連續向院士發起“衝刺”後，比亞迪和寧德時代終於如願以償。中國科學院與中國工程院11月21日公佈的院士增選結果顯示，比亞迪首席科學家廉玉波、寧德時代首席科學家吳凱以及金發科技首席技術官黃險波成為院士。一見財經注意到，這是每屆兩院院士增選中，民營企業高級技術專家當選院士人數最多的一次。院士是中國科學技術方面和工程科技領域的最高榮譽稱號，院士制度是黨和國家為樹立尊重知識、尊重人才導向，凝聚優秀人才服務國家設立的一項重要制度。如此多的民企高級技術專家當選院士，一方面顯示出高層對民營企業和民營企業家的高度重視；另一方面也說明，民營企業正在和高校、國企一起成為科技創新的重要力量。/1今年當選院士的3位民企高級技術專家當中，有兩位來自新能源汽車相關領域。廉玉波1986年7月畢業於南京航空航天大學，主修材料科學與工程專業，獲學士學位。他曾在中國汽車研究中心任職參與設計，2004年2月加入比亞迪。2018年，廉玉波榮獲中國汽車產業紀念改革開放40周年“傑出人物獎”，2020年12月獲評第四屆“傑出工程師獎”，2023年榮獲何梁何利基金科學與技術創新獎。2023年，廉玉波就開始申請院士，為了專心搞研究。當年7月，廉玉波辭去比亞迪副總裁職務，擔任公司首席科學家、公司汽車總工程師和汽車工程研究院院長。在擔任副總裁期間，他的年薪超過一眾高管，2022年稅前年薪882.5萬元，僅次於執行副總裁李柯和高級副總裁羅紅斌；2023年稅前年薪671萬元；2024年消失在高管薪酬名單中。除了辭去高管，儘管已經60歲高齡，廉玉波還在繼續學習。2020年，廉玉波進入清華大學車輛與運載學院新能源動力系統團隊攻讀博士學位，導師為歐陽明高，為中國科學院院士。在“院士”的精心點撥下，廉玉波2024年完成4年學業，獲得清華大學能源動力專業博士學位。一年以後，他成功當選中國工程院機械與運載工程學部院士。寧德時代首席科學家吳凱在申請院士過程中也走了廉玉波一樣的路。吳凱為上海交通大學博士，於2012年8月至2015年11月任寧德新能源技術副總裁；2015年12月至2023年6月，任寧德時代首席科學家、副總經理。吳凱多年深耕高性能動力電池技術創新，帶領寧德時代在動力電池關鍵材料、產品設計與整合、製造工藝與裝備上取得了重大突破。吳凱也是2023年開始申請院士的，當年6月21日，吳凱辭去了寧德時代副總經理職務，繼續擔任公司首席科學家，同時擔任公司電化學儲能技術國家工程研究中心主任。寧德時代在年報中給出吳凱的辭職原因是：“為更加專注於公司新產品、新技術的研發工作，致力於新能源領域的開拓創新和技術引領。”/2比亞迪和寧德時代的專家在連續申請兩年後，成功當選院士，固然和他們的努力有關，但也和每屆增選院士的側重點變化有關。2023年，儘管廉玉波和吳凱都進入了中國工程院“機械與運載工程學部”候選人名單，但最終入選的大多來自高校和軍工企業科研機構。比亞迪和寧德時代都是中國頂級企業，這些年在新能源汽車和電池技術方面都有很大突破，按理說成為“院士”也並不奇怪。但當年評選院士的側重點和這次是不一樣的。新華社當時發佈的通稿顯示，本次兩院院士增選名額進一步向國家急需的關鍵領域和基礎學科、新興學科、交叉學科傾斜；向為國防和國家安全作出突出貢獻的科研人員傾斜；向承擔國家重大科研任務、重大科技基礎設施建設和重大工程並作出突出貢獻的科研人員傾斜。顯然，廉玉波和吳凱的研究，更多的集中在應用科技領域。再加上之前他們都是企業高管，大部分日常工作並不在科研一線。時隔兩年後，廉玉波和吳凱為何能成功當選院士？