案由：基礎研究往往錨定科技發展的最前沿，是培養造就科研人才的搖籃，更是一個國家科技進步和經濟發展的動力源泉。目前，我國智能型基礎研究平臺建設仍存在三個短板：科研賦能型人工智能創新成果供給不足、科研賦能型人工智能創新成果影響范圍不大、算法原創能力不能滿足現實需要。

建議：一、科學篩選與人工智能具有高融合潛力的學科領域。人工智能對科研工作的深度賦能，更容易出現在人工智能與特定學科具有更高融合潛力的學科領域，從而形成高價值科研賦能型人工智能創新成果，常見學科包括物理學、化學、醫藥創新、合成生物學、天文學和材料學等。此類學科的數據材料基礎非常豐富，并且具有龐大的大數據處理需求，更適于借助深度學習等相關技術發掘數據中的潛在規律并建立模型。

二、 深化并提升科研賦能型人工智能創新的認知。科研賦能型人工智能創新是推動科研模式變革的底層技術，能夠從根本上改變科研方法、科研模式、知識創造等各個方面的深層基礎邏輯，極大提升科研活動的整體效率。相對于某些發達國家學術界和實業界已經傾力于科研賦能型人工智能技術并取得一系列突破性成果而言，我國對科研賦能型人工智能創新關注還不夠、投入還不足，僅在現有人工智能技術框架下開發新應用和漸進式優化的現狀亟須調整。

三、 提升科研賦能型人工智能創新資助的力度和維度。強化頂層設計，從力度和維度兩個方面加大對科研賦能型人工智能創新的資助。除了基礎創新平臺的建設，還需強化對科研賦能型人工智能創新項目的市場投資，加強高校、科研院所和企業之間的合作，使賦能型人工智能技術成果切實提高企業新藥開發、集成電路設計等研發效率。通過“產學研”深度協同，提升科研賦能型人工智能創新成果的高基礎性和高應用性，加快我國智能型基礎研究平臺建設步伐，提升前瞻部署能力。