基础研究的投入与组织

最近二十年，中国的研发投入增长迅猛。总量上看，2024年全社会R&D经费突破3.6万亿人民币，稳居世界第二，投入强度升至2.69%，已与经合组织的平均水平相当，企业执行的研发占77.7%。无论规模还是结构，这都已是发达国家水平的研发投入。但从结构来看，同年基础研究经费2500.9亿元，只占研发总额的6.88%，虽是历史最高，也仅有主要发达经济体平均水平（普遍在15%以上）的一半。

过去几十年，中国在多数制造与技术领域处在追赶位置，而追赶者与领跑者对基础研究的需求本就不同。当一国制造业距科技前沿较远时，最划算的做法是吸收别人已经公开的基础知识，自己少投甚至不投。但如果已经进入追赶阶段的后半程，可供借用的存量迅速见底，再往前甚至需要突破前沿时，源头知识就只能自己生产。在这个阶段，基础研究薄弱会反过来卡住应用技术与产业的上限，成为前沿突破的硬约束。在这种背景下，基础研究的投入体制（钱由谁出、如何分配）与研究如何组织，直接影响投入的规模与效率，这正是本文要讨论的问题。

一、钱从哪里来：政府为主，企业为何愿投

基础研究的经费主要来自政府、企业，以及高校科研院所的事业收入和捐赠。基础研究存在严重的搭便车问题：它的产出往往难以排他、可被反复使用，属于类公共品，私人能拿到的回报远低于它给社会创造的价值，市场内在的投资不足是常态。这种正外部性天然抑制企业的投入积极性，也决定了公共财政必然是基础研究的主要出资方。中国的基础研究在这一点上尤为单一：尽管财政中的科技支出地方占到三分之二，但基础研究主要靠中央，2012到2021年间，中央财政在全国基础研究经费中的占比平均高达84%，包括自然科学基金、国家科技计划、中国科学院、中央高校拨款，而地方财政对科技的投入主要集中在见效快的应用和产业项目。

尽管如此，企业也并非完全不投入。企业投向基础研究的国别差异很大，从企业出资占本国基础研究的比重看，日本和韩国在五六成左右，英美在三到四成之间，法国两成左右，中国只有6.5%，更早的2019年则为3.8%。单论美国的全部来源，其2022年的基础研究投入中，联邦政府占40%，企业占37%，余下20%左右为高校自有经费和非营利、慈善机构。

为什么这些国家的企业愿意投入？我们从投入的能力和投入的意愿两个维度展开。基础研究回收周期长，可能十几年才见回报，不确定性高，可能九死一生。因此，愿意投入的企业，首先要在财务上没有太大压力。无论日本、韩国还是美国，直接投入基础研究、或与高校合作资助其基础研究的主体都是大型企业，往往在某个领域处于优势地位、或利润非常丰厚。

其中，最经典的样本是贝尔实验室。AT&T凭借受管制的垄断地位，把利润持续投进一个几乎无所不研的贝尔实验室，晶体管、香农的信息论、Unix和C语言、宇宙微波背景辐射等都出在这里，先后有约十位研究者凭在此完成的工作摘得诺贝尔奖；其中不少成果AT&T自己并没占到便宜，却重塑了整个现代技术文明。深度学习的奠基者之一杨立昆，1980年代末正是在这里做出卷积神经网络，而那在当时只是人工智能里一条相当边缘的路线。美国至今仍然如此，谷歌用搜索和广告的利润养着DeepMind，后者的AlphaFold解决了困扰生物学半个世纪的蛋白质结构预测问题，把近两亿个蛋白质结构免费开放，拿下2024年诺贝尔化学奖。日本的索尼、东芝，韩国的三星、LG亦是如此。

