颜郡：数智时代知识生产方式变革与哲学社会科学实验室的实践理路

当前，以数智技术为驱动的新一轮科技革命和产业革命深入推进，知识生产方式正在持续发生深刻的变革，知识生产情境化、集体性、跨界性特征日益突显。知识生产方式的变迁对全球高等教育改革，特别是以知识生产为主要任务的高校科研形态产生了深远影响。哲学社会科学实验室作为一种新兴的科研组织形式，既是当代知识生产方式演变的必然产物，也肩负着促进哲学社会科学研究范式变革、推动当代哲学社会科学研究的重要使命。

自国家大力推进高校哲学社会科学实验室的建设以来，相关议题日益受到学界关注，有关研究整体呈现两种取向。一是在宏观层面，聚焦实验室的整体建设定位、模式体系、发展现状与实施路径等议题，旨在为哲学社会科学实验室的科学化发展提供理论支撑与政策建议。二是在微观层面，针对特定学科的实验室展开研究，具体探讨其功能定位、建设模式及组织运行机制，从而形成具有领域特色的实验室建设方案。然而，现有研究尚未深入探讨哲学社会科学实验室与数智时代知识生产的内在关联。本文着眼于哲学社会科学实验室与知识的本体关系，试图揭示数智时代知识生产方式的动态变革和典型特征，探讨知识生产方式动态变革与哲学社会科学实验室的内在关联，系统阐释数智化转型背景下哲学社会科学实验室建设的现实挑战与实践理路，以期为提升哲学社会科学创新能力、推动哲学社会科学事业高质量发展提供可行方案。

一、数智时代知识生产方式的动态变革和典型特征

知识生产一般是指人们在物质生产的过程中发现、创造各种为物质运动和转化提供条件与能量来源的思想、观点、方法、技巧等的过程，包含知识获取、知识理解、知识转化、新知识生产的整个过程。随着知识范围和边界不断拓展，知识生产方式也处于动态变革之中。自19世纪初德国柏林洪堡大学创立——现代大学制度诞生以来，知识生产经历了三个显著的发展阶段：模式Ⅰ以追求学术卓越为核心价值，在“象牙塔”内形成了以学者为主导的闭环科研生态系统；模式Ⅱ在20世纪中后期伴随创业型大学兴起，以追求知识应用导向为显著特征，推动了“大学—产业—政府”知识生产结构的形成；模式Ⅲ则诞生于21世纪初，其典型特征是通过跨学科组织协同应对全球性复杂问题，构建起“大学—产业—政府—公众”深度融合的无边界网络，展现出前所未有的协同创新特质。以ChatGPT、DeepSeek等为代表的生成式人工智能技术的迭代发展，催生了知识生产模式IV的萌芽，将人工智能从单纯的辅助工具提升为与人类平等的“并生主体”，重塑了知识生产的范式与格局。尽管每种模式都表现出相对的独立性，但每种模式绝非颠覆取代的对立关系，而是有机共存、互为补充，呈现出长期并行发展的趋势。知识生产也并非孤立封闭、杂乱无序的自我生产过程，而是始终与时代和社会环境进行动态交互。这场正在发生的知识生产方式变革，表现出前所未有的典型特征。

（一）应用导向性：从学术中心到效用优先

在知识生产模式Ⅰ的情境下，科学共同体的学术旨趣和利益结构决定了研究议题的设定。此时，知识生产的驱动力主要源于学科知识体系的内在逻辑和研究者超越应用目的的认知探索。随着知识生产模式向模式Ⅱ、Ⅲ、IV转型，研究问题的选择和解决方式受到政府政策引导、市场需求驱动和学术价值追求等多重因素的影响，立足全社会与全人类的社会创新服务成为知识与生产的新联结，知识生产的目的不仅是推进知识的进步，还要考虑经济和社会效益的影响。知识生产的疆界已经突破传统的学术藩篱，延伸至国家战略布局、区域发展需求、产业技术攻关以及公共福祉提升等领域。在这一新的范式下，科研活动从个人导向的学术探索转变为目标明确的社会实践，研究行为被赋予特定的社会责任，科研成果的评价标准也更多着眼于其解决实际问题的能力。值得注意的是，不同于传统意义上的应用研究，数智时代的知识生产要根据特定的应用背景，发展出独特的、进化的解决问题的框架，体现出科学与技术之间、科学技术与社会之间作为相互依存的生态系统的新型关系。当然，知识生产的这一特性并非只发生在当代，只是到了当代，这种具有明确应用指向的知识生产方式普遍出现在高校这种以传统知识生产模式占主导地位的研究组织，知识生产与社会、政府之间的新型契约得以建立。

