科创三问:成果转化靠什么?科学研究为什么 ?人才评价凭什么?

科创三问:成果转化靠什么?科学研究为什么 ?人才评价凭什么?
2024年07月18日 17:56 DeepTech深科技

来源:DeepTech深科技

7 月 11 日,2024 中国科技青年论坛在上海开幕。本次活动以“Infinitas 未来无限”为主题,旨在展现青年科技人才的智慧与潜力,探索科技创新的无限可能。

在开幕式上的“巅峰对话环节”, 三位中国专业学者——中国工程院院士、华东师范大学校长钱旭红,中国工程院院士、同济大学副校长童小华,上海尚思自然科学研究院院长、复旦大学教授鲁白在北京清华工业开发研究院院长、上海合成生物学创新中心战略发展委员会主席金勤献的主持下,以“新质新范式”为主题,围绕原创性和颠覆性科技创新如何推动社会生产力升级展开探讨。各位嘉宾分享了他们在青年人才培养、科技成果转化、推动原创颠覆性创新以及交叉学科融合等方面的观察与思考。

图|巅峰对话图|巅峰对话

提高科技成果转化效率,需要打破一些固有观念

中国科技成果转化率一直处于比较低的水平,《财经》杂志曾在 2022 年的一篇报道中提到,这一指标只有 30%,而在发达国家则为 60%-70%。在更加尖端的前沿科技成果中,只有 10%-30% 被应用于实际生产,真正能够形成产业的科技成果更低,仅为其中的 20%。

在如此强调科技创新的今天,如何提高中国的科技成果转化率水平,成为亟待突破的“瓶颈”。

在 TR35 的巅峰对话环节,鲁白教授提到了目前阻碍科技成果转化的体制设计,尤其是一些固有地、不切实际的观念需要破除。比如,许多大学和研究所往往过分强调成果转化,但实际上很多科研成果并不适合直接转化。要求每个科学家都参与成果转化是不现实的,不应该用这个作为评价科学家的 KPI,这可能打击科研工作者的积极性。

图|上海尚思自然科学研究院院长、复旦大学教授鲁白图|上海尚思自然科学研究院院长、复旦大学教授鲁白

不能要求每一个科学、科技领域都有较高的转化率,这不够实事求是。

另一方面,鲁白还强调了高校与企业之间的对接机制,即产、研融合。为何产、研融合在中国科技领域尤其受到重视?从 TR35 每一届的获奖学者数据就能看出一些端倪:TR35中国入选者大部分来自高校,而 TR35 全球入选者中近一半来自企业。

关于如何提高我们的科研成果转化率,金勤献补充道,“我们需要定位什么是核心技术、什么能最终转化为生产力,目前这方面的专业团队的建设远远不足,这也是所有大学和相关机构都需要解决的问题”。

图|北京清华工业开发研究院院长、上海合成生物学创新中心战略发展委员会主席金勤献图|北京清华工业开发研究院院长、上海合成生物学创新中心战略发展委员会主席金勤献

也就是说,这些科研成果还面临着科技创新和产业创新深度融合的关键一步。童小华认为,当下面临的关键问题之一是各个行业的龙头企业、中小企业和民营企业科技创新,如何通过与高校、科研机构等的产学研合作,利用好我们产业基础优势和超大规模市场优势,促进科技成果转化与应用。

鲁白认为,在从前,我们总是喜欢追逐国外的产业热点,这种方式在中国经济不太发达的时候,是有效的,人家思考完了、验证过了,我们赶紧跟上,这种打法没有问题。

但现在中国已经是全球第二大经济体,需要综合考虑产业布局,要做到“产业布局平衡性”,而不是一窝蜂的把相当多的资源集中到某一个或者某几个热门领域中去。

这就涉及到中国的产业升级、产业布局的重塑。

童小华认为,这就体现出来了科技创新和科技成果转化对中国的产业转型与升级的促进作用。产业创新需要持续的高质量的科技供给,确保重要产业链供应链自主安全可控。

科学一定要奔着“有用”去做吗?不一定 

钱旭红举了这样一个例子。现在的学生认为大学最坑的专业是生、化、环、材,即生物、环境、化学化工和材料,这些专业又苦又累,且出成果也慢。这些现实极其重要,更具有光明前景的专业,如何才能积聚人才并颠覆性飞跃。

