未来产业原创科技待突破******

　　近日，预见未来·把握未来——“未来产业展望”活动在京举行。来自战略界、科技界、企业界的专家学者围绕“未来产业——新时代首都高质量发展重要引擎”议题，探讨未来产业的未来可能。

　　与会者认为，未来产业已初具发展条件，但仍缺乏重大原创性成果，而补齐这块短板需要科技界与企业界的共同努力。

　　战略家说：

　　未来产业已初具发展条件

　　针对未来产业背后的技术逻辑、投资机遇和技术应用场景，中科院科技战略咨询研究院院长潘教峰表示，未来产业发展呈现3个态势。从产业创新方向看，全球主要创新型国家产业布局集中在智能、低碳、健康等前沿方向；从产业转型趋势看，注重未来产业与传统产业融合创新；从产业组织模式看，形成从技术、生产、产品到商业的全产业创新链。

　　“目前我国未来产业初具发展条件，但同时存在重大原创性成果缺乏，企业对源头技术基础研究投入较少，产业基础能力‘长板’优势亟待培育，科技成果产业转化率、知识产权价值较低等挑战。”潘教峰说。

　　他表示，未来一个时期是重塑产业竞争优势、推动制造强国建设迈出实质性步伐的关键时期，要通过提升科技创新能力、发展未来产业，挖掘创造更多新兴增长点。

　　中国宏观经济研究院产业经济研究所创新战略研究室主任姜江表示，未来产业带有明显的阶段性、时效性特征，就我国当前经济形势而言，新能源、人工智能、生物制造、绿色低碳、量子计算等前沿技术及其应用推广衍生的大量新业态新模式新产业，无疑是未来产业的主要构成。与此同时，能够发挥我国龙头平台企业优势、巨大应用场景优势的数字经济、生物经济等，也是我国未来产业当前及未来较长一个时期发展的重要方向。

　　科学家说：

　　三大未来产业领域研发机遇可见

　　一直以来，新一代信息技术、新能源、生物医药被视为最具前景的未来产业。

　　“今天的数字化就是100年前的电气化，是一个新时代的开始。从电气化到数字化，为我们提供了一个可持续发展的新引擎。尤其是电气化和数字化的融合，将为我们创造很多不同的机会和发展可能性。”中国工程院院士、阿里云创始人王坚说。

　　对于如何推动新一代信息技术高质量发展，王坚认为，数字化有3个非常重要的技术基石，即互联网、数据、计算。互联网是国家经济社会发展的基础设施，打破传统时空界限；数据是新的生产资料，成为国家、社会和企业的战略资源；计算是新的公共服务，成为国家、社会和企业的能源动力。

　　对于新能源领域的未来发展，中国工程院院士、生态环境部环境规划院院长王金南认为，气候变化治理将引发一场广泛而深刻的经济社会系统性变革，并促进绿色低碳产业及技术投资快速增长。我国的碳达峰碳中和是国际上排放压力最大、中和降幅最快、转型任务最重、投入成本最高的复杂系统工程。

　　王金南预判，电气化与智慧电网、光伏和风能发电、氢能、CCUS等负碳技术将成为全球及中国实现碳中和的优先发展领域。这些领域的投资预计占全球及中国应对气候变化总投资的70%以上。

　　在生物医药领域，中国工程院院士、国家新药（抗肿瘤）临床研究中心主任徐兵河表示，当前抗肿瘤药物研发呈现四大趋势，小分子靶向治疗药物仍为研发主流，免疫治疗药物迅猛增长，细胞/基因治疗方兴未艾，ADC、双抗等新型药物层出不穷。

　　他认为，中国抗肿瘤创新药研发取得很大进步，但仍面临挑战，如靶点同质化、源头创新储备不足、临床研究能力有待提高等。

　　企业家说：

　　加大研发投入，死磕硬核技术

　　在此次活动上，不少企业人士分享了他们对新技术新产业新业态新模式的预测。

　　北京能源集团有限责任公司党委书记、董事长姜帆认为，最具成长性的未来产业是新能源产业，现在集中爆发的是新能源汽车产业，下一轮迎来高速发展的将是新能源发电和新能源材料。

　　北京神州细胞生物技术集团股份公司董事长谢良志认为，生物医药行业可能是永远性的未来产业、朝阳产业。产业发展单靠资本支持远远不够，这既需要重视基础研究，也需要重视产业成果转化和政策扶持，同时在监管上应进一步扩大投入、更具灵活性，最终形成各方密切配合的市场环境。

　　北京金融控股集团副总经理李岷认为，全要素生产率边际增长点的关键在于数据要素，未来数据最重要的价值在于推动形成经济增长预期，这需要把更多资金资源配置到新兴的数字经济领域。

　　“未来产业是个永恒主题，有巨大的想象空间。但不管环境、产业技术、政策怎么变化，唯一不变的是企业的内在价值。”启迪之星（北京）投资管理有限公司总经理、主管合伙人刘博说。

　　小米集团高级副总裁兼手机部总裁曾学忠表示，坚持技术为本，坚定不移加大研发投入，坚持死磕硬核技术创新，坚持打造浓郁的工程师文化，是优秀创新企业必须保有的底色。

　　“做好未来产业投资，有赖于社会形成尊重企业家精神、增强技术科研人员与商业主动结合的意识、培育和重视创业资本力量的氛围。”洪泰基金创始合伙人、董事长盛希泰说。（倪思洁）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