2026-06-16 | 서경IN

AI时代研发应聚焦生产率创新而非规模[李民衡的科技创新观察]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

近来,在美中技术霸权竞争、人工智能(AI)革命以及国家安全与技术主权崛起的背景下,发达国家正在竞相扩大国家研发(R&D)投资。美国正在半导体、人工智能(AI)、量子技术领域进行大规模投资,中国则以技术自立为目标投入巨额资源。我国也持续强调为确保国家创新竞争力而扩大研发预算的必要性。

也有人提出一个根本性问题:在AI时代,仅靠扩大研发投资能否确保创新竞争力?因为AI时代的创新竞争中,创新的变化幅度大、速度竞争激烈,比单纯扩大投资更重要的是如何快速创造出具有竞争力的创新成果。然而观察当下的研究体系,它正面临研究生产率持续下降的结构性问题。

美国斯坦福大学经济学家尼古拉斯·布鲁姆(Nicholas Bloom)研究团队在2020年通过对数十年数据的分析指出,研究生产率正在持续下降。分析认为,与过去相比,当今创新经济中创造同等水平创新成果所需的成本和努力正呈指数级增长。简单来说,就是投入了更多投资,但创造成果却越来越难。

例如在半导体领域,可以观察到摩尔定律(微芯片性能每两年翻一倍的定律),但为维持这一定律而投入的研究人员比20世纪70年代初增加了18倍以上。这意味着70年代1名研究员完成的创新,如今需要18人才勉强完成。在农业或医疗领域也发现类似模式。原因在于,与过去相比发现新想法变得越来越难。也就是说,低垂的果实(Low-hanging Fruit)已被采摘殆尽,剩下的只是更为复杂、需要高度技术的难题。

事实上,在新药、先进材料、机器人等主要领域,技术难度急剧上升,实现一项创新所需的研究规模已大到无法与过去相比。AI技术也不例外。最尖端AI模型的开发投入了天文数字般的计算资源和研究人力。扩大投资是必需的,但已进入仅凭投资难以保证创新的时代。

近来AI技术被积极应用于研究活动,在论文检索、数据分析、实验设计、新药候选物质发掘、材料探索、软件开发等研发全过程中,大幅提升生产率的可能性正在增大。因此人们期待AI的应用将成为阻止研究生产率下降的突破口。然而,利用AI技术改善生产率目前仍存在相当的局限与制约。

有评价认为,AI技术虽在快速发展,但仍不完善,且依赖既有数据学习,在创造颠覆性创新方面存在局限。加之既有研究体系所存在的制度僵化与低效率也构成很大制约。特别是从信息技术(IT)时代的经验看,只有在引入新技术的同时同步推进组织与制度创新,才可能实现生产率革新。

AI时代的研究生产率革新不应仅停留在提升单个研究课题或研究者个人成果的层面,而应从提高国家研发体系整体效率的视角切入。特别是应朝着以同等资源创造更大创新、更快扩散成果、削减不合理制度成本的方向重新设计体系。

近来主要发达国家已开始超越研发投资规模竞争,关注提升研究生产率的政策创新。代表性案例是以美国、英国为中心展开的元科学(Meta-Science)政策。可以说这是一个基于数据、以科学方式研究研究体系本身的新政策领域。它科学地分析何种研究支持方式能创造更高成果、研究评价制度应如何设计、协同研究在何种条件下发挥效果等问题。也就是说,把研发政策本身作为研究对象,积累何为有效的证据并试图反映到政策中。

我国的政策讨论仍相对集中于扩大研发投资规模。国家研发投资规模相对国内生产总值(GDP)已居世界最高水平,但对研究生产率的系统性分析与政策性切入却不足。特别是尚未尝试提出当下研究体系是否有效这一根本性问题。研究者的行政负担、以课题为中心的管理体系、偏重短期成果的评价制度等虽是长期被提出的问题,却未得到根本改善。

在低出生率与财政制约加深的情况下,像过去那样以投入为中心的增长战略难以持续。研究人力无法无限扩大,政府财政持续增加也有限度。今后决定国家创新竞争力的,将不只是谁投入更多资源,而取决于谁能更高效地创造知识、实现创新。我国的科技政策也已到了从扩大投资转向强调生产率革新的政策范式转换之时。

阅读韩文原文