案由：基础研究往往锚定科技发展的最前沿，是培养造就科研人才的摇篮，更是一个国家科技进步和经济发展的动力源泉。目前，我国智能型基础研究平台建设仍存在三个短板：科研赋能型人工智能创新成果供给不足、科研赋能型人工智能创新成果影响范围不大、算法原创能力不能满足现实需要。

建议：一、科学筛选与人工智能具有高融合潜力的学科领域。人工智能对科研工作的深度赋能，更容易出现在人工智能与特定学科具有更高融合潜力的学科领域，从而形成高价值科研赋能型人工智能创新成果，常见学科包括物理学、化学、医药创新、合成生物学、天文学和材料学等。此类学科的数据材料基础非常丰富，并且具有庞大的大数据处理需求，更适于借助深度学习等相关技术发掘数据中的潜在规律并建立模型。

二、 深化并提升科研赋能型人工智能创新的认知。科研赋能型人工智能创新是推动科研模式变革的底层技术，能够从根本上改变科研方法、科研模式、知识创造等各个方面的深层基础逻辑，极大提升科研活动的整体效率。相对于某些发达国家学术界和实业界已经倾力于科研赋能型人工智能技术并取得一系列突破性成果而言，我国对科研赋能型人工智能创新关注还不够、投入还不足，仅在现有人工智能技术框架下开发新应用和渐进式优化的现状亟须调整。

三、 提升科研赋能型人工智能创新资助的力度和维度。强化顶层设计，从力度和维度两个方面加大对科研赋能型人工智能创新的资助。除了基础创新平台的建设，还需强化对科研赋能型人工智能创新项目的市场投资，加强高校、科研院所和企业之间的合作，使赋能型人工智能技术成果切实提高企业新药开发、集成电路设计等研发效率。通过“产学研”深度协同，提升科研赋能型人工智能创新成果的高基础性和高应用性，加快我国智能型基础研究平台建设步伐，提升前瞻部署能力。