（二）数据驱动性：从初始数据到知识资源

人类社会已处在一个数据不断环绕和内爆的时代，一个基于现代网络平台实现海量数据采集，并进行数据存储、价值挖掘、智能分析与成果展示的数智时代。哲学社会科学从以文献归纳、主观经验为主的定性研究逐步转向多模态大数据整合与算法辅助的混合范式。数据作为数智时代知识生产的基本要素，其价值在于它能够揭示事物之间的内在关联。而这种价值的实现主要基于数据的以下基本特性。其一，数据可描述性。借助二进制编码体系，原本离散无序的原始数据能够被系统性地整合为标准化的知识资源，实现对信息资源的存储与共享，建立起全流程可追溯、可持续利用的数据应用机制。其二，数据可访问性。数据的可访问性使算法工具与海量数据库的有效对接成为可能。以生成式人工智能、物联网和深度学习为代表的智能算法，通过与大规模数据库的深度整合，实现对社会复杂互动的精准捕捉，并构建起传统实验方法难以实现的自然模拟环境。其三，数据可共享性。当不同研究主体能够基于同一数据平台开展协同研究时，这种开放架构自然会吸引各类创新主体的参与，既有效缓解单一数据源的偏差问题，又为知识模型的迭代优化提供更丰富的训练素材，从而持续强化数据要素的创新效能。

（三）交叉融合性：从学科分立到超学科生态

传统的知识生产以学科为基础，学术知识在一个特定学科的框架条件下生产出来。但数智时代的知识生产已突破单一学科框架，哲学社会科学领域的复杂性尤为凸显，而中国式现代化的伟大实践恰好为哲学社会科学提供了丰富的研究场域。无论是数字经济、社会治理，还是生态文明，这些兼具复杂性和系统性的新议题，传统单打独斗的研究方式已难以应对，倒逼学界反思既有研究范式的局限性，突破传统学科壁垒，走向深度交叉融合，以回应时代命题、引领学术创新。正如齐曼（John Ziman）所说：“科学已经发展到一个无法依赖个体独立工作来解决突出问题的阶段。”在基于学科划分的知识生产方式下，形成的学科界限和学科壁垒不断被消解，知识生产的跨界性、系统性与综合性特征愈加不可逆，学科组织形态也从分立逐渐走向融合，不仅出现了多学科、跨学科的合作研究，更形成了跨越多重学科边界、以解决复杂问题为目标导向的超学科。超学科关注之物既在学科之间，也跨越不同学科，甚至超越所有学科，其目的在于认识当下世界，促进知识的统一，解决宏大问题和复杂问题。比如面对“生态可持续发展”“公共卫生与全球健康”“智慧城市与数字治理”等跨领域的宏大问题时，需要来自不同学科、职业及社会领域的参与者进行合作，基于人类社会、经济与文化利益，形成新的超越学科的解决问题框架。正如沽丁（Benoit Godin）所说：“科学实践本质上是由专业化与交叉融合共同构成的动态过程，任何知识创新都不可避免地吸收和整合多学科的要素资源。”超学科协同创新也已成为重大科研攻关的必然选择。

（四）主体多元性：从单一主体主导到多主体协同治理

在传统的知识生产模式中，高校、科研机构长期处于核心地位，无论是在科研经费支配、实验设备采购方面，还是在研究议题设定、方法论选择、成果评价标准制定和传播渠道的把控上，都拥有高度垄断的主导权。生成式人工智能的兴起显著降低了知识生产的门槛，知识生产的参与者从单一主体主导逐步转向多主体协同。一方面，公众、企业、教育机构、政府部门与高校等多元利益群体共同构成动态参与的知识生产共同体。另一方面，人工智能系统以其客观事物的自然属性承载了近似人类的信息处理能力，在知识生产的过程中根据现实状况对知识的表述方式、传达形式、内容边界、描述视角等进行全方位的重构。在此背景下，智能体不再是人类思维的单纯外延，而是成为科研生态系统中具有能动性的参与者，实现从工具理性到智能协同的跨越式发展。这一转型过程也重新塑造了知识生产的利益结构和演进逻辑，知识生产关系生态中各主体形成融合共生的协同力量，推动知识生产全方位融入现代社会生产的体系中，政府部门、学术机构、产业主体与类人智能体直接参与知识生产的决策、管理和控制过程，重构知识生产的新秩序。高校的科研活动逐渐褪去其机构专属色彩，传统科研生态的刚性边界日益模糊，呈现出主体间深度交互、人机环境有机融合的新态势。多个参与主体通过互动协作，在多样化的价值诉求中形成目标一致、行动协同的科研共同体，共同应对跨领域的复杂问题。