2025年4月25日，中國科學院、中國工程院分別發佈2025年院士增選指南，其中中國工程院首次為民營企業科技人才新增專項名額，這是今年院士增選的一大改革。事實上，從2019年起，兩院就表示在院士評選中要“特別關注”民營企業科技人才的要求，但過去這些年並未為民營企業的科技領軍人才設立專門的參選名額。之前雖然有部分民營企業的科技人員成為工程院院士有效候選人，但最終入選者寥寥。兩院今年為何要專門為民營企業科技人才新增專項名額？在一見財經看來，原因主要有兩個：其一、民營企業已經成為中國科技創新的重要力量。人民網最近發佈的一篇文章中披露的資料顯示，民營企業已成為科技創新的重要主體，貢獻了70%以上的技術創新成果，涵蓋了80%以上的國家專精特新“小巨人”企業和90%以上的國家高新技術企業。其二、讓更多民營企業專家當選院士，也呼應了國家這些年大力支援民營企業和民營企業家的政策傾向。今年2月17日，民營企業座談會召開，從《新聞聯播》畫面中可以發現，寧德時代曾毓群和比亞迪王傳福坐在第一排。可見，比亞迪、寧德時代等民企專家今年當選院士，實際上是有跡可循的。 (一見財經)

中共中央政治局4月25日下午就加強人工智慧發展和監管進行第二十次集體學習。西安交通大學教授鄭南寧同志就這個問題進行講解，提出工作建議。今天刊登一則鄭院士在北京智源大會”上，做的名為《機器行為與具身智能》的演講。以下為報告全文：大家好，今天我報告的題目是“機器行為與具身智能”。首先，我們來看一個相對簡單的十字路口場景，場景中有行人、有非機動車和機動車，我們看一看它的動態場景是如何構成的？十字路口的交通場景是不可預測的，但場景中的每個對象或稱之為Object直覺的判斷和他們對相互之間的行為關係的理解，形成了這樣一個相互關聯的穩定系統。人在這些場景中能夠迅速的理解和判斷各個對像在空間及其行為的關聯性。而自動駕駛也必須要能夠抽象和表述這種關聯性，才能做出精準地判斷，而事實上我們要讓機器機基於規律對交通場景的動態變化進行事先編碼是做不到的，我們需要研究在這種互動場景中，多個自主體的自適應行為。舉例來看，在F1比賽中，工作人員利用團隊協作可以迅速地完成車輛輪胎的替換工作，如何利用機器人叢集協作完成某項任務並給出科學的解釋，是一個值得探討的問題。討論1：機器行為模仿與解釋解釋行為是一個比產生行為更為困難的任務，因為幾乎人類所有的行為都是從環境中學來的，即刺激反應的結果。並不都像思維和情感這樣的內部事件，一台圖靈機能以一種無法與人類區別的方式活動，但產生出這樣的行為模仿並不足以模擬人的智能，因為兩者是一個完全不同的問題。解釋必須儘可能清晰地給出潛在的概括，並將它們與某些普遍的原理聯絡起來，這就是認知過程的理解。如果我們從人工智慧技術的發展來看，我們可以把人工智慧技術的發展分為如下階段：第一階段，統稱之為“專家學習系統”，專家系統是將領域知識和規則交給機器去搜尋。第二階段，簡稱為“特徵工程”，所謂特徵工程是講事先定義的特徵和答案交給機器去學習。第三階段，是將原始資料和標籤交給機器，利用深度神經網路讓機器自動學習特徵。在這一階段人工智慧取得了驚人的發展，特別是機器在語音和圖像識別與分類能力方面超過了人類。當前人工智慧發展朝著第四階段的方向發展，人類只需要將任務和目標交給機器，機器就可以像人類一樣感知和理解世界，人與人之間或社會會與物理世界自然互動，也就是說在這一階段探索具有人類意識的人工智慧系統，像人類一樣在廣泛的任務和環境中進行學習和適應，實現通用人工智慧。