在数智技术加速渗透的背景下，学科体系如何重塑、产业生态如何升级，成为高校与产业界共同面对的现实课题。
研讨会释放的一个明确信号是：新一轮变革不仅发生在工具层面，更将深刻影响知识生产方式、组织形态与治理规则，必须以系统性协同应对。
问题：学科与产业“两张皮”、场景渗透不足与规则滞后并存。
与会专家指出，一方面，数据与智能能力正在改变哲学社会科学的研究对象、方法与评价体系，但一些领域仍停留在“点状应用”，难以形成可持续的体系化创新；另一方面，相关产业虽热度高，但实际渗透率不高，存在“高估短期、低估长期”的倾向，关键在于场景复杂、数据质量参差与组织协同成本较高。
同时，航运、网络空间等领域的制度安排在数据权属、跨境流动、责任认定与监管适配方面短板凸显，技术演进与规则建设的时差带来新的不确定性。
原因：数据底座、模型能力、组织机制与评价导向是制约因素。
专家分析认为，数智融合要走向深水区，首先受制于高质量数据供给不足，数据治理标准、共享机制和可信使用边界尚需完善；其次，通用能力难以直接覆盖行业复杂场景，必须以领域知识与行业流程为支撑，形成可解释、可验证、可迭代的行业模型与工具链；再次，高校与产业之间仍存在目标、周期与激励机制差异，跨学科、跨机构合作往往“项目化”，缺少长期稳定的组织载体；同时，学术评价与成果认定在一定程度上仍偏重外部指标与形式化产出，影响原创性与解释力导向的形成，进而影响自主知识体系的积累与表达。
影响：科研范式、人才结构与产业竞争方式正在被重写。
多位专家提出，数智融合将推动研究从“经验驱动”向“数据驱动与机制解释并重”转变，从单一学科内部循环走向跨学科协同；在人才能级上，产业更需要“强技术能力+深领域理解”的复合型队伍，能够在真实场景中完成数据治理、模型构建、系统部署与效果评估；在产业层面，制造业、公共治理与司法等领域提供了丰富的落地空间，谁能率先把数据要素、模型能力与行业流程打通，谁就更可能形成新的效率优势与治理能力。
同时，安全与可信问题被提升到更重要的位置：面对模型不确定性与复杂系统风险，必须以更可验证、更可监督的机制守住底线。
对策：以数据、模型、生态、制度“四位一体”推进协同。
与会专家建议，高校应围绕国家重大需求建设可持续的文工交叉平台，形成“问题牵引+机制保障”的双驱动路径，推动成果既具公共价值也具应用影响力。
上海市大数据社会应用研究会有关负责人提出，应以高质量数据为基础、以领域模型为驱动、以开放协同生态为支撑，高校可打造具有学科特色的语料库与基座模型，促进科研范式向人机协同转型，并在培养体系中强化面向实践的训练与评价。
在具体实践层面，部分高校探索以海量数据与自研平台重构专业知识体系并推进场景应用落地，例如围绕智慧司法等方向，通过系统化的数据治理与工具建设，将专业知识表达为可计算、可验证的结构化能力，提升服务社会治理的效率与质量。
围绕学术评价改革，有专家提出应从“知识依附”转向“知识自主”，把原创性、解释力与话语权作为更核心的衡量维度，通过人机协同与验证工程减少重复劳动，以更客观方式识别高质量成果。
也有学者从量化研究的可重复验证优势出发，提出社会科学数量化、可计算化趋势不可逆，构建自主知识体系需要打破既有学科边界，建立更适配新范式的组织与课程结构。
治理与安全方面，有专家建议面向数字中国建设需求，以内生安全为底线设计共识机制与交叉验证监督体系，通过多元主体协同与可审计流程，降低不确定性带来的系统风险。
在智慧航运等领域，学界认为应从实体法与程序法两个层面推进制度创新，包括重新界定关键法律概念、构建分级化的智能系统责任框架、完善航运数据权益保护机制，并通过监管数字化与国际协作增强规则适配性。
前景：从“单点突破”走向“体系化竞争”，协同创新将成为关键变量。
与会专家普遍认为，未来一段时期，数智融合的核心不在于单项技术迭代，而在于能否形成“数据—模型—应用—治理”闭环，推动学科重塑与产业升级同频共振。
随着更多行业语料与场景数据被规范化沉淀，领域模型和多主体协作机制将不断成熟，公共政策分析、区域研究、司法治理、航运监管等领域有望加快形成可复制、可推广的解决方案。
同时，只有把安全、合规、责任边界纳入设计与评估全过程，才能在释放创新活力的同时确保稳健运行。
数智融合时代的学科体系与产业生态变革是一场系统性、深层次的转变。
这不仅要求高校与科研机构主动适应新形势，更需要政策制定者、产业界与学术界形成合力。
通过构建自主知识体系、推进文工交叉融合、创新人才培养模式、完善法律制度框架，我们可以在把握人工智能发展机遇的同时，确保学科创新与产业升级沿着正确方向前进。
这一过程既是挑战，更是机遇，将为中国学术创新与产业发展注入新的活力。