美国科研制度革命：创世纪计划与《科学：新黄金时代》解读

【导读】

【2026年7月，美国白宫发布《科学：新黄金时代》报告，美国能源部同步公布创世纪计划首批278个项目。此举标志着美国科研体制正经历从“线性创新”向“任务驱动、平台共享、闭环验证”的范式迁移。本文梳理变革脉络，研判战略意图，并提出有关建议。

背景：两份文件，一个信号

1945年，范内瓦·布什提交《科学：无尽的前沿》，确立“联邦出资、高校研究、产业转化”的线性创新模型，该模式运行八十年，催生了互联网、GPS、基因测序等重大成果。

2026年7月21日，白宫科技政策办公室主任迈克尔·克拉齐奥斯提交《科学：新黄金时代》报告（Science: A New Golden Age，以下简称“报告”），核心论断截然相反：原有线性创新路径已然断裂。报告系统诊断了美国科研体系的深层弊病，提出制度重构方案。

次日，美国能源部（DOE）正式公布了“创世纪计划”（Genesis Mission）的首批资助名单，来自全美各地共计278个科研项目获得总额超2.5亿美元的启动资金。该计划于2025年11月由特朗普发起，目标是利用AI推动美国科学生产力翻倍，攻克本世纪的26个重大科学和工程挑战。278个项目从五千余份申请中遴选而出，通过率仅5.6％；联邦政府承诺跨机构投入逾50亿美元，15个以上联邦机构参与。这是美国新科研体制的首次大规模实战推演。

两份文件的相继发布构成一个明确的政策信号，美国科研体制八十年来的底层逻辑正在发生根本性动摇。从1945年范内瓦·布什的《科学：无尽的前沿》到2026年白宫的《科学：新黄金时代》，这不是简单的政策迭代，而是一场关于"国家如何组织科学"的范式革命。

美国科研体系“五重困境”

《科学：新黄金时代》报告以官方身份确认了美国科研界长期议论的系统性病灶。投入产出效率衰减、行政负担侵蚀、评议机制保守化、可重复性危机与人才结构性流失五重困境相互交织，共同指向一个论断，布什线性创新模型在人工智能时代已系统性失效。

（一）投入产出效率持续衰减。制药领域Eroom定律（由摩尔定律英文拼写倒置而来）显示，1950年至今，每投入10亿美元研发资金所对应的获得美国食品药品监督管理局批准的新药数量下降约80倍，且该数量每9年便减半。2024年美国全社会研发投入达8860亿美元，联邦研发预算约2000亿美元，但多领域突破性成果产出率未随投入同步提升。核心症结不在投入不足，而在资金配置与使用方式存在缺陷。

（二）行政负担严重挤占科研时间。联邦资助科研人员近44％工作时间用于行政事务；美国国立卫生研究院拨款从申请到获批平均耗时近两年。顶尖科学家创造力最充沛的黄金期被大量耗费于填报合规表格，机会成本巨大。

（三）同行评议机制抑制创新冒险。国立卫生研究院新晋首席研究员平均年龄从1980年的36岁升至42岁，获联邦资助研究者整体平均年龄达51岁。评审体系倾向支持熟悉方向与稳妥选题，高风险、跨学科、范式挑战性研究最难获得资助。

（四）研究可重复性危机蔓延。心理学领域约50％—67％研究结果无法复现，临床前生物医学研究因不可重复错误每年浪费约280亿美元。人工智能降低“生成规范成果”成本的同时，若底层知识库存在系统性错误，将加速错误传播。

（五）人才培养与流失结构性矛盾突出。2024年美国计算机科学与数学领域已明确发展计划的博士毕业生中，约半数持临时签证，联邦投入培养的顶尖人才大量流向美国的竞争对手国家。

