身着粉色裤子、白色T恤，头戴一只可爱的发卡，不仅能与人互动，还能完成拖地、洗抹布、打开电视等工作——在日前举行的2024中关村论坛年会上，一款新亮相的智能机器人吸引了大众眼球。
她叫“通通”，是全球首个通用智能“小女孩”，入选2024中关村论坛年会十大重大科技成果，由北京通用人工智能研究院研发。“通通的心智相当于一个3到4岁的小孩。她不仅能理解你的话，还能领会你的意图，甚至能在你忙碌时主动提供帮助。”北京通用人工智能研究院院长、北京大学智能学院院长朱松纯告诉记者。
在科技创新赛道上，人工智能无疑是引领产业变革、推动高质量发展的“明星选手”。而高校作为科学研究的重要阵地，承载着前沿技术研发与转化的重要使命。然而，在人工智能这类潜力无限的专业领域，科研成果如何顺利转化、开花结果？如何助推“新概念”走入现实，用“新技术”造福社会？
人工智能科研成果应用转化前景广阔
最近，一位北京大学智能专业教授协助警方破案的新闻，登上了热搜。
36年前，浙江舟山发生一起特大抢劫杀人案。现场遗留的关键线索之一，是一枚带血的指纹。时隔三十多年后，该案宣布告破，两名犯罪嫌疑人全部落网。
案件突破的关键，在于对这一枚血指纹的识别。而实现这一重大突破的，正是北京大学智能学院教授封举富。该团队历时20余年攻关，成功研发出人工智能指纹识别引擎，协助警方破获数千起案件。如今，他仍在持续攻关、突破，“我们想做到像手机指纹解锁一样，一输进去指纹，马上就能得到一个确定结果。”封举富告诉记者，“对此我信心满满。”
用语言描述一个场景，人工智能程序就能根据描述快速制作出一副精美的个性化图像……这款名为PhotoMaker的高科技产品，来自南开大学计算机与控制工程学院教授程明明团队与腾讯公司的共同努力。“之前，该领域国际上最先进技术也要数十分钟才能完成，而我们实现了个性化高保真人像生成，只需十秒钟就能做好，并且还具有更好的生成多样性、高ID保真度和可编辑性。”
程明明向记者展示了利用几张石雕像照片生成人像照片的技术——两千多年前的哲学家柏拉图仿佛走进了现代社会，一会儿穿上宇航服“太空漫步”，一会儿戴上耳机享受音乐。“这项成果2024年初一推出，就在国际最大在线AI算法演示平台连续一周多时间蝉联热度榜第一名。项目开源后，迅速跃居国际最大开源平台Github趋势榜榜首，目前星标数已达9.1k！”程明明说。
山东大学软件学院副院长、教授刘士军介绍，近年来，得益于移动互联网、大数据、脑科学等新一代信息技术的协同驱动，人工智能进入加速发展阶段，国内主要高校纷纷设立人工智能学院和人工智能研究院，促进了人工智能前沿科技的发展与进步。
“目前，我国高校在人工智能领域的科技成果主要分为三类。”刘士军介绍，第一类是处理、分析海量数据的人工智能算法模型，主要聚焦医院诊疗、工业生产和社会治理等行业，通过模型辅助行业上下游开展业务，实现智能决策和降本增效，该类技术迭代快、应用范围广，是目前科技成果转化的主要方向。
“第二类是通用预训练大模型，比较突出的成果包括清华大学研发的智谱清言、科大讯飞的讯飞星火和复旦大学的MOSS大模型等，通过海量数据对具有千亿级参数量的迁移模型或扩散模型进行训练，形成了一批具备开放世界的理解能力和响应能力的通用智能工具。依托此技术研发的行业大模型则更多，支持的应用类型包括对话系统、图文生成、虚拟人等，该类技术在成果转化方面尚处于起步阶段。第三类是支持动态感知和决策的具身智能技术，主要应用于具有自动导航、智能回复、风险预警等功能性插件需求的软硬件一体化设备，该类技术通常需要校企协同研发。”刘士军肯定地说。
催生应用转化需要不断突破瓶颈
有专家表示，由于人工智能的跨学科与交叉属性，其所能辐射的现实应用领域更加广泛。但正因如此，与之相关的转化应用，也遇到了一系列新挑战。
“传统的科研组织管理模式，即高校PI（课题负责人）在基础研究方面发挥重要作用，但当我们面对像人工智能这样的复杂系统时，这种模式就显得力不从心。”北京大学智能学院党委副书记、长聘副教授宋国杰指出，“人工智能发展需要跨学科的知识和技术支持，而三五个人的研究团队很难涵盖所有必要领域。比如，‘通通’智能机器人的研发，涉及视觉识别、听觉处理、自然语言处理、机器学习、认知推理等多学科知识，单一方向的研究团队很难完成整个项目。”
