21世纪经济报道记者周慧 实习生刘龙珠 北京报道
今年全国两会，全国政协委员，中国科学院院士、上海交通大学李政道研究所副所长丁洪，带来了一份关于优化研究生招生机制和提高研究生待遇的提案。
作为科技界的委员和物理学家，丁洪比较关心中国科技自立自强和人才培养的问题。
他呼吁大幅提高研究生待遇，尤其是博士研究生待遇，让他们更好地为高水平科技自立自强做贡献。
会议期间，丁洪接受21世纪经济报道记者的专访，他聊到了对于人才培养、企业创新等方面的建议，还聊到了举国体制创新和中美国家实验室模式等话题。
丁洪认为，国内大企业和小规模团队的密切配合不足，比如参考微软与OpenAI的合作，大企业提供平台、数据和算力，小规模团队提供创新的想法。国内这方面的合作机制不太畅通，大厂和央企与来自单位以外的团队合作少，丁洪建议央企应该和小规模创新团队多开展合作。
全国政协委员，中国科学院院士、上海交通大学李政道研究所副所长丁洪 受访者供图
呼吁提高研究生和博士生待遇
《21世纪》：请你大概介绍一下今年两会的提案。
丁洪：我主要针对研究生教育提了两条建议。
第一，建议教育部以一些高水平的高校作为试点，下放研究生招生名额。目前高校研究生招生名额基本上是由教育部统一分配，新成立的高校与科研机构的名额难以得到充分保障，比如南方科技大学、西湖大学、大湾区大学等以前碰到过这个问题，对于现在一些新的大学解决研究生名额问题应该是它们关键的任务。
第二，建议大幅提高研究生待遇，尤其是博士研究生待遇，额度可根据同机构博士后待遇进行一定比例的折算。目前博士研究生的待遇低，而选择继续读博的学生通常是同届学子中的佼佼者，学业水平和收入的倒挂，对于学生的职业选择较为不利。
《21世纪》：多家媒体报道了你的提案，该提案在教育行业的讨论度如何？有没有收到相关部门的反馈？
丁洪：因为刚提出来没多久，还没有得到官方正式回复，但是在媒体报道以后，得到了很多教育同行的反馈，特别是有很多在读研究生反馈，整体比较正面。
建议大企业和小规模团队密切配合
《21世纪》：中国的理工科人才非常优秀，但是人工智能领域，我们与最先进的创造力存在一定距离。你认为在人工智能领域，中美的差距是什么原因造成的？
丁洪：造成差距的原因是多方面的。首先，团队合作不足。美国的大企业和小规模团队能够密切配合，比如微软与OpenAI的合作，大企业提供平台、数据和算力，小规模团队提供创新的想法。国内这方面的合作机制不太畅通，大厂和央企可以充当，但是与来自单位以外的团队合作少，所以我们也建议央企和小规模创新团队多开展合作。
（不过这种现象正逐渐得到改善），不久前（3月5日），国务院国资委主任张玉卓在“部长通道”上回应央企发展问题时表示，央企要继续加大研发投入，开放创新，加强与高校、科研院所、民营企业等创新主体的协同。我看到相关报道时感到很欣喜。
其次，对底层技术的关心不够。国内的很多高校和科研机构有足够的资源和人才，却没有将人才很好地组织起来做底层技术。我们希望能出现联盟组织，有算力的企业最好也能加入，共同建设底层技术。
《21世纪》：相对来说，民营企业在创新方面的动力会不会更强一些？
丁洪：发展人工智能牵涉到平台，必须有足够的数据和算力。有些民营企业比如百度、腾讯、阿里巴巴等，虽然拥有很多资源，但是可能更关注自身的生存和发展。而央企肩负的是国家发展的使命，应该承担更多责任，增强与创新团队的合作。
《21世纪》：目前对于中国一些高市值互联网公司“原始创新和研发投入不足”的讨论也比较多，这些公司在新一轮的AI大模型创新中被批评“缺位”，你认为这是什么原因导致的？应该如何改善？
丁洪：跟企业面临的竞争压力有很大关系，（有些民营企业有能力有资源，但是可能更关注自身的生存和发展）。在这方面华为做得比较好，国家也支持很多。
我们呼吁国家对大型互联网公司进行创新激励，我们叫incentive，比如税收补贴和政策支持等等。一方面，（长远来看）科技创新对企业自身发展有好处，另一方面，大型互联网公司占据了很多数据资源，同时拥有人才和资金，创新是企业回馈社会的一种方式。
科研要避免本位主义和重复研究
《21世纪》：我们经常谈到举国体制创新，未来中国在科技自立自强的进程中，高校、科研机构和企业应该怎样发挥作用？
丁洪：近年来，中国的科技自立自强已经取得了很大进步，在物理学的很多领域，中国是世界上最重要的力量之一，跟美国并跑。我们在数学物理方面发展得比较好，但是人工智能领域和最先进的国家仍存在一定的差距。
首先，美国外科研回报高。以药物研制举例，为什么美国能有这么多新药出来？因为研制出来回报很高，重赏之下必有勇夫，人工智能是同样的道理。中国更多地依靠资源垄断，比如大型的互联网公司，他们拥有先发优势，垄断了创新渠道，（在竞争压力之下对创新的关注又不足），所以到后面会慢慢出现差距。
