我国制造业数智化绿色化融合技术发展研判与对策建议

本文刊载于《中国科学院院刊》2026年第8期“专题：制造业数智化绿色化协同转型”

张鸿雁1 彭雨婷1 孙亚静1 周鹏1* 赵彦飞2 杨湘君3 张超4

1 中国石油大学（华东） 经济管理学院

2 河南工业大学 管理学院

3 山东省海洋科学研究院（青岛国家海洋科学研究中心）

4 南京航空航天大学 经济与管理学院

当前我国制造业正面临数智化与绿色化协同转型的双重挑战，推动二者深度融合发展已成为加速转型进程、提升产业竞争力的关键突破路径。厘清数智化与绿色化融合技术发展现状及方向，有助于优化制造业数智化绿色化协同转型路径，为经济高质量发展提供有力支撑。因此，文章聚焦于支撑转型的技术基础，基于专利视角刻画制造业数智化绿色化融合技术发展态势，从发展阶段、区域分布、行业差异等多维度剖析制造业数智化绿色化融合技术发展现状，结合国内外技术布局研判我国制造业数智化绿色化融合技术发展重点及未来挑战；进而，针对性提出明确前沿技术发展方向、激发企业创新动能、设计差异化政策等方面的对策建议，为优化制造业数智化绿色化融合技术发展路径、推动制造业高质量发展提供事实依据与理论参考。

推动数智化与绿色化的协同发展成为我国实现经济高质量发展的关键路径。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》强调，坚持智能化、绿色化、融合化方向，加快建设制造强国、质量强国、航天强国、交通强国、网络强国，保持制造业合理比重，构建以先进制造业为骨干的现代化产业体系；并明确提出，推动技术改造升级，发展智能制造、绿色制造、服务型制造。数智化与绿色化发展是一个动态耦合、持续演进的复杂过程，二者既能够通过技术创新、资源优化配置等机制实现相互赋能，也可能因技术成本、资源约束等因素产生阶段性的制约效应。数智化绿色化融合技术是指以人工智能、大数据为代表的数智技术与绿色低碳技术之间的嵌入式整合。这种深度整合实现了数智技术与绿色低碳技术的双向赋能，进而产生“1 + 1 > 2”的效果，有助于不断突破绿色研发、智能制造、资源优化和低碳管理等关键环节的技术瓶颈。因此，持续推动数智化绿色化融合技术发展，是充分释放数智化与绿色化协同效应、提升融合发展效能、支撑制造业高质量发展的关键。

本文聚焦制造业数智化绿色化转型的技术供给层面，重点关注数智化绿色化融合技术发展，系统分析了我国制造业数智化绿色化融合技术的发展现状、发展重点与发展挑战，并提出针对性对策建议，为后续探索转型优化路径、推动制造业高质量发展提供科学依据。

1 我国制造业数智化绿色化融合技术发展现状

为深入分析制造业数智化绿色化融合技术发展现状，本文以《数字经济核心产业分类与国际专利分类参照关系表（2023）》和世界知识产权组织（WIPO）发布的“国际专利分类绿色清单”（IPC Green Inventory）中涉及的国际专利分类（IPC）为基础，结合《国民经济行业分类》（GB/T 4754—2017）中制造业（C门类）31个行业，识别制造业数智化绿色化融合技术专利。其中，数字经济核心产业为产业数智化发展提供数字技术、产品、服务、基础设施及解决方案，涵盖了包含人工智能相关技术在内的依赖数字技术与数据要素的各类经济活动。基于Incopat全球专利科技分析平台，本文获取2011—2024年制造业数智化及绿色化技术发明申请与发明授权专利，数据获取时间截至2026年6月。鉴于一般发明专利在申请后3—18个月才会公开，因此2024年以后的专利信息未被纳入统计范围。本文进一步将同时匹配数智化技术分类和绿色化技术分类的专利界定为数智化绿色化融合技术专利，包括发明申请专利937183项、发明授权专利379296项。鉴于发明授权专利经历了更为严格的实质审查，更能反映技术专利质量，本文选取发明授权专利作为后续分析对象，运用专利分析方法系统揭示我国制造业数智化绿色化融合技术发展现状。