通用人工智慧理論上是具有自我意識、自主思考、學習計畫、解決問題以及理解複雜概念的能力，它可以在新的未曾遇到的情景下適應並執行任務，這需要廣泛的背景知識和常識，還有抽象思維和判斷等人類智能所有的關鍵特徵，這是一個充滿著不確定性的未來目標。討論2：機器行為面臨的挑戰人工通用智能現在不僅僅在技術上面臨著重大挑戰，而且還面臨著道德倫理、社會和法律等一系列重大問題。研究複雜動態不確定環境中的機器行為，存在著兩個基本問題：一、條件問題，是我們不可能列舉出一個行為的所有先決條件；二、分枝問題，是我們不可能列舉出一個行為有可能產生的所有隱性結果。傳統的人工智慧基本理論框架是建立在演繹邏輯和語義描述與形式化方法的基礎上，形式化的方法不可能為所有的對象或行為建立模型。機器行為研究面臨的挑戰，就是如何使人工智慧系統具有合作性的行為。德國心理學家設計了一個兒童心理學實驗，實驗中一位一歲半的兒童和媽媽坐在同一個房間的角落裡，一位成年人走進房間想打開櫃門，他一遍遍的撞擊著櫃門，這時神奇的場景發生了，並沒有人直接向這位孩子求助，也沒有人向他發出指令，但一歲半的孩子搖搖晃晃走過來，幫助這個成年人打開了櫃門。該實驗試圖想證明孩子可以自發的幫助別人，但這個實驗卻對人工智慧提出了一個重大挑戰，我們能否通過理解這個一歲半孩子的腦內所想，讓機器人也能具有這樣的智能性、靈活性與合作性行為？這個實驗告訴我們，智慧型手機器不能從工程機器的角度去理解它們，而且要將其視為一系列有自己行為模式及生態反應的個體或機器群體。另外一個實例，給出一段西安絕句“海棠不惜胭脂色、獨立濛濛細雨中”。讓電腦語言理解的程序和人，分別從一個圖像資料庫中找出最貼切這段詩的圖像。電腦找出了這樣一幅圖，海棠上掛滿著雨滴，正真是“海棠不惜胭脂色、獨立濛濛細雨中”。而人卻給出右邊這幅圖，一位亭亭玉立的少女在濛濛的細雨中沒有打傘，行走在幽靜的小道上。被測試的人在內心把這位少女比作海棠，在這樣的雨天這位少女全然不顧風雨的存在。人類理解詩歌往往是在內心深處將想像力帶入現實，通過自身的認知去欣賞。這首西安絕句是宋代詩人陳與義所寫的《春寒》，當時金兵入侵，南宋小朝廷處於山河破碎風飄絮，詩人南渡避難，借助在巴陵友人的後院，自號“園公”。2月的巴陵幾乎天天下雨，料峭的春寒還未結束，此時詩人流離失所，漂泊無依，不由地聯想起自身的境遇進行感懷，寫下了這首詩。在這裡，我們看到一幅圖像到了人類觀察者的腦中，在他的內心深處將想像力帶入了現實，圖像變成了生動的場景故事。這裡簡單的語言與圖像的聯想，說明許多重要的AI應用，例如機器視覺和自然語言理解需要大量對世界的認識資訊。為此，電腦需要掌握知識，這是幾乎所有AI研究者都同意的觀點。想像是人的一種虛構的能力，也就是人可以想像不存在事物的能力，但如何更加有效地把知識傳授給機器人，依然是我們今天面臨的一大挑戰。討論3：機器行為的研究範圍諾貝爾獎獲得者西蒙教授，在《人工科學》這本書中指出：自然科學是關於自然體和自然現象的科學知識，也有人工科學關於人工物體和人工現象的知識。如今，大量的智慧型手機器應用於人類社會的各個角落，幾乎所有層面。機器行為研究關注的是智慧型手機器，而非傳統的機械。它的研究範圍有：機器行為生成的人工設計，智能體如何憑藉經驗產生行為。還有機器行為的可解釋性，智能體如何根據場景響應機器行為。機器行為一旦失去監督所帶來的潛在危害是什麼？這些問題與智能體和人工智慧行為的信任是密切關聯的。諾貝爾獎得主、荷蘭動物學家Tinbergen提出：想要全面地理解一個演化出來的特性，我們需要回答四個問題：1、行為生成的機制，智能體生成行為的機制基於其演算法和執行環境的特點，我們利用可解釋性技術可以來理解特定行為模式背後的特定機制；2、行為的發展，智能體的行為是隨著時間的推移而發展，這就需要研究機器是如何獲得特定個體或機體行為。