中国的情况类似。尽管一些大型央企承担了国家在特定领域的科研攻关任务，但在市场化的前沿竞争性领域，主要是民营企业在投入：例如腾讯的新基石科学基金会、阿里的达摩院，华为聘请菲尔兹奖得主拉福格等顶尖学者从事研究，幻方、宁德时代、百济神州也在做一些较前沿的工作（但相对偏应用与转化）。

这些企业的特征与三星、索尼大体类似，都是先在自己的商业领域赚到了钱、有较厚的利润，才能尝试自建研究团队或资助外部科学家。企业投向前端基础研究的钱，本质上是利润的余裕，没有稳定而丰厚的利润，就没有可供“浪费”在不确定方向上的本钱。这也意味着，如果承认包括互联网企业在内的大型企业在前沿创新上的重要角色，那么要激发它们向上游基础研究投入的意愿，就不能在市场之外过度抑制它们创造利润的冲动，否则等于在源头掐断它们投长线研究的能力。

除了能力，意愿同样关键，而意愿取决于回报。最直接的回报，是研究本身长出可独占的产品：杜邦靠卡罗瑟斯的高分子基础研究做出尼龙，康宁靠玻璃材料研究做出低损耗光纤和后来用在iPhone上的大猩猩玻璃，贝尔实验室的晶体管撑起了整个半导体业。回报还不止于此。投入基础研究即便不能全部转化为独占利润，也能养出一种“吸收能力”，即看得懂、评估得了、用得上别人的研究，从而判断外部哪项突破重要、能否为己所用；当一条路刚走通、知识尚未完全公开时，这种抢先一步的吸收能力就决定了谁能快人一步。

此外，还有标准与生态的主导权、声誉信号等机制。但所有这些回报机制，无论显性还是隐性，都需要合适的产权与声誉制度作支撑，否则极易被过度搭便车，使回流不足以覆盖投入，进而挫伤企业积极性。

二、钱怎么分：中立、多元与容错

企业对基础研究的投入相对容易处理。它是私人的、竞争性的，也自带约束，投错方向亏的是自家的钱，要不要资助，本就是一种经营决策。相对困难的是公共财政的投入。无论中国还是美国，政府都是基础研究最大的出资方，在中国更是绝对主力，所以公共财政如何分配至关重要。

公共财政拨款的性质，用弗里德曼的话说，是花别人（纳税人）的钱、办别人的事（公共利益）。行政机关本身既不是出钱的人，也不是受益的人，省钱的动力和把事办好的动力都最弱。基础研究又把这个难题推到极端：投入周期长、领域高度前沿、产出高度不确定，即使由专家主导分钱，他们也未必熟悉一个可能很新的领域，却对结果有决定性影响。

科学突破的历史显示，胜出的常常是边缘路线。深度学习曾几十年不入主流，辛顿和本吉奥在两次AI寒冬里守着连接主义，直到2012年才被证明可行。mRNA技术的奠基人卡里科1995年被降职、长年申不到经费，她的论文后来成了新冠疫苗的基础，2023年拿了诺奖。CRISPR基因编辑，起点不过是个看不出有何用处的基础问题：细菌为什么会带着一段段重复的DNA。这些案例都显示，基础研究的突破很难靠事先规划，相关知识高度分散，回报又是厚尾的，少数极端的成功撑起了全部价值。这使得基础研究的资金分配格外困难。

由于拨款出自财政，分配过程可能承受政治压力，而政治化对基础研究是致命的：它不像市场有即时价格信号能随时纠偏，一个被政治扭曲的判断，可以无声无息地错上十年。一个典型例子是1969年美国国会通过的曼斯菲尔德修正案：它要求国防部经费必须与具体军事用途直接挂钩，迫使当时计算机与人工智能研究的主要资助方ARPA把大量无定向的基础研究转向短期应用，一批缺乏即时军事价值的基础探索（包括早期连接主义AI）随之收缩。