我国制造业数智化绿色化融合技术的发展趋势

制造业数智化绿色化融合技术显示出强劲的增长潜力，数智化技术发展成为融合技术发展的核心基础，但其与绿色场景的融合渗透率较为有限。图1展示了我国制造业数智化绿色化相关技术专利的创新活跃程度（发明申请数）、技术积累态势（发明授权累计数）和双化融合技术热点（关键词强度）。整体来看，双化相关技术呈现持续稳健增长的态势，其中制造业数智化技术在发展数量和速度上均优先于绿色化技术专利，显示出数智化技术在制造业中的广泛应用。制造业数智化绿色化融合技术发展势头强劲，其中融合技术的专利数量已超过绿色化技术专利总量的一半，说明绿色化技术领域内与数智化关联融合的布局较广；相对而言，数智化技术中绿色场景的应用比例仍然偏低。

制造业数智化绿色化融合技术应用不断拓展，呈现由设备级、系统级到长链条全周期应用的发展趋势。从基于潜在狄利克雷分配（LDA）分析生成的关键词来看，2011—2015年为制造业数智化绿色化融合技术发展的探索培育期，融合技术热点主要集中于燃料电池、控制电路、电动汽车、发电机组、动力电池等领域，主要应用于新能源装备、电力电子及智能监测等设备层面；通过数字感知和自动控制提升绿色装备运行效率，数智化绿色化融合技术处于设备级、单点式探索阶段。2016—2020年“存储介质”“终端设备”“神经网络”“信息处理”等关键词开始集中出现，制造业数智化绿色化融合技术持续拓展面向智能制造装备、工业互联等场景的落地实践，由设备级应用向制造系统级应用演进。2021年起进入智能融合深化推进阶段后，“故障诊断”“人工智能”“监测数据”“控制技术”等关键词进一步活跃，人工智能、大数据等数智技术深度赋能绿色低碳发展，推动数智化绿色化融合技术应用由制造系统优化进一步向产业链协同、全生命周期绿色管理和智能决策演进。

图1 2011—2024年我国制造业数智化绿色化融合技术专利发明申请及累计授权趋势

我国制造业数智化绿色化融合技术的区域差异

我国制造业数智化绿色化融合技术区域分布不均衡，东部地区融合技术形成明显发展优势。2011—2024年东部地区数智化绿色化融合技术专利占全国72.09%，而中部和西部地区占比分别为15.60%和11.49%。数智化绿色化融合技术发展主要依赖东部地区产业集聚、数字基础设施和创新平台支撑，而中西部地区数字技术应用能力、绿色技术研发能力和产业协同水平相对不足。

受经济基础、创新资源、产业布局等因素影响，数智化绿色化融合技术专利主要集中在广东、北京、江苏、浙江、上海等省份。其中，广东凭借完善的数字产业体系和先进制造业基础，融合创新优势最为突出；北京依托科研院所和高校资源，在数字技术、人工智能和绿色融合技术方面具有较强研发能力；江苏、浙江和上海则依托长三角地区产业协同优势，实现数智化与绿色化协同发展。从专利数量来看，各省份数智化技术数量普遍高于绿色化技术数量，但从相对优势来看，各省份在技术布局中各有侧重。例如，广东省数智化技术优势显著，但绿色化技术占比相对较低；山东省虽然未在数智化技术领域形成明显优势，但在绿色化技术专利占比中呈现较好的相对优势。

我国制造业数智化绿色化融合技术的行业分析

制造业数智化绿色化融合技术呈现出显著的行业异质性，资源循环与机械装备行业双化融合技术发展水平明显优于传统消费品制造行业。从数智化绿色化融合技术发展水平来看（图3），废弃资源综合利用业（C42）、电气机械和器材制造业（C38）的数智化绿色化融合技术占该制造业全部技术专利比重分别达23.77%、18.31%，显著高于其他制造行业，这表明资源循环利用和机械装备领域形成较好的数智技术赋能绿色发展的基础。此外，金属制品及设备修理业（C43）、仪器仪表制造业（C40）融合技术占比也都达到8%以上，体现出设备装备制造相关领域在双化融合技术发展中的优势。相比之下，传统消费品制造行业数智化绿色化融合技术发展水平相对不高，食品制造业（C14）、烟草制品业（C16）和纺织服装服饰业（C18）数智化绿色化融合技术占比均低于0.5%，表明传统消费品制造行业仍处于数智化绿色化融合技术发展探索阶段。