经独立验证，以上论断在美国不同阵营间已形成实质性共识。

诊断维度

报告数据

独立来源验证

行政负担

44% 时间用于行政事务

FDP 2018 年调查：联邦资助 PI 平均 44.3% 用于合规工作

间接成本

大学收 40% 以上间接成本

Nature 2023：美国研究型大学平均 52％（私人资助仅15%）

PI 老龄化

新 PI 平均 42 岁，整体 51 岁

NIH 2023：R01 首次获得者平均 43 岁，1980 年为 36 岁

可重复性

年浪费 280 亿美元

PLOS Biology 2015：不可重复率约 53%，年成本 280 亿

人才流失

CS 博士 50% 持临时签证

NSF NCSES 2024：CS 博士 56% 持临时签证

表1：美国科研体系问题独立验证对比表

改革方案：四个战略转向

面对五重困境，报告提出了非渐进式的制度重构方案。从机构中心到个人中心、从单一评议到多元竞争、从常设永久到敏捷任务、从人类速度到AI速度，这些战略转向共同构成美国新科研体制的四梁八柱，试图在保持创新活力的同时重建战略聚焦能力。

（一）资助对象从“机构中心”转向“个人中心”。减少对传统学术机构依赖，扩大对科学家个体直接资助。关键工具包括：可转移研究生奖学金、五至七年长周期拨款（替代传统三年）、“金票”机制——允许个别评审员强力推荐非共识项目。

（二）资助机制从“单一评议”转向“多元竞争”。引入快速拨款（两周内决策）、十年以上超长周期拨款、奖金挑战赛、预市场承诺、资金再授权模式（获资助者可将部分资金转给更具创新力团队）。

（三）机构形态从“常设永久”转向“敏捷任务”。创设XLabs模式，组建10至100人限时攻关团队，围绕特定技术瓶颈依里程碑拨付经费，任务完成后团队解散。美国国家科学基金会宣布未来十年向XLabs投入15亿美元。

（四）科研基础设施从“人类速度”转向“AI速度”。推动人工智能嵌入科学发现全链条，同步升级科研组织形式、验证机制与激励机制；若体系无法同步升级，人工智能加速的仅是错误知识传播。

创世纪计划：新体制的压力测试

创世纪计划不是传统意义上的科研资助扩容，而是美国新科研体制的首次大规模实战推演。其高度竞争的选拔机制、快进快出的资助结构、刻意平衡的领域布局与高度集中的地理分布，共同构成“国家设定目标、市场竞争执行”的混合范式，为评估新体制运行实效提供了第一组真实数据。

（一）选拔机制：高度竞争。申请总数逾五千项，入选278项，录取率约5.6％；覆盖342家机构、50个州。

指标

数值

申请总数

5000＋

入选项目

278

录取率

约 5.6％（18选1）

参与机构

342家，覆盖 50个州

DOE实际可用资金

2.5亿美元

白宫宣布联邦总承诺

超50亿美元（跨15＋机构，远期）

产业联盟贡献

超5亿美元（算力、软件、Token）

表2：创世纪计划首批项目选拔核心指标表

（二）机构分工：各有侧重。大学牵头168项（60.4％），国家实验室牵头87项（31.3％），企业牵头19项（6.8％），非营利机构牵头4项（1.4％）。国家实验室获旗舰项目最大额度，企业以“能力提供者”角色深度参与（157家参与但仅19家牵头）。大学提供分散创新，国家实验室提供集中基础设施，企业提供工程能力与商业出口。

机构类型

项目数

占比

大学

16

60.4％

国家实验室

87

31.3％

企业

19

6.8％

非营利

4

1.4％

表3：创世纪计划牵头机构类型分布表

（三）资助结构：快进快出。Phase I资助50万至75万美元、周期9个月，定位概念验证；Phase II资助600万至1500万美元、周期3年，定位规模化部署；Prometheus旗舰项目资助6000万美元、周期3年。这种设计意图明确，即不给平庸项目续命的机会。传统的3年拨款周期允许研究者慢慢调整方向。创世纪计划的9个月 Phase I 要求团队在极短时间内交付可测量的加速效果，是国防高级研究计划局模式在科学领域的首次大规模应用。

