重庆市近日推出了一项针对人工智能领域单人创业者的全新扶持政策。七月三十一日，当地人力社保部门联合财政部门正式发布了《支持人工智能OPC创业发展的十二条措施》，旨在通过系统化政策组合，为这一新兴创业群体扫清发展障碍。

相关负责人介绍，人工智能一人公司创业者常常面临启动资金匮乏、算力成本居高不下、配套服务缺位以及经验不足等多重困境。针对这些痛点，新出台的措施从政策扶持、载体建设、技能培训、服务优化和活动组织五个维度协同发力，着力构建涵盖资金、场地、能力、便利条件和资源对接的全方位创业生态体系。

在资金支持层面，重庆将建立多层次保障机制。符合条件的创业者可申请个人最高五十万元、小微企业最高六百万元的创业担保贷款，同时还能享受贷款实际利率百分之五十的财政贴息，以及每年不超过百分之零点五的担保费用补贴。这一金融支持组合拳旨在切实降低创业初期的资金门槛。

为破解办公场地难题，当地鼓励各区县打造OPC创业生态社区和创业街区，推动各类孵化载体提供"拎包入住"式服务。对于为人工智能一人公司提供免费办公空间、专业孵化辅导和算力资源支持的园区及社区运营方，政府将按照每户每年四千元的标准给予运营补助，激励更多社会力量参与创业服务供给。

人才培养方面，重庆将根据不同创业阶段的需求，推出"产生你的企业想法"、"创办你的企业"和"改善你的企业"等系列培训课程，同时结合网络创业和专项技能培训，全面提升创业者的综合素养。符合条件的参训人员可获得最高一千五百元的创业培训补贴和六千元的职业技能培训补贴。此外，各区县还被鼓励组织形式多样的培训活动，内容广泛覆盖人工智能应用、数字化营销、内容创意、产品规划和经营管理等热门领域。

在政务服务方面，重庆将打造"个人创业一件事"专属服务场景，让创业者能够在线完成工商注册、就业登记和补贴申领等高频事项的全流程办理，最大限度减少往返奔波。

为搭建更广阔的交流合作平台，当地还将以"聚人才、链资源、促订单"为核心理念，举办"渝创渝新"系列创业赛事，计划培育五百名以上专业创业导师和陪跑人员。同时，通过实施创业加速计划、开设实训营以及组织"源来好创业"等资源对接活动，为人工智能一人公司创业者提供跨区域考察交流、实地学习和商业资源匹配等服务，帮助他们拓展视野、积累经验、扩大合作网络。

近期，一连串科研诚信事件频频引爆舆论场，令学术界内外为之震动。学术造假既是困扰已久的“沉疴顽疾”，却又总能以种种令人瞠目结舌的形式刷新公众认知。症结究竟何在？

“顶层设计并非短板。”谈及科技监督，数位深耕科技管理领域的专家及科研诚信研究者向中青报·中青网记者坦言，执行的“最后一公里”往往才是真正的卡点。针对数据伪造、图表篡改等主观恶意的不端行径，受访者们一致认为，必须在学术界构筑起“不能作假、不敢作假、不想作假”的严密防线。

回溯制度建设，2018年，中共中央办公厅、国务院办公厅联合印发的《关于进一步加强科研诚信建设的若干意见》已勾勒出清晰的治理蓝图。该文件不仅明确了科研诚信管理的运行机制与责任架构，更将各类从事科研活动的企事业单位、社会组织等界定为“第一责任主体”，要求科研院所与高等院校通过修订单位章程或制定学术委员会章程，清晰界定学术委员会的诚信建设职责与权限范围，并在经费拨付、专职人员配备及办事机构设置上给予充分保障。

这份文件同时设定了严密的核查机制，要求学术委员会自行组织或委托基层学术组织、第三方评估机构，对本单位科研人员发表的重要论文等成果实施全覆盖式验证，且核查行动须以3至5年为一个周期常抓不懈。文件亦明确规定，项目（课题）负责人、研究生导师等须对重要论文的署名规范、研究数据真实性以及实验可复现性承担诚信审核与学术把关之责。

