人工智能作为新一轮科技革命和产业变革的核心驱动力，已被提升至国家战略高度，正在深刻重塑世界未来。2025年4月25日，习近平总书记在主持中共中央政治局第二十次集体学习时强调，“面对新一代人工智能技术快速演进的新形势，要充分发挥新型举国体制优势，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展”。作为教育、科技、人才一体化发展的交汇点，高校理应充分发挥基础研究的主力军、重大科技突破的策源地作用，而随着基础研究对下游技术创新的作用日益深化，现实应用已成为基础研究的重要导向。南京航空航天大学人工智能学院坚持“特色引领、交叉融合”的建设思路，响应国家战略需求，持续强化基础研究和前沿探索，积极构建“人工智能+”科研体系，以人工智能赋能航空、航天、民航“三航”发展，促进符合时代需求的交叉学科发展，着力打造人工智能创新高地，为推动形成新质生产力贡献原始创新力量。
面向智能时代，人工智能布局加快推进
“谁能把握大数据、人工智能等新经济发展机遇，谁就把准了时代脉搏。”2017年，国务院印发《新一代人工智能发展规划》，标志着我国人工智能产业进入系统性布局阶段。
顶层设计指明前进方向。从中央到地方，一系列政策举措出台，为人工智能发展和应用提供了有力的政策支撑。2022年，党的二十大报告把人工智能定位为“新的增长引擎”。2023年，党的二十届三中全会提出，将人工智能治理体系纳入全面深化改革总体框架，要求“完善人工智能等战略性新兴产业发展政策”。2024年国务院政府工作报告首次提出开展“人工智能+”行动，2025年则进一步细化“人工智能+”行动，要求数字技术与制造业优势、市场需求深度结合。在中共中央政治局第二十次集体学习时，习近平总书记强调要突出应用导向，全面推进人工智能科技创新、产业发展和赋能应用。人工智能战略布局全面深化，江苏勇当创新发展排头兵，积极响应国家战略，出台《省政府关于加快培育发展未来产业的指导意见》，把通用智能作为10大重点发展的未来产业。
技术应用相互促进赋能。目前，我国已建成从基础研究到产业应用的全链条支持体系。一方面，人工智能技术创新突破，为产业发展和赋能应用提供强劲动力。据中国国家数据局发布的《数字中国发展报告（2024年）》统计，2024年全球新公开生成式人工智能专利4.5万件，我国占比61.5%。据《中国人工智能区域竞争力研究报告》显示，2024年我国人工智能产业规模突破7000亿元人民币，连续多年保持20%以上增长率，产业链覆盖数据、算法、平台、芯片、应用等各环节，技术研发与产业发展需求有效对接。另一方面，传统产业转型升级、新兴产业培育催化、应用场景需求升级，持续推动人工智能技术向前发展。例如，计算机视觉领域，传统的静态图像识别无法满足实时视频流、融合多模态信息等日益复杂的实际需求，促使研究者开发出更高效的网络架构、更强大的预训练模型以及泛化能力更强的算法。又如，低空经济领域，存在着低空频谱资源紧张、频段交叉重叠、信号混叠干扰等问题，亟须构建“低空电磁频谱大模型”，实现智能认知与动态响应。
聚焦科技前沿，人工智能赋能千行百业
当前，人工智能技术正以前所未有的广度和深度渗透到各个产业赛道，成为培育新质生产力的关键引擎。
基础理论研究多点突破、交叉融合。以ChatGPT、Sora、DeepSeek等为代表的大模型技术，在自然语言处理、多模态理解等领域取得重大突破，标志着通用人工智能基础理论正在从专用智能迈向通用智能的新阶段。具身智能（指智能体通过身体与环境的互动产生的智能行为）掀起创新浪潮，机器人领域迎来新发展。太空机械臂的精准操控、自动驾驶汽车的复杂决策、人机交互系统的自然响应，都体现了具身智能理论在物理世界应用中的重大进展。人工智能基础理论研究突破不仅大幅提升了机器的认知能力，更为各行业带来了智能化转型的新机遇。
产业应用呈现跨界融合、全面开花。智能制造领域，工业大模型实现从单点质检到全流程优化的跨越，推动制造业向“认知制造”升级；智慧医疗方面，多模态AI辅助诊断系统将医生阅片效率提升，精准医疗方案制定时间极大缩短；智能交通系统通过车路云协同优化，使城市通行效率得到提高；金融科技中，基于联邦学习的风控模型在保护数据隐私的同时，有效提升欺诈识别准确率；无人机蜂群的协同作战、大规模机器人的自组织调度等创新应用不仅解决了分布式系统的协同优化难题，更为物流配送、灾害救援等需要大规模协作的场景提供了全新的解决方案。
立足特色优势，构建“人工智能+”科研体系
南京航空航天大学人工智能学院，立足航空、航天、民航“三航”特色，坚持“特色引领、交叉融合”的建设思路，着力打造航空航天民航“三航”特色的人工智能创新高地。
坚持交叉融合，优化学科布局。面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，全面推进人工智能基础理论研究与交叉应用创新。在基础理论创新方面：重点突破机器学习、计算机视觉、自然语言处理等基础理论，夯实学科发展根基；开展低质数据、动态环境和有限监督条件下机器学习理论研究；突破视频标注成本高和时序建模难等关键问题，实现视频自监督表示；围绕文本生成、对话系统、知识图谱等领域构建鲁棒自然语言处理技术。在前沿技术探索方面：聚焦生成式人工智能、大模型、类脑智能、具身智能和空间智能等前沿领域，提升国际竞争力；开展AI+脑科学研究，构建基于多组学的脑影像计算理论和方法，从单模态、多模态到多组学层层推进，建立了适用于早期诊断和大脑认知解码的脑影像智能计算技术；开展具身智能感知、认知与自主决策关键技术研究，聚焦低空场景实现无人机主动导航、目标跟踪和自主避障；开展大模型关键技术研究，如基于飞机故障管理的质量研发需求，开发了基于事理图谱的飞机故障管理问答原型系统；开展人工智能数据、模型、应用的全流程安全理论和机制研究，实现多源异构训练数据安全可信共享、AI模型安全防护和泄漏追责以及AI赋能系统安全认证。
坚持交叉赋能，深化“三航”特色。在飞行器设计、高超声速流动预测、风洞实验智能化、结构寿命预测等领域取得“人工智能+”创新成果。在飞行器设计领域，AI赋能飞行器设计全流程，提高现有飞行器设计效率和质量；在高超声速技术方向，开发了基于AI的复杂流动高效预测技术；在实验方法创新方面，首次将深度强化学习引入风洞虚拟飞行实验，开创了闭环射流流动控制的智能控制律设计新范式。在结构健康监测领域，基于深度学习构建了复合材料疲劳演化数字孪生系统，显著提升了预测精度，突破了传统技术局限。在智能制造方向，研发了激光焊接多传感智能监测系统与数字孪生平台；在航空发动机关键部件制造领域，建立了复杂薄壁构件形性协同智能制造方法体系，为航空装备长寿命高可靠制造提供了关键技术支撑。这些创新成果充分展现了人工智能技术在航空航天领域的巨大应用潜力，为行业智能化转型升级提供了南航方案。
（作者系南京航空航天大学人工智能学院院长）