第二，本位主义过强，大企业不注重与个人或者小团队的合作，这就有可能导致重复研究，不同的单位互相做相同的事情。所以应该弱化本位主义，使人才容易流动。
第三，专利保护不足，国内不少科研人员有创新的想法，但是成果转化效率低。一方面，由于专利保护不足，在成果转化阶段，研发人员只能自己下场或者交给信得过的学生；另一方面，一种普遍的看法是科技成果没转化成商品，就是不值钱的，（但是实际转化为需求也需要时间）。
《21世纪》：你曾经在美国的国家实验室工作过，在创新方面，美国政府是如何参与的？投入力度有多大？
丁洪：国外的很多做法值得我们借鉴，但是不能生搬硬套。美国国家实验室做了很多底层技术，通过一定的转化机制使社会共有，更加注重社会效益而不是实验室本身的经济效益。最有名的是贝尔实验室，贝尔实验室发明的晶体管，没有获得商业利益，但是对人类做出了巨大的贡献。虽然贝尔实验室是一个垄断企业，但是它利用资源优势做了很多基础科研，中国的央企应该学习。
中国也学习借鉴了国家实验室的模式，我深度参与了中科院方面的前期设计和规划，中国国家实验室是领域型的，这跟中国科技现阶段的发展状况有关，我们希望（未来能够）建设综合性的国家实验室，充分发挥科学装置集群，体现实验室的交叉性。另外，国家实验室如何吸引人才，把最优秀的人才联合起来，是当下需要进一步思考和完善的。
2024年政府工作报告提出，完善国家实验室运行管理机制,发挥国际和区域科技创新中心辐射带动作用。
《21世纪》：你在美国学习工作了18年，当时是怎么想到从美国回到中国的？
丁洪：一方面，国内提供了很好的发展平台，另一方面，自身也有中国梦的情怀。
建议将科学规划给科学家做
《21世纪》：中国有很多优秀的人才，如何更好地发挥人才优势？在改善人才发展环境方面，你有哪些建议？
丁洪：一方面，资源要向创新能力强的人才和队伍倾斜。中国比较尊重资深科学家，存在论资排辈、重视帽子和平均主义的现象。美国科学界有一种精神叫作winner takes all (赢者通吃），在美国即使拿了诺奖也可能拿不到资助，但是有些能力强的年轻教授实验室规模大，有十几个博士后，这在国内是不可想象的。
《21世纪》：近年国内科技体制改革动作很多，如何评价政策效果？对现存的问题有改善吗？
丁洪：政策出台以后，现存的问题得到一定的改善，但是具体的政策来自于科技管理层，或者说处长们的想法，跟一线科研人员存在一定的距离和不科学性。
建议将科学规划交给科学家来做，我回国以后花了挺多时间做科学规划，（对于科学家而言），做科学规划虽然不能获得利益（credit），但科学家应该花时间去做。
《21世纪》：在涉及科技资源分配方面，如何才能做到更合理？
丁洪：资源的分配，要跟人才和团队现有的创新能力成正比，资源要汇集到最有创造力的人身上。（这就涉及）如何评价一个人的创造力（的问题），对于基础科研而言，已经存有良好的标准了，比如国际会议邀请报告数量等等。
《21世纪》：最后一个问题，在你看来，发展新质生产力，需要匹配什么样的人才？
丁洪：主要还是科技人才，具有原创新，能够进行颠覆性的创新，成果和技术最关键的还是要看科技的含金量。
3月5日上午，十四届全国人大二次会议首场“部长通道”在人民大会堂举行，科学技术部部长阴和俊接受采访。 2023年我国研发投入超3.3万亿元 我国科技事业发展出现了一片新的气象。从投入看，去年全年研发投入超过3.3万亿元 当前母婴市场中，新生代生育主体的消费行为正在改变，新生代不仅追求“营养更全面、更高端、更精细”产品品质，新生代育儿理念的不断变化，也不断促使着“渠道+品牌”在产品研发、创新营销的融合发展。为给 3月5日下午，十四届全国人大二次会议广东省代表团举行全体会议，审议政府工作报告。南方+记者张梓望摄 3月5日下午，十四届全国人大二次会议广东省代表团举行全体会议，审议政府工作报告。全国人大代表黄坤明、谌贻琴、 南方财经全媒体记者 陈思琦 深圳报道3月5日，十四届全国人大二次会议正式开幕。今年的政府工作报告多次提及“新兴产业”，包括智能网联新能源汽车、新兴氢能、新材料、低空经济等细分赛 南方财经全媒体见习记者林鹏 广州报道惊蛰日起，“企业助力绿美广东生态建设联盟”再扩容，绿美广东将再焕新生机。绿美广东建设是近年来广东部署的重要工作任务之一，是广东省“百千万工 2024年3月5日，北京玻色量子科技有限公司（以下简称“玻色量子”）与深圳华大生命科学研究院（以下简称“华大研究院”）达成战略合作。此次签约，恰逢十四届全国人大二次会议，李强总理作政府工作报告时提出：在未来 。
本文链接：专访全国政协委员、中科院院士丁洪：建议央企和小规模创新团队多合作http://www.sushuapos.com/show-1-6997-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。