那么，由谁来决定哪些研究值得推进？迈克尔·波兰尼在《科学共和国》认为，应把这份判断交还给科学共同体自己。在他看来，科学是一个没有人能总揽全局、却能自我协调和自我纠错的共和国。没人俯瞰全景，标准却能贯通整个领域，因为每位科学家只称职地评判与自己工作相邻的那一小块，无数局部判断彼此交叠、首尾相接，正像市场用无数笔局部交易协调起彼此并不认识的人。纠错是内生的，声誉则是约束这一过程的货币。

波兰尼由此推到一个并不温和的结论：自上而下指挥科研，会毁掉那种让科学富有生产力的自组织。这对公共财政拨款的含义相当清楚：政府该做的是供给资源，而把什么算好研究的判断权交给科学共同体本身。同行评议之所以重要，不在于它是一套技术，而在于它是这个共同体的制度化身，能用一个分散而能自我纠错的群体，去替代那个根本不存在的中立专家型行政机关。

由此能推出几条原则。判断优劣靠的应是声誉，以声誉约束评审者。其次要多元而开放，因为同行评议本身也有盲区，它偏保守，易随大流，对离经叛道的提案不友好，所以不能让任何一个守门人有权否掉一条方向。多元化的资金来源，正是为了遍历更多可能。

回到连接主义AI，在它处于寒冬时，是相对边缘的加拿大资助了他们。后来获诺奖的辛顿1987年移居多伦多大学，成为加拿大高等研究院（CIFAR）的资助对象；CIFAR成立于1982年，专门资助“长周期、非常规”的基础研究。2004到2013年间，辛顿主持CIFAR一个预算并不大的“神经计算与自适应感知”项目，就是这笔在当年看来不起眼的小钱，在主流期刊和会议还嫌弃“神经网络”四个字的年头，把散落北美的本吉奥、杨立昆等人定期聚到一起，为连接主义续了近十年稳定的预期。

美国的基础研究拨款有不少值得学习的地方。首先是来源多，NIH之外还有NSF、能源部、国防部、NASA，以及霍华德·休斯医学研究所等私人基金会，各有偏好、互不统属；国防高级研究计划局更是不走同行评议，靠一批被充分授权、又被允许大比例失败的项目经理直接拍板。多个出资方、多套挑选逻辑并存，大大降低了有前景却暂时被边缘化的项目得不到资助的概率。尽管如此，美国的拨款依然受政治化压力：无论民主党还是共和党在台上，都会拿联邦拨款当筹码，要求受资助机构履行附带的政策要求（比如DEI或反DEI）。

过去二十年，中国的基础研究拨款机制也有了长足进步，类如以自然科学基金和社会科学基金为代表的国家基金。但这些拨款机制在运行中仍面临不少困境。现任深圳医学科学院创院院长的颜宁，2014年9月在博客上分享过他的一份失败的基金申请。她此前申报国家自然科学基金的重点项目，评审意见认可其重要性，也认可她的研究实力，却因申请书缺少可行性的方案而未让她中选。

耐人寻味的是，在颜宁贴出这份评审意见之前的几个月，这项研究的核心成果已发表在《自然》上，反响极高，她也凭相关工作获赛克勒国际生物物理奖。一个评审担心“做不做得成”的课题，此刻早已做成，登上顶刊。她因此提出疑问，重点基金不是本就该支持有风险但重要的课题吗？一定要四平八稳、完全预测得到结果、只许成功不能失败的项目才值得支持？

客观地说，自科基金的评审已属相对公平。无论中没中，评审专家都会给出书面意见并反馈给申请人（颜宁也正因此才看得到评审意见）。相比之下，社科基金的通讯评审长期只打分、不提供书面评审意见（至少全国社科规划办在2014年如是回复），也更难避免人情关系，所以其评审纪律里反复明令申请人“不得以任何名义走访、咨询学科评审组专家，不得邀请专家进行申报辅导”。早在2010年，施一公与饶毅就在《科学》上联名撰文，直指在中国争取大额科研经费，“关系”常比学术贡献更管用。

