2025 年 8 月，国务院《关于深入实施 “人工智能 +” 行动的意见》正式出台，将科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作列为人工智能普及应用的六大核心领域。这一政策落地，标志着我国 “人工智能 +” 从国家战略布局迈向全面实践阶段。从 2015 年 “互联网 +” 行动启动，到如今 “人工智能 +” 成为新的发展引擎，十年间产业变革如何跃迁?哲学社会科学又该如何应对智能时代挑战?解放日报记者专访了上海科学智能研究院院长、复旦大学特聘教授漆远，解码 “人工智能 +” 的深层价值与实践路径。
一、从 “互联网 +” 到 “人工智能 +”：一场生产力与生产关系的范式革命
“现在推动人工智能与经济社会各领域深度融合，恰逢其时。” 漆远开门见山指出，人工智能已具备 “水电煤” 般的基础设施属性 —— 一方面，社会对智能技术的需求覆盖生产、生活、科研全场景;另一方面，经过多年技术迭代，人工智能的成熟度、落地能力已足以支撑大规模应用，“这是‘人工智能 +’能快速推进的核心前提”。
回溯十年发展，2015 年国务院《关于积极推进 “互联网 +” 行动的指导意见》开启了数字化序幕。十年间，我国建成全球最大 5G 网络，积累了全球最丰富的数字化应用场景，为 “人工智能 +” 筑牢了基础。但在漆远看来，两者存在本质差异：
“互联网 +” 的核心是 “连接”：无论是互联网金融的资金流转效率提升，还是互联网电商的商品信息撮合，本质都是通过技术打破信息壁垒、优化资源流动，带来的是生产关系的 “量变”，核心成果是 “数字化”;
“人工智能 +” 的核心是 “赋能”：人工智能作为新型生产工具，能深度挖掘数据背后的价值 —— 比如通过算法优化生产流程、用智能模型加速科学发现、以人机协同提升服务精度，最终引发各行业的 “范式革命”，带来的是生产力的 “质变”，核心成果是 “价值创造”。
“如果说‘互联网 +’让信息‘动起来’，‘人工智能 +’则让数据‘活起来’，从被动记录转向主动创造新价值。” 漆远举例，制造业中，“互联网 +” 实现设备联网监控，而 “人工智能 +” 能通过数据分析预测设备故障、优化生产参数，直接提升产能与良品率，这正是 “赋能” 的直观体现。
二、“人工智能 + 科学技术”：用智能工具加速科学发现
在国务院 “人工智能 +” 六大领域中，“科学技术” 被置于首位。漆远认为，这一布局极具前瞻性，而上海科学智能研究院的实践正是对此的呼应 —— 作为聚焦科学智能的新型研发机构，该院成立两年来，始终以 “人工智能驱动科研范式变革” 为使命，探索 “人工智能 + 科学” 的创新路径。
“科学智能 2.0 时代，科学家多了一个‘智能助手’。” 漆远将人工智能比作 “科学望远镜”：这种具备智能推理、动态决策、实验闭环能力的智能体，能帮助科研人员突破传统研究的效率瓶颈。今年 7 月，由上海科学智能研究院联合复旦大学、无限光年打造的 “星河启智科学智能开放平台” 在世界人工智能大会发布，正是这一理念的落地载体。
“它不仅是数据库，更是‘科研加速器’。” 漆远介绍，平台整合了高价值科学数据、开源智能模型与高效智算资源，全球科学家可借助平台开展材料研发、药物设计、天文观测等研究 —— 比如在新药研发中，智能模型能快速筛选候选分子，将传统需要数年的实验周期缩短至数月，“让科学发现从‘偶然突破’走向‘系统加速’”。
三、人机协同：哲学社会科学的智能时代应对之道
当 ChatGPT、DeepSeek 等大模型深刻改变人类生产生活，哲学社会科学如何避免 “被边缘化”?此次 “人工智能 +” 行动意见特别提出，推动哲学社会科学研究方法向 “人机协同” 模式转变，而漆远团队的探索已走在前列。
今年 3 月，复旦大学国家发展与智能治理综合实验室联合上海科学智能研究院、德勤中国发布《未来已来 —— 人文社会科学智能发展蓝皮书(2025)》，首次系统梳理了人工智能与人文社科融合的路径。更具突破性的是，今年 7 月，由复旦大学、上海科学智能研究院与上海创智学院联合研发的 “早期中华文明领域 AI 模型” 正式发布 —— 该模型覆盖考古学、历史地理学、汉语言文字学等多学科，整合甲骨金文、方志舆图等珍稀史料，构建起超大规模的早期中华文明知识体系。
“过去学者研究甲骨文，可能需要翻阅上万件文物拓片;现在通过 AI 模型，能快速检索相似文字、关联历史事件，甚至提出新的研究假说。” 漆远强调，人机协同不是 “AI 替代学者”，而是通过技术放大人类的思辨能力，“AI 处理数据、梳理脉络，学者聚焦核心问题、提出创新性观点，两者形成互补”。
四、破局 “人工智能 +”：技术融合、数据共享与差异化发展
谈及 “人工智能 +” 的推进难点，漆远坦言，基础支撑能力仍需强化，核心要解决三大问题：
首先是技术融合的深度不足。“‘人工智能 +’不只是 AI 与各行业的简单叠加，还需要与区块链、加密技术等其他技术协同。” 他举例，区块链的去中心化特性可解决数据共享中的安全问题，加密技术能保障 AI 模型的知识产权，“打破技术壁垒，才能释放更大潜力”。
其次是数据共享的机制缺失。“数据是 AI 的‘燃料’，但现在各领域数据孤岛问题突出。” 漆远建议，可结合区块链技术建立 “数据可用不可见” 的共享模式 —— 比如医疗数据，通过区块链确权与隐私计算，既能让 AI 模型学习数据特征，又不泄露患者隐私，“让数据在安全前提下‘流动起来’”。
最后是赛道同质化的竞争困境。“现在很多企业挤在通用大模型、智能座舱等热门赛道，‘内卷’严重。” 漆远认为，除了国家层面的集中攻关，更应鼓励市场化的差异化探索 —— 比如面向农业的 “AI + 病虫害防治”、针对传统文化保护的 “AI + 文物修复”，“开辟细分赛道，才能让‘人工智能 +’覆盖更多民生需求”。
“从‘互联网 +’到‘人工智能 +’，不是替代关系，而是升级迭代。” 漆远最后表示，未来 “人工智能 +” 的核心价值，在于让智能技术从 “高大上” 的实验室走向 “接地气” 的生活场景，“最终目标是通过技术赋能，让每个人都能享受到智能时代的红利”。
免责声明：本文仅代表作者个人观点，与东方科技网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
本网站有部分内容均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，若因作品内容、知识产权、版权和其他问题，请及时提供相关证明等材料并与我们联系，本网站将在规定时间内给予删除等相关处理.