阶段

金额

周期

定位

Phase I

50万至75万美元

9个月

概念验证

Phase II

600万至1500万美元

3年

规模化部署

Prometheus（例外）

6000万美元

3年

旗舰机构

（四）领域布局：两大赛道。从 278 个项目的标题关键词分析，可以分出 13 个研究领域，简化为两大赛道。第一赛道为“国家战略刚需”，涵盖核能／聚变（39项，14％）、关键矿物（20项）、半导体（18项）、安全（12项）、能源／电网（14项），直接服务地缘竞争与供应链安全；第二赛道为“科研基础设施”，涵盖AI／计算（39项，14％）、自主实验室、量子（24项，8.6％）、物理／高能物理（30项，10.8％），为未来科研体系构建通用能力。两大赛道占比相当，体现“当下应用”与“长期能力”的刻意平衡。

（五）地理分布：高度集中与政治平衡并存。加州获56项，超过第二至四名总和；纽约25项、华盛顿18项、新墨西哥13项、得克萨斯12项。50州均有参与，体现让每个州成为利益相关者的政治布局。

排名

项目数

1

加州

56

2

纽约

25

3

华盛顿

18

4

新墨西哥

13

5

得克萨斯

12

表5：创世纪计划项目地理分布表

创世纪计划的五大战略领域

创世纪计划的首批278个项目并非平均分布，而是向材料科学、自主实验室、算力基础设施、半导体与生物技术领域高度集中。这五大领域的选择逻辑各有侧重——有的聚焦范式跃迁，有的构建基础设施，有的换道竞争，有的工业导向——共同勾勒出美国在地缘竞争与AI革命双重压力下的技术突围路线图。

材料科学（37项）：从 “筛选” 到 “生成” 的范式跃迁

聚焦聚变材料、稀土替代、电池材料、极端环境材料、后摩尔材料、高通量合成等方向。核心趋势有三：计算端从密度泛函理论（DFT）转向机器学习原子间势（MLIP），在保持 DFT 精度的同时将计算速度提升数个数量级；实验端从人工操作转向自主实验，LBNL 的 ALab 已展示完全自主的无机材料合成 —— 机器人配样、烧制、表征、AI 分析结果、决定下一轮实验，无需人插手；国家实验室与大学形成 “平台公共品＋算法多样性”分工 —— 实验室做平台和基础设施（ALab、Polybot、ALS 光源 AI 升级），大学做具体材料体系和算法创新。传统材料研发周期 15 至 20 年，人工智能正将其压缩至数月甚至数周。

方向

代表项目

战略意图

聚变材料

PPPL／ORNL 数字孪生、辐照损伤预测

聚变堆第一壁材料是瓶颈中的瓶颈

稀土替代

无稀土永磁体 AI 设计（Ames Lab）、催化材料

直接回应中国稀土出口管制

电池材料

SLAC＋USC 废旧电池回收、固态电解质发现

锂电供应链去中国化

极端环境材料

超高温陶瓷、核反应堆结构材料

高超音速武器和下一代核能

后摩尔材料

二维材料、拓扑绝缘体、铁电存储器

硅基半导体之后的备选路线

高通量合成

ALab 自主实验室、Polybot 机器人

材料发现的 “工业化流水线”

表6：材料科学领域项目方向及战略意图表

对中国的参照意义：中国在材料计算和自主实验室方面有扎实积累，北京、上海、深圳都有类似 ALab 的自主实验平台。但差距在于 “数据—算力—实验”的闭环程度。美国的优势不是单项技术，而是 DOE 17 个国家实验室构成的 “大科学设施网络＋AI 平台” 的叠加效应。我国需要思考的不是复制某个项目，而是如何将分散在各个高校和中科院研究所的设施整合为统一平台。