（五）动态调适性：从线性逻辑到动态演化  

区别于以往单向线性的研究范式，数智时代知识生产体系呈现出“螺旋上升”的全新发展范式，表现出持续的动态调适性。这一体系形成了一个多主体协同、数据驱动的知识演化生态系统，呈现出“开发—验证—修正”的循环过程。智能算法通过实时处理海量多源数据，不断动态优化知识模型；分布式计算节点之间的持续交互，促使知识体系在应用中持续完善。而机器学习技术的引入，则使知识系统具备从实践中自主学习的进化能力。在此过程中，理论假设、实证检验和技术应用三者之间形成紧密的互动关系，每个环节的进展都会引发其他环节的动态调整，从而推动整个知识体系向着更精确、更完善的方向演进。以智能医疗诊断系统的发展为例，其诊断模型并非一经建立就固定不变，而是随着新病例数据的不断输入，通过深度学习算法持续优化诊断思路，同时将临床反馈纳入模型训练，最终构成诊断准确率不断提升的良性循环。知识不再是被发现的静态真理，而是在实践中不断成长、持续进化的智能体系。正是这种自我动态调适的特性，使得当代知识生产能够快速响应社会需求变化，保持持久的创新活力。

从整体上看，数智时代知识生产方式处于动态演变之中，并表现出典型特征。其中，知识生产的应用导向性重新定义知识价值的评价标准，数字驱动性极大地拓宽知识生产的数据来源，交叉融合性突破知识生产的学科壁垒，主体多元性重塑知识生产的治理结构，动态调适性改变了知识生产的时空节奏。这一变革趋势勾勒出知识生产从“线性递进”走向“螺旋式积累”的转型路径，也创造出我国哲学社会科学实验室建设的数智化语境。　

二、知识生产方式变革与哲学社会科学实验室的新型关系

纵观人类文明的进程，每一次技术革命在推动社会经济发展的同时，也催生人类创新组织形态的升级。在数智技术蓬勃发展的战略背景下，知识生产方式的转型也促使科研组织形式进行变革，构建起以大数据为基础、以先进算法和算力为支撑，数据和机理贯通的全新路径，使之适应并强化多重螺旋的知识生产生态。哲学社会科学实验室正是在这一背景下应运而生。伴随着这种变革趋势，知识生产方式变革与哲学社会科学实验室二者之间呈现出紧密的共生演进关系。一方面，知识生产方式的变革是哲学社会科学实验室兴起的重要驱动力。另一方面，哲学社会科学实验室的发展又反向推动知识生产的议题设定与范式更新。这一过程在实践中动态循环，相互塑造，构成一个紧密的互动系统。

（一）哲学社会科学实验室的兴起回应了知识生产方式的变革要求

综观科学发展史，虽然哲学社会科学积淀了丰富的思想文化资源，但其“科学性”长期存在争议。计算机、大数据、人工智能、元宇宙等新兴技术快速发展，为解决哲学社会科学实验研究面临的“科学性”问题提供了契机。哲学社会科学计算实验的仿真研究和计算社会科学、大数据研究的产生，突破了知识生产传统方式的局限，创造了现实中难以实现的实验环境。哲学社会科学实验室作为现实世界的终端，承担着大数据处理、推演以及对不同政策情景进一步分析的任务，使哲学社会科学研究的“可检验性”“可证伪性”和“科学性”持续提升。与此同时，新技术也催生了大量哲学社会科学领域的新问题，迫切需要找到哲学社会学科新的研究方向，开拓新的学科边界。所以，哲学社会科学实验室成为突破传统科研组织“割裂式思维”的颠覆性尝试。它们以问题为导向，打破学科边界，整合计算科学、行为实验、数字人文等多元方法，构建适应数智时代需求的开放、动态、协同的研究生态。这类实验室的范式特点与知识生产方式变革的典型特征相呼应，共同指向社会需求响应、信息数据驱动、开放共享系统、多主体间的共生协作与系统的自发演化，呈现出高度的相关性。可以说，建设哲学社会科学实验室，是哲学社会科学自身的科学性需要和数智技术发展双向奔赴的结果，是顺应知识生产模式转型、回应国家战略需求的创新方案和内在要求。

