问题——基础科研与产业升级对“更快、更准、更可复用”的计算与数据能力提出新要求；近年来，人工智能技术材料、生命科学、气象海洋等领域呈现加速渗透趋势，但在实际科研流程中仍面临数据孤岛、算力与数据匹配不足、模型可解释性与可靠性验证成本高、科研成果从实验室走向产业应用链条不畅等共性难题。如何以高质量数据底座和工程化平台支撑跨学科协作，成为推动科研范式变革与新质生产力形成的关键议题。 原因——从技术演进到科研组织方式变革——正在重塑创新逻辑。一上——科学研究进入“大数据+大计算+大模型”并行驱动的新阶段，传统以单一学科、单一课题组为主的研究组织方式，难以应对海量数据治理、跨域知识融合与工程化部署的复杂度；另一方面，科学计算与智能算法的融合，对数据标准、工具链、计算环境与安全合规提出系统性要求，单点突破难以形成持续产出。另外，长三角与粤港澳大湾区产业基础、人才结构、开放合作等各具优势，推动跨区域资源配置与协同创新，成为提升科研效率和成果转化确定性的现实选择。 影响——“平台化底座+协同网络”有望降低科研创新门槛，提升成果转化效率。峰会期间释放的信息显示，香港科技大学将加快在沪推进AI for Science应用场景落地；深圳计算科学研究院与上海久湛信息科技有限公司签署战略合作，提出依托崖山大数据底座联合推进人工智能与科学计算融合创新。业内人士认为，这类以数据底座为牵引的合作，能够在科研数据沉淀、算法迭代、算力调度与应用部署之间形成闭环：通过统一的数据治理与可复用的数据资产管理，减少重复采集与重复清洗；通过面向科学计算的工程化工具链，缩短模型从开发到验证的周期；通过多方协同的研发机制，提升跨学科团队对复杂问题的攻关效率。对企业而言，平台化能力也有助于将科研成果更快嵌入工业设计、药物筛选、材料仿真、智能制造等具体流程，带动产业链关键环节的效率提升。 对策——以“孵化赋能、生态协同”链接科研与产业，形成可持续创新体系。值得关注的是，久湛科技为港科大上海中心北杨基地重点入孵企业。此次签约在一定程度上表明了以高校科研资源为源头、以基地孵化为支点、以区域协同为通道的创新组织方式：一是推动数据底座与科学计算平台标准化、模块化建设，提升科研要素的可共享性；二是促进科研机构与企业在需求侧对接，围绕真实科研场景与产业痛点开展联合攻关，避免“技术孤岛”；三是完善验证与评估机制，面向可靠性、可解释性、可复现性等科研核心指标开展体系化测试，增强成果在产业应用中的可信度；四是通过开放合作机制吸引更多高校、科研院所与行业伙伴参与，形成从数据、算法到应用的生态网络。有关人士表示，港科大上海中心将继续发挥平台作用，推动科研资源、人才团队与企业需求高效对接，为在沪AI for Science实践探索提供支撑。 前景——深港沪协同有望成为面向未来科研竞争的“组合优势”，但仍需在规则与能力建设上持续加力。展望未来，人工智能与科学计算的融合创新将更强调高质量数据资产、可持续算力供给与跨域协作效率。随着科研数据合规治理、知识产权保护、跨区域协作机制逐步完善，以数据底座为抓手的联合创新有望在更多学科与产业方向形成示范效应。同时也应看到，科学研究对数据准确性与模型可信度要求极高，仍需在数据标准体系、领域知识融入、评测基准建设以及人才交叉培养等上久久为功。只有把“能用”提升为“好用、可信、可推广”，才能真正把技术势能转化为科研动能和产业增量。
人工智能正在成为推动新质生产力发展的重要引擎。深港沪三地的这个合作，不仅是技术创新的体现，更是区域创新生态优化升级的缩影。通过整合各地优势资源，建立产学研用的有机联动机制，我们有理由相信，在不久的将来，更多由AI驱动的科学突破将在这片创新热土上涌现，为全球科技进步和经济发展做出中国贡献。