孫占卿：當企業開始主導前沿創新，大學該何去何從？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：

近年來，人工智能（AI）、量子計算、生物科技等前沿領域日益呈現出明顯的“基礎設施化”趨勢，技術創新的發生方式也隨之發生深刻變化。在AI領域，算力與數據逐漸成為核心創新資源；在量子計算領域，技術突破離不開昂貴而復雜的大型實驗裝置與云平臺；在生物醫藥領域，科研進展則越來越依賴龐大的基因數據庫和高通量實驗平臺。在這一背景下，許多科研活動對資本、平臺和組織能力的要求均有提升。

在IPP特約研究員、廣州市社會科學院城市治理研究所副所長孫占卿看來，在前沿領域的科技創新上，企業在科研條件和組織方式上的優勢愈發凸顯。首先是前沿科技呈現出“科學與技術并行”的特征，使企業能夠不斷向研究前端延伸；與此同時，技術成果轉化為現金流的周期縮短，也增強了企業將商業利潤持續回流至基礎研究的動力。此外，企業不僅能夠承擔高校難以承受的高額科研投入，還可以通過項目制快速整合資源，組織起大規模的跨學科攻關團隊。

即便目前在通用型人才培養和基礎性知識研究方面，大學依然不可替代，但隨著人工智能深刻改變知識的產生方式和傳播路徑，以及企業通過學徒制和內部培養機制逐步成為精英人才訓練的重要中心，大學亟需重新審視自身在科研與創新體系中的位置。

孫占卿博士

廣州市社會科學院城市治理研究所副所長、IPP特約研究員

當前，人工智能等前沿科技領域正在出現一個顯著趨勢：其創新主導權正從傳統的高校和科研院所加速向科技領軍企業轉移。企業不再僅僅是技術成果的被動轉化者，而是逐漸演變為基礎科學問題的提出者、大科學裝置的構建者以及全球創新生態的組織者。

這一范式轉變不僅將重新定義國家和區域競爭力的核心邏輯，也對大學的使命提出了新的挑戰。

一、企業超越大學成為科研的主力

在傳統的“產學研”模型中，基礎研究被視為純粹的公共產品，主要由政府資助、高校和國家實驗室執行；應用研究由科研院所承擔；企業則主要負責試驗開發與商業化。然而，自2018年以來，特別是進入2023—2025年這一周期，這一分工格局在前沿科技領域已被徹底打破。

企業部門的研發投入已遠超大學。根據美國國家科學基金會（NSF）及相關機構發布的數據，美國企業部門的研發支出已占據絕對主導地位。2023年，美國企業部門研發執行支出約為7350億美元，占全美研發總額的78%左右，而高等教育部門僅占約11%。

更具顛覆性的變化體現在“基礎研究”的結構上。長期以來，基礎研究被認為是企業的“禁區”，因其回報周期長、不確定性高。但數據顯示，美國企業在基礎研究上的投入正在快速增長。2012年至2023年期間，盡管聯邦政府對基礎研究的撥款不斷增加，但商業部門資助的份額仍從21%上升至約35%，而聯邦政府的資金份額則從52%下降至41%。從執行和承擔的角度看，雖然高校仍承擔了46%的基礎研究，但企業承擔的比例已從2012年的約21%激增至2023年的31%—35%左右。這意味著，超過三分之一的基礎科學突破正直接誕生于企業實驗室，而非大學校園。

在中國，這一趨勢同樣顯著。2024年全社會R&D經費投入達3.63萬億元，其中企業占比長期穩定在77%以上，成為無可爭議的研發投入主體。

歐盟方面，盡管受限于經濟波動，企業部門仍貢獻了約66%的研發支出，且在德國、法國等核心國家，大型跨國企業在綠色技術和數字化轉型的基礎研發上投入巨大。

企業作為科技創新的主體，在現代經濟體系中扮演著核心角色。2024年企業對全社會R&D經費增長貢獻率達到77.1%，是拉動我國R&D經費增長的主要力量。圖源：新華社

二、關鍵前沿領域的企業主導態勢

（一）人工智能：算力霸權下的企業壟斷

人工智能領域是企業主導創新最典型的樣本。2023年至2025年，隨著大模型（LLMs）參數量向萬億級邁進，模型訓練所需的算力門檻已提升至E級（Exascale）超算水平。

模型開發的主導權已經轉移至企業。根據斯坦福大學HAI發布的《2025 AI Index Report》，OpenAI、Google DeepMind、Anthropic等科技巨頭壟斷了最頂尖的基礎模型研發。2024年，全球近90%的標志性AI模型由企業開發，而這一比例在2023年僅為60%，在2014年以前則主要由高校主導。