（二）知识生产方式变革为哲学社会科学实验室提供方法支撑

在人工智能与大数据技术的推动下，当代知识生产正经历从传统范式向数字化、智能化模式的深刻转型。这一转型不仅体现为研究工具的升级，还意味着研究方法的根本性变革。数据密集型科学发现、跨学科协同研究和智能算法驱动的研究模式，共同构成当前知识生产的核心特征。具体来说，知识生产方式的动态变革实现了三重转变。在研究对象上，通过数智技术能够精准捕捉泛尺度的科学研究对象，或将现实世界视为一个巨大的实验室，实现高效、智能和高度自主的实验设计和数据收集，为系统演化过程可知、实验可控的社会交互模拟。在知识生产模型构建上，参数密集型的数据驱动型模型解放了传统基于数值模拟、动态优化等被维数灾难所束缚的模型，使得模型的复杂度随着参数量级大幅度提升，能够更加准确地形成复杂系统的机制，从而揭示逻辑关系和因果关系链，评估新的政策或管理措施的实施效果。在计算能力上，科学计算得以通过各种异构方式高效实现，大规模分布式计算使得模型求解、参数优化、多尺度多模式结合成为可能，实时高效的求解能力为各种实验室研究场景奠定了基础。在这一过程中，知识生产方式的变革不仅在认识论层面为哲学社会科学实验室建设确立了跨学科、实验性研究的正当性，也在方法论层面构建了数据驱动、协同创新的技术路径。

（三）哲学社会科学实验室驱动知识生产机制的深层优化

经过知识生产方式的三重变革后，哲学社会科学实验室已深度融入数智社会，成为数智技术推动知识生产创造价值的“孵化器”，肩负着“解决经济社会发展重大问题、引领哲学社会科学研究范式转型、培养拔尖创新人才”的重大使命。如清华大学计算社会科学与国家治理实验室深度参与北京市12345接诉即办改革，通过对大量12345热线电话市民诉求数据的分析和挖掘，形成专项报告，为政府的督办、核查和决策提供数据依据。基于长期参与式观察和全球城市治理比较研究，实验室提出加快构建人感加物感相融合的城市治理模式，运用大数据、大模型等新技术，深挖市民诉求数据价值，助力城市治理现代化改革向纵深推进。再如中国传媒大学国家舆情实验室，聚焦人工智能发展与智能传媒转型，通过开设通识必修课“计算思维”和系列讲座，推动数字内容融入传统文科专业教育，实现人工智能生成内容（Artificial Intelligence Generative Content，AIGC）与各学科、专业的碰撞与融合，探索技术对未来国际传播及人才培养的巨大驱动作用。哲学社会科学实验室的科学研究、社会服务与人才培养等主要功能，正好构成相对完整的知识再生产过程，即新知识生产—知识转化与应用—知识传承。从这个意义上说，哲学社会科学实验室的创新实践也推动着科研成果的产业化转型，不断优化知识生产机制的内部结构与演进逻辑，推动知识生产朝着更适应复杂社会需求和更具反思性的方向发展。　　

三、知识生产方式变革背景下我国哲学社会科学实验室的挑战

哲学社会科学实验室作为我国高等教育改革的创新举措，需要在实践中持续调整、不断完善。在知识生产方式动态变革的背景下，哲学社会科学实验室既要突破传统学科范式的限制，又面临着技术能力缺口、跨学科协作壁垒、研究伦理规范等多重约束，这导致实验室的固化模式与知识生产方式动态变革之间出现不协调，具体表现为以下五个冲突。

（一）应用导向的知识生产需求与实验室定位模糊化的冲突

知识生产的应用导向性决定了知识生产必须嵌入社会应用情境，满足国家发展战略和社会发展需求，以推动人类改造客观世界为根本追求。是否以问题解决为导向，正成为评价知识价值的关键指标。由此，哲学社会科学实验室的建设目的应是通过技术和方法研究社会现象，寻求解决社会问题的可能改进方案。由于缺乏国家层面的整体规划，以及受限于地方经济条件和学科基础等原因，早期形成的“以专业为依托、分散化建设、学院式管理”的传统模式，在实践中日益暴露出战略定位模糊、资源重复配置、学科壁垒森严、专业水平参差等结构性问题。真正能够聚焦国家战略需求，协同重点领域攻关与特色方向培育，并充分彰显学科特色、区域特点与院校优势的实验室差异化发展模式还不够成熟。具体表现在热门学科实验室分布密集，存在明显的资源集聚现象。例如，经济学作为对数字技术响应最为迅速的学科之一，其学科特性决定了各高校普遍建有相关实验平台。在政策压力下，各高校以原有经济实验平台为基础进行升级改造，导致经济学实验室数量迅速增加。在30所首批教育部哲学社会科学实验室中，经济管理领域实验室就有5所。社会治理领域也出现类似现象，天津大学、上海交通大学、中山大学、西安交通大学等多家“双一流”高校设立了相关实验室。这些实验室研究领域相似，建设内容相近，导致学科内竞争激烈。而且各实验室普遍采用“全产业链”的发展模式，从基础数据采集到研究成果产出基本自成体系，加之高校间缺乏促进资源互补的顶层设计和共享平台，跨系统合作存在障碍，容易导致实验室建设趋于同质化，形成模仿建设、无序竞争的负面增长格局，不仅会导致社会资源的耗散，削弱重大课题的攻关能力，也难以实现知识生产回应社会实际需求的本质要求。

