当前，人工智能正深刻重塑科学研究的方法论和组织方式。生命科学领域尤为突出，其研究对象的复杂性和数据规模的庞大性，对计算能力和智能分析提出了前所未有的挑战。 生命演化研究面临的核心困境在于数据与计算的矛盾。随着基因测序技术的进步和多组学研究的深入，生命科学产生的数据呈指数级增长。中国科学院特聘研究员、国际著名生态基因组学专家康乐院士等与会学者指出，生命演化研究正在经历从假说驱动向数据驱动的范式转变。这个转变要求研究机构具备强大的数据处理能力、复杂模型分析能力和跨学科协同能力。传统的计算基础设施已难以符合这些需求，成为制约基础科研创新的瓶颈。 混合式AI架构为这一困境提供了新的解决方案。这一技术方案通过整合端侧、边缘与云端的算力资源，形成分层次、多维度的计算体系。在实际应用中，混合式AI可根据不同研究场景的需求灵活调配资源，既能在本地进行数据预处理和初步分析，保护研究数据的隐私安全，又能利用云端的强大算力进行大规模模型训练和复杂计算。这种架构设计特别适应高校和科研机构对数据合规性和计算效率的双重需求。 在生命演化等基础科研领域，混合式AI的应用前景广阔。它可支撑大规模基因组数据的处理与分析，加速演化发育生物学、生态基因组学等交叉学科的研究进展。通过提供高效的计算支撑，混合式AI有助于科研人员将更多精力投入到创新性的科学问题探索中，而非耗费在数据处理的技术细节上。这种转变本质上是在提升科研的创新效率，推动基础科学的范式创新。 然而，AI技术在科研中的应用并非仅仅是技术问题，更涉及体制机制创新。与会代表认为，推动AI在高校科研中的深度应用，需要形成高校、科研机构与企业的有效协同机制。这包括在基础设施建设、人才培养、科研组织等多个层面的协调与合作。联想等企业在提供算力基础设施的同时，也在积极探索与高校的合作模式，共同开发适应科研需求的解决方案。 从更宏观的视角看，这次论坛反映了我国基础科研正在进入新的发展阶段。一上，新一代信息技术与传统科学研究的融合日益深入；另一方面，国家对基础科研的投入和支持力度不断加大。混合式AI等新技术的应用，既是科研创新需要，也是推动高等教育高质量发展的重要途径。
基础研究的突破既离不开科学家的原创思想，也离不开与之匹配的科研条件与协同机制。当生命演化研究加速迈向数据与计算密集型时代，如何把算力供给、数据治理与人才体系有机衔接，将决定科研效率与创新质量。以开放合作促融合、以规范治理保安全、以场景牵引促应用，方能让技术进步转化为持续稳定的科研生产力，为高等教育与基础科研高质量发展夯实底座。