中国科学院文献情报中心研究员、科研诚信研究中心副主任袁军鹏，以及某高校科技创新管理与科技政策专家李力均表示，我国的科技监督理念已与国际前沿接轨。中国科学技术信息研究所评价中心科研诚信研究组负责人郑雯雯则强调，从制度支撑来看，国家层面已为科研诚信建设构筑了相对完整的政策体系。

2022年，科技部会同22个部门联合颁布《科研失信行为调查处理规则》，系统界定了八大类科研失信行为，并对调查处理的责任分工、惩处细则等关键环节予以明确。转至2026年2月，科技部再度发布《科学技术活动违规行为调查处理规定》，将科技活动实施单位、科研人员、评审专家及第三方机构等主体的违规行为及相应处理举措纳入规范框架。

然而，长期关注科技创新管理与政策走向的东南大学经济管理学院教授仲伟俊及前述受访者普遍认为，现实中对规则的漠视与“无畏”心态仍大量存在。科技活动的完整链条涵盖项目立项、研究实施、成果产出、论文投递与发表、项目结题等众多节点，如何让诚信规则真正落地生根，仍是亟待破解的难题。

具体而言：项目负责人该以何种手段对实验数据进行诚信核验？学术委员会又如何为本单位科研成果背书？期刊编辑与审稿人能否守住学术发表的第一道关口？“民间打假”力量又应在监督体系中占据何种位置？

部分受访者指出，项目负责人与学术委员会囿于人力与精力，往往难以对论文中的每一个数据细节进行地毯式排查。至于期刊编辑与审稿人的角色，袁军鹏解释称，其审查重点通常集中在“逻辑自洽性、方法规范性、结果合理性及创新程度”，而非对原始数据展开“司法式鉴定”，绝大多数情况下“审稿人默认作者数据为真实”。他强调，同行评议多为“无偿的业余劳动”，尤其近些年来全球论文投稿量呈爆发式增长，审稿人几乎无暇也无精力去逐条核实原始数据。

在袁军鹏看来，“民间打假”可作为学术监督体系的有益补充与早期预警系统，在某种程度上能够倒逼学术生态走向净化。但他同时提醒，这一路径潜藏的风险不容小觑，例如需审慎考量其严谨性与专业性，谨防滑向情绪化的“网络审判”泥潭。

郑雯雯则建议，面对学术监督的诸多难点，一方面要持续完善并严格落实制度要求，另一方面需善用技术手段赋能监督，例如研发推广论文诚信筛查工具，为监管提供坚实的技术支撑。袁军鹏亦提出，学术出版行业应着力强化编辑部的技术核查能力，借助人工智能审查数据一致性、图片重复及文本剽窃等问题，力图让科研人员“不能作假”成为现实。

在联合惩戒层面，李力、仲伟俊及袁军鹏均认为，促使科研人员“不敢作假”与“不想作假”同样迫在眉睫。他们分析指出，对学术不端后果的“预期”模糊，正是部分人甘愿冒险的深层动因。袁军鹏解读道，《科研失信行为调查处理规则》虽已划定处罚尺度的“底线”，但李力与仲伟俊则主张，对产生重大不良影响的失信行为，应在底线之上从严惩处。仲伟俊特别强调，凡涉及人民生命健康领域的科研失信，惩戒力度必须升级。

今年年初，国家卫生健康委员会办公厅发布的《加强医学科研诚信专项治理的工作方案》明确提出，要大幅提高科研失信行为的惩处烈度，力争通过三年集中整治，使论文造假等突出问题得到有效遏制，并初步构建起“不敢失信”的长效机制。方案规定，凡存在从“论文工厂”购买论文、伪造数据、虚构评审人邮箱等行为者，十年内禁止承担财政性资金支持的科技活动；对方案发布后仍顶风作案者，将从严从重处置，终身禁止承担财政性资金支持的科技活动。

记者留意到，《关于进一步加强科研诚信建设的若干意见》亦提出，应积极推进对严重违背科研诚信行为的刑事规制理论研究，推动立法与司法机构适时出台相应刑事制裁条款。据袁军鹏透露，国外已有科研人员因学术不端而锒铛入狱的案例。郑雯雯呼吁，有必要在全国层面进一步强化制度宣贯，使社会各界对各类学术不端行为的处罚尺度形成统一且清晰的预期。