（二）数据驱动的知识生产过程与实验室数据偏见风险的冲突

大数据和AI技术融合形成的“数据智能”技术不断涌现，拓宽了社会科学研究的数据来源、模式和视野，推动了计算社会科学的发展，为哲学社会科学实验室研究范式转型注入了新动能。以生成式人工智能为代表的知识传播具有自动生产、自动扩散和强化接受的特点，在强大算力资源的支持下能够强化知识的灌输效果，在同质化内容的持续输出下知识更容易被引导与传播。尤其在当下算法歧视和数据操纵尚未有效根治的前提下，其引发的科学风险持续增大。一方面，大模型基于概率分布生成内容，容易产生“幻觉”现象，生成表面连贯但事实不准确的内容。这种“似真性”特征在学术领域尤为危险，可能导致实验室产出的知识系统性地偏离真实世界。另一方面，大模型不可避免地存在训练数据中的意识形态偏向与价值倾向，如西方科技巨头主导的模型普遍内嵌西方中心主义，对非西方知识传统形成遮蔽。在意识形态敏感的哲学社会科学领域，这种技术性话语霸权容易导致“知识殖民主义”的数字化再生产。此外，还有科研“高产低质”的风险。模型生成内容往往逻辑通顺但缺乏原创性与批判性，助长学术“快餐化”倾向。同时，实验室原创性、知识产权和学术诚信的界定在数智时代也将面临重构。过分的技术语言往往并不意味着操作的科学性。无疑，这一认知同样适用于哲学社会科学实验室的建设实践。

（三）交叉融合的知识生产需要与实验室跨学科研究障碍的冲突

近代以来，知识生产体系的演进呈现出鲜明的学科分化趋势。各学科不仅逐渐形成了相对独立的研究范式与研究领域，还从根本上塑造了现代大学的组织形态，使学科差异性成为高等教育制度设计的核心基石。随着数智时代的到来，由于研究对象、研究范式与研究方法的多重变革，传统的学科组织可能成为知识整合和交叉的藩篱，知识生产体系呈现出明显的融合转向，学科边界的消融与跨领域协作成为显著特征。如何以知识生产的超学科交叉融合逻辑，重塑有利于跨学科协作的组织生态已成为哲学社会科学实验室亟待解决的重要命题。然而，受制于哲学社会科学实验室所依托高校的行政制度管辖，实验室的学术委员会和管理委员会难以发挥多方主体联合治理的优势，实现以需求为导向的、有组织科研和创新链协同的目标；学科划分的院系结构导致的人员隶属关系冲突，使得研究人员在跨学科项目中面临身份认同困境；按学科条块分割的资源分配机制，造成学科间的资源配置出现不平衡、分散、低效和重复等问题；评价体系的学科本位倾向，忽视了成果产出的经济和社会效益，难以有效衡量跨学科研究的创新价值；团队成果认定规则模糊，科研考核晋升的标准弹性和灵活度不够，导致跨学科合作积极性受挫。这些制度性障碍不仅抑制科研人员的跨学科合作意愿，也制约哲学社会科学实验室推进跨学科研究的实际成效。

（四）多主体协同的知识生产与实验室跨系统合作不足的冲突

当知识突破传统权威垄断，演变为分布式网络结构中的群体智慧，知识生产主体也从单一转向多元、从同质转向异质，并在多元创新主体的动态互动与有机融合中形成开放协同的创新生态系统。知识生产的主体多元性和人工智能技术的发展和应用，迫切要求哲学社会科学实验室建设必须打破组织边界与学科壁垒，打通“政产学研用”通道，有效集成和协同各类创新要素，深度融合创新链、产业链和人才链，形成覆盖科研、成果转化、投资、孵化等全产业链的科学智能生态体系，构建“开放科学”的全新范式。而对尚处于初期阶段的哲学社会科学实验室而言，除被动接收政府项目和产业横向项目外，暂无成体系化的主动锚定需求途径。即便部分实验室在国家、地方和企业的多方支持下，已组建了一批跨学科、跨领域、跨行业的有组织科研团队。然而从实际运行来看，各参与主体在价值取向、利益诉求、目标定位、思维方式、行为模式和文化理念等方面仍存在显著差异，尚未形成真正的协同合力。