刘士军分析，高校科研评价体系往往以论文发表与科研项目申请为主要指标，这导致许多科研工作者更加注重理论研究和论文发表，而忽略了成果的转化和应用。“另一个原因在于，人工智能相关理论研究和实践探索衔接不够紧密。如高校的优势在于基础研究，即理论和技术创新，通常聚焦研发技术的提升或对某种新能力的实现，对实际应用的可行性通常不做硬性要求；而人工智能行业非常重视产品功能的可行性与完备性，具有指定能力的算法模型能否在现有生产条件下使用，是一个重要的衡量标准。”
宋国杰也持类似观点。他认为，我国高校教师在开展科研工作时，往往基于一种理想化的假设，但现实情况很难完全满足这种假设。这种差距不仅仅存在于数据处理上，更存在于研究方法的整体应用上。“我们很可能在实验室里证明了某个算法或技术的有效性，但放到实际场景中，却因为各种复杂因素而无法达到预期效果，从而陷入‘产出效能低’的困境。”
程明明对此深有体悟。他说，计算机视觉图像识别的人工智能技术虽广泛应用于各行业，但落地时面临的主要挑战是数据不足。“高校在推进技术成果转化时，往往缺乏实际应用场景下的数据作为参考，导致难以准确评估技术的效果并针对性地改进。”
他还认为，由人工智能引发的安全和伦理风险也值得警惕。“例如，生成式人工智能技术所产生的逼真图像、视频，有可能被不法分子用于诈骗。”
缺乏充足的资金支持，也是成果转化中普遍存在的问题之一。高校的科研工作通常由科研部和科技开发部负责，前者对接国家层面项目，后者推动学校内部科研成果与外部企业之间的合作。“目前来看，校企合作通常采用建立联合实验室的办法，但各方提供的资金额度一般难以满足项目执行的所有需求，特别是在一些创新性强、技术难度大的项目中，这个问题尤为明显。一旦资金不足，可能会导致项目进展缓慢、研发成果难以尽如人意。”宋国杰说。
共同发力 推动校企合作走深走实
如何提升高校人工智能相关科技成果转化率？
“向外借力，共同推进科技成果转化。”宋国杰开出一剂“药方”：“新型研发机构是科技成果转化的助推器。高校应与新型研发机构深度合作，实现资源互补，将科研成果迅速转化为具有市场影响力的实际应用，为科技进步和社会发展注入强劲动力。北京大学武汉人工智能研究院、北京通用人工智能研究院等已经就此进行了探索，为高校与新型研发机构合作提供了借鉴。”
“以产业难题‘揭榜挂帅’攻关形式促进校企合作，为科研产出赋予行业属性。”刘士军则将目光放在了“校企”两方。他提出，高校在基础研究和多学科交叉融合方面优势明显，青年学生对前沿创新敏锐度高，因此，高校应持续在人工智能基础理论、关键技术研究方面发挥独特作用。“但目前，高校更多是做‘从0到1’的原始创新工作，因此需要联合产业界中具备技术能力的合作伙伴，做好‘从1到100’的成果转化关键技术攻关工作。”
宋国杰补充道，科技企业应进一步发挥其在产学研深度融合中的主体和主导作用，同时提升高校和科研工作者对产学研合作重要性的认识，激发他们投身其中的内生动力。“申请专利不是为了通过项目验收，而是要让成果落地，为社会提供服务。因此，高校等相关主体应不断优化产学研深度融合的机制体系，以确保持续推动技术创新和产业发展。”
构建和完善企业孵化机制，加速高新科技企业萌芽成长，也是需要重视的一点。专家们认为，孵化这类企业不仅可以将高校前沿科技成果转化为具有市场竞争力的产品或服务，还能通过市场反馈和技术改进，为高校提供市场需求信息和研发方向。
“更为重要的是，相关企业也为高校师生提供了实训实践平台，进而倒推产学研深度融合，提升了人工智能相关成果的转化与应用。”宋国杰认为。
提升科技成果转化率，向内发力必不可少。“高校和科研院所是基础研究的基石，也是科技人才的摇篮，基于当前发展情况，我们应当更注重培养具有跨学科背景的‘通才’。”刘士军建议，高校应树立协同育人创新理念，探索完善复合型人才的教育教学模式，并为人才提供更多实践机会和职业发展平台，打造一支能够服务新质生产力发展的拔尖创新人才队伍。
（记者 晋浩天 通讯员 李嫱）