孫占卿：全球研發主導權，正經歷一場歷史性的重塑

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：

人工智能時代，科研活動的重心正發生轉移。越來越多關鍵發現與前沿成果率先“涌現”于復雜的工程系統之中。這種變化，正在對大學長期依賴的科研模式形成持續沖擊。以長周期、論文產出為核心的體系，在不少前沿領域已逐漸顯露出適應性的不足。

這一問題也直接反映在科研人員的實際處境之中：一部分科研工作者能夠調動大規模計算資源，置身于多元化的科研平臺與研發團隊中，獲得持續試錯的機會；而另一些人，則被困在項目申報、考核指標與論文周期之間，在最具創造力的年紀，為有限的發表機會反復周旋。

當資本、算力與數據不斷向少數平臺集中，科研體系內部的分化逐漸演變為一種結構性問題。在這樣的背景下，如何重新設計科研組織方式，使高校與企業在新的技術條件下形成清晰而互補的分工？又如何確保，無論身處大學還是企業，最具創造力的年輕人都能被真正賦予探索空間？

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

2025年初，DeepSeek的火爆令其團隊的年輕人迅速出圈，他們被譽為“年輕科學家”。然而，似乎很少有人想過，如果這些人進入的是高校科研院所，以他們的資歷，大概率會活成連房租都付不起的“青椒”。這一情況反映了當代科研的現實：

在前沿技術領域，企業已經取代高校，成為研發活動最活躍、最具統治力的部門。

相比大廠，高校科研機構正在逐步成為青年科技人才投入產出比的“黑洞”。當科學研發的主導權從象征公共利益的大學向追求商業回報的企業轉移時，我們必須重新審視并回答一個尖銳的時代問題：在加速時代，大學、企業與政府應當如何重新定義彼此的邊界與責任？

一、戰后產學研模式，如今已走到岔路口

1945年，美國科學研究與發展局局長萬尼瓦爾·布什（Vannevar Bush）向杜魯門總統提交了著名的報告《科學：無盡的前沿》。該報告確立了戰后全球（特別是西方）的科研體制基石：基礎研究是技術進步的源泉，而大學是基礎研究的天然且唯一的守護者。

在布什看來，企業受制于利潤動機，無法承擔長周期、高風險的基礎探索，因此政府必須資助高校進行“好奇心驅動”的研究，再由工業界將成果轉化為產品。

萬尼瓦爾·布什在1945年提交給杜魯門總統的《科學：無盡的前沿》報告。報告系統提出由聯邦政府長期支持基礎科學研究的理念。圖源：Wikimedia Commons、Getty Images

然而，站在2025年的節點回望，這一范式已被現實擊碎。

（一）失去了“星空”，大學只能是論文工廠

在布什的設想中，大學應是“好奇心驅動”的圣地，致力于探索那些“無用之用”的知識。然而，在當前的評價體系下，這種理想主義已成奢望。

目前高校科研已經呈現出與企業趨同的工程化行為模式。為了獲取經費，高校教師不得不迎合資助機構（往往偏向應用）和企業的短期需求。大量的科研項目不再是探索未知的自然規律，而是對現有成熟技術進行修補或微調。這使得高校科研在形態上與企業研發呈現出高度趨同的現象——都在做工程優化。

其次則是工程領域的小打小鬧。雖然都在做“工程”，但高校做的是“低維工程”。在理工領域，由于缺乏工業級的數據和算力，高校的“工程方案”往往停留在仿真階段或小規模實驗，無法解決真實世界中的復雜性問題。

高校科研機構將工程思維應用于論文生產，產生了爆炸式的效果，也反向強化了“以篇數定職稱”的科研機制，高校科研機構迅速成為“論文工廠”，大量炮制自成邏輯的“學術論文”，將對“無盡前沿”的關懷湮滅在知識的自我繁殖中。相形之下，企業研發由于要接受市場檢驗，反而更加具備知識和技術生產的真實感。

根據NSF及相關研究資料，高性能計算（HPC）資源在科研界的需求持續快速增長。圖源：路透社

（二）變革加速，大學卻步履蹣跚

技術演進的指數級加速與高校科研機構的緩慢變革，顛覆了傳統科研模式。

在傳統的工業時代，從科學原理的發現到技術原型的誕生，再到大規模商業應用，往往需要數十年的周期。這種長周期允許大學有充裕的時間在“象牙塔”中精細打磨理論，通過同行評議體系驗證真偽，然后通過論文發表和人才輸送緩慢地滲透至工業界。