（五）动态调适的知识生产过程与实验室人才培养响应迟滞的冲突

知识生产的动态调适性表现为知识生产各环节间的实时反馈与协同演进。基于此，创新人才培养必须建立快速响应机制，根据知识生产模式变革的趋势，及时调整培养目标、内容与方法，形成与知识生产同频共振的灵活响应、持续迭代的人才培养机制，使人才能力结构与知识生产需求保持动态匹配。具体来说，人才培养目标要从单学科培养模式转向跨学科人才培养，教育内容从传统课程转向研学一体、个性化的学习项目，组织结构从单一培养单位转向校内外多元合作网络，教育者从教师固定转向跨机构广泛流动。与此同时，知识生产方式的变革要求增强现代信息技术对人才培养的赋能作用，充分运用智能技术去优化、改进和重构教育教学。这一过程应涵盖数字化的教学环境、教学资源、教学评价、教育治理等各方面全过程。而在实践场域中，目前一些高校哲学社会科学实验室把信息技术对人才培养的赋能，简单等同于教学工具的变革和课程资源的补充。在教学工具的变革方面，在技术工具的“花架子”上大做文章，片面认为工具越先进、手段越智能就越体现教育数字化，教学内容的实质内核却并未发生变革。在课程资源的建设上，实验室往往会为理工农医类学生增设人文素养课程，为人文社科类学生增设信息素养课程，但课程内容多是照搬以往课程，未能将计算思维与数字人文研究方法进行有效嫁接，导致跨学科教育限于形式化，造成教学资源的浪费，也加重师生群体的负担，最终削弱实验室跨学科人才培养的效果。

四、应对知识生产方式变革的我国哲学社会科学实验室实践理路

针对哲学社会科学实验室在建设战略规划、技术支撑体系、运行管理机制、参与主体协同和创新人才培养等方面的挑战，除了从静态层面阐释知识本体论的数智时代特性，还要从动态解构等级化、单向线性的知识生产旧传统，重构“目标驱动、价值重塑、组织创新、系统联动、融创育人”五位一体的实践理路。在这一过程中，知识生产方式的变革推动哲学社会科学实验室从学术导向转向社会导向，从经验驱动转向数据驱动，从单学科主导转向超学科视角，从学术垄断转向人机协同决策，从单向线性标准转向动态调适模式，从而构建更加开放、动态的多边协作式知识生态创新系统。

（一）目标驱动：实施系统性规划与差异化治理

知识生产模式的演进历程显示，知识生产在应对国家战略需求、破解全球公共议题、实现人类共同福祉中作用的凸显，迫切要求从国家和地方政策层面引导哲学社会科学实验室突破传统“象牙塔”的藩篱，主动融入社会发展的浪潮，在回应时代之问中彰显知识生产的创新力量。为此，需要将哲学社会科学学科体系建设纳入国家科技、教育与文化发展战略统筹考虑，制定促进学科体系与人工智能等前沿技术融合发展的中长期发展规划；加强顶层统筹与规划，确立学科领域内优势高校的主体地位，强化优势高校在哲学社会科学实验室建设中的引领作用，由其牵头组建哲学社会科学实验室联合体；集中优势科研资源，重点支持世界科技前沿与服务国家战略需求的重大科学问题研究。与此同时，应从系统建设哲学社会科学实验室体系的整体视角出发，按照复合型人才培育基地、重点交叉学科建设基地、国家战略数字智库基地、哲学社会科学重大装置基地等功能定位，对侧重于教学、科研、资政和设施的各类实验室，实施差异化的认定标准和服务管理。应结合各类实验室在理论创新、行业应用、产业引领等方面的独特作用，实施定制化的考核评价，避免以高水平论文、专著、获奖和领导批示等研究成果统一评价指标，简单机械地判别实验室建设水平。要围绕事关国家核心竞争力提升的重大问题，明确方法导向、学科交叉和科学原创的原则，针对创新链的不同环节，鼓励不同类型、不同领域、不同主体、不同区域哲学社会科学实验室的探索发展，避免同质化竞争。