自科基金评审的严谨本身不算错，花纳税人的钱本就该谨慎。但若一切都要可预测、稳拿结果，高风险的探索就无从谈起，如何在审慎与容错之间取得平衡，才是关键。这些问题又嵌在中国关系型社会、声誉约束机制尚不牢固的背景中，难以一蹴而就。

三、研究怎么组织：发表、评价与自我纠错

拨款解决的是事前的基金分配；钱分下来，研究怎么展开、怎么公开、怎么评判和更新，是同一件事的第二步。基金分配与学术评价彼此依赖、互相咬合：拨款要建立在声誉之上，而声誉本身，正出自组织研究、评价学术的这套机制。没有一个能稳定发出可靠学术信号的评价系统，事前的投人、投方向也就无从谈起。

驱动这套机制的不是经费，是承认和优先权。默顿对科学界有一个经典刻画：科学靠一套独特的奖励系统运转，科学家把发现让渡出去、公之于众，图的不是钱，而是“第一个做出来”所赢得的承认，配套的还有成果共享、有组织的怀疑等规范。正因为抢先发表就能换得信用与声誉，迅速而公开的披露才变得理性，基础研究也因此成了带正外部性的公共品。这种开放性是一套以优先权为核心、奖励披露的制度，恰与以保密为核心、奖励独占的技术应用互为镜像。

但公开发表、同行评审这套机制并不完美，它也可能因保守或派系竞争而错过最重要的工作。克雷布斯发现三羧酸循环的那篇论文，1937年被《自然》以稿件积压为由退回，转投荷兰一家刊物才得以发表。而正是这项工作，让他在1953年拿了诺奖。

但波兰尼笔下的科学共和国，本身是多元，去中心，能自我纠错的。同行评审的滞后与保守，也催生了预印本模式：物理学的arXiv以及随后的生物医学预印本，让研究者得以即时、免费地公开成果并据此主张优先权，正式评审随后补上。对已发表论文的有组织质疑，也在各学科持续发生，被查出数据造假等学术不端的，遍布各国、各层次的机构，包括哈佛这样的顶尖学府。学术发表能够自我更新，凭的不是几家权威机构或几位专家有多高明，而是这个评价系统足够多元、足够能纠错。这和拨款环节用“遍历”覆盖边缘但可能代表未来的方向，是同一个道理，只是用在了学术组织与评价的层面。

在中国，学术评价与组织的困境更加复杂。如前述施一公、饶毅所言，中国科研体系深受关系影响，于是相对客观的指标（如影响因子、发表数量等），反而能在一定程度上对冲关系的干扰。但另一方面，拿指标顶替同行评价，也会让评价体系走样：一项指标一旦变成目标，就可能偏离好指标的初衷，还会被人钻空子。

结语：怎么做

回顾本文的讨论，要激发基础研究的投入，也就有了三条路。

首先，要在出资上，提高企业和基金会的比重，这需要让一部分企业能持续赚到钱，积累足够的利润，再把知识产权保护和声誉机制做硬，使投入基础研究的能力与意愿同时具备。

其次，在拨款机制上，公共财政拨款应该坚持基金评审的中立和专业性，扩大自由探索和非共识项目的比重，给高风险、长周期的课题留出容错空间；同时多元化出资渠道，让一时边缘、却可能代表未来的方向，不至于被某一个守门人否掉。

最后，在组织与评价上，宏观上完善学术声誉与同行评价的机制，这并不容易，也很难在短期内完成，但确实是推动基础研究高效展开所需的制度环境中最难、却最该补的一瑨。

这些都不是一纸文件能解决的，但方向是清楚的：与其把筹码押在少数被钦定的目标上，不如把赌注铺得更宽、对失败更宽容。基础研究的回报本就是厚尾的，决定成败的，往往是那些起初不被看好的边缘路线。

（作者聂日明为上海金融与法律研究院研究员）

来源：聂日明