实施好关键核心技术攻关工程

回答 您好，我正在帮您查询相关的信息，马上回复您。 提问 好 快点好吗 回答 亲您好，当今世界，核心技术，高端科技就是现代的“国之利器”，实践反复告诉我们，在引进高新技术上不能抱任何幻想，关键核心技术是要不来，买不来，讨不来的。只有把核心技术真正掌握在自己手中，才能真正掌握竞争和发展的主动权 提问 才这么点 太少了 回答 想要打好核心技术攻关站，我国首先应该加强基础研究。加强基础研究，是增强原始创新能力的重要基础，引导鼓励有条件的企业增强自主创新能力、解决技术短板问题，在核心技术上不断实现突破，掌握更多具有自主知识产权的关键技术，掌控产业发展主导权；其次应该充分发挥企业家和科技人才的作用，引进培养一批具有国际水平的战略科技人才、科技领军人才、青年科技人才和高水平创新团队，让包括关键核心技术攻关在内的创新创造活力充分迸发；然后推进产学研深度融合。关键核心技术攻关是一项系统工程，需要产学研深度融合；最后健全社会主义市场经济条件下新型举国体制。 打好关键核心技术攻坚战的重要目的之一，是为了提升创新链整体效能，促进科技创新与实体经济深度融合。《建议》强调，“加强知识产权保护，大幅提高科技成果转移转化成效”。建设制造强国、质量强国、网络强国，需要充分发挥我国超大规模市场和完备产业体系的优势，完善和细化知识产权创造、运用、交易、保护制度规则，加速科技成果向现实生产力转化。只有这样，才能有利于提升产业链供应链现代化水平、发展战略性新兴产业、加快数字化发展，从而提升我国产业技术发展水平，形成参与国际经济合作和竞争新优势。 更多6条 

（一）去IOE问题IOE是指IBM、Oracle、EMC三家公司。IBM主要提供服务器，小型机；Oracle是数据库，数据管理；EMC主要是做存储方面的解决方案。这三家公司在银行、金融机构里都有非常大的市场份额。银行过去主要用这三家公司的产品和服务，因为它的可靠性非常好，在市场上占有率非常高。中国的银行业、金融业，这三家公司的相关收费是非常高的。当然这不仅仅是钱的问题，更涉及到国家核心信息的安全问题。因此，我国去IOE化是国家信息化发展中无法回避的问题，我们需要研发自主可控的替代品。但是，国产化过程是很艰辛的。比如我从事的数据库行业，人大在国内数据库行业算最早几家做国产化的。例如人大金仓数据库公司，目前在国产数据库方面是排在前面的公司之一。但国产替代是一个漫长的过程，因为产品质量、稳定性等还需要长期打磨，与国际代表性产品Oracle还有较大的差距。最近几年一些有互联网背景的国产数据库发展迅速，值得我们去关注。（二）芯片问题另外一个领域是芯片制造。从中兴事件可以看出，中国芯片制造领域对国外依赖非常大，尤其是重要的CPU、GPU核心硬件。以光刻机为例，制造芯片要依赖光刻机。光刻机是制作芯片的专门精密设备，需要在相对封闭环境下做高精密的芯片生产制造。这方面我们国家依赖进口，自己很难制造高精度设备，或者制造出来质量也很难达到要求。这是现在非常严峻的“卡脖子”的事儿。为什么我们芯片的档次上不去？其中很重要的一个原因就是在制造的仪器设备上。另外，从行业背景看，互联网、软件行业更好找工作，更吸引人一些，所以对传统的仪器设备的研发投入各方面都没引起重视，人才的流失也就非常严重，导致我们积累很难突破核心关键技术，缺乏制造工艺方面的底蕴，这也成为“卡脖子”的事儿。这是硬件层面上。（三）系统软件差距在软件层面上，除芯片外，差距更大的是在系统软件问题。例如国产操作系统、数据库、大数据软件、工业软件等。在工业软件领域，面临人才短缺，缺乏积累等。在大数据时代，开源软件越来越多，对我们来说有好处，可以更多地参考。但大数据系统软件研发，比如Hadoop、Spark这样比较流行的软件也都是美国主导（研发）起来的，我们自主研发这些非常少。我们国家很多企业也意识到了这个问题，最近看到阿里、华为等公司投入很大精力做开源软件、自主软件的开发，有了一定的进步，但人才培养和科研实力差距还是非常大。