问题：新一轮科技革命和产业变革加速推进的背景下，人工智能以更低门槛的算力与工具形态走进实验室、企业和公共治理场景。一上，它提升研发效率、优化资源配置；另一方面，随着自主性增强、应用外溢，也引发对就业影响、决策透明度、责任归属与伦理边界的普遍担忧。如何释放创新红利的同时守住安全底线，成为各界关注的焦点议题。 原因：与会科学家普遍认为，人工智能能力的快速跃升，主要来自大规模数据、算法迭代与算力供给的叠加，使其在信息检索、模式识别、复杂系统建模等表现突出。诺贝尔化学奖得主、美国斯坦福大学结构生物学教授迈克尔·莱维特结合研究经历表示，对应的工具正深入科研流程，推动科研从“辅助”走向“协作”，其价值在于加快试错、降低实验与计算成本，并促进生物学、物理学、化学与数据科学的协同。诺贝尔生理学或医学奖得主、美国斯克里普斯研究所教授阿德姆·帕塔普蒂安以蛋白质结构预测为例指出，过去需要多年积累的解析工作，如今借助新工具可在更短时间内获得高质量结果，科研节奏与组织方式随之改变。世界顶尖科学家协会奖获得者、比利时鲁汶大学名誉教授尤里·涅斯捷罗夫强调，高质量虚拟现实模型与复合型人才培养，有助于打通从科研到应用的“最后一公里”。 影响：在科研层面，人工智能正在提升效率、拓展研究边界，推动跨学科融合与成果转化；在经济社会层面，它对产业链分工、企业组织与岗位结构带来结构性调整。针对“技术导致失业”的担忧，诺贝尔经济学奖得主、伦敦政治经济学院教授克里斯托弗·皮萨里季斯认为，新技术往往带来“创造性破坏”，在淘汰部分旧岗位的同时也催生新产业与新职业，更常见的结果是企业内部任务重组与技能升级，而非大规模失业。他强调，关键在于帮助劳动者更好使用新工具，实现效率提升与能力扩展。同时，也有与会专家提醒技术边界。埃及艾因沙姆斯大学电子与通信工程副教授希沙姆·奥姆兰指出，在既有范式内，人工智能更像“副驾驶”，在提出全新理论框架、发现全新范式上仍难成为决定性力量。香港科技大学前校长、数学家陈繁昌也表示，当某些规律尚未体现现有数据与知识体系中时，依赖数据学习的工具难以自动给出颠覆性理论突破。 对策：多位与会人士认为，能力越强、应用越广，越需要清晰的规则与边界，尤其应在安全、伦理、责任与透明度上形成可执行的制度安排。耶路撒冷希伯来大学前校长、以色列心理学家阿舍·科亨指出，人工智能部分场景已具备“决策”属性，其发展可能对社会治理与伦理体系带来冲击，应将伦理规范与风险评估前置，并加强对关键领域应用的约束与监督。图灵奖得主、美国密码学家惠特菲尔德·迪菲提醒，若赋予系统更高自主决策权却缺乏有效约束，可能造成权责失衡并损害公共利益。与会观点认为，治理应兼顾促进创新与防范风险：一是建立分级分类的安全评测与审计机制，明确高风险场景的准入条件；二是完善数据合规、隐私保护与知识产权规则；三是强化可追溯、可解释与责任追究框架，压实开发者、部署者与使用者责任；四是加大教育培训投入，推动劳动者技能升级与岗位转型，提升社会适应能力。 前景：与会科学家普遍判断，人工智能将长期作为科学研究与产业升级的重要工具，其作用更偏向增强人类而非替代人类。未来一段时期，科研组织将更强调“人机协作”的流程重构，跨学科人才与治理能力将成为竞争关键。谁能在规则清晰、风险可控的前提下推动应用落地，谁就更可能在新一轮技术竞争中占据主动。同时，国际层面的对话与协同也不可或缺：在标准、评测、伦理与安全等上形成更多共识，有助于降低跨境扩散风险，推动技术更广泛、更负责任地服务公共福祉。
从“加速器”到“共事者”，新技术正在重塑科研与产业的运行方式，也促使社会治理更新理念与工具。把握机遇的关键在于，既不因恐惧而止步，也不因乐观而失守：让创新在规则中推进，让能力在责任中扩展，才能把技术进步转化为面向未来的公共福祉。