“有之以为利,无之以为用”,这需要跳出世界看世界、化腐朽为神奇、变虚无为实有。如上述这类专业及产业可否像微电子工业发展一样,改变仪器设备流程及工厂形态,走一条缩微集成、超大规模缩微集成之路,实现桌面工厂、掌上工厂的绿色智能发展,从而不再有燃烧、污染、毒害、爆炸、三废、耗能等问题,但是这些需要限域微流化学等基础研究的突破,如此才能带来产业的突破。

早年在欧洲发展化学工业的时候,也是从实验室试管先开始,做的实验是 5 毫升的,然后是 5 升的,不断试错放大,探索前进,最终工业领域几百万吨的,这个过程充满的失败和危险。

后来,美国化学工业崛起的时候就避开了试错的老路,重点聚焦欧洲化学家关注甚少的“雕虫小技”,如过滤、升华、精馏、结晶、搅拌等单元操作,提炼研究其中的规律,将其上升为传质、传热、传递、反应工程等原理发现,从而建立了化学工程学,通过数值模型放大,大大提升了化学工业、制药工业,并进而又延申出来了生物工程、材料工程。

图|中国工程院院士、华东师范大学校长钱旭红图|中国工程院院士、华东师范大学校长钱旭红

在这里,钱旭红想表达的观点是,基础研究、产业研究和未来构想是连接在一起的,而不是割裂的。

鲁白希望大众能分辨“科学”与“科技”的区别。科学是原始的发现,而科技强调实用性。当谈论科学时,有人会问它有什么用,这其实把科学庸俗化了,科学不一定要有用。

这里的“有用”,是短期的、功利化的。科学是一切技术的源头,没有科学,技术的发展是不可持续的。当社会进化到一定程度时,科学应成为全社会的生活方式。不是每个人都要成为科学家,但每个人可以热爱科学。

所以,“基础研究”对解决国家战略和社会经济发展至关重要。童小华说,基础研究的意义在于探索未知和揭示规律,通过这些发现,我们可以建立科学基础体系,有了这个体系,我们能够从源头上解决技术问题,同时培养创新人才,指导产业转型和升级。

图|中国工程院院士、同济大学副校长童小华图|中国工程院院士、同济大学副校长童小华

不要用僵化的评价指标束缚科研人员

科技竞赛本质上是一场人力资源的比拼,即科研工作者之间的竞赛。因此,如何建立一套科学的、公平的、充分激励的评价体系至关重要。目前,比较通用的评价是看 KPI,比如是否有头衔、发表了什么论文、影响因子是多少。

但这种评价是否合理?至少在鲁白看来,这是有问题的。

评价人才应该能反映出它的全面素质,比如 TR35 评价体系中的五个维度:影响力、创新力、进取心、未来潜力和沟通能力。

鲁白认为,我们需要培养两种人才:顶尖的科学家和战略科学家。前者用极具创新力的思维解决重大问题,非常专注且专业。但后者更为缺乏,他们不仅在自己的领域非常出色,还具有宏观视野,能够看清整个产业或科技领域的发展方向。

战略科学家要具备领导力。他们要有远见,能看到未来 5 年、10 年后的发展方向,看到之后,要有冒险精神去尝试,因为去做只有极少数人认同的事是有风险的。此外,他们还需要有带领团队一起奋战的能力。

钱旭红也指出了目前人才评价体系中存在的弊端——急功近利。有的机构甚至要求一年看结果,这明显不符合科学研究的规律。

钱旭红认为,对于科技工作的评价,我们首先需要更长远的视角:三年看状态,六年看结果。“三年看状态”就是看这个人是不是混日子、有没有梦想、是不是认真工作。如果他做到了这些,结果自然会有。

其次,在培养人方面,我们不能只把人当作工具,还要把人当作人。马克思曾说,人的自由和全面发展。我们做到自由了吗?我们全面了吗?要培养真正的人才,必须尊重个体的自由和健全发展。

关于学科设置,钱旭红说,“当前面临的最大问题是严重的学科专业分割,使得学生培养出现了许多缺陷”。懂人文的不懂理工,懂理工的不懂人文。我们自己也没有进行跨文化教育。如果真的要培养优秀人才,首先要解决这些问题,跨学科的教育和全面发展的理念是培养未来创新者的重要基础。

未来 5-10 年的预测,哪些领域将会迎来大发展?