（四）人工智能快速发展背后的隐忧人工智能这些年进步非常快。最近三五年大家也能够看到，国内的人工智能非常火，无人车、语音识别、图像识别技术进步非常快。这里有个例子，也是前几天，我刚看到的例子，在国际上人脸识别领域里，全球有个国际人脸识别比赛。前5名都被我国公司包揽。当前一些人工智能算法方面中国确实领先，相比精度比其他国家要高。目前，国内最火的是算法工程师，人工智能应该在软件领域的关键就是算法。例如，现在机器学习非常火，导致大批学生往这方面扎堆，忽略了基础软件研发问题。他们认为算法找工作最好找。据了解我校今年毕业人工智能和算法相关的硕士好多能拿到40万左右，好的博士生能达到80万，他们认为做AI、做算法适合市场的需求，于是一窝蜂跑去做算法。相对而言，算法比较容易入手，老师不讲，自己花几万元出去培训机构那里学学，再练练编程，开放的课程都有很多，学生也有渠道去学。但系统软件做得很少，搞深度学习的都知道，TensorFlow这样软件强大在是一个系统化的深度学习软件，这也不是我们自己研发的，是Google这样的国外大公司和核心科研团队研发出来的。Google开源出来，它的技术落后已经三五年甚至更长时间。Google不可能把最新最强的技术开放出来。这就是我国人工智能研发背后的隐忧，基础性独立研发不足。（五）大数据战略资源争夺难以避免为什么中国大数据、人工智能发展这么快？其中背后的关键原因之一是数据资源问题。大的互联网公司，大数据、人工智能对他们肯定很重要。但对高校而言自然而然缺乏数据的资源，没有大数据，人工智能也很难去谈。美国的环境有其掣肘，美国大学的老师跟我们讲，他们不是很容易有途径弄到大数据，它的隐私保护、政策、法规的约束，导致他们在做技术突破创新的时候都相对保守很多。这背后是大数据战略资源的较量。有些媒体把大数据比喻为新石油，说明它的重要性。而全球未来围绕数据资源的争夺也难以避免。（六）清醒认识我国在大数据人工智能方面的优势和劣势我们国家在大数据、人工智能产品研发上发展迅速，应用领域推进得很快，西方国家必然会感觉到很大的威胁性，尤其我们经济规模这么大，美国肯定是要想办法遏制我们，遏制我们通过什么途径？就是“卡脖子”，我们的弱项，最典型的是工业领域就最核心的东西，如飞机的发动机，我刚才提到的光刻机、系统软件都是我们薄弱的环节，就容易被他们抓住这个脖子。我们是理工科，做这些项目，智能制造、大数据都是做“卡脖子”工程，从0到1，不是已经有了把它做得更好，而是你没有这个东西怎么把它建起来。美国对我们的制裁，假如Oracle对我们制裁，不给我们提供的话，国内数据库厂商机会就来了。西方的技术扼制，短时间是坏事。但从长远看的话，我国的独立自主技术发展，如果进一步完善国内竞争机制，把握好自主研发的保护、竞争和淘汰机制，迈向国际一流只是时间问题。我结合自己做的事情的理解，我们国家最近五六年，大数据、人工智能发展非常快，有可能超过美国。当前我们国家对全球各国人才也很有吸引力，高端人才也回来了。为什么在中国做大数据、人工智能有优势呢？因为我们数据资源丰富，用户多，场景极为丰富。这是我国面向未来大数据与人工智能发展的核心竞争力。劣势的地方主要体现在一些系统基础性的地方。如基础系统软件等。“卡脖子”的地方，不仅仅需要应用产品，还需要基础性的东西，需要体制，需要底蕴，方方面面提高上去才能做出来。还有个问题，现在互联网发展太快了，人工智能把很多优秀的人才挖走了，学校的学生就面临这个问题。基础性研发市场竞争力相对较弱，学生们不愿意做系统，不愿意做底层代码开发和基础系统建设。总是希望做算法、期望更高薪水，需要时间，需要市场来回调。因此，基础系统软件这些方面的人才流失问题也要引起重视。另外，知识产权的保护的问题也要进一步加强，只有产权保护越好，创新的回报才能得到更多保护。总的而言，只有脚踏实地，夯实基础，才是我国应对西方技术扼制的可靠方法。