7月9日上午，北京会议中心内，不时响起阵阵掌声。

2026年中国工程科技论坛正在此举行。作为中国工程院第十八次院士大会的重要组成部分，该论坛以“工程科技赋能高质量发展”为主题，4位中国工程院院士、中国工程院外籍院士作大会报告，同时面向社会公众直播。

锚定2035年建成科技强国的战略目标，五百余位院士现场参会，共同探讨工程科技创新赋能高质量发展的新思路、新方法、新举措。

着眼前沿，培育新动能

你的身上藏着多少“黑科技”？一块不起眼的手表，不仅能显示时间，还能实现心率、血糖、血氧等生理指标的实时监测和记录。

“智能可穿戴设备正成为连接人体生理世界、物理世界与数字世界的桥梁。”中国工程院外籍院士拉马克瑞斯纳·西拉姆说，目前，全球智能可穿戴市场已进入高速增长期。

然而，续航能力、佩戴舒适性、数据精准与隐私安全性，仍然是制约该产业发展的共性瓶颈。

由于智能可穿戴设备的技术核心涉及材料、传感、能源、通信、AI等多个前沿领域，因此，跨学科合作、协同攻关的重要性愈发突出。

“在性能提升、灵敏度提升、自供能、记忆与计算、无线通信和智能化等方面，仍然需要更多研发投入。”拉马克瑞斯纳·西拉姆指出，而中国完整的制造能力与产能、高水平科研与创新投入，将成为迈向未来产业的良好基础。

以未来产业为代表的新质生产力的发展，同样呼唤着制造业的转型升级。

“传统以几何精度为核心、依赖经验试错与类比的设计制造模式，已越来越难以承载高端装备对更高性能的迫切需求。”中国工程院院士郭东明说。

因此，在综合考虑材料属性、几何结构、制造工艺和使役条件等全要素的基础上，实现科学的性能建模和结构设计，建立最佳工艺参数调控方法，充分保证装备和零件高性能要求的最适宜制造。

“针对新一代装备制造的重大难题和需求，高性能制造需要突破‘机理’、‘机制’、‘方法’三大关键科学问题。”郭东明以复杂海洋环境船舶装备为例，其性能指标由结构参量、材料参量、制造参量、使役环境参量共同决定，数字造船整体画像则涵盖船舶研发、设计、供应链、建造、试验、工程管理、运维以及退役全寿命周期。

因此，加快培育高质量发展新动能，离不开高性能制造的赋能。

“面向国家重大需求和高端装备自主可控要求，高性能制造能够充分发挥我国制造业体系优势，是构建中国特色高端装备制造理论与技术体系的重要途径。”郭东明强调。

面向传统，探求新机遇

在新一轮科技革命和产业变革浪潮中，更多传统产业迎来转型升级的窗口期，智能、绿色，正成为高质量发展的关键词。

“清洁能源转型升级正受到波动性可再生电力快速增长、电气化程度不断提升以及新增电力需求的共同推动。”会上，中国工程院外籍院士彼得·大卫·路德介绍，2025年，可再生能源占全球新增电力装机容量的85%。

随着全球能源转型步伐持续加速，新的难题浮上水面。

以太阳能、风能为代表的可再生能源受天气波动影响较大，要想实现大规模并网应用，必须提升能源系统的系统集成能力和灵活性，保障能源供应的可靠性和可负担性。

因此，电力系统的“蓄水池”——储能的重要性愈发突出。

当前，在全球能源战略布局中，储能已然成为关键一环。目前已形成清晰的发展格局：传统的抽水蓄能系统占据电力储能容量的90%，而以锂离子电池为基础的电池储能系统则主导新增储能容量，占比同样高达90%。

“尽管2025年电池储能系统容量增长了100GW（吉瓦），增幅达40%，但如果将新增容量完全用于支撑太阳能光伏的增长，也只能增加约半小时储能能力。”彼得·大卫·路德说。

“未来十年，现有储能容量和新增规模需要提升4至6倍。”彼得·大卫·路德说，为解决这一难题，各国正积极研发机械储能、电化学储能、热储能和化学储能等下一代储能技术。

此外，可再生能源的普及、AI数据中心用能的增长，以及全球能源安全需求的升级，都将带动储能行业的快速发展，AI与储能的融合也为储能系统集成与优化带来了新的机遇。

储能产业的变革仅是一个缩影。以可再生能源电力工程系统为代表的各类复杂工程，迫切呼唤工程科学的理论支撑。

“工程科学是基于基础科学，研究各类工程系统独有的运行机理、演化规律等理论知识体系。”中国工程院院士丁烈云指出，包含三条发展路径：先实践探索、再总结理论；先构建理论、再工程落地，以及理论与实践并行。

而伴随着现代工程越来越复杂，呈现出显著的复杂工程系统特征，针对这类复杂工程开展的实践探索，又进一步丰富了工程科学的内涵，促进工程科学研究的范式创新。

立足实际，探索新范式

新范式，是这场论坛的又一关键词。

“工程科学研究范式创新，包括产研一体、数智赋能、学科交叉。”丁烈云介绍，首先，工程难题需要工程理论来支撑技术突破，因此，必须打通工程科学—工程技术—产业应用的完整链条。

其次，相较国外以还原论为特征的工程科学，我国的工程科学研究更突出系统论的特点，尽管有丰富的应用场景和实践经验，但在新框架、新机理、新求解方法上相对不足。

“AI将推动工程科学发生系统性跃迁，带来原理、建模、计算与应用的深刻变革。”丁烈云指出，在机理上强调多因素耦合、边界开放性与真实世界一致性；在建模上实现机理与数据驱动的深度融合，对复杂系统的建模能力上限更高；在计算上则通过大模型训练形成深度求解器，推理阶段可快速输出计算结果。

“AI正在重塑研究范式，为我国在方法论层面实现国际并跑、甚至局部领跑提供机遇。”丁烈云说，这也将推动工程科学向更大规模、更高复杂度迈进。

而由于复杂工程系统存在非线性演化、涌现、不确定性等特征，单一学科无法完成建模、分析与调控。

“因此，应促进多学科交叉，围绕整体工程目标与任务，组织不同学科背景专家攻关，借鉴其他学科理论、方法与技术来解决本学科领域的工程问题。”丁烈云总结道。

具体到装备制造领域，其同样经历着范式的革新。

“性能的极致要求，给制造带来了一系列严峻问题和挑战。”郭东明指出，包括性能达成难、协同调控难、科学决策难等，“我们应当从过去的以经验类比和实验为主的模式，转变为科学的设计与制造。”

该如何实现这一目标？郭东明认为，关键要依据第一性原理建立产品的性能关联模型，通过设计—制造协同实现结构、材料、几何与服役性能一体化优化的科学制造。

“展望未来，高性能制造将推动制造工程向制造科学的范式跃升，为高端装备自主创新和制造强国建设提供理论与技术支撑。”郭东明说。

2026年中国工程科技论坛现场。中国工程院供图