卢麒元在今年8月谈“三权硅化”时抛出一个问题，让不少圈内人一时接不上话。他问的是，我们养着上百万人的社科研究队伍，每年上百亿经费投进去，真到推演国际局势、预警经济风险的时候，怎么连一套能上场、能实战的智能分析预判系统都拿不出来。
这句话之所以扎人，不在于措辞尖锐，而在于它指向了一个很多人心里有数、却很少摆到台面上说的落差。资源规模摆在那里，队伍规模摆在那里，可真正需要专业支撑的关键时刻，能拿出来的工具却不多。
先看投入这一头。仅2025年国家社科基金年度项目就立了5809项，其中重点项目427项。按公开资助标准粗算，这几类年度项目的经费就超过12亿元，还没算重大项目、教育部项目、地方社科基金和高校自己的配套投入。人也不算少，教育部公开数据显示，截至2021年，高校哲学社会科学教学和研究人员已达89.7万人，再加上社科院系统、党校、行政学院和各类智库，“上百万”并不是夸张说法。
问题在于，钱和人都到位了，东西却没跟上。
国内不是没有平台。各大高校、社科院系统都建过自己的数据库、研判模型，不少头部智库也投钱搞过所谓的智能分析系统，名字一个比一个有科技感，界面做得也像模像样。可到了要推演地缘冲突、预判经济拐点的时候，这些系统往往就掉了链子。要么数据还停留在半年前，要么模型只会输出一些正确的废话，别说给出精准预警，连把不同部门、不同领域的数据打通都费劲。
很多平台从出生那天起，定位就不是能拉上一线的实用工具，而是报课题、评奖项的展示品。这个定位一旦定下来，后面所有事情就顺着走了。验收看的是界面和报告，不是实战效果；评审看的是创新点和论文，不是系统在真实风浪里能不能站住。系统做得再漂亮，只要没经过真实场景的压力测试，就只是一件陈列品。
那为什么会出现这种有钱有人有技术、却做不出好用东西的局面？把原因全推给学者不干事，并不准确。
去问任何一个课题组，都能数出一堆难处。跨部门数据拿不到，学科之间壁垒深，协调成本高到离谱。社科研究要处理的数据，往往分散在统计、财政、金融、行业主管等多个口径里，同一个经济指标，不同机构能算出好几个版本。数据源头不统一，后面的模型再先进也只能在沙地上盖楼。
可转头看看商业互联网公司，人家要处理的数据量、数据复杂度，比社科研究高得多，照样能把用户画像、风险预判做得明明白白。差别不在技术能力，而在导向。
社科界这么多年的评价体系，指挥棒一直是论文、课题、奖项。一个青年学者，花三五年时间打磨一套能实战的分析系统，可能还不如发两篇核心期刊论文来得有用，评职称、拿项目都不占优势。系统做得再好，评审表上填不进去；论文发得再多，指标上立刻见效。既然“好用”不如“好看”，大家自然愿意去做那些容易出成果、容易过评审的东西。
于是就出现了这么一个怪圈。经费越投越多，队伍越来越大，论文产出量水涨船高，可真正能落地的工具反而没见多。课题结项了，报告交上去了，系统挂在服务器上没人维护，数据几个月不更新，下一次要用的时候又得从头再来。这种循环走下来，投入并没有转化为可持续使用的决策能力。
放到卢麒元说的“三权硅化”语境里看，这件事更耐人寻味。他说的三权硅化，是让AI走进税务、司法、行政这些治理深水区，用算法把规则钉死，把数据打通，压缩人为操作的空间。可回头看社科研究内部，连自己的知识和数据都还没“硅化”。上百万人的研究队伍，分散在成千上万个单位里，各做各的课题，各攒各的数据，同一个指标不同机构能给出不同版本，连基本共识都难达成，更别说拧成一套能连续工作、自动迭代的决策工具。
更值得注意的是，现在AI技术已经卷到什么程度了。大模型写代码、审合同、做金融分析的能力，已经赶上甚至超过普通从业者。可社科领域的AI应用，好多还停留在用AI整理文献、用AI做文本分词的初级阶段。不是技术达不到，是没人愿意往深了做。做系统要对接数据、要反复调试、要长期维护，见效慢还不容易出学术成果，远不如写几篇AI应用的论文来得划算。
这里有一个容易被忽略的成本。一套能实战的预判系统，真正难的不是算法，而是数据治理和长期维护。数据要清洗、要对齐口径、要建立更新机制，模型要跟着现实变化反复校准。这些工作琐碎、周期长、不容易写成论文，却恰恰是系统能不能上场的关键。评价体系不认这部分劳动，系统就永远停在演示阶段。
卢麒元的拷问之所以让不少人破防，不是因为他说话刻薄，而是他戳中了一个大家都心知肚明却很少说破的现实。我们拥有全世界规模最大的社科研究队伍，投入了海量的资源，可在真正需要专业支撑的关键时刻，很多时候还是靠经验判断、靠人工拍板，没有一套可靠的智能系统托底。国际局势一有风吹草动，经济运行一出现波动，各种观点吵得沸沸扬扬，可就是没多少人能拿出有实时数据支撑、可反复验证的推演结论。大家都在输出观点，没人在打磨工具。
论文当然要写，理论当然要做。基础研究是预判能力的底子，没有扎实的学理积累，工具也走不远。可当风浪真的扑过来时，国家更需要的不是书架上又多了一摞报告，而是屏幕上的那盏预警灯能提前亮起来。这两件事并不矛盾，问题在于评价体系和资源配置能不能给“打磨工具”留出位置。
要让上百万社科研究力量交出能上场的答卷，绕不开几个具体环节。数据口径要先统一，跨部门共享要有可操作的机制，不能每次靠人情协调。系统建设要纳入长期维护的预算和考核，不能结项即停摆。评价体系里要给实战工具留出分量，让愿意花三五年打磨系统的人不吃亏。这几件事哪一件都不轻松，但缺了任何一件，投入还会继续在论文和展示品之间打转。
卢麒元的问题摆在那里，答案不在嘴上。下一次国际局势起风、经济数据出现异动的时候，能不能有一套系统提前亮灯，才是对这支队伍和这些经费最实在的检验。
热门跟贴