自主实验室（61项，占22%）：科学发现的 “自动驾驶”

构建“旗舰平台—联邦网络—领域专用—工具标准”四层体系。旗舰层以劳伦斯伯克利国家实验室ALab、麻省理工学院AWILD为代表；联邦层中，卡内基梅隆大学提出的“实验即服务”最具构想——多个分布在不同地理位置的自主实验室通过统一协议实现互联，研究者可以像调用云服务一样调度各类实验资源。

当前领域发展的核心瓶颈不在AI技术本身，而在物理世界的落地层面。具体体现在三个方面：固体粉末处理方面，机器人可以完成精准移液，但对微克级粉末进行称量、转移、混合操作仍存在很大难度；传感器标准化集成方面，现有实验室仪器大多没有配备标准化API，需要投入大量工作完成定制化集成；异常检测方面，机器人无法像人类研究员一样“感知异常”，一个结晶失败的样品在AI看来可能只是一个普通数据点。

关于未来趋势判断。自主实验室最有可能率先实现大规模落地的场景并不是化学合成，而是同步辐射光源、中子源、电子显微镜这类大科学设施。这些设施本身就是天然的“数据生产机器”，样品标准化程度高，AI嵌入后的投资回报清晰可见。SYNAPTI实现葡萄藤CT扫描3000倍加速的案例，已经验证了这一方向的可行性。

层级

定位

数据

代表

L1：旗舰

国家级自主实验室平台

3 - 5 个

ALab （LBNL）、Polybot （ANL）、AWILD （MIT／Ceder）

L2：联邦

化多实验室互联网络

10-15 个

CMU 联邦自主实验室、NSF 云实验室网络

L3：领域专用

特定材料 ／ 生物 ／ 化学自主实验

30-40 个

电池材料自主合成、催化剂高通量筛选

L4：工具 ／ 标准

数据格式、控制协议、本体论

5 - 10 个

实验数据标准化、自动化工作流语言

L1 旗舰典型：Gerbrand Ceder（MIT/LBNL）的 ALab 已证明全自主无机材料合成的可行性。创世纪计划资助其升级版 AWILD（Autonomous Workflows for Inorganic Laboratory Discovery），目标是实现 “从想法到发表论文”的全流程自主化 ——AI 阅读文献、提出假说、设计实验、机器人执行、AI 写论文初稿。

L2 联邦化典型：卡内基梅隆大学牵头的联邦自主实验室项目，核心概念是多个分布在不同地理位置的自主实验室通过统一数据协议和控制接口连接，研究者可以像调用云服务一样调度实验资源。一个在匹兹堡的 PI 可以向全国 10 个自主实验室同时提交实验任务，相当于 "Experimentation as a Service"—— 实验即服务。

对中国的参照意义：中国在机器人技术和 AI 方面都有优势，但在 “实验数据标准化” 和 “跨机构互联”方面落后明显。美国的联邦化自主实验室网络一旦建成，将形成一个实验数据的 “飞轮效应”—— 数据越多→AI 越强→实验越快→数据更多。这个飞轮一旦转起来，追赶会非常困难。