然而，在加速時代，這一邏輯被徹底顛覆。據測算，全球AI基礎設施的資本支出預計到2029年將超過2.8萬億美元，這種巨額投入推動了技術迭代周期的極度壓縮。在技術迭代加速的背景下，留給研究者解決問題的時間越來越短，對研發者的效率要求越來越高，當高校科研院所找到解決問題的辦法時，問題早已改變了。

這種“倒置”的創新路徑在人工智能領域尤為明顯。由于缺乏復現能力（沒有足夠的算力），高校學者往往淪為企業模型的“測試員”或“解釋者”，而非原理的發現者。

在ChatGPT等大模型出現之前，并沒有完善的理論預測其“涌現”能力；相反，是企業通過工程手段堆疊了巨大的算力和數據后，現象先發生，學術界才隨后跟進試圖解釋其機理。這種“工程領先于科學”的現象，直接剝奪了大學在傳統分工中的“上游”地位，標志著高校在知識生產鏈條中地位的邊緣化——從“創作者”降級為“評論家”。

（三）同樣的年輕人，不同的競賽場

DeepSeek的成功不僅僅是技術的勝利，更是組織社會學的勝利：給年輕人舞臺，他們可能創造奇跡；給他們表格，他們只能變成“青椒”。

DeepSeek的核心技術團隊并非由資深教授或行業老兵組成，而是大量啟用了“應屆畢業生”和擁有奧賽金牌背景的年輕人才。創始人梁文鋒明確指出，在前沿領域“經驗往往是負擔”，年輕人的創造力和未被范式鎖定的思維更為關鍵。

梁文鋒認為，在AI等核心科技領域，不能再滿足于“搭便車”式學習，而要進入創新核心。

一群剛走出校門的年輕人，憑什么擊敗擁有數十年積累的學術泰斗？答案在于他們所處的系統。如果這批年輕人進入高校，他們是處在食物鏈底端的“青椒”，被行政瑣事和考評指標束縛；而在DeepSeek，他們是被賦權的探索者，擁有調用成千上萬塊GPU的權限。

DeepSeek為什么會賦權年輕人？因為它需要年輕人的思維來放大財富。

在DeepSeek，一個剛畢業的本科生或碩士生，只要想法有價值，就可以調用價值數億的算力資源。“資源面前人人平等”的文化背后，是市場面前人人平等的定價機制。脫胎于量化對沖基金（幻方量化）的DeepSeek，沒有沿襲傳統高校的層級架構，而是采用了一種極度扁平、以結果為導向的運作模式，極大地釋放了年輕人的創造力。

企業不需要工程師填寫繁瑣的報銷單，參加冗長的行政會議，不要你為了職稱去湊論文篇數。企業只需要你能解決問題，看似無情的邏輯，恰恰可以把年輕人從低效的事務性工作中解放出來，專注于解決問題本身：攻克最具挑戰性的智力難題，并獲得與之匹配的優厚薪酬（通常是高校薪資的5-10倍）。

與此同時，進入高校科研機構的同齡人，必須在規定時間內發表規定數量的SCI論文，申請到國家自然科學基金。這種生存壓力迫使他們選擇那些“短平快”的跟風課題，而不是真正具有原創性的難題。大量冗長的會議、重復的表格，占據了學者的時間。當他們評上教授可以獨立做些探索的時候，已經基本磨平了敏銳和好奇。

二、產學研創新的關鍵的驅動：算力鴻溝、數據主權與地緣政治

當前正處于產學研組織創新關鍵轉型期，預計全球技術加速和地緣競爭加劇將成為關鍵驅動力。

（一）算力成為科研準入的新階級壁壘

算力已取代實驗設備，成為當代科研的基礎設施。DeepSeek雖然以相對較低的成本（約560萬美元）完成了DeepSeek-V3的訓練，但這依然是絕大多數高校課題組無法企及的資源量級。更重要的是，DeepSeek背后的幻方量化為其提供了強大的資金和算力儲備，這再次證明了高性能計算資源對科研突破的決定性作用。

斯坦福大學《2025年AI指數報告》及相關研究顯示，工業界產生的機器學習模型數量已遠超學術界，且兩者差距在不斷擴大。

2024年重要AI模型的產出已高度集中于頭部科技公司，產業界在模型創新上的主導地位愈發明顯。圖源：AI Index Report 2025

這種差距不僅僅是數量上的，更是性質上的——頭部企業擁有的算力資源通常是頂尖大學實驗室的數千倍，形成了實質上的“科研壁壘”。

當只有巨頭企業才能以此為入場券時，學術界被擋在門外，不僅失去了對前沿技術的解釋權，更導致了科研議程的“私有化”——研究方向越來越受商業利益驅動，而非公共利益驅動。