（二）价值重塑：重塑科学研究与技术伦理的互动关系

当前，科学前沿的革命性突破、科技产业、创新发展，以及国际科技的竞争合作越来越依赖数据密集型的知识发展和人工智能驱动下的知识创新。针对在实验室运行过程中表现出的技术主义倾向，我们要整合权威知识图谱、事实核查算法、检索增强生成技术和可解释性机制，通过优化模型架构提高生成内容的可靠性。与此同时，提升研究者的数字媒介素养和批判性思维，加强模型输出的监督管理，降低虚假知识的传播风险，确保技术的健康发展。在此进程中，实验室要以价值对齐作为模型建设观念，发展符合中国特色的价值框架，打造具有文化自觉和价值自主的安全系统，建立涵盖数据采集、模型训练与应用输出的全链条伦理审查标准。通过构建“算法备案—伦理审计—风险追溯”的闭环管理机制，实现安全伦理风险的动态监测与系统性防控。针对人工智能可能所引发的科研质量问题，建立学术质量评估新范式，既要充分利用生成式人工智能的辅助功能，又要构建防范“智慧懈怠”的学术规范体系。开发具有批判性思维检测功能的AI辅助工具，建立包含原创性验证、引证溯源和思想贡献度的多维评价指标，同时针对人机协同研究特点修订学术伦理准则，在提升科研效率与保障学术深度之间寻求平衡，最终形成适应数智时代的知识生产模式与评价体系。如合肥工业大学数据科学与智慧社会治理实验室研发的面向经管类学科教学与科研需求的“炎黄”经管大语言模型，在控制技术伦理偏见风险方面作出创新探索，通过采用检索增强生成（Retrieval Augmented Generation, RAG）技术，建立跨学科伦理审查委员会严格把关语料质量，制定考虑偏见和伦理风险的样例编写规范，设立专门的伦理审查流程，建立“新知识注入+增量训练”机制，在满足知识更新需求的同时最大程度保持模型的稳定运行。

（三）组织创新：重构多重交叉和深度融合的组织生态

当学科边界日益模糊、跨领域合作日趋频繁，哲学社会科学实验室作为集教学、科研与服务社会等功能为一体的创新科研组织，需要构建深度交叉融合的组织生态，为知识螺旋式创新和连接虚实空间的知识节点营造多元开放的生态环境。在研究主体维度，实验室可以通过建立跨学科工作坊和学术沙龙等交流平台，使不同领域研究者在具体项目中形成身份认同；制定跨学科研究方法指南、设立共同伦理准则数据库，定期举办成果互评会，逐步培育知识共同体的价值共识；改革现有评价体系，将交叉引用率、跨学科合作成果等纳入考核，同时设立专项基金支持交叉研究，激发研究者跨学科研究的主体能动性。在制度结构维度，实验室则可以通过建立弹性化的组织架构、动态适应的规则系统以及知识交叉的协同机制，以形成促进知识创新的制度环境。具体来说，高校等管理部门可向实验室适度下放用人管理、岗位设置、绩效分配等方面的管理权限，以需求与问题为牵引，探索多元化科研组织模式。实行科学的分类评价体系，引入同行评议制度，从评价对象、评价机构、评价标准、评价方法等维度，建立以科研成果质量和实际贡献为导向的绩效考核机制，对实验室内不同岗位类别、不同学科领域、不同工作性质的人才实行差别化评价。应出台推进学科交叉融合共享的指导意见，优化学科交叉的成果归属，实验室建设成果与学院共享，形成多学科协同合作、资源成果共享、组织协调有序的学科交叉融合新格局。应探索开放合作的运行管理制度，实行访问学者制度，通过联合申报的方式确定研究方向、预期目标与双方权责，促进学术研究与交流。例如，上海交通大学通过实施独立人事管理、单设资源统筹、组建任务导向科研团队、推行灵活双聘制度以及构建分类评价体系等改革措施，探索出一套科研生态优良、科创潜能得到充分释放的有组织科研模式，在推动跨学科科研组织模式创新方面取得了显著成效。

（四）系统联动：构建人机智能协同的多元主体协同创新系统

在数智化浪潮席卷全球的背景下，构建人机智能协同的多元主体协同创新系统已成为推动哲学社会科学实验室创新发展的关键路径。这一系统的核心在于打破传统单一主体的线性壁垒，通过技术赋能、机制重构与生态融合，实现多主体深度融合，形成动态平衡、开放共享的创新共同体。首先，搭建智能化的协同工作基础设施。通过整体部署高性能计算资源、知识图谱构建工具和多模态数据处理环境，打造具有数据融合、文本分析、模式挖掘、社会模拟等功能的综合性研究基础设施，为多元主体开展协同研究提供技术支持。其次，创新组织管理模式。通过建立“高校—政府—企业—社会”治理架构，强化高校与政府、企业、公众间的利益关系协调，打通政府部门、行业企业与实验室之间的信息共享、技术转移、人才交流和资本对接通道，形成“内核驱动+外脑支持”的运行架构。一方面，发挥高校哲学社会科学实验室的学术引领作用和数据平台的支撑能力，为合作单位提供决策咨询服务、定制化科研项目攻关、人才培养培训、高端峰会组织、特色项目实践等品牌服务，扩大成果的社会影响力与辐射效应。另一方面，与企事业单位共建实验平台或充分共享合作单位的技术和数据资源，弥补高校实验室资源短板，实现社会资源的有效调度，深化产学研的融合开发，为实验室可持续发展提供外部助力。最后，培育人机协同的生态文化。发挥生成式人工智能强大的“计算思维”，突破人类个体认知的局限性，在海量多模态数据中识别非线性关联、挖掘潜在模式以及预测复杂系统，为各领域研究提供全新的分析视角和决策支持。与此同时，对人工智能输出进行价值校准、逻辑验证和伦理评估，形成“人机共智”的闭环迭代。