算力基础设施（28项）：先还债再超车

约10个项目涉及代码迁移工作，核心目标是推动Fortran/C++科学计算代码完成GPU适配。四台新建超算（Lux、Equinox、Solstice、Discovery）将于2026至2028年陆续上线，其中Solstice的规模达到10万GPU，功耗达200MW，大致相当于一座小型城市的总用电量。软件栈改造将提前于硬件部署推进，避免出现“硬件到位、软件未备”的脱节问题。这里存在一个关键矛盾：硬件在建，软件需先行。美国能源部DOE的科学计算生态建立在Fortran和C++的基础上，气候模型、核反应模拟、流体力学等诸多核心代码都撰写于1990年代甚至更早，这些代码在CPU集群上运行稳定，但无法利用GPU的算力优势。而AI时代的所有算力加速，都建立在GPU架构的基础上，因此必须在新硬件交付到位前，完成整个软件栈的GPU化改造。Oracle的角色：算力即权力。Oracle通过商业协议持有Solstice和Equinox的大部分算力使用周期，仅向美国能源部DOE返还部分资源。这意味着美国规模最大的AI科研算力基础设施，调度权并不完全掌握在美国政府手中，Oracle的定价策略、优先级调度规则与访问政策，将直接影响美国AI科研的发展方向与推进速度。趋势判断：算力与能源深度耦合。多个项目涉及“绿色计算”和“能源感知调度”方向，超算中心的选址不再仅考量网络与人才条件，还必须将电力供应能力纳入核心考量。未来全球算力基础设施的竞争，本质上就是能源基础设施的竞争。

板块

项目数

核心任务

代码迁移与优化

10

Fortran／C＋＋ → GPU（Kokkos／Raja 框架）

AI for 仿真

6

用神经网络替代物理仿真中计算量最大的模块

数据基础设施

5

科学数据流、联邦学习、跨设施数据共享

算力调度

4

跨超算中心的作业调度和资源优化

后摩尔硬件

3

神经形态计算、模拟 AI 芯片、量子经典混合

对中国的参照意义：中国在超算硬件上不落后——神威、天河系列性能世界一流。但软件生态差距明显，大量科学计算软件依赖进口（VASP、Gaussian、ANSYS），自主可控的科学计算软件栈是明显短板。创世纪计划的“代码迁移”项目值得关注，因为 Kokkos、Raja 等框架可能成为 AI 时代科学计算软件的事实标准。标准层面的落后比硬件层面的落后更难弥补。

半导体（18项）：换道而非追赶

明确了“三不做、三做”的清晰方向：不做先进制程（3nm/2nm）、不做大规模制造、不做通用逻辑芯片；专做AI驱动芯片设计自动化、专用芯片（辐射加固、量子接口、神经形态）、算法架构工艺协同优化。其中最值得关注的项目是BNL的AI原生EDA，由布鲁克海文国家实验室牵头搭建AI原生芯片设计工具链。传统EDA工具（Synopsys、Cadence）采用规则驱动模式，设计规则检查、时序分析、功耗估算这类工作，都属于基于物理模型的确定性计算。而AI原生EDA将芯片设计转化为了一个优化问题：给定性能、功耗、面积约束后，由AI搜索设计空间，自动生成最优的布局布线方案。芯片设计的模式将从“工程师用工具手动绘制”转变为“AI搜索最优解”，设计周期有望从数月缩短到数天。

这套协同设计方法论的核心，是打破行业固有壁垒。半导体行业的传统分工是“算法→架构→电路→工艺”逐层传递，每两个层级之间都隔着一道无形的“墙”。AI驱动的协同设计则通过机器学习模型连接不同抽象层，实现跨层联合优化。这套方法论不仅适用于半导体领域，还能拓展应用到材料、量子计算和传感器领域。

美国CHIPS法案也做了清晰的分工布局：商务部负责落实390亿美元的制造补贴，能源部则专注布局前端基础工具（EDA、新材料、新架构）。这是经过刻意规划的分工，将短期制造能力建设与长期设计能力建设分开推进。

不做

不做先进制程（3nm／2nm）

做 AI 驱动的芯片设计自动化（EDA）

不做大规模制造

做专用芯片（辐射加固、量子接口、神经形态）

不做通用逻辑芯片

做协同设计（算法架构工艺联合优化）

表9：半导体领域“三不做、三做”策略表

对中国的参照意义：中国在先进制程被卡脖子的背景下，EDA 和芯片设计 AI 化可能是最现实的突破方向。中国的 AI 能力不弱，如果能将 AI 与芯片设计深度融合，用 AI 设计出更好的芯片架构，可能在设计效率上实现弯道超车。