图3 2011—2024年我国各细分制造业数智化与绿色化技术占比

大部分行业制造业数智化技术产出领先于绿色化技术，已成为当前各制造业技术发展的重要方向。具体而言，计算机、通信和其他电子设备制造业（C39），印刷和记录媒介复制业（C23），废弃资源综合利用业（C42），以及电气机械和器材制造业（C38）数智化技术占比均超过70%。黑色金属冶炼和压延加工业（C31），仪器仪表制造业（C40），金属制品、机械和设备修理业（C43），有色金属冶炼和压延加工业（C32），以及非金属矿物制品业（C30）数智化技术占比过半。相比之下，酒、饮料和精制茶制造业（C15），石油、煤炭及其他燃料加工业（C25）绿色化技术占比较高，反映出相关行业受资源消耗、污染治理等因素影响，绿色化技术创新需求更为突出。

2 我国制造业数智化绿色化融合技术发展重点和面临挑战

我国制造业数智化绿色化融合技术发展重点

我国出台了一系列相关政策推动数智化和绿色化协同发展，持续推动制造业数智化绿色化融合技术发展。2015年，中共中央、国务院印发《关于加快推进生态文明建设的意见》，首次将“绿色化”纳入新型工业化、信息化、城镇化、农业现代化协同推进的“新五化”框架，为制造业绿色转型提供顶层依据；同年，国家开始系统部署智能制造发展战略，智能制造与绿色制造由此进入并行推进阶段，为后续数智化绿色化协同并进的政策体系构建奠定基础。此后，围绕智能制造和绿色制造，有关部门陆续发布《工业绿色发展规划（2016—2020年）》等政策，明确提出推动互联网、大数据等信息技术与绿色制造融合发展。2021年以来，在“碳达峰、碳中和”目标和建设现代化产业体系的引领下，我国数智化绿色化协同发展政策体系逐步向融合技术布局和实践应用深化。2024年《数字化绿色化协同转型发展实施指南》进行了行动计划部署，明确了数字化绿色化融合技术体系，提出重点发展包括数字赋能碳达峰碳中和关键共性技术、数字产业绿色低碳技术、数字赋能电力行业绿色化转型技术、数字赋能交通运输行业绿色化转型技术等领域在内的11项融合技术方向，为推动制造业数智化绿色化融合技术发展提供了关键指引。《2025年数字化绿色化协同转型发展工作要点》等政策进一步强调引导支持数字化、智能化、绿色化融合创新。为识别我国近年来制造业数智化绿色化融合技术发展重点，本文聚焦2021—2024年数字化绿色化融合技术专利，采用LDA主题模型提取专利技术主题，并结合IPC分类进行交叉验证，将我国制造业数智化绿色化融合技术归纳为5个重要领域（表1）。

表1　我国数智化绿色化融合技术重要领域

1

数智能源系统技术

数智能源系统技术领域涵盖能源管理、新型储能等方向，通过能源数据感知、智能预测和优化调度，提高能源利用效率和新能源消纳能力。我国大力推进“人工智能+能源”融合发展，目前已有数十个能源行业专用大模型正式落地应用，覆盖电网、油气、煤炭、新能源等产业链，能源行业智能化转型进入快速推进阶段。储能产业正与数智技术深度融合，我国新型储能新增装机规模保持全球第1位，以动力电池、燃料电池等为代表的新型储能技术成为数智化绿色化融合技术关键点，并通过智能管理平台实现储能设备状态监测、运行优化和多能协同调度。与此同时，全球能源系统数字化转型过程中，生命周期管理和绿色治理理念不断深化。《电池和废电池法规(EU) 2023/1542》（Regulation (EU) 2023/1542 concerning batteries and waste batteries）提出建立电池护照制度，通过数字化方式记录电池材料组成、生产过程、碳足迹及供应链信息，推动储能产品管理由运行阶段向全生命周期延伸。电池护照等数据追溯制度及工具，有助于推动储能产品全生命周期数据贯通、信息共享和碳足迹追踪，对提升储能产业数智化绿色治理能力具有一定借鉴意义。