童小华是从事测绘遥感工作的专业人士。在他看来,这个领域目前具有很大的发展潜力。

测绘遥感的任务是提供地球和深空天体的高精度时空信息。那么,什么是时空信息呢?简单来说,时空信息告诉我们“在哪里”、“有什么”、“在什么时间”,实际上人类活动的 80% 都与时空信息有关,时空信息服务国计民生和国家安全。

例如在深空探测中,科学家通过遥感技术来感知与认知宇宙和天体,有助于了解其起源、发展和演化,还可以探索地外天体是否有生命,是否存在水,以及开发利用太空资源。这些探索是我们向极宏观世界拓展的重要方向,未来发展空间巨大。 

钱旭红非常看好 AI 硬件领域的发展。

在 AI 时代,最可能出现的是与 AI 匹配的各类新硬件工业,但今天看到的所有硬件当初都不是为当今 AI 时代设计准备的,因此它们与 AI 存在天然的冲突,必将被彻底颠覆。

AI 的发展经历了从电阻、电容、电路到集成电路,再到超大规模集成电路,最后出现了芯片,才有了今天的 AI。目前人类的工业体系,如生物、化工、环境、材料等,都是非常庞大的管线储罐系统、甚至离散系统,不可能直接实现 AI 化。要实现 AI 化,必须走类似电子工业的缩微集成发展道路,即从大型工厂走向掌上工厂,只有这样才能真正完成 AI 化。

从这个角度来看,当前的工业体系需要重新设计和构建,才能适应 AI 时代的需求,实现真正的智能化、高效化和绿色化。

鲁白作为医学领域的专家,认为脑科学领域将迎来突破。

科学家通常不喜欢预测,因为预测往往容易出错。鲁白认为非要预测未来的发展,应该基于某个领域今天做了哪些准备工作,很明显脑科学领域具备了突破的条件。

美国的脑科学研究计划在两个层面上做了铺垫。

首先,科学的重大跨越需要技术上的突破。美国的脑计划在前五年主要专注于开发新技术,资金主要投向光学、计算机、工程等领域的研究人员,而不是直接给脑科学家。这些技术的发展催生了基因编辑、光遗传学等一系列进步。

接下来的五年,他们建立了基础科学的基础设施,利用新工具进行大规模的大脑基因表达和神经基因连接研究,为深入认识大脑奠定了基础。

新质生产力的概念被提出后,一系列重磅文章对其进行了解读和阐述,尤其是在“新质生产力”和“青年科技人才”的关系上。就在今年 7 月 14 日,求是网发文《让青年科技人才在新质生产力发展中挑大梁当主角》,其中提到,“青年科技人才处于思维创新的黄金期、智力创造的高峰期,是科技创新的生力军,是国家战略人才力量的源头活水。”文章从青年科技人才培养、使用和评价体系三个方面阐述了旨在推动新质生产力发展的人才观。

这与本次巅峰论坛的主题不谋而合。

除此之外,这场讨论也留下了更多更深入的问题让我们思考:青年科技人才究竟需要怎样的科研环境?怎样的考核制度和评价体系既能兼顾大多数科研人员,又能不漏掉偏才、怪才?提升国家科技水平之路任重道远,我们拭目以待。

上海市科研
新浪科技公众号
新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

创事记

科学探索

科学大家

苹果汇

众测

专题

官方微博

新浪科技 新浪数码 新浪手机 科学探索 苹果汇 新浪众测

公众号

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片