰塞湖”一样堵塞了科学发现转化为实际应用的通道，不仅导致海量预测成果无法及时得到实验验证和产业化应用，还占用了大量科研资源和算力资源。

　　为什么会出现“堰塞湖”？他分析，主要有以下原因。

　　第一，预测模型具有局限性。比如，逻辑推理和知识深度不足、存在黑箱困境与幻觉风险、目标推导能力有限等。

　　第二，缺乏标准和评估体系。由于缺乏评估标准，海量预测结果的准确率和可合成性难以确定。

　　第三，实验验证能力普遍不足。环境适配性与灵活性较差，当前实验室多为人类操作设计，难以满足AI自主验证需求；跨平台互操作性偏低，存在数据孤岛、设备孤岛等问题；感知与分析衔接不够，自主实验需实现“感知-决策-执行”闭环，但目前这一环节仍存在脱节。

　　针对上述难题，王江平提出一些对策和建议。一是加强数据集、高价值知识中心和AI预测结果评估标准体系的建设。他分析，当前重点行业的高精度、长序列、多模态的数据集仍然欠缺，亟须建立公共的高价值数据中心，减少重复工作，并构建权威性的预测结果评估体系。

　　二是加快AI自主实验室的建设。王江平认为当前，AI自主实验室建设仍有诸多工作待推进。要倡导开源与模块化发展，降低自主实验室建设门槛。要探索“人在回路中”的混合增强智能，当前完全无人化的“AI科学家”尚难实现，仍需人类参与，因此“人在回路中”的增强智能在现阶段不可或缺。要发展数字孪生与通用知识模型。要探索多智能体协作的“联合科学家”模式。

　　三是加强中试平台的建设，发挥我国应用场景的优势，推动工程化的创新。此外，还要推动学术界和产业界合作等。(完)