2

智能控制与优化技术

智能控制与优化技术领域主要包括智能控制算法、协同控制、工业数据分析和人工智能优化等方向，通过融合工业数据、智能算法和先进控制方法，对设备状态、生产参数和能源消耗进行动态优化，实现设备、产线与能源系统协同运行。我国智能制造技术加速发展，智能控制已在钢铁、石化、装备制造等行业得到应用，部分钢铁企业已通过数字化控制系统优化生产工艺，实现能源消耗和污染排放降低，这表明我国已具备将数字技术嵌入复杂工业流程并实现规模化应用的能力。随着人工智能、工业软件和工业数据分析技术不断发展，智能控制技术正由单点优化向基于模型驱动的系统优化演进，德国西门子等企业依托数字能源系统、人工智能和碳管理平台结合，实现生产过程持续优化；美国科技公司霍尼韦尔通过人工智能结合机器学习的集成预测控制算法提升绿色氢气电解效率与成本效益。上述实践表明，智能控制技术的深化发展不仅依赖应用场景拓展，还取决于工业软件、知识模型和智能优化算法等底层原创能力积累，底层技术体系建设或成为推动其由应用驱动向自主优化演进的关键。

3

智能感知与运维技术

智能感知与运维技术领域主要涉及智能传感、状态监测、故障诊断、预测维护和生命周期管理等方向，通过融合传感器、人工智能和数据分析，实现制造设备状态实时感知、异常识别和健康评估，推动设备管理由事后维修向预测维护转变。我国智能传感器企业培育已形成龙头引领、专精特新支撑、区域集群协同的格局，加速向世界级企业梯队迈进。国际企业围绕智能运维持续推进技术创新，将感知、诊断、决策和控制融合，建设覆盖设备全生命周期的智能运维体系。例如，施耐德电气等企业依托工业软件平台和人工智能算法，构建预测性维护解决方案，实现设备健康状态预测和维护策略优化。对标国际，我国已形成较强的工业感知和设备智能运维应用基础，并逐步推动智能感知技术与能源管理、生产优化深度结合，使智能运维由设备可靠性保障工具逐步转向提升能源效率和生产绩效的重要手段。

4

数字基础设施技术

数字基础设施技术领域主要包括工业互联网、工业软件、数据存储、计算设备和信息处理等方向，通过构建数据采集、传输、存储和分析体系，实现制造过程数据贯通和资源消耗动态监测，为智能控制、能源优化和绿色生产提供数据基础。我国近年来在工业互联网、算力基础设施和绿色数据中心建设方面取得显著进展。截至2024年，全国累计建成246家国家级绿色数据中心，形成了支撑制造业数智化绿色化转型的基础条件，我国数字基础设施已具备规模化应用基础。同时，全球数字基础设施正在由信息支撑体系向面向产业协同和绿色治理的新型基础设施演进。欧盟通过数字产品护照建立统一的数据标准体系，实现产品材料、碳排放和生命周期信息追踪；德国依托“制造-X”（Manufacturing-X）等工业数据空间，推动产业链数据可信共享。依托工业互联网、绿色数据中心和算力基础设施的持续建设，数据链贯通与价值释放将进一步支撑制造业绿色治理与绿色化转型。

5

数智交通系统技术

数智交通系统技术领域主要包括新能源汽车、智能网联汽车、交通状态感知和智能控制等方向，是数智技术与绿色交通融合发展的典型应用。我国汽车产业规模全球第一，智能网联新能源汽车产业竞争力位居世界首位，核心技术达到国际先进水平。智能网联新能源汽车通过融合车载传感、人工智能、车联网和能源管理技术，实现车辆状态感知、智能决策和能耗优化，提高交通装备能源利用效率，降低交通运行过程碳排放，推动交通系统向绿色化、智能化方向演进。而德国通过相关法规推动交通数据开放共享，欧盟通过政策和资金支持推动智能电动车充电和车队管理，日本依托智慧城市探索交通能源协同治理。我国已具备智能网联新能源汽车产业发展和规模化应用的优势，通过完善交通数据共享机制、交通基础设施与能源系统协同，将进一步增强数智交通技术创新和产业竞争优势。