（二）數據霸權與閉環迭代的加速效應

除了算力，產業界還掌握著另一個核心要素：數據。特別是在垂直領域（如醫療、金融、工業制造），企業擁有海量的實時數據和用戶反饋閉環，這使得模型能夠通過“實戰”快速迭代優化。

在“數據驅動”的范式下，擁有專有數據意味著擁有科研護城河。企業依靠掌握的大量數據和算力建立“開發－測試－反饋－優化”的閉環快速迭代系統，代碼提交到上線的周期被壓縮至數小時。相形之下，高校往往只能使用公開數據集進行研究，這種數據鴻溝迫使高校研究者不得不尋求與企業的合作，甚至出現“雙重歸屬”現象。

谷歌與斯坦福大學、加州大學伯克利分校之間長期存在人員交叉，多位教授在高校任教的同時，兼任Google Research或DeepMind的研究員。圖源：路透社

（三）地緣政治與“主權AI”的興起

地緣政治緊張局勢正在重塑全球科研合作的版圖，多路線競爭將推動產學研向本土生態傾斜，勢必帶來全球技術鏈、產業鏈的生態隔離和多元化。

國家安全優先帶來技術分叉與標準爭奪。各國政府越來越將AI視為國家安全的關鍵要素，導致科研合作的“安全審查”日益嚴格。美國對華實施的芯片出口管制和科技封鎖，迫使中國加快構建自主可控的科研基礎設施體系。中美《科技合作協定》（STA）的續簽爭議反映了這一趨勢，美中科技脫鉤導致AI“鐵幕”的形成，美國主導的路徑強調開放創新，而中國聚焦自給自足的突破。到2026年，競爭將擴展至量子計算和生物技術，促使多標準并存，如在5G/6G領域的分化。

AI基礎設施主權化推動政府資金注入和政策激勵。為了應對算力壟斷和地緣風險，各國紛紛啟動“主權AI”計劃，政府試圖通過建設公共算力底座，來保障本國學術界和中小企業的科研權益，防止算力資源完全被跨國巨頭壟斷。各國政府通過立法和資助機制，優先支持戰略性研發。

例如，美國的《芯片與科學法案》（CHIPS and Science Act）于2022年生效，并在2025-2026年間持續注入數百億美元，用于半導體制造和勞動力發展，以應對供應鏈脆弱性和中國主導的風險。此類舉措促進產學研三方協作，學術機構提供基礎研究，企業負責原型開發，政府確保資金和監管支持，從而加速從實驗室到市場的轉化。

（四）新興技術整合與數字化轉型

技術創新加速不僅帶來前沿突破，也促進新興技術整合和傳統產業升級。人工智能（AI）、量子計算和新能源等前沿技術將成為首要驅動力。人工智能和空間計算結合，將實現人工智能從語言模型向物理模型進化，必然推動生活、生產方式的全體系重塑，人形機器人、自動駕駛車輛、個人飛行器等設施將成為人類生活、生產的重要幫手。

算力和算法的演進也為幾乎所有領域的研究帶來強大的生產力支持，例如最近麻省理工與哈佛聯合團隊提出基于AI的端到端設計流程（Cleave Net模型）。研究利用預測式AI和生成式AI的結合，對超過10的13次方種組合實現研究篩選，實現了蛋白酶底物設計突破。

三、 范式重塑：構建加速時代的“共生創新網絡”

在研發主導權從傳統的“好奇心驅動”轉向“算力與數據驅動”的歷史性進程中，產學研體系的傳統邊界已然瓦解。面對高校邊緣化、企業霸權化以及地緣政治割裂的嚴峻挑戰，未來產學研組織必須超越簡單的獨攬或“項目協作”，轉而構建一種強調動態邊界、資源平權與多方治理的“共生創新網絡”。

（一）組織重整：從層級到網絡化協作

傳統產學研模式依賴于線性分工——大學專注基礎研究、企業負責應用轉化、政府提供資助——但在技術迭代周期壓縮至數月乃至數周的未來，這一模式將難以適應。取而代之的，是網絡化、模塊化的組織架構，允許參與者根據項目需求動態組隊，形成“臨時聯盟”以應對特定挑戰。

首先，引入“混合實驗室”作為核心載體。融合高校的理論深度、企業的數據與算力資源以及政府的政策支持。未來預計全球將涌現類似“AI共創中心”的機構，由大學主導理論框架、企業提供實時數據流和計算基礎設施、政府確保知識產權的公共屬性。

在這一模式中，研究人員可享有“雙重身份”：高校學者兼任企業顧問，或企業工程師參與大學項目，從而打破機構壁壘。未來混合實驗室應以“結果導向”的評估體系取代論文數量指標，轉而以問題解決的實際影響（如模型部署效率或社會效益）作為績效標準。這將釋放年輕人才的潛力，避免他們在高校中陷入行政瑣碎，而在企業中被利潤動機束縛。