AI模型創新已經集中在少數頭部科技公司手中。圖源：Stanford HAI

大學與企業在研究資源投入能力上的差距正日益擴大。2024年，美國私人部門在人工智能（AI）領域的投資達到1091億美元，主要用于構建龐大的GPU集群和數據中心。

相比之下，高校主要依賴聯邦政府有限的資助，例如美國國家科學基金會（NSF）每年約7—10億美元的AI專項經費。二者在算力和數據資源投入上存在百倍級差距。高校教授紛紛選擇“停薪留職”加入企業，或將實驗室設在企業內部，因為“只有在企業才能接觸到最前沿的數據和算力”。

（二）生物醫藥：AI驅動范式革命

在生物技術領域，雖然NIH（美國國立衛生研究院）仍是基礎生物學機制研究的最大資助方，但藥物發現的前沿陣地已發生轉移。越來越多地使用復雜的AI模型來應對藥物發現中的核心挑戰，如蛋白質結構預測、分子設計和快速候選優化。盡管傳統生物醫藥公司仍通過合作發揮關鍵作用，但基礎性突破往往源于AI。研究表明，在某些情況下，AI可能將藥物開發成本降低高達50%，使罕見疾病治療更具可行性。

2025年10月，禮來公司（Eli Lilly）與英偉達合作構建制藥領域最強大的AI超級計算機，旨在通過處理海量生物數據集來加速藥物研發，實現個性化醫學。而早在7月，Isomorphic Labs（2021年從DeepMind分拆）首批由AI生成的藥物就已進入人體試驗階段。

英偉達宣布與制藥巨頭禮來(Eli Lilly)達成合作，共同建設被稱為“醫藥領域最強大的超級計算機”，以支持分子建模與藥物研發。黃仁勛表示，人工智能正成為醫藥創新的核心驅動力。圖源：路透社

（三）量子信息：國家戰略下企業沖鋒

雖然中、美和歐盟等主要國家都在量子領域投入巨資，但在實現“量子優越性”和構建商業化量子計算機方面，企業是絕對主力。中國的本源量子、華為，以及美國的IBM、Google、IonQ等企業，正在主導量子比特的物理實現和糾錯算法的開發。

2024年，全球量子技術初創企業融資額激增，顯示出資本市場對企業攻克基礎物理難題的信心。2025年10月，谷歌發布了人類歷史上首次由量子計算機成功運行的可驗證算法，并登上《Nature》封面，標志著量子計算已接近實際應用，也顯示了行業巨頭在前沿技術領域的長期投入與研究組織能力。

谷歌量子人工智能部門首席科學家米歇爾·德沃雷（Michel Devoret）獲得了2025年諾貝爾物理學獎。圖源：路透社

（四）新材料：工業化模式加速創新

企業“研發—中試”一體化的組織模式更有利于材料科學創新。與高校實驗室的“燒杯實驗”相比，大型企業擁有龐大的全球材料數據庫和高通量篩選實驗線。以固態電池為例，寧德時代、豐田等企業通過中試線直接驗證材料在工業環境下的性能，大大縮短了從材料發現到電池上車的周期。2025年被視為固態電池技術的關鍵轉折點，而這一進程幾乎完全由產業鏈龍頭企業所推動。

三、為何企業能取代高校成為前沿創新主體？

當代科學研究的特點，凸顯了企業在科研條件和組織方式上的優勢。

（一）科學與技術的邊界消融，使得企業向科研延伸

企業介入基礎研究并非出于純粹的求知欲，而是因為前沿技術的基礎科學“含量”正在急劇增加。在量子計算、合成生物學、生成式AI等領域，科學發現與技術應用之間已不再存在明顯的時間滯后，而是呈現出“即時轉化”的特征。

例如，Google量子人工智能實驗室在超導量子比特糾錯方面的研究，既是物理學的前沿探索，也是量子計算機工程化的核心步驟。這種“科學與技術并行”的特征，迫使企業必須向研究前端延伸，建立屬于自己的“貝爾實驗室2.0”。

（二）商業化回饋加速，推動企業投入研發

隨著技術成熟度曲線的收斂，前沿技術轉化為現金流的周期不斷縮短。Hyperion在對175家工業企業的調研中發現，平均每投入1美元用于高性能計算，就能實現425美元的回報。

