主持人：乔岳（国际创新转化学院副院长，教授）
国际创新转化学院成立于2017年，是山东大学直属的教学科研单位，设在山东大学青岛校区，剑桥大学参与学院建设。国创学院建设的总体目标是引领创新转化的学理研究、培养国家所急需的创新转化人才、建设创新转化的示范性实践平台、形成山东大学在创新转化领域的国际影响力。学院立足青岛，链接国际，以剑桥合作为纽带，拓展与美国康涅狄格大学、英国伦敦玛丽女王学院、爱尔兰都柏林大学等机构的科研与教育合作。融合管理学、经济学、信息工程等多学科，研究数智技术（如AI、大数据）在创新转化中的应用。与剑桥大学等国际机构合作，对比中外转化模式，提炼可复制的政策与方法。为推动科技成果市场化，破解科技成果转化率低的全球性难题，探索科学规律与方法。乔岳副院长表示学院的两个任务一是构建创新转化数据库，发布科学研究，培训创新人才，为政府和企业提供数据支持与策略建议；二是扩宽实践平台，整合山东大学技术转移资源，与一汽大众、海信日立等企业共建研发中心，对接产业需求。
（1）数智化快速演进对于创新转化的影响
发言嘉宾：李玉军（信息科学与工程学院副院长）
李玉军以“人工智能发展与产业变革”作了即席发言。2022年后，人工智能（如ChatGPT）的爆发式发展，推动了学术与产业深度耦合，人工智能+的相关研究从高校扩展到企业，如微软研究院、英伟达等。人工智能发展的核心是数据，数据的来源是企业。人工智能将为科技成果的转化提供一个非常好的桥梁和手段，打破学科与行业壁垒，以技术的发展推动产业的变革。李玉军副院长提到了数智化会改变行业的发展理念，这不仅是技术的转变，更是思维模式的转变。从传统“需求分析-设计-开发”线性模式转向用户驱动的快速迭代，比如SpaceX火箭发射的“试错迭代”策略，积累数据、快速开发、市场反馈。
李玉军副院长认为AI工具降低行业的成本或者门槛，同时表明行业发展需要跨界融合和跨界创新，在科技发展的过程中警惕“野蛮人”跨界冲击。
发言嘉宾：梁少帅（青岛瑞思德生物科技有限公司研究院副院长）
梁少帅以“人工智能在生物医药行业的应用”作即席发言。人工智能在生物医药行业中的应用，分为智能化和数智化发展。大健康领域当中的细胞赛道分为上中下游三个环节。上游即细胞生产、制备与存储；中游是细胞技术开发与新药研发；下游是临床转化应用。对于上游而言，需要专业资质医疗团队操作，AI暂时很难替代细胞采集环节。随着监管政策的加强，细胞药物研发的制备工艺要求越来越高，为保证同一批次的样本稳定性，减少人工操作造成的培养结果差异，引入自动化设备。目前的两种方式是针对工艺流程的不同部分进行相关的模块化处理和细胞自动化培养工作站。但配套耗材成本的增加将制约技术的推广，完全自动化生产还需进一步探索。在新药研发阶段，人工智能技术可以辅助信息检索和概括，在短时间内获得大量信息资料，快速梳理全球研发进展，预测潜在靶点，缩小验证范围，提高工作效率。虽然数智化可以在一定程度上缩短研发进程，但总体投入仍需承担。
通过AI大模型训练和总结，可以短时间内制定出临床研究方案或临床试验方案的基础框架。在此基础上，通过人为交流合作，进一步完善临床方案。在实施过程中，AI模型可以快速反馈和总结患者应用相关医疗手段后的数据，及时调整方案。这对验证细胞药物是否有效以及未来研发过程中的布局有很大帮助。
发言嘉宾：郭庆存（青岛科学学与科研管理副理事长、国际创新转化学院兼职特聘教授）