李力还着重强调，要深入推进“联合惩戒”措施。在他看来，实现“零容忍”须从根上铲除科研失信者所依附的利益链条，切断其与学术地位挂钩的“隐性福利”。记者注意到，2018年，国家发展改革委等41个部门联合签署的《关于对科研领域相关失信责任主体实施联合惩戒的合作备忘录》已列明43项惩戒举措，覆盖限制院士提名与被提名、公务员招录、事业单位法定代表人登记、股权激励乃至银行信贷和融资等多个维度。

《加强医学科研诚信专项治理的工作方案》进一步要求落实上述备忘录，对失信主体实施联合惩戒，具体包括撤销通过失信行为获取的职务与职称、减少或暂停研究生招生乃至取消导师资格、取消利用失信行为获得的高层次专家称号，以及移除其在学会、协会、研究会等学术团体和学术、学位委员会中的委员或成员资格，切实形成“一处失信、处处受限”的震慑格局。

谈及科技监督的固有局限，多位受访者表示，某些短板难以回避。仲伟俊坦言，对于像数据造假这类恶意行为，若造假手法极为隐蔽高明，短期内或难以及时暴露。袁军鹏与李力还补充道，任何监督环节都不应、也无法对所有科研人员预设“有罪推定”，否则既是对广大恪守诚信原则者的不公，也是对有限监督资源的无谓消耗。

因此，受访者们强调，破解学术不端困局还需在科研共同体内部培育深层的诚信自觉，使科技工作者从内心深处“不想作假”。而营造风清气正的学术气候，与评价体系的“指挥棒”导向休戚相关。仲伟俊与李力认为，由于论文等成果与头衔、待遇、资源、权力高度捆绑，学术不端可能带来的巨大回报往往成为诱使科技工作者迷失方向的“致命诱饵”。

记者注意到，《关于进一步加强科研诚信建设的若干意见》明确提出，要深化项目评审、人才评价与机构评估改革，建立以科技创新质量、实际贡献与绩效为导向的分类评价制度，将科研诚信状况作为各类评价的重要指标，倡导严谨治学，摒弃急功近利。文件强调坚持分类评价，推行代表作制度，不得将论文数量、专利、荣誉头衔、项目承担情况或获奖经历设为限制性条件。同时，须尊重科学研究的内在规律，建立针对重大研究的长周期考核机制，并开展临床医学研究人员评价改革试点，构建设置科学、评价合理、管理规范且服务全面的考核评价体系。

仲伟俊直言不讳地指出，要避免急功近利的浮躁风气，还需“养得住‘闲人’”。他解释称，“重赏”之下难免催生“勇夫”，因而呼吁对科研人员的管理应当适度“宽松”，激励措施宜止于“体面”层面，让科研真正成为热爱科学者的“生活方式”，而非投机者的“逐利工具”。（应受访者要求，李力为化名）

中青报·中青网记者 张茜

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。

这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。

7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”

从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。

那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。

“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”

在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”

那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。

“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。

7月30日，西藏自然科学博物馆第八届“科学逐梦团”科普夏令营在拉萨正式启动，120名年龄在9至15岁之间的各族青少年成为本届营员，开启了一段别开生面的研学旅程。

此次入营学员经由公开报名和综合面试层层筛选，最终脱颖而出，他们大多来自拉萨市、日喀则市的中小学以及西藏自治区科技厅的驻村工作点。夏令营全程提供免费食宿、交通和课程实践等公益服务，旨在以普惠性科普资源，助力提升西藏青少年的科学素养与综合能力。

本届夏令营为期九天，精心设计了“自然科普研学+高原户外实践+藏地非遗体验”三大主线，突出跨学科学习价值，注重知行合一的育人理念。

在丰富的研学行程中，营员们将走进科普场馆、科研院所、自然湿地与现代农牧业示范点，参与地质科考、鸟类观测、藏香手工制作、藏戏体验及创客实践等多样化活动，在真实场景中感受高原生态之美，体悟藏地文化底蕴。

作为西藏自然科学博物馆倾力打造的年度公益品牌项目，科普夏令营已成功举办八届，始终坚持科学教育、生态保护、民族文化与民族团结的深度融合，助力青少年在研学中厚植家国情怀，铸牢中华民族共同体意识。