目前对我国来说关键核心技术发展需要庞大的什么难以

核心技术之所以核心就是因为它比较难，高精尖，所以科学研究要有侧重点，还应该鼓励相关的企业自主创新，研究新技术新方法还有就是鼓励相应的国外的留学生回国，有很多科学家都是在国外学习到很多的知识方法，回国进行研究分析的

推荐《复杂性科学视野下的科技创新》，这篇文章指出了包括以高校和科研院所为主体在内的的仅仅关注技术进步的科技管理体制的局限性，并从创新双螺旋演进的角度要进一步构建面向用户需求的应用创新的制度设计，实现“技术进步与应用创新的良性互动”，只有这样才能使科技成果真正适应用户需求，适应市场化以及非市场化的需求。这也就是面向用户需求、以开放创新、共同创新为特点的“创新0”的主要研究领域。科技创新是各创新主体、创新要素交互复杂作用下的一种复杂涌现现象，是技术进步与应用创新的“双螺旋结构”共同演进的产物。信息通讯技术的融合与发展推动了社会形态的变革，催生了知识社会，使得传统的实验室边界逐步“融化”，进一步推动了科技创新模式的嬗变。要完善科技创新体系急需构建以用户为中心、需求为驱动的共同创新、开放创新的应用创新平台，实现技术进步与应用创新的并驾齐驱，打造用户参与的创新0模式。在多主体参与、多要素互动的过程中，作为推动力的技术进步与作为拉动力的应用创新之间的互动推动了科技创新。技术进步和应用创新两个方向可以被看作既分立又统一、共同演进的一对“双螺旋结构”，或者说是并行齐驱的双轮——技术进步为应用创新创造了新的技术，而应用创新往往很快就会触到技术的极限，进而鞭策技术的进一步演进。只有当技术和应用的激烈碰撞达到一定的融合程度时，才会诞生出引人入胜的模式创新和行业发展的新热点。科技创新正是这个技术进步与应用创新“双螺旋结构”共同演进催生的产物。 应用创新，就是以用户为中心，置身用户应用环境的变化，通过研发人员与用户的互动挖掘需求，通过用户参与创意提出到技术研发与验证的全过程，发现用户的现实与潜在需求，通过各种创新的技术与产品，推动科技创新。应用创新要求建立畅通高效的创新服务体系，为技术与产品研发提供最贴近市场和用户需求的信息，推动应用创新，并进一步提供技术进步的动力。同时，技术研发方通过以应用为核心，进行技术集成创新，培养产品设计能力、研发能力，逐步向产业上游发展，推动产业的更新换代，提升整个行业科技水平。目前在科技创新体系还更多的注重技术进步，对面向用户的应用创新较少给予关注。科技成果的转化率低、实用性和推广性差等很多科技管理体系的弊病都与此相关，技术发展与用户需求对接出现了问题，造成技术进步与实际应用之间的脱节。制度设计对于技术发展、产品转化十分重要。当我们通过高新技术园区这类制度设计推动了以研究院所为主体的创新、甚至推动了企业为主体的自主创新，实现了产业的集聚、技术的集聚、人才的集聚的时候，我们却没有很好的在制度层面上解决技术的应用、转化以及以用户需求为中心的应用创新的机制，在科技支撑经济社会发展、特别是公共服务业的一线管理与服务方面缺乏动力。为进一步完善科技创新体系，我们有必要在应用创新方面通过开放创新、共同创新平台，即应用创新园区的制度设计，来实现用户、需求的集聚，实现以用户需求为中心的各类创新要素的集聚和各类创新主体的互动。以高新技术园区和应用创新园区两种制度设计的高度互补与互动，形成技术进步和应用创新的两轮驱动、并驾齐驱，通过“双螺旋结构”的互动全面推动科技创新将是探索健全和完善科技创新体系的一个重要探索。科技工作的实践让我们深刻认识到科技创新是创新主体、创新要素交互复杂作用下涌现出来的，科技创新必须实现技术发展与应用创新的并驾齐驱，在“双螺旋结构”作用下推动。在技术发展方面，我们要以高新技术园区为平台，通过资金、人才、技术等要素的集聚孵化新企业、孵化新技术；在应用创新方面，可以通过“三验”应用创新园区的摸索，以应用创新园区为平台，通过用户的集聚、需求的集聚以及各创新主体、创新要素的集聚，推动应用创新，谋求技术进步平台与应用创新平台的对接，通过需求与技术的对接和互动，构建一个高效的创新体系。我们要充分利用信息技术融合与发展给科技创新带来的新机遇，通过“三验”应用创新园区的探索逐步构建用户为中心、需求为驱动的创新服务总线以及新型的创新价值链合作伙伴关系，全面打造创新0模式，推动全民参与科技创新，营造创新氛围，推动开放创新、共同创新，探索进一步建全和完善我国科技创新体系。

（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。