生物技术（28 项）：工业导向而非健康导向

和卫生与公众服务部（HHS）管辖的人类健康研究形成明确分工，能源部的28个项目全部聚焦生物制造、生物燃料、生物修复与生物采矿领域，战略意图是将基础研究发现转化为可落地的工业生产过程。该领域真正的瓶颈是放大生产，而非实验室层面的技术发现，工业生物技术的“死亡之谷”不在实验室，恰恰出现在放大生产环节：一个在摇瓶中效果表现完美的菌株，进入五万升规模的发酵罐后可能根本无法正常生长。AI目前可以辅助完成菌株和蛋白质的设计工作，但发酵过程中的传质、传热、剪切力调控、泡沫控制，这些工业化落地的“脏活累活”，AI暂时还无法提供有效支持。这也就解释了为什么能源部的28个项目中，有相当一部分内容围绕“过程工程”和“放大模型”展开，并非只关注“AI设计蛋白质”。

此外还有一个战略方向，就是生物采矿：利用工程化改造的微生物，在常温常压条件下从低品位矿石、电子废物和尾矿中提取关键金属。这是一种“柔性”的稀土资源战略——不需要直接控制矿山，仅依靠微生物就能完成金属提取。如果这项技术落地成功，将彻底改写当前全球关键矿物竞争的游戏规则。

PI

机构

专长

James Fraser

UCSF

蛋白质动力学、室温晶体学

Farren Isaacs

Yale

合成生物学、基因组重编码

Michelle O＇Malley

UCSB

厌氧真菌、生物质降解

Victoria Orphan

Caltech

微生物生态学、深海甲烷

Huimin Zhao

UIUC

合成生物学、定向进化

Jordan Bishop

Columbia

蛋白质设计

表10：生物技术领域全明星PI阵容表

对中国的参照意义：中国在发酵工程和工业生物技术领域具备全球领先优势，拥有全球规模最大的发酵产能、体系最完整的菌种资源库，产业落地与规模化应用能力突出。但在合成生物学前端核心领域，尤其是蛋白质智能设计、代谢通路精准重构、生物过程模型化设计等底层技术上，与美国存在显著差距。美国创世纪计划聚焦合成生物学前端核心技术与工业放大模型攻关，本质是抢占工业生物技术、生物采矿、绿色生物制造等前沿赛道的技术制高点。在当前地缘政治竞争格局下，中美该领域已形成技术、产业双向博弈的竞争态势，美方旨在通过底层技术优势构建技术壁垒、重塑全球生物工业供应链，对我国工业生物技术高端化、智能化升级形成直接竞争与压制，是我国需要重点突破、补齐短板的关键赛道。

矛盾：“黄金时代”叙事 vs

预算削减现实

创世纪计划的宏大叙事与紧缩的预算现实之间存在深刻的结构性张力。这一矛盾既揭示了美国科研体制转型的内在阻力，也为研判其可持续性、评估其对我国的参照价值提供了关键窗口。

（一）承诺与兑现的结构性落差。联邦总承诺逾50亿美元，能源部实际拨付仅2.5亿美元，执行率5％。同时，2027财年国家科学基金会预算拟从88亿美元削减至40亿美元（减55％），能源部科学办公室削减15％，高级能源研究计划局削减43％。

（二）新旧模式的零和博弈。在总预算紧缩背景下，创世纪计划每投入一美元，实质即从国家科学基金会基础研究预算中抽离一美元。“任务导向、平台集中”与“好奇心驱动、广泛资助”之间存在结构性张力。

（三）政治周期的不确定性。特朗普剩余任期两年半，278个子项目Phase I须于2027年5月前完成验收，结果将直接决定2028财年拨款规模。若验收达标，可能成为跨党派长期国策；若未达标，则恐沦为“声势浩大、后继乏力”的政府项目。