企業看到了基礎研究帶來的超額利潤（如OpenAI估值的飆升），因此更有動力將利潤回流至基礎研究，形成“研發—商業—再研發”的正向循環。在競爭中，頭部企業通過巨額投資加速產品迭代，持續強化領先優勢，也進一步放大了大學在投入能力上的不足。美國在2025年AI硬件性能的年增長率達到43%，而大學體系僅為18%，使得學術界在參數密集型模型上的落后更加突出。

據路透社報道，軟銀集團正通過出售部分投資等現金籌集計劃，爭取在年底前完成對OpenAI的225億美元融資承諾。圖源：路透社

（三）基礎研究設施“重資產化”，大學無力承擔前沿研究

前沿科研越來越依賴昂貴的大科學裝置和算力集群。企業憑借強大的資本積累和融資能力，能夠承擔高校難以承受的資本支出。例如，訓練一個GPT-4級別的模型需要數億美元的算力成本，這幾乎超出了任何一所大學的財務承受能力。

同時，企業掌握著數據這一研發的關鍵要素。在數字經濟時代，數據被視為“新石油”，互聯網巨頭和行業龍頭掌握了海量的用戶數據、工業數據和生物數據。這些數據是訓練AI模型、優化工藝流程的關鍵資源，而高校往往難以獲取高質量、實時的數據。

（四）研發需要跨學科的敏捷性，學科成為大學的桎梏

在推動跨學科合作方面，企業相較大學更具優勢。2025年12月，一個由全球數學家、AI系統、即時通訊工具和在線協作平臺構成的動態網絡，在48小時內完成了“Erd?s問題”所有關鍵信息的交換、驗證與整合；而在傳統科研模式下，一兩位數學家依賴基礎編程和文獻檢索，往往需要數周甚至數月，才能偶然地串聯起所有線索。（這一事件被陶哲軒稱為“數學研究范式的靜默革命”）。

此外，企業能夠通過項目主導迅速組建數百人的跨學科攻關團隊，而高校的科研組織則往往受限于院系壁壘，難以開展大規模、建制化的協同作戰。

四、大學需要尋找新的使命

自誕生以來，大學始終是知識傳播和人才培養的核心機構。然而，隨著人工智能時代對知識形態與生產主體的重新定義，大學所處的科研與創新環境正在發生變化，其傳統角色也面臨挑戰，亟需重新審視并校準自身的使命定位。

在快速商業化的科技領域，企業已經呈現出取代大學、成為研發主陣地的趨勢，這得益于其資源優勢和市場導向。2025年全球R&D趨勢報告（IQVIA：《Global Trends in R&D 2025》）顯示，企業R&D投資增速達到5—6%，遠高于大學的緩慢增長（美國大學R&D占比僅約11%）。企業通過大規模計算和敏捷迭代加速產品化進程，例如在AI和生物制藥領域，企業主導了臨床試驗和新藥審批，2025年新藥推出數量預計將創下紀錄。

IQVIA的報告顯示，2022年開始生物制藥融資逐年回暖。從融資結構看，增長主要來自上市公司的后續融資。圖源：IQVIA

然而，在一般性知識研究，尤其是尚無法形成高營收預期的技術領域，大學仍是最穩定的研究陣地，這種分工在一定程度上緩解了企業的短期主義風險。NSF數據顯示，大學承擔了美國基礎研究的46%，主要聚焦于量子計算、基礎生物學等長期探索領域，而企業承擔的比例約為35%。

相關數據顯示，中國的研發對高校依賴程度更高：在研發表現突出的前8個經濟體中，中國對高校的研發依賴度最高（14.59%）。這反映了大學所具備的文化優勢——強調好奇心驅動而非即時回報。盡管大學的專利申請數量下降了13%，但其在基礎研究領域的引用影響力更高，顯示出大學作為“知識堡壘”的持續影響力。

在人才培養方面，大學同樣面臨來自企業和網絡平臺的競爭。未來幾十年，企業在高風險、高技術領域的影響力預計將進一步增強，通過學徒制和內部培養機制，可能逐步成為精英人才訓練的重要中心。盡管在短期內，在知識傳播和人才培養，尤其是通用型人才培養方面，大學仍然不可替代，但也不可避免地要面對近乎無限的免費知識供給所帶來的競爭壓力。

點擊圖片閱讀更多孫占卿博士的文章

IPP公共關系與傳播中心

審校｜劉 深

排版｜周浩鍇

終審｜劉金程

IPP評論熱門文章

孟維瞻：特朗普對華“降調”，能持續嗎？
中央經濟工作會議｜李明令：“重點領域風險”，到底是什么？

“AI泡沫”，要爆了？

余荔、朱政宇：“創世紀計劃”能開啟美國科研“新世紀”嗎？

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。