行為發展可以是工程選擇的結果，也可能是來自智能體的經驗；3、行為的功能，行為分析需要瞭解特定行為是如何影響智能體全生命周期功能，研究行為對智能體特定功能的影響；4、行為的進化，智能體容易受到進化歷史和與其他智能體互動的影響，從這個角度來看，研究機器行為需要關注智能體的進化。以上這四個問題就構成了演化思維的四個工具，需要強調的是發展並不僅僅意味著一種行為的出現，而是發展過程中行為機制的變化。討論智能個體如何獲得特定的行為，即機器行為的發展。這裡有三個基本的途徑：第一個途徑：人類通過演算法直接賦予機器行為的發展；第二個途徑：利用特定的互動訓練，刺激、塑造機器行為；第三個途徑：機器通過自身的經驗獲得某些行為，比如說機器可以通過記憶或強化學習等方式自主獲得某種行為的能力。機器行為的進化過程中，機器行為可以在發展中與所處環境和人不斷地互動，朝著環境和人特定的方向進化。同時由於機器不同於生命體，它的進化可以突破某種生命體的侷限性，而且可進化的機器行為可以傳播至群體廣泛的機器行為存在，也可能受到某些限制，阻止其傳播，機器可表現出非常不同於有機進化的軌跡。比如進化後的無人駕駛演算法，可以共享至無人駕駛汽車群體，實現行為能力的傳播。對此，我們對人與智慧型手機器的行為關聯做一個小結：1、機器塑造了人類行為：在社會系統中引入智慧型手機器可以改變人類行為的方式，智慧型手機器具有改變社會結構的潛力。2、人類塑造了機器行為：人類通過對人工智慧系統進行主動輸入或被動行為觀察的訓練來塑造機器行為，使用演算法直接來改變機器的行為。3、人機混合協同行為：大多數人工智慧演算法在複雜的混合系統中與人類共存的領域發揮著重要作用，如何分析和刻畫這類複雜系統中人機互動的屬性和行為，包括合作、競爭和協調都是至關重要的問題。討論4：具身智能和行為生成具身智能是一種機器自主感知環境、學習和理解行動的能力，從生物進化的角度來看，地球上所有智力活動都是生物通過自己的身體與環境互動後，通過自身學習與進化遺留下來的智力遺產。智能是具身化和情境化的，具身智能強調智能生物的智能化程度和它的身體結構存在著很強的相關性，也就是說身體不是等待載入演算法的機器，而是身體本身應該參與演算法的進化。非具身學習和具身學習對比是有差異的。非具身學習一般通過“大模型無監督預訓練+小樣本有監督微調”範式訓練神經網路，訓練得到的深度學習模型可以直接部署到不同的硬體環境，即演算法的學習獨立於硬體與環境，性能表現完全取決於模型的泛化能力。而具身學習通過在虛擬環境中訓練大模型得到常識表徵，在具體場景中通過強化學習來完成模型的進化，模型可以在特定的硬體和環境中完成自主的適配。由於大模型利用了超大規模的訓練資料，並且包含大量參數，使得它具備了超強的泛化能力與優秀的應用性能。大模型的具身智能行為生成可以分為兩大部分：一、人機互動；二、系統與環境的互動在人機互動部分，人與自然語言或圖文資訊的形式，將任務需求輸入到多模態大模型中，模型對不同形式的輸入進行特徵的嵌入後，完成任務理解和概念推演，並生成知識和決策，最後由機器人生成面向任務指令的相應行為。在系統與環境互動部分，機器人首先利用自身感測器，完成對情境的具身感知，然後根據大模型的學習結果對情境產生行為，最終完成行為的輸出。討論5：基於表徵學習與因果推理的具身智能計算框架要想使機器具有類人的認知能力，首先要建立事件模型，將物體、事件、事實等知識進行有效表徵，進而建構一個持續學習的系統，在解決一個具體任務時，機器根據感知資料、意識先驗、表徵學習、知識庫進行推理，尋找完成任務的最優策略。