郭庆存就“数智化对于创新转化的影响”与大家进行了交流。他将这种影响概括为三个方面：一是数智技术赋能，创新转化周期在缩短，使得传统的线性研究发展三个阶段（基础研究、应用研究和实验发展）的划分，不再那么严格，甚至在某些领域已无必要。在许多领域前后交叉融合、边研究、边转化、边迭代优化已经成常态。比如2024年度诺贝尔化学奖获得者人工智能专家哈萨比斯利用AI技术破解蛋白质折叠结构的诺奖研究成果，解决蛋白质折叠结构这一50年科学难题，直接加速新药研发进程，从科学发现到临床应用（如遗传病治疗）的周期大幅缩短。瑞思德公司研究院也在积极探索用AI将加速其创新转化过程。可用于修人类补基因缺损的基因编辑技术发明与发现纠缠在一起，让人们看到了在某些情况下，刻意区分基础研究和应用研究已无实际意义，王小云教授的密码科学与技术的研究工作更是很好的例证；二是数智技术赋能千行百业，使得学科交叉跨界融合成为重要的创新转化模式。山大信息学院在司法大数据重大研发项目，横跨文、理、工三大学科领域，涉及信息科学技术领域人工智能与大数据技术、人文社科领域的法学与国家治理乃至心理学的交叉应用，更是一项重要的法制系统工程项目。其研发过程与应用转化无缝衔接，在实际应用中不断迭代升级，现已建成全国最大的司法大数据平台，覆盖刑事民事审判、监狱管理等诸多应用领域；三是数智化时代的产业创新与竞争模式也在发生变化。数智化正在快速渗透到各个行业领域，竞争已经不再局限于行业內部，跨界融合创新转化出身的原行业外部的新进竞争者，或许就是最强的竞争对手。通过科技合作、技术转移等方式促成创新转化，要有跨行业跨领域的专业视野。
我们正在培养的从事创新转化专业工作技术经理人，面对跨界融合的创新转化新态势，需要具备更强的学习能力，以掌握必要的跨学科专业的知识和数智化的工具。学院的人才培养体系建设，也要聚焦复合型创新转化人才培养，包括开设“AI+专业”复合课程，强化案例与实践性课程的教学等，注重综合素质与能力的提升。
（2）数智化时代的创新范式与产业变革
发言嘉宾：牛水叶（国际创新转化学院院长助理，副教授）
牛水叶以“数智化驱动的产业变革双轮模式”作即席发言。数智化对于产业的影响有两个方面：产业数智化和数智产业化。数智化技术不仅仅是一个工具，更在重塑商业模式和思维方式。数智化时代的产业发展呈现出三个根本性转变，即创新逻辑从“机械论”（降低生产成本提高效率）转向“生态论”，价值创造从“线性增长”演化为“指数裂变”，组织形态从“精密机器”蜕变为“智慧生命体”。对于产业数智化，主要表现为传统产业的数字化、智能化转型和升级迭代，比如出现“灯塔工厂”这种智能制造模式；对于数智产业化，主要表现为数智化技术及赋能服务的产业化发展，出现生成式AI内容创作产业、数智化技术服务产业、数据交易市场等新兴业态。产业数智化与数智产业化并不是孤立的，可以产生双轮协同的飞轮效应，比如特斯拉的汽车智能制造与超算实现了协同进化。在数智化时代，大数据能够驱动现实生产场景的数字化再现，实现人机协同与智慧决策，也正在引发供应链在产品研发、需求预测、库存管理、营销服务等方面的智能化重构，企业运营管理越来越具有“确定性”。然而，对于“确定性”和“可能性”之间的冲突与平衡问题值得深入思考，应该适度保留“模糊地带”以激发突破性创新。未来应积极推进构建“确定性+可能性”并存的创新系统，培养人机协同的新型创新能力，推动创新链与产业链的深度融合发展。
发言嘉宾：朱婷婷（国际创新转化学院博士后）
朱婷婷以“从数据以及数据关系视角看数智化时代”作即席发言。数字技术的发展带来了创新范式的深刻变革，其根本动力在于数据这一新型生产要素及其复杂的数据关系。随着数据的广泛应用和交互机制的日益丰富，创新主体、创新要素、创新过程以及创新组织的形式都在发生深刻变化，数据开放共享正逐渐成为创新的重要催化剂。根据数据及数据关系的发展特征，创新范式的演进大致可以分为以下三个阶段：
1.信息稀缺和传递不畅的工业时代：创新活动主要通过封闭的、线性流程进行，并以较长的周期实现成果转化。
2.信息量增加和有限企业间交互的信息时代：随着信息技术的发展，企业间的信息交互逐步加强，创新模式由封闭走向开放，但仍以线性交互为主，市场需求与研发活动在产业链内局部协作，创新效率有所提升。