对我国的启示

（一）关于科研组织模式。创世纪计划“由国家确定战略方向、动员全国科研力量、集中资源推进重大事项”的组织逻辑，与我国科技体制存在结构层面的相似性，关键区别在于其保留了市场竞争作为项目筛选机制。该计划278个项目并非行政分配，而是5000余项申请经激烈竞争产生，通过率仅5.6％；Phase I升级至Phase II须重新竞争，无自动续命机制；企业投入5亿美元并非出于义务，而是着眼于可预期的商业回报；Oracle持有超算算力周期，亦通过商业谈判达成。此种“国家设定目标＋市场竞争执行”的混合模式，试图融合举国体制的战略聚焦优势与市场机制的效率激励优势。我国当前相关模式更偏向行政主导，呈现“大项目、大平台、大团队”特征。建议跟踪评估该模式运行实效，为我国科技计划管理改革提供镜鉴。

（二）关于“数据—算力—实验”闭环。创世纪计划最值得警惕的，不是某项单项技术的领先，而是“AI基础设施＋科学数据＋自主实验”的闭环效应。一旦闭环运转，将产生指数级加速——更好的数据训练更好的AI，更好的AI设计更高效的实验，更高效的实验产生更多更好的数据。此领域核心竞争力不在硬件（硬件可以购买），而在数据的独占性、软件的生态效应和实验标准的网络效应，并非“砸钱”即可追平。建议加强科学数据标准化、跨机构实验互联、自主实验室网络建设，抢占标准制定先机，防止美国联邦化自主实验室网络形成“数据飞轮”后的追赶困境。

（三）关于半导体策略。美国在先进制程上落后于台积电，但创世纪计划18个半导体项目无一试图在3nm／2nm上追赶，全部押注“AI＋EDA”与“协同设计”——改变芯片的设计方式，而非制造更小的晶体管。其本质是不在对手最强的维度上竞争，而是改变竞争的维度。我国半导体策略目前仍以追赶制程为主，AI驱动设计的潜力可能被低估。需要评估AI驱动电子设计自动化与协同设计对我国半导体产业的价值，探索“设计效率超车”路径。

（四）关于生物技术。工业生物技术从实验室到工厂的“死亡之谷”，恰恰是我国的优势领域——拥有全球最大的发酵产能、最完整的工程化团队和最快的放大速度。若能在此基础上补强合成生物学的前端设计能力（AI蛋白质设计、代谢通路设计），在工业生物技术的全球竞争中可能占据独特优势。强化前端设计能力建设，巩固发酵工程与规模化放大优势，可形成我国“前端设计＋后端放大”的独特竞争力。

（五）关于体制反思。《科学：新黄金时代》最大的启示，在于其提出问题的勇气：80年来被视为理所当然的科研资助模式，是可以被挑战的。我国科研体系可能同样存在自身的“布什模型”——以学科为单位的拨款体系、同行评议的保守化倾向、行政负担对科研时间的侵蚀、重论文轻产业转化的激励结构。这些问题并非我国特有，而是现代科研体系的通病。创世纪计划的价值，不在于提供了“标准答案”，而在于证明了一个国家可以从第一性原理出发，重新思考“如何组织科学”这一根本问题。因此，系统审视我国科研体系中的行政负担、评议保守化、重论文轻转化等共性问题，适时开展科研组织形式的前瞻性研究势在必行。

参考文献

[1]白宫科技政策办公室《科学：新黄金时代》（2026年7月21日）

[2]美国能源部创世纪计划首批项目公告及完整获奖名单（2026年7月22日）；作者对278个项目标题、领域分布和机构构成的原始数据分析。数据截至2026年8月1日。

作者： 刘淼，赵紫威，汪卫华

本文经授权转载自中国科学院东莞材料所（ID：DIMST_CAS），如需二次转载请联系原作者。欢迎转发到朋友圈。

点个“小爱心”吧