制造业数智化绿色化融合技术发展面临的挑战

当前，全球主要国家通过顶层战略设计推动制造业的数智化绿色化协同发展。以欧盟《净零时代绿色协议产业计划》（A Green Deal Industrial Plan for the Net-Zero Age）、美国《国家先进制造战略》（National Strategy for Advanced Manufacturing）、日本《绿色增长战略》（2050年カーボンニュートラルに伴うグリーン成長戦略）等为代表的政策框架，均将数智技术视为赋能绿色转型的关键路径。对比国际战略布局发现，各国在技术布局上虽各有侧重，但均聚焦于能源系统优化、制造过程智能化、基础设施升级，以及人工智能、数字孪生等前沿技术与制造业的深度融合。具体措施涵盖构建智能制造平台、建设工业数据空间、发展智能能源管理系统等，旨在提升制造过程的精细化管控水平与能源资源配置效率。相较于国际数智化绿色化融合技术布局，我国在底层原创性技术突破、系统集成能力及面向能源和碳排放管理的绿色场景开发等方面，仍存在诸多挑战。

1

底层原创型数智化绿色化融合技术亟待加强

欧盟在建设工业数据空间过程中，注重加强基础算法、数据处理与治理和数字计算等底层关键技术建设，推动工业数据共享、互联互通与互操作，为人工智能、数字孪生等融合技术创新及绿色化与数字化双转型提供技术基础。我国目前以成熟数智技术与绿色制造技术的交叉融合和应用拓展为主，对于支撑数智化绿色化协同发展的工业数据采集与治理、工业软件、基础算法等关键底层技术布局及基础原创技术供给能力仍有待提升。究其原因，数智化绿色化融合底层关键技术研发具有多学科交叉、研发周期长、投入成本高、成果转化风险大的特点，企业创新更多集中于成熟技术集成和应用场景拓展，导致底层原创技术突破相对不足。而底层技术直接关系工业数据互联互通、融合算法优化、装备智能控制和绿色低碳运行等核心能力，也是推动融合技术由单点应用向系统创新演进的基础。因此，我国仍需强化数据底座、基础算法、高端工业控制等关键底层技术的布局。

2

系统集成型数智化绿色化融合技术亟待完善

欧盟围绕数字产品护照（DPP）、工业数据空间、开放协作式数据生态系统（Catena-X）、“制造-X”等持续布局系统集成型融合技术，逐步构建覆盖产品全生命周期的数据管理体系和产业链协同机制，不断推动数字技术、绿色技术与制造系统深度融合。我国数智化绿色化融合技术虽然已广泛应用于智能制造、设备运维、能源监测等典型场景，但融合技术应用仍以企业内部生产优化和单一场景应用为主。在全生命周期的系统集成型融合技术方面，我国的产品全生命周期环境信息、碳排放数据与资源循环数据的集成管理能力有待提升，支撑系统集成型数智化绿色化融合技术体系发展的跨企业、跨产业链数据共享与协同机制仍需加快引导完善。

3

面向能源与碳管理的数智化绿色化融合技术亟待提升

美国、日本等国家围绕制造业绿色低碳转型需求，持续发展数字孪生、工业智能体（industrial AI）、自主优化制造（self-optimizing manufacturing）、智能能源管理系统（EMS）等融合技术，通过实时数据分析与智能控制提升制造过程能效和能源系统运行效率。当前，我国制造业数智化绿色化融合技术虽然已在能源管理等领域形成一定应用基础，但现有融合技术应用仍较多集中于数据采集、状态监测和辅助分析等环节，在面向绿色场景的深度融合应用，如能源系统协同调控、碳排放智能管理、资源利用预测分析等方面仍有较大提升空间。因此，我国仍需加快面向节能降碳和资源高效利用需求的数智化绿色化融合技术发展，推动融合技术由监测分析向预测决策、自主优化持续演进。

3 加快我国制造业数智化绿色化融合技术发展的对策建议

明确我国数智化绿色化融合技术前沿发展方向

1

筛选确定关键核心技术攻关重点

面向制造业数智化绿色化协同转型需求，建立融合技术动态研判和重点攻关清单联动更新机制，将技术成熟度、产业需求和战略紧迫性作为动态调整依据，及时优化关键核心技术布局。持续跟踪数智技术与绿色低碳技术融合发展趋势及应用场景，动态识别关键共性技术和前沿交叉方向，形成数智化绿色化融合技术图谱。

2

强化底层原创技术长周期支持机制

面向多学科交叉的双化融合技术前沿领域，构建跨学科协同研发与长周期支持机制；围绕产业链关键共性技术短板，推动跨主体、跨部门的产学研协同攻关。针对基础模型、核心算法、工艺数据库等底层支撑技术，发挥国有资本引领作用；拓宽中长期资金配置及稳定支持渠道，建立创新风险分担机制，引导创新主体开展前瞻性布局。