3.数据爆炸和全球实时互联的数智时代：创新活动呈现开放式协同的特征。用户、设计师、企业等多元主体广泛参与，依托海量数据实现即时反馈与智能优化。例如，海尔的开放创新平台和无人驾驶生态系统，通过数据实时采集和分析，构建了高度协同的创新生态。数字时代的创新范式以“数据 × 算力 × 算法”为核心三要素，推动平台企业崛起，加速创新资源的智能匹配和快速迭代。
未来需利用好数据要素的自由流动，进一步推动科技创新与产业发展和应用场景深度融合。
（3）数智化时代的产学研协同机制
发言嘉宾：赵云（国际创新转化学院院长助理，副教授）
赵云以“数智时代下的产学研协同创新：挑战与突破”作即席发言。融合数智化的工具，找出解决数智时代下的产学研协同创新中的老问题的新方法。赵云副教授指出了传统产学研合作的三大痛点：信任与资源共享壁垒，人力资源瓶颈。资金与风险管控创新转化周期长、投入大并且风险分担机制不完善。基于调研数据，有研究发现在欧美大学普遍存在学术创业绕开TTO(技术转移办公室)的情况，有些是无意违规，即专家或者创业者不熟悉成果转化流程，有些则是有意避开，主要原因在于对TTO服务的不信任、对自身商业能力的过度自信、流程繁琐和追求更大的经济利益。同时,由于高校评价体系与市场需求脱节，导致了科技成果转化率偏低。
未来应利用数智化技术，进行信任机制重构，比如应用区块链技术建立不可篡改的成果溯源系统；建立动态能力认证平台；整合需求库、成果库、专家库，搭建产学研数字中台都值得进一步思考来解决开放性问题。
发言嘉宾：曾丽君（山东科技大学教授）
曾丽君以“中国传统智慧与现代科技的融合之道”作即席发言。创新转化的核心挑战在于接口处的不连续，产学研之间存在"断层现象"。创新和转化之所以难，是因为在创意设想和产品之间的接口过程中存在不确定性，导致效率降低。因此，实现产学研协同一体化，降低接口处的不确定性，有助于提高效率，同时也可能孕育新的创新。在数智化阶段，跨学科团队协同，线上线下深度融合，可以降低接口的不确定性，也可以从不确定性中孕育出新的创新。在数智化时代，数智技术的发展赋能产学研协同在资源整合和创新能力等领域以更大的空间和更多的可能性。生命科学通过大数据技术赋能，可以取得突破式创新和科学技术快速转化，能源科学技术领域等同样可以。
另一方面，中国传统智慧在人类未来走向和数智技术发展方面有很大的参考价值、思维支持。中国传统智慧对人类内在需求有很多洞见、思考，如诚意正心、修身齐家、治国平天下的思维方式。技术不仅仅是一种“外合”的能力整合系统，更应该从人的内心出发，满足人的内在幸福感，实现“内合”。比如胖东来的新型管理模式，通过提升员工需求的“内合”来实现绩效提升的“外合”，智能不是科技发展的最终目的，实现人类最终的福祉才应是。我们既要提升技术的先进性，更要增加人们的幸福感和人类福祉。
发言嘉宾：王菁（山东大学（青岛）科研管理办公室项目主管）
王菁以“科技成果转化与山东大学政策解读”作即席发言。学校从战略高度推进知识产权保护与应用工作，将知识产权工作纳入系列综合改革和科学发展规划；成立由校长负责的科技成果转移转化领导小组与工作小组，全面负责知识产权工作；实行学校、科研院、学院和课题组四级管理，不断完善知识产权全流程管理体系；建立知识产权在绩效考核、人才评价中的政策导向，为科技成果转化提供了坚实的组织保障。
学校制定出台科技成果转化相关政策近20项，包括《山东大学科技成果转移转化工作管理办法》《山东大学科技成果知识产权管理暂行办法》等制度文件，覆盖知识产权管理、成果转化、国有资产管理、评价考核、创新创业、服务社会等方面，形成了完善的科技成果转化管理制度与政策体系。学校积极探索搭建数智化协同平台，整合校内资源对接企业需求池，提高匹配度的智能化和精准化。数智化时代，高校科研管理部门应立足“桥梁”定位，以数据为纽带、以需求为导向、以机制为保障，推动产学研从“物理结合”走向“化学反应”，真正释放创新转化的乘数效应。
