提升源头创新效能需优化科技生态

　日期：2026-04-20   来源：深圳特区报

新凯来旗下的深圳市万里眼技术有限公司研发人员在实验室里投入地开展研发工作。深圳特区报记者 温涛 摄

　　■ 杨辰 王海龙

　　提升源头创新效能是深圳全方位推动创新之城建设的重要支撑。人工智能时代推动了创新的转型，随着知识体系交叉融合日益紧密，科技生态体系应该有更充分的能力支持研发人员探索科技前沿地带。优化科技生态是涉及价值导向、资源配置与要素流通的深层次变革。提升源头创新效能应完善以内容为导向的评价体系，为学科融合打通道路，并且要大胆探索正态分布之外的创新，对于研发项目的支持实施重点和差异化的资源布局。发挥深圳优势，积极拥抱人工智能时代的科创开源新范式，为从数据底座到应用场景的连接路径降低成本，并坚持长期主义导向，激发源头创新的内生动力。

　　贯通学科融合路径，完善内容导向的科技评价体系

　　随着全方位推动创新之城建设，深圳市的协同创新生态愈加完善，人才发展环境更加优化，创新能级不断跃升。但值得注意的是，随着科技发展和应用场景的不断深化，知识体系的交叉融合日益紧密。传统的以学科分类为基础的评价方式，在探索前沿领域时面临新的适应性挑战。面对日新月异的交叉融合趋势，相对固定的学科体系容易形成隐形边界，致使孕育源头创新的非共识科学项目缺乏适配的度量标准，其潜在的颠覆性创新价值往往因不符合既有或单一学科范式而难以被精准识别和充分挖掘。

　　大语言模型的广泛应用让部分研发方向呈现出同质化趋势。大语言模型在局部任务上有效率优势，但是其生成内容具有低困惑度和低多样性的特点，这一趋势一定程度上阻碍了源头创新。要从根本上提升评价的有效性，应该完善以内容为导向的科技评价体系，淡化刚性的学科代码分配，以科学问题和实质贡献为出发点。通过数字化手段实现对于领域集体智慧和空白交叉痛点的挖掘，让评价重点落在创新成果的内在逻辑、技术路径的可行性和实际问题的贡献度上。

　　优化精准政策引导，实施重点和差异化的资源布局

　　深圳位于经济活动频繁的粤港澳大湾区中，生产要素的流动和科技人才的引入让深圳具备了良好的创新基础。但如何提高资源使用的针对性和有效性，是值得关注的问题。跨学科不应成为获取项目资源和相关资助的捷径。当前的部分研发出现了投机性聚合和浅层关联现象，部分处于跨学科中间地带的研究可能因缺乏足够的深度和融合度，未能充分发挥预期的创新效益，可能会在一定程度上稀释了对高颠覆潜力研发的支持力度，影响整体效能的进一步提升。

　　针对这一情况，研发资源布局应更注重分类引导和特色化发展。一方面，要保持战略定力，持续稳定支持先进制造业、无人机产业和软件服务等基础优势领域的深耕，鼓励研发人员的精益求精；另一方面，探索性地支持跨度大、异质性强的非共识交叉研究，促成不同知识体系的有效碰撞。通过更加精准的政策引导，推动科研活动向深度专精化和融合化两个高效区间发展，引导研发团队撤离拥挤的中间地带，避免资源的低水平重复，实现创新资源的优化配置与效益最大化。

　　完善长周期支持，营造宽容和松弛的研发环境

　　长期主义，是深圳创新的战略定力。深圳全社会研发投入一直以来都呈现显著增长的趋势。基础研究和颠覆性创新通常研发周期长、不确定性高，其价值呈现往往需要较长时间的沉淀。当前，部分考核机制在时间维度上相对偏重于短期效果。如果市场导向效果短期不佳，那么对应成果可能不再继续。这对科研人员沉下心来从事长周期、高风险的探索性研究带来了一定挑战。

　　关键核心技术从研发到应用需要全链条的支持体系，而深圳恰恰具备潜在的条件。对于技术壁垒高、研发周期长的复杂科研和工程化项目，减少非技术性的过程干扰。同时，应该明确区分探索性失败与管理性失误，对于在探索技术前沿过程中，因客观因素导致的失败，应予以包容并认可其试错价值。研发完成之后，给予技术应用充分的松弛期，少数“睡美人”技术具备更强的前瞻性，在协同互补技术发展完善之后，这一类技术往往具备四两拨千斤的带动效应。

　　推动科创开源协同联动，提升数据要素流动效能

　　打造科创开源之城，是深圳的建设目标之一。在数字化时代，数据已成为驱动创新的重要生产要素。而在人工智能时代，数据已经演变成为降低创新门槛与驱动模型进步的战略基石。面对大模型时代对高质量数据和算力的指数级需求，单一创新主体难以独自构建完整的人工智能生态闭环。开源是中国人工智能产业发展的突出特点。在此背景下，科创开源已经超越了单纯的技术共享层面，已经成为应对复杂性挑战的必由之路。

　　深圳拥有全国领先的研发投入强度、电子信息和集成电路产业优势，可大力弘扬科创开源的科技理念，构建涵盖“数据—算法—算力”全要素的开放创新生态。一方面，统筹建设深圳城市级算力网络、大模型推理能力网络与行业高质量语料库，让算力和数据像水、电一样成为普惠的公共服务产品。另一方面，引导并支持龙头企业和培育独角兽企业，向产业链上下游有序开放大模型底座、研发测试平台及应用场景。通过产业的联动机制，让大企业的技术溢出效应最大化，探索建立安全可信的数据共享机制，让中小企业能够以低成本调用数据资源和模型算力，从而推动人工智能从软件模型走向具体应用场景。【本文系深圳市哲学社会科学规划课题“面向深圳在粤港澳大湾区科技合作中创新资源共享和数据安全治理机制研究”（SZ2024C025）转化性成果】

　　（杨辰系深圳大学管理学院副教授；王海龙系中山大学信息管理学院博士研究生）