意識先驗的概念比較抽象，當你處在一個情景中，試圖去理解它，你會意識到它某些現實層面的情景或過去的經歷。意識先驗是在原始輸入和某些更高級表徵基礎上形成的抽象層次。討論6:動態開放環境中的人機協同的具身智能為了讓具身智能表現的更像人類智能，還需要在動態開放的環境中強化人機協同。以往的運動策略學習傾向於把人排除在外，僅由試錯、搜尋獲得儘可能大的長期累積回報的策略，無法適應開放動態的環境。而人在回路的決策學習，由任務、目標引導搜尋，實現行為決策的類人化。此外，還可以通過嵌入式視覺學習、模仿學習和互動學習，引入人的作用。動態開放環境中人機協同具身智能的一種基本框架。人在回路的人機協同決策可以使具身智能向人類學習。自動駕駛系統通過行為克隆向人類駕駛員學習，自動駕駛系統通過10個小時的學習已具有基本的駕駛行為，但仍然無法避障和應對突發事件。自動駕駛面臨著那些挑戰？自動駕駛是開放環境中一類重要典型具身智能系統，在複雜交通環境下，自動駕駛安全要有可靠的駕駛行為。首先，它需要解決複雜交通場景中的“周密感知”，無論天氣或照明情況如何，必須在所有條件下檢測道路特徵。其次，它需要進行“預行為”的理解，因為人類駕駛員都是根據預行為傳達行駛意圖。再次，它需要對“意外遭遇”做出應對，而簡單的基於規則的自動駕駛不可能提前為每個場景編碼。最後，“網路安全”，如軟體的漏洞或駭客的惡意行為等等。自動駕駛行為是如何生成的？首先，系統結合經驗與常識、場景理解以及交通態勢評估，並利用模型對結構化道路場景和非結構化道路場景進行預訓練，生成導航路徑。隨後，基於具身智能完成目標狀態採樣、待選運動路徑生成和最優運動路徑選擇，進行運動規劃，最後生出合理的、可執行的駕駛行為。重點討論自動駕駛行為決策，將思維抽象為符號計算對人工智慧的發展產生了重大的推動作用，但為所有的交通對象建立模型是不可能的。帶來這些困難的一個直接原因是：許多交通場景的複雜性和動態性，並不都是可觀測和可控的，行駛過程中對異常情況的處理能力，是無法通過事先大量樣本訓練得到，而且也無法獲得大量的負樣本，交通事故就是一大類負樣本，而人類駕駛員開車是將車外的無窮狀態空間約簡為動態變化的“可行駛”的“二域狀態空間”，自動駕駛行為決策就是要尋找一個可行駛區域。因此，從認知層面要解決的問題，就是如何把複雜未知的現實世界，變化成有限空間環境的語義理解，我們把它稱之為一種直觀的理解。怎樣定義自動駕駛這個問題？需要把場景感知和情景認知區別開來。所謂場景是指某個交通場合在一個特定的時間和特定的空間中，具體情景或景象，可以定義為一種實體，當然這種實體的描述是通過感測器的資料來獲得的。情境是指某一段時間和空間許多具體情形的概括，情境的境是指構成和隱含在場景中，相互交織的因素及其相互之間的關係，所以情境計算是對場景中各個對像在空間的行為互動關係解釋，交通場景中各種物體或對象空間關係和行為的描述在自動駕駛中就顯得非常重要了。如何發展一種具有進化的、自主學習的自動駕駛系統？需要從認知的角度去瞭解人類駕駛員是如何注意並獲取交通環境資訊的。而交通環境資訊是如何在大腦中儲存和加工的，特別是在產生駕駛行為的背後存在怎樣的內部表徵。首先，我們來看看人類駕駛員如何注意並獲取交通環境的資訊。在交通場景認知的選擇性注意中，目標的重要性是一種高級屬性，它包含目標的物理屬性、運動屬性、行為屬性。其次，我們以交通場景的注意、記憶和學習過程為例，簡單討論人類對交通場景認知的加工機制。