四个维度推动高校科技成果转化数实融合

□ 王浩绮 周治

党的二十届三中全会要求“深化科技成果转化机制改革”，推动科技创新和产业创新深度融合，加快科技成果向新质生产力转化。强调要完善促进数字产业化和产业数字化政策体系，健全促进实体经济和数字经济深度融合制度，充分释放推动高质量发展新动能，为推进中国式现代化增添新动力。

高校作为知识创新的摇篮，承担着人才培养、科学研究和技术转化的重要使命。随着人工智能与大数据技术的发展，数实融合模式为科技成果转化提供了新的机遇和挑战。高质量构建科创资产数据化、概念验证智能化、应用场景数字化、产业孵化图谱化等高校科技成果转化新路径，对于推动科技成果有效转化为新质生产力具有重要的理论和实践意义。

科创资产数据化

科创资产数据化是指将科技创新过程中产生的数据资源转化为具有经济价值的数据资产（Data Asset）的过程。这一过程不仅涉及数据的采集、整理、聚合和分析，还包括数据的产品化和资本化，使得数据作为一种资产被管理和运用，进而推动经济的高质量发展。江苏省政府办公厅2024年11月印发《关于加快释放数据要素价值培育壮大数据产业的意见》，提出了以数据要素市场化配置改革为主线，建设国内领先的数据产业创新发展高地。在当前实体经济和数字经济深度融合的背景下，科创数据资产能够直接或间接为高校和企业带来经济利益，可以被明确地归属控制并在市场或组织内部进行交换流通。例如，通过建立科技成果转移转化数据库，可以搭建精准的科技成果转移转化服务平台。

科创数据的深度挖掘、广泛应用与合理流通是释放科技成果转化要素潜在价值、加速数实深度融合的关键路径。高校应加快推进科创数据的资源化、产品化和可测化过程，系统开发聚焦高校优势学科与科技成果积累的原始数据并将其组装成数据资源，基于数据资源和市场需求开发相关产品和服务，为每项基于数据的产品或服务确定可交易和测量的计价单位，并将相关交易纳入高校的财务、合规及风控等流程。同时，高校技术转移管理运营机构，如全国高校区域技术转移转化中心（江苏）等高能级平台可探索建立有效的科创数据资源管理体系，涵盖数据标准和质量、数据安全和价值、数据共享和挖掘等管理职能，将有助于提高科创数据资源价值增值能力。构建共治共享的科创数据资产管理格局，促进科创数据资产合规高效流通使用。通过有效的管理和运营，切实提高科创数据资源的经济价值，促进科技创新和产业升级。例如，南京工业大学推出了江苏省首个高校数据产品“高校科研成果汇编数据（南京工业大学）”和“高校科技产业转化数据（南京工业大学）”，通过对科研成果进行数据清理、加工、标注和脱敏处理，并设计数据字段，形成结构化的数据产品形态，两个数据产品均获得南京数据交易平台颁发的数据产品登记凭证，并在南京市公共资源交易中心上架。

概念验证智能化

概念验证（Proof of Concept,简称PoC）是将创新概念和早期科技成果转化为可初步显现其潜在商业价值的技术（产品、服务、系统）雏形的过程。2024年，江苏省科技厅首批支持建设10家概念验证中心，主要依托高校院所建设,为科研团队提供种子资金、商业顾问、创业教育等服务。概念验证智能化是指通过集成人工智能（AI）技术工具和方法对科技创新概念进行验证和测试，更有效地评估科技成果的商业潜力和技术可行性，降低转化过程中的风险。

高校应聚焦科技成果转化效率和成功率的提升，系统构建从创意到原型加速转变的概念验证智能化体系。例如，在原理验证层面，设计AI技术用于模拟和预测技术原理的实际应用效果，通过大数据分析和机器学习算法，对科研成果的技术可行性进行评估和验证。

应用场景数字化

数字化转型是信息时代企业级核心战略，涉及将数字技术融入企业运营的各个方面，以提升效率、创新业务模式和增强竞争力。应用场景数字化是指将科技成果应用于数字化场景中，以实现科技成果的快速转化和应用。数字化场景包括智能制造、智慧城市、远程医疗等领域，这些场景为科技成果提供了实际应用的平台和环境。例如，通过数字化转型，企业可以实现生产模式的变革，如“无人工厂”模式。

高校技术转移的应用场景往往是多维度和跨学科的，涉及从基础研究到市场化产品的全链条，因而应用场景的数字化也将面向企业的战略升维、组织架构、生产模式、营销模式、运营模式和边际拓展等各个层面，关系到从单一的生产流程到整个供应链的优化。

产业孵化图谱化

产业孵化图谱化是指通过构建产业图谱来指导和优化产业孵化过程，涉及到对产业链的深入分析、技术路线的规划、产品应用的梳理以及区域布局的优化。通过产业图谱，可以在国家和区域战略层面统筹产业生态构建，有助于精准定位产业方向，细分市场发展。

高校在科技成果转化体系升级过程中应建立产业孵化图谱化思维，围绕各高校优势学科方向广泛开展交流与政策研究，根据国家相关产业规划、产业发展白皮书等进行产业研究，摸清楚行业发展格局和最新趋势，基于区域生态本底进行挖掘，进而依托大数据分析、空间分析等技术，自动化学习产业分布的空间规律和依存关系，并经可视化处理后形成各类图谱，结合相关数据分析、洞察和解读，形成一整套项目成果应用于产业孵化。

综上所述，统筹推进科创资产数据化、概念验证智能化、应用场景数字化、产业孵化图谱化四个维度是深入推动高校科技成果转化数实融合的有效策略。未来，高校科技成果转化应着力加强数实融合模式下的技术转移跨学科研究，深化产学研数实融合的强基韧链发展，以实现高校科技成果转化为新质生产力的最大效益。

（作者单位均为南京工业大学；本文系2024年度江苏省教育科学规划课题重点课题“面向江苏省未来产业的工科研究生教育质量监督保障机制创新研究与实践”〈B-a/2024/03〉阶段性成果）