3

强化系统集成型与能碳管理型融合技术布局

借鉴欧盟数字产品护照、工业数据空间等建设经验，加快构建面向绿色制造的全生命周期数字化管理体系，重点突破产品碳足迹追踪、数字产品生命周期管理、跨主体工业数据可信流通等关键技术。借鉴美国、日本数字孪生、工业人工智能和智能能源管理系统等发展经验，重点突破工业智能体、多目标优化控制、能源—生产协同调度等关键技术，实现生产过程、能源消耗和碳排放的实时感知与自主优化。

激发企业数智化绿色化融合技术创新动能

1

引导数智能力向绿色场景有效延伸

从需求端引导绿色化目标作为数智化企业的市场锚点，建立绿色场景数智需求清单与动态发布机制，开展行业试点示范和建设典型案例库，总结数智化技术赋能绿色制造的有效路径，推动数智科技领先企业实施零碳发展计划，引导研发资源向节能降碳、低碳工艺替代和绿色供应链管理等场景倾斜，推动数智化优势向绿色创新能力转化。

2

构建企业间开放式融合技术创新平台

构建龙头企业引领、产业链上下游企业共同参与的数智化绿色化融合技术平台。依托政务数据共享平台，完善数智化绿色化融合技术供需对接的公共服务，打通技术能力溢出、数据资源流转与算力设施共享通道，推广轻量化、低成本、易维护的数智化解决方案，发展面向特定行业的智能监测、能效管理和流程优化等普惠性技术服务，降低中小企业数智化绿色化融合技术应用门槛。

3

加大创新生态建设和政策支持力度

针对非核心高难度交叉前沿技术，鼓励领军企业分解研发任务并联合专精特新企业协同攻关，促成企业间技术溢出效应，构建融合技术创新生态。面向关键融合技术建立竞争性接续支持机制，根据不同阶段设置动态评价标准，对达到阶段目标的企业持续给予研发投入、场景开放和创新服务支持，实现政策支持由一次性资助向全过程接续支持转变。

差异化引导地区行业数智化绿色化融合技术发展

1

推动区域融合技术要素的差异化配置与优化布局

进一步发挥东部地区在技术研发、标准制定和应用示范方面的引领作用，发挥中部地区在能源资源、装备制造等领域的特色优势；依托算电协同政策发挥西部地区绿电及算力资源优势，开发双化融合技术多元化应用场景。遴选制造业数字化绿色化融合技术发展基础较好、成效突出地区，深入开展数智化绿色化融合技术研发与应用试点，在数据要素流通、绿色要素交易、算力资源配置等方面先行先试。

2

分行业路线引领融合技术赋能传统与新兴产业发展

结合不同行业发展阶段和转型需求，制定差异化、阶段化的分行业数智化绿色化协同发展技术路线图。鼓励人工智能、工业互联网、数字孪生等前沿数智化技术成果向传统制造业开放应用；同时，推动钢铁、石化等重点传统行业定期发布数智化转型和绿色化改造需求清单，加速新兴融合技术场景落地，推动数智化绿色化融合技术在新兴产业中的创新迭代及在传统制造业中的推广复制。

3

提升以品牌、标准、规则为核心竞争力的新优势

聚焦我国具有竞争优势的新型储能、智能网联新能源汽车等融合技术，建立优势技术规则转化机制，在技术研发及推广阶段注重形成可复制、可认证、可推广的技术规范；并依托重点行业和重大工程开展标准验证与国际认证，推动成熟技术与标准、认证、解决方案协同输出，加快将技术优势转化为标准优势和规则优势。

作者简介

张鸿雁 中国石油大学（华东）经济管理学院教授。主要研究领域：能源技术创新管理、能源经济与管理等。

周 鹏 中国石油大学（华东）经济管理学院教授。主要研究领域：能源经济与管理、低碳运营管理、工程管理等。

文章来源

张鸿雁, 彭雨婷, 孙亚静, 等. 我国制造业数智化绿色化融合技术发展研判与对策建议. 中国科学院院刊, 2026, 41(8): 1613-1624.

DOI: 10.3724/j.issn.1000-3045.20260725005.

本刊发表的所有文章，除另有说明外，文责自负，不代表本刊观点。