（五）融创育人：打造多学科交叉的创新人才培养平台

数智时代，人工智能将以工具、对象、要素等多重身份牵引多学科融合和超学科理念变革，并作为哲学社会科学体系的新生增长点，拓展学科边界，丰富学科内涵，逐步实现哲学社会科学与人工智能技术的全面融合。基于多学科交叉融合的知识生产方式在推动知识体系重构的同时，也迫切要求变革人才培养方式。因此，哲学社会科学实验室应遵循知识生产的演进逻辑，利用算法驱动多学科知识融合创新，在课程设计、交叉研究训练和教师素养等方面，重塑创新型人才培养的战略理念与行动框架。在课程设计方面，打造“AI+X”学科交叉课程教材群，充分考量学生的认知发展规律、思维特征、实际应用场景以及知识接受能力，对专业课程结构和内容序列进行科学重组，建立以社会科学问题为导向的内容体系。目前，复旦大学在此领域已有实质性进展，学校构建了层次分明的“AI大课”——AI-BEST课程体系。通过梯度化的课程设计，以学生基础素养和应用能力为依据，结合具体教学和应用场景，区分和衔接课程内容，有效支持学生自主构建知识结构，在基于多学科交叉的创新人才培养方面取得显著成效。在交叉研究训练方面，依托国家重大科研项目，围绕学生个性化学习，为研究生提供以交叉创新为主导的进阶式科研训练计划，通过完善师生梯级传导机制、科研开放实践机制、科学素养培养机制和学科前沿科普机制，提升学生专业兴趣、创新能力和科学精神。在提升教师数字素养和跨学科能力方面，立足创新人才培养需要，注意选拔具有跨学科视野的青年人才，设立学科交叉专项岗位，优先引进具有哲学社会科学学科背景的专业技术人才。邀请企业技术人员担任校外导师，通过“双导师制”促进校企双向互动。加强对教师队伍的培训，构建包括名家讲坛、学术沙龙和国际合作在内的多元化交流平台，全面提升教师的数字胜任力与跨学科教学能力，为创新人才培养提供坚实的师资保障。

综上所述，目标驱动是哲学社会科学实验室顺应数智时代知识生产方式转型而主动求变的战略重构过程，催生系统性规划与差异化治理协同并进的双轮驱动机制。在数字化转型背景下，价值重塑进一步将技术伦理治理嵌入科研创新全过程，以人本主义的价值理性调和工具理性的治理逻辑。组织创新也随之不断演进，通过多重交叉与深度融合的组织生态重构，打破传统学科壁垒的桎梏。系统联动则成为实验室创新效能释放的关键枢纽，依托人机智能协同的多元主体网络构建“人机共生”的创新共同体。融创育人贯穿始终，以多学科交叉的创新平台重塑创新人才培养的核心范式。在此，“目标驱动、价值重塑、组织创新、系统联动、融创育人”五位一体构筑起哲学社会科学实验室的创新实践理路，在人文与科技的交会处开拓更具包容性、更富创新力、更可持续的知识新疆域。

结　语

知识生产方式的深刻变革必然带来科研范式的转型。哲学社会科学实验室是知识生产的内在逻辑与社会发展需求的外部逻辑交互作用的必然结果。作为当前知识生产创新的策源地、主战场，哲学社会科学实验室肩负着推动我国哲学社会科学高质量发展、解决中国式现代化重大问题的重大使命。自国家推动哲学社会科学实验室建设以来，各高校多措并举，大力推进实验室建设，建设了一批人才“孵化器”和创新高地，为服务国家重大战略急需、建设教育强国奠定了重要基础。同时，我们也可以看到，哲学社会科学实验室建设的过程中还存在一些重点难点问题亟待突破，与知识生产环节对应，主要表现在知识生产目标、知识生产载体、知识生产机制、知识生产主体与知识生产传承等方面的结构性失衡与系统性割裂问题。在新一轮科技革命迅猛发展、国际竞争日趋激烈的当下，我们要准确把握数智时代知识生产的新特点新要求，构建“目标驱动、价值重塑、组织创新、系统联动、融创育人”五位一体、五轮驱动的实验室实践理路，为建设社会主义现代化强国和实现中华民族伟大复兴提供智力支撑。