赵忠贤（中国科学院院士、2016年度国家最高科学技术奖获得者）
　　70年来，中国科学院为中国建立完整的科学技术体系发挥了关键作用，对科学的布局和逐步完善起到了奠基性作用。在国家以“两弹一星”为代表的重要科学技术的重大项目，中国科学院都做出了重要贡献。进入新时代，中国科学院面临着新机遇和挑战，区域性的科技创新中心正在形成，中国科学院肯定是主角，但如何发挥作用和怎样发挥作用是需要下工夫的。
　　这是挑战，也是机遇。相信中国科学院能够立新功。我粗浅提出以下几点建议：
　　人才是第一位的。一是人才方面现在要建立学科和技术结构合理的团队。二是形成一个人才能发挥才能的良好环境。三是要形成健康的人才流动机制。
　　中国科学院要定好位。以前经常有人讨论“中国科学院存在定理”，70年的成就表明，“中国科学院存在定理”是成立的。新时代，中国科学院的关键是为国家科学技术健康发展发挥更大作用，实现“四个率先”。
　　当前，中国科学院既有能力为突破“卡脖子”技术、从基础科学的深层次角度做出贡献，又能为“心腹之患”，也即国家长远发展提供源泉。
　　中国科学院要打好“摩天大楼”地面下的基础工作。这个基础别人可能看不见，但对国家长远发展是非常重要的。建设好大科学和综合性的科学平台，为院内外的科学家服务，这很重要。
　　
李国杰（中国工程院院士、中国科学院计算技术研究所研究员）
　　70年来，我们已经形成从基础研究、应用研究到成果转化的线性科研模式。继续沿用固定的科研模式，可能会延缓我们实现科技强国的进程。
　　现如今，我们需要认真梳理，理清哪些需要继承、哪些需要补充、哪些需要扬弃。如今，我们国家经济社会已经进入新时期，新时期要有新科研模式。
　　在这一背景之下，我认为我们要转变线性的科研模式，更加重视基础性的发明。我们国家一直把科研工作分为基础研究、应用研究和实验开发。把基础研究和应用研究分为上下游的关系不利于科学技术的发展。科学和技术是平行的，没有绝对先后，发明和发现是相互促进的有机整体，重大的发明往往包含新的发现。
　　我们国家的基础研究投入占比5%，虽然不足，但国家非常重视；可近几年我们应用研究的比例一直在下降，20世纪大概在20%左右，现在降到10%左右。
　　国外应用研究占20%～50%。我们国家是一个发展中国家，应该更加鼓励应用研究，多做源头上创新，克服重论文、轻发明倾向，更加重视基础性发明。
　　目前，国家正在筹建国家实验室，但在新兴领域，我们要像重视国家实验室一样，重视企业里的创新实验室。信息领域的重大发明，包括集成电路、晶体管、主流操作系统等都是出自企业。计算机界的图灵奖大家看成跟诺贝尔奖一样的分量，70余名图灵奖得主中，只有万维网的发明者伯纳斯·李一个人是来自国家实验室，其他都来自大学和企业。
　　
李静海（中国科学院院士、国家自然科学基金委员会主任）
　　过去的70年，我国已成为名副其实的科技大国，成绩值得骄傲。与此同时，我们应当清醒地认识到，中国科学技术水平要支撑实现“两个一百年”的目标仍然差距不小。在这样一个时期，战略选择和对应的改革十分重要。从当前看，以下几个问题十分重要：
　　一、科研范式变革带来的重大机遇。有一种观点认为，数据密集型将是新的科研范式的特征。但事实上，这也许并不是科研范式变化的主要方面，重视科学研究内容、方法和范畴的根本性变革才是最为重要的，比如静态平均的研究应当转向动态结构的复杂性研究。我们不应回避困难。
　　二、学科交叉已成为新科学突破的主要途径。据统计，过去18年诺贝尔自然科学奖中，学科交叉成果的比例已经从20世纪的20%上升到40%以上。各种学科交叉研究机构层出不穷，传统的学科布局和科研组织模式已经不能适应科学技术的发展，必须引起我们的高度重视，并采取措施。
　　三、基础研究、应用研究以及工程研发三类研发活动的非线性互动关系，已经成为各国提升国家创新体系效率的关键。对基础研究而言，科学前沿和需求导向是“两条腿走路”，这两方面科学问题的凝练机制十分重要，这种互动关系应当是科技体制改革的核心问题。
　　四、培育更年轻的优秀学者和鼓励原创是当务之急。年轻人思想活跃，思维还未形成惯性，易产生原创思想，所以把鼓励原创和年轻人才培养联动起来可能更为有效。
　　
徐宗本（中国科学院院士、西安交通大学教授）
　　“人工智能的基石是数学，没有数学基础科学的支持，人工智能很难行稳致远。” 在我看来，目前人工智能所面临的一些基础问题，其本质是来自数学的挑战。
　　数学家眼里的人工智能是什么？当下主要指机器学习。如果给这个名词赋予一个说明，我认为这是人或者智能体，通过与环境的交互来提升自身行为和解决问题能力的智能化操作。机器学习是把这种智能形式化为数学公式，转换成计算机可以操作的算法和软件。
　　进一步说，人工智能实际上是一个将数学、算法理论和工程实践紧密结合的领域。将其扒开来看，就是算法，也就是数学、概率论、统计学、各种数学理论的体现。
　　不过我认为，作为人工智能基石的数学，还存在五大核心问题待解，而这也是制约人工智能进一步发展的“绊脚石”。
　　第一是大数据的统计学基础，第二是大数据计算基础算法，第三是深度学习的数学理论，第四是非常规约束下的最优输运，第五是关于学习方法论的建模与函数空间上的学习理论。
　　人工智能想要做得好，要靠数学问题尤其是算法的解决。在这一现状之下，从业者应潜心从基础研究抓起，使我国的应用场景优势真正转化为技术优势和产业优势。科
　　
　　（本栏目资料来源于网络）