（4）数智化时代的创新转化生态
发言嘉宾：王飞（国际创新转化学院PI团队负责人，研究员）
王飞以“产学研协同一体和多元共创创新生态”作即席发言。在数智时代，创新生态呈现出嵌套共生的圈层结构，一个国家的创新生态决定了其转化能力，而高质量发展则需要高质量创新和高质量转化。创新生态系统是以科技成果向现实生产力转化为核心的目标，通过多主体协同、多要素参与和多环节衔接形成的一个动态的网络系统，类似于天然雨林的一种比较复杂的生态系统，既有植物，也有各种动物，共同构成一个繁荣的创新生态。当前，大学成果的发布和企业应用的匹配度依然很低，很多企业不知道自己的需求是什么，本身的定位在哪里，只能提出浅显的项目要求。但在人工智能时代，可以通过海量数据筛选和AI匹配，对创新转化各个环节操作进行指导，给出资源匹配的建议，真正作到“量体裁衣”。
只有做到生态适配，才能抓住科技浪潮，勇攀高峰。苏州纳米产业以政府主导加中科院人才和平台优势，10年成全国第一。但有些盲目跟风地区研究碳纤维和无人机，则多数失败。
在数智化时代下，政府应注重数据治理，企业是创新主体，高校科研院所是创新的源头，要建立相应的协同机制。比如一个创新要素的融合平台，把所有的要素集中在一个平台上进行对接、拆分和拼贴，让创新要素流动的更加顺畅。创新转化生态要进行要素重构，建立类似"技术淘宝"平台，以专利解构引擎带动技术智能匹配系统，共创数智未来。
发言嘉宾：封红雨（橡胶谷集团有限公司副总裁）
封红雨以“创业生态与数据技术的融合与应用”作即席发言。苏州纳米产业生态的建设模式是政府主导+中科院纳米所+三大服务平台即投资、检测和孵化全流程流通。在10年内就成为中国纳米产业第一。通过自建团队、数据驱动的精准招商管理、低成本共享检测服务和资源支持来实现创新。
橡胶谷生态建设包括：与国家知识产权出版社合作，建设知识产权数据库；天然橡胶现货交易平台建设，交易额超过东京交易所和新加坡交易所；与中国石油与化学工业联合会联合主办12届高校创新大赛，积累400+化工院校数据……围绕技术和市场绿色形态，建成橡胶产业生态圈。数智创新是转化生态的催化剂，能够加速创新周期，降低成本；真正的、深入的、前瞻性的创新转化则依赖本身形成的生态系统基础，在市场上掌握高端资源前瞻性资源，构建"需求牵引-数据匹配-利益共享"的转化新生态。商业转化生态的核心目标是实现价值共创和新生态的形成。
发言嘉宾：乔岳（国际创新转化学院副院长，教授）
针对企业研发模式转型，乔岳教授指出不同企业的研发策略不同。追赶型的企业和技术消化型的企业，采用传统模式建立大型研发中心。领军企业则缩减自有研发，通过并购获取技术。由于技术迭代加速，传统研发中心响应滞后，难以适应发展，由此催生出科技服务型中小企业生态。
从大学的角度来讲，科技成果具有两种形式，一是已有的一些基础研究向市场推广，另一种是从市场需求出发，回归到实验室来定向研究。不同的形式，其转化效率差异很大。在过去，基础研发最终转化为产品的时间很长，从爱因斯坦的相对论到GPS导航花费了四五十年的时间，但在数智化的当下，开发一个人工智能的相关模型来解决问题落地可能只需要一两年即可投入使用。从科研到应用的迭代越来越快，转化周期不断缩短。相应的，我国高校的经费结构也会发生变化，目前的趋势是主要高校虽仍以纵向课题为主，但横向课题占比明显提升。
从创新生态系统上讲，未来人工智能竞争的关键要素在于数据与算力，以及其背后的电力和资金。相对于被电力基础设施制约的欧洲，中美在今后更加具备规模优势。未来的创新竞争，是生态系统的竞争——看谁更能高效整合技术、资本与市场需求。