其次，堅持“敏捷迭代”原則。借鑒軟件開發的敏捷方法（事實上馬斯克的Spacex在星艦技術開發中做了良好的示范），產學研項目應采用短周期，結合實時反饋機制快速調整方向。

在量子計算領域，例如，大學可利用企業的專有數據集模擬糾錯算法，企業則通過高校的理論驗證優化硬件原型。這種閉環將緩解高校的“低維工程”困境，確保研究從仿真階段迅速過渡到工業級應用。同時，為應對地緣政治風險，這些網絡應具備“模塊化”特性：核心技術模塊可本土化部署，以減少對跨國供應鏈的依賴。

SpaceX在星艦研發中通過快速制造可飛行原型、高頻試飛與短周期迭代以及將實時測試數據直接反饋至設計決策，形成了以試錯驅動進化的研發模式。圖源：路透社

（二）資源平權：將算力與數據轉化為“公共基礎設施”

算力鴻溝與數據霸權已成為科研準入的階級壁壘，若不加以干預，將加劇學術界的邊緣化。面向未來，產學研新模式必須建立公平化的資源分配機制，通過公共基礎設施和協議化共享，確保中小機構不被排除在外。

首要舉措是構建“公共算力云”平臺。將國家主權算力覆蓋所有的學術機構和中小企業，提供補貼性GPU訪問。例如，美國的CHIPS法案可擴展為“AI基礎設施基金”，中國則通過“東數西算”工程強化本土算力自給率。在這一平臺上，企業須貢獻閑置算力作為“社會責任稅”，換取稅收優惠或優先合作權；高校則可申請專用隊列，用于長周期基礎研究。這將逆轉當前企業主導的格局，使大學重新獲得“上游”地位，同時企業受益于學術界的理論洞見。

“東數西算”重塑了算力、能源與科研布局的空間結構。圖源：新華社

其次，建立“數據主權協議”以規范共享。針對企業的數據護城河，未來協議應要求在戰略領域（如醫療AI）強制開放匿名化數據集，采用區塊鏈技術確保可追蹤和公平使用。國際組織如聯合國可協調“全球數據公域”，允許跨國協作但優先本土利益。未來隨著數字化轉型的深化，這一協議需要進一步擴展至新興技術，如量子傳感器的數據流，支持產學研聯合優化算法。高校學者可通過協議訪問企業反饋閉環，成為“解釋者”而非被動測試員，從而恢復知識生產的平衡。

（三）治理重構：多方參與和倫理導向

傳統政府資助模式已顯滯后，未來應轉向多方共治框架，融入倫理與可持續性考量，以平衡商業回報、公共利益和地緣安全。

首先，組建技術治理機構。由大學、企業、政府及專家代表組成，協調科技產業政策、高校科研和人才培養、企業知識產權保護和合作。隨著技術分叉加劇，應該納入地緣審查機制，評估項目對國家安全的潛在影響，同時促進國際標準協調以避免“鐵幕”固化。

其次，嵌入“倫理審計”流程。面對加速時代的技術倫理風險（如AI涌現能力的不可預測性），所有產學研項目須經過獨立審計，評估偏見、隱私和就業影響。確保企業主導的項目服務公共福祉。政府可通過激勵政策（如倫理合規的額外資助）強化這一機制。

構建培養“終身學習”機制以適應人才流動。未來產學研將強調跨機構流動性，年輕人可通過“旋轉門”機制在高校、企業間輪崗，積累多元經驗。這將化解“青椒”困境，提供薪酬與貢獻匹配的激勵，避免好奇心的磨滅。

（四） 人才賦權：釋放“青年科學家”的潛力

重塑研發主導權的核心在于對人的解放。必須終結“論文工廠”對青年才俊的損耗，將年輕人從行政鎖鏈中解脫出來。

首先是實施去中心化的“賦權考評制”。借鑒DeepSeek的扁平化運作，未來產學研組織應高度重視啟用擁有高潛力的年輕人才，賦予其直接調用核心資源的權限，并以解決真實世界的智力難題作為核心評價標準 。

其次要構建匹配貢獻的“價值分配體系”。建立跨機構的薪酬與激勵對標機制，確保在高校從事基礎探索的年輕人能獲得與其貢獻相匹配的優厚待遇，防止好奇心被生存壓力磨平，從而在全社會范圍內完成科研人才資本的重新配置 。

本文作者：孫占卿 廣州市社會科學院城市治理研究所副所長

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

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。