人的大腦對感覺記憶中的一些特定資訊的注意即選擇，對注意到的資訊進行組織，再通過學習在短期記憶中建立聯絡，將長期記憶的資訊傳遞到短期記憶，以連接傳入的資料，即整合。最後將短期記憶的內容進行編碼，轉換為長期記憶。在組織、整合與編碼之間存在著互動機制，實際上人在知道發生了什麼之前，他的注意力已被顯著性對象所捕獲，人類駕駛員對交通場景的理解是在記憶和先驗知識的基礎上進行的模式匹配。自動駕駛演算法需要在一定程度上引入人類對交通場景認知的加工機制，人類對變化非常敏感，突然變化，比如說顏色、紋理、大小、位置、運動，對注意力影響最大。注意機制已經成為建構自動駕駛AI架構的靈感來源。產生駕駛行為的背後存在怎樣的內部表徵問題？人類駕駛員在駕駛過程中是將車窗外無窮狀態空間約簡為動態變化的“可行駛”和“不可行駛”的“二域狀態空間”，並根據常識和交通規則，以及對交通場景的感知來產生相應的駕駛行為。因此，自動駕駛需要對交通環境進行分層的認知表徵，它們分別是空間定位層、行為模型層、知識策略層和任務驅動層，這樣就可以從認知的層面將複雜、未知的現實世界變換成有效的自覺物體的語義推理。如何建構自動駕駛環境的“認知地圖“？建構自動駕駛認知地圖需要包括車輛、交通標識、障礙物、行人等構成的可行駛區域的基本屬性。同時要有遞迴網路所學習到的關於預注意機制、駕駛意圖等高級認知屬性，把車輛當前狀態與交通知識作為認知地圖的一部分。要根據場景動態的變化，來形成實踐上的認知地圖的訓練。依賴認知地圖就可以使自動駕駛系統從類人的角度去理解交通場景正在發生的動態隨機變化。這裡進一步給出一種具有選擇性注意機制的自動駕駛認知計算實現架構。在這個計算架構中，利用摺積神經網路提取場景的顯著性空間特徵，這些特徵與先驗知識相結合，形成一種對時間可視化認知地圖，通過長短期記憶的注意機制，界定認知地圖中物體間的關聯，然後通過價值迭代模型將對環境的認知對應到行為空間，給出行駛決策。模擬測試也是自動駕駛重要的關鍵技術之一，自動駕駛汽車在大規模商業化應用前需要進行大量的測試，相關研究報告指出：在不犯錯誤的情況下，自動駕駛汽車需要行駛4.4億公里，才能證明其在車禍致死率和人類駕駛員的水平相當。假設由100輛自動駕駛汽車，每天測試24小時，一年測試365天，測試平均時速60公里每小時，需要耗時8.37年。相當於一輛車在地球與月球之間往返572次，顯然採用實際道路測試將耗費大量時間。而模擬測試可以提供一種高效率、低成本的自動駕駛測試。作為自動駕駛重要的關鍵技術，模擬測試需要關注的一大挑戰為異常交通場景的感知與處理，由於異常交通場景出現機率低、缺乏測試資料，因此需要利用圖形學、電腦視覺生成多樣化測試資料，在模擬環境中對自動駕駛車輛進行充分快速的測試驗證。這裡我們給出了一種基於大模型的自動駕駛模擬技術的基本框架，應用機器學習可以生成多樣性交通場景來評價自動駕駛系統在不同交通場景下的駕駛性能，如安全性、舒適性、協調性，以及演算法的可靠性，以及是否遵守相關法律法規。該基本框架由資料集包括注入的真實感測器資料、機器場景描述、測試場景分類、典型場景選擇與表徵、典型場景生成，包含一些副樣本等五大部分組成。這裡是自動駕駛模擬系統測試生成多樣性交通場景，如前車變道，對交通場景標識識別，夜間會車，以及前方突然出現行人。我們團隊開展自動駕駛研究二十餘年，走到今天我們取得了很大的進步，但實現完全自動駕駛依然是一個令人興奮而又望而生畏的艱難挑戰。 (安慶糧食)

