王帆 复旦发展研究院研究员

高校智库在哲学社会科学高质量发展中扮演着日益重要的角色。当前，高校成为智库主力军，覆盖综合、行业、区域、专项等多类型，呈现出治理模式创新、学科交叉融合、服务能力增强等积极特征。同时，随着高校新型智库建设的深入推进，也带动了高校学科评价、资源配置与人才培养等方面的深刻调整，产生了不可忽视的溢出效应。面向未来，高校智库应着力打造思想库，推动政产学研用一体化，加速数字转型，提升国际传播与话语权。同时， 高校智库还需致力于将专业学术成果转化为公众可理解、社会可讨论、政策可参考的公共知识，充分发挥“咨政启民”的作用。让研究成果成为公众可感知、可参与的社会议题，真正触达社会、服务公众。

黄昊 复旦发展研究院副院长

复旦发展研究院自1993年成立以来，就形成了具有鲜明中国特色的问题意识与理论脉络。早期研究立足中国实际，以“重新认识中国”为核心关切，强调正确处理改革、发展与稳定之间的关系。2011年提出的“双轮驱动”理论明确了国家驱动与社会驱动两大动力主体之间的协同关系。2016年，研究进一步将安全纳入发展分析框架，提出发展、治理和安全三位一体的辩证统一。2021年，针对“国家发展动力”理论体系的构建开始推进并在持续完善。回顾33年的发展历程，研究院始终以发展为核心议题，立足中国实际，高度重视跨学科研究与有组织科研，在方法论上实现了从现象描述到机制分析、再到理论建构与指数化实证的递进，这也是“学术理论相承，学术运营相生”的生动写照。

刘虹 复旦发展研究院副研究员

生成式人工智能正在重塑知识供给方式，大学长期赖以确立自身价值的三类稀缺资源——系统化知识资源、专业化学术训练和权威性学历认证——正在受到深刻冲击。知识获取门槛显著降低，大学作为“知识入口”的独特性被削弱，亟需从知识提供者转向能力塑造者，从传递既有知识的场所转向引导学生进入真实复杂问题世界的场域。人工智能对高等教育的重塑，集中体现在科研创新、教学范式、大学治理三个层面：它既提升科研和教学效率，也倒逼高校重构教育目标、评价方式和治理机制。面对AI可能带来的认知失能、判断失能和教育失能，高等教育需要重新审视人才培养的目标，更加注重认知审慎能力、复杂问题重构能力和负责任的人机协作能力的培养。AI时代高等教育最重要的任务，不是追赶技术，而是在技术快速发展的过程中重新思考大学教育的定位，重建人的核心能力。

宋靓珺 复旦发展研究院副研究员

在数字化加速发展的背景下，老年人面临的不再仅仅是传统的“数字鸿沟”，而是一种更加隐蔽的“数字藩篱”。数字鸿沟并非天然存在于年龄之间，而是制度设计、技术设计与社会支持结构共同塑造的关系性差距。大模型、推荐算法和自动化决策系统可能带来年龄歧视性偏差、黑箱决策和大数据杀熟等系统性风险，而这些结构性缺陷的代价往往由最不具有算法议价能力的老年群体先行承担。因此，应以“数字包容”理念重新理解老年人的数字融入问题，从数字技术的可得性、数字能力、效益共享三个维度推动包容性发展。从“数字困境”走向“数字红利”，本质上是智能社会在治理维度上自我修正、自我重构的过程。实现这一转型，需要超越“教老人用手机”的简单逻辑，在制度设计、技术开发和社会支持等多个层面协同发力，让每一代人在技术快速迭代过程中共享发展成果、不被高速发展的时代遗忘。

卢洋 复旦大学老龄研究院副研究员

意识问题作为“古老的前沿科学”，至今仍是认知科学和脑科学领域的重大未解难题。从笛卡尔到爱因斯坦，从希波克拉底到当代神经科学，“意识从何而来”始终是该领域最核心、也最难破解的问题之一。尽管过去数十年脑科学研究取得了长足进步，但人类至今仍未真正破解意识产生的根本机制，“意识难题”的追问依然没有被科学完全解答。当前人工智能只学习了人类的语义性、命题性知识，而人类大量无意识的动作技能、内隐的程序性知识、情感解读能力，AI尚无法企及。当前AI的发展更像是“能而不智”，其在深层心理理解、人际互动和社会结构认知方面仍存在明显局限。在工程转化方面，脑机接口、睡眠调控、认知老化干预等前沿探索正在推进。尽管AI在某些重复性任务上表现优异，但在涉及身体接触、情感理解、价值判断等复杂领域，其能力仍有较大局限。未来AI与人类的关系更可能是互补协作，而非简单替代。

张磊 复旦发展研究院、

网络空间国际治理研究基地助理研究员

人工智能技术正在深刻重塑网络安全的整体格局。传统的单点式、高精尖专家驱动的攻防模式，正在向攻防机器人驱动的体系化对抗转变。AI使得自动化、自适应防御成为可能，实现了实时的攻防对抗。然而，以Claude、Copilot为代表的国外先进模型对国内实施严格封锁，形成了显著的技术壁垒。这带来了两类风险：一是网络攻击手段日益多样化，二是关键基础设施面临的威胁持续增加。当前大模型的参数量虽已突破千亿，但参数并非越大越好——推理时间变长、幻觉问题加剧、注意力分散等问题逐渐暴露。未来的竞争焦点正在从模型能力转向“代理工程”，即通过工作流优化和诊断模型修正来提升整体智能化水平。在此背景下，网络空间安全治理面临两大核心命题：如何用AI提升安全防护能力，以及如何确保AI本身的安全性。如何在技术创新、安全治理与自主可控之间形成平衡，将是未来网络安全领域需要持续探索的关键议题。