搶抓人工智慧發展的歷史性機遇——深刻領會習近平總書記關於人工智慧的重要論述 中國共產黨的十八大以來，以習近平為核心的黨中央高度重視中國新一代人工智慧發展。習近平總書記深刻把握世界科技發展大勢，深刻洞察人工智慧的戰略意義，指出：“人工智慧是引領這一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的‘頭雁’效應”“加快發展新一代人工智慧是事關中國能否抓住新一輪科技革命和產業變革機遇的戰略問題”。人工智慧具備典型通用技術特徵，是培育和發展新質生產力的重要引擎。當前和今後一個時期是以中國式現代化全面推進強國建設、民族復興偉業的關鍵時期。我們要深刻領會習近平總書記關於人工智慧的重要論述，加快落實一系列相關重大決策部署，與時代同頻共振，搶抓人工智慧發展的歷史性機遇，實現高水平科技自立自強，推動經濟社會高品質發展。 人工智慧引領新一輪科技革命和產業變革 當前，人工智慧已成為國際競爭的新焦點和經濟發展的新引擎，正在對經濟發展、社會進步、國際政治經濟格局等方面產生重大而深遠的影響。搶抓人工智慧發展機遇，加快發展新一代人工智慧是我們贏得全球科技競爭主動權的重要戰略抓手，是推動中國科技跨越發展、產業最佳化升級、生產力整體躍升的重要戰略資源。

【新智元導讀】2025屆美國工程院新科院士名單公佈！來自商界、學界和政界，共128位新成員和22位國際成員當選。其中， 清華校友曹培、山東科大和中礦大校友袁征、黑龍江大學校友張麗霞等，因網際網路相關領域的貢獻，獲此殊榮。此外，在電力、生物、化學等領域，多名華人學者入選。 據悉，美國國家工程院（National Academy of Engineering，NAE）2025年總選舉了128位新成員和22位國際成員。 NAE院士身份表彰那些在以下至少一個領域做出傑出貢獻的人： 工程實踐、研究或教育;

·李德仁。（新華社 熊琦 / 攝） 不久前，中國科技界“頂流”獎項——國家最高科學技術獎，授予了李德仁、薛其坤兩位院士。 李德仁是誰？最高科學技術獎為什麼頒給他？他為什麼要把800萬元獎金都捐出去？來看環球人物的採訪。 ·2023年度國家最高科學技術獎授予李德仁（右二）、薛其坤（右五）兩位院士。

自1863 年成立以來，NAS 每年增選新院士，以表彰他們在科技和工程方面的傑出成就。該獎項被視為美國學術界最高榮譽之一，目前，NAS 共有約2,400 名院士和500 名外籍會員，其中約190 名獲得諾貝爾獎。 歷史上，多位華人學者曾獲得美國國家科學院院士的榮譽，如物理學家吳健雄、李政道與楊振寧，數學家華羅庚、丘成桐，電腦科學家姚期智與雜交水稻育種專家袁隆平等傑出科學家。 2024 年4 月30 日，NAS 公佈了新一屆院士名單，此次評選新增共120 名院士及24 名外籍院士。 其中，當選的華裔科學家有鮑哲南（史丹佛大學），金芳蓉（加州大學聖地牙哥分校）、馮國平（麻省理工學院），付強（華盛頓大學），侯一鑷（加州理工學院），Liu Chen-yu（伊利諾大學厄巴納-香檳分校），施揚（牛津大學），孫太平（杜克大學）。

2023年美國藝術與科學院院士名單公佈，奧斯卡影后楊紫瓊入選外籍院士。繼今年2月當選美國國家工程院院士後，黃學東如今再次當選美國藝術與科學院院士。 今天，美國藝術與科學院（American Academy of Arts & Sciences）公佈了新成員名單。 本次共有270位來自各行各業的人士成功當選，其中包括來自23個國家的40多名外籍院士（IHM）。 有趣的是，奧斯卡影后楊紫瓊，和諾貝爾化學獎得主Emmanuelle Marie Charpentier也在名單之中。