本文看点
知名学者卢麒元抛出一个让不少人沉默的问题，他说咱们养着上百万人的研究队伍，每年上百亿经费往里砸，真到了推演国际局势、预警经济风险的时候，连一套能上场、能实战的智能分析预判系统都掏不出来？
百万大军、百亿经费，为什么连一套能上场的预判系统都拿不出来？
这话听着刺耳，但先把情绪放一边，把账摊开看一看。
钱是真的花了。2025年国家社科基金年度项目立项超过5800项，重点项目每项35万，一般和青年项目每项20万，光这一个口子一年就是十几个亿，加上教育部人文社科项目、地方配套、高校自有经费和各类横向课题，上百亿的量级并不夸张。
人也是真的多。高校社科教学研究人员从2006年的36.4万涨到了2023年的97.9万，再把社科院、党校、各类智库算进去，破百万是实打实的。
钱到位了，人到位了，卢麒元的拷问如何看待？
第一个卡点，是指挥棒指错了方向。
在这个圈子里，什么叫成功？不是你预判对了几次危机，也不是你搭的系统帮谁避开了多少损失，而是发了多少篇核心期刊、拿了几个国家级课题、出了几本专著。评职称、拿头衔、申请下一笔经费，全看这些纸面指标。
一个青年学者花三五年磨一套能实时跑数据的分析工具，期间不断出错、不断校准，最后跑通了，这段经历在职称评审表上大概率填不进任何一栏。另一个人用同样的时间发两篇顶刊，晋升路径清清楚楚。
人都不傻，哪里回报高就往哪里走。这套激励结构不改，愿意啃硬骨头的人自然越来越少。这不是责任心的问题，是算账的问题。
第二个卡点，是课题制的节奏跟系统的节奏天生打架。
现在的社科课题是按“一次性交付”设计的：立项、做两三年、交报告、结项、团队散伙。但一套能用的预判系统恰恰需要相反的东西：持续更新的数据、反复校准的模型、常年不散架的工程团队。
系统这种东西，结项那天往往就是它死亡的起点，验收时演示得再热闹，过两年数据源一断、维护的人一撤，只剩一个落灰的界面。
学术生产的节奏是以年为单位的，一篇论文从选题到见刊，等它出来，需要判断的窗口早就关了。而预判要的是短周期跑数据、高频次校准、错了就改、改了再跑。用管论文的办法管系统，等于用种庄稼的节奏管工厂，怎么拧都拧不到一块去。
第三个卡点，是跨学科这道墙喊了多年，真能拆掉的不多。
搞国际形势的人懂地缘博弈、懂外交逻辑，但你让他写代码、训模型、处理海量实时数据，不现实。
反过来，搞AI的工程师算法再溜，也分不清大国博弈的决策机制和大宗商品定价的底层逻辑。两边各说各话，合作大多停在开个研讨会、挂个牌子的层面。
再加上核心数据分散在不同部门，壁垒重重，想拿全一手数据本身就难。更微妙的是，做预判是要担风险的，预判对了没人记得，错一次就有人跳出来说你水平不行，坐在书斋里做事后分析反而安全又体面。
说到这儿，必须补一句公道话：不是完全没有在往前拱的东西。
社科院世经政所的世界经济预测与政策模拟实验室一直在推进，海外投资风险评级、贸易政策模拟这些模块都在跑。中科院科技战略咨询研究院的竞争博弈决策支持系统也在搭。
不妨拿通信行业做个参照。华为每年把营收的百分之十几砸进研发，连续砸了十几年，砸出了十几万件有效专利，砸到美国巨头绕不开它的Wi-Fi标准、得坐下来交专利费。
那套投入产出逻辑之所以跑得通，是因为评价它的尺子只有一把：东西能不能用，能不能在真实网络里跑住。
而社科研究当然不能跟通信设备比参数，但有一个道理是相通的：钱和人在一套不奖励实战的机制里空转，砸再多也长不出能上场的东西。
所以卢麒元这个拷问，真正的落点不在“砍经费”或者“骂学者”。它逼着人正视一个事实：预判能力不是一篇论文、一个课题能交付的，它是一项需要长期维护的基础设施。
基础设施的逻辑跟课题的逻辑是反的，前者要求持续投入、允许出错、看重长期可用；后者要求按期交付、控制风险、看重结项干净。
把基础设施当课题管，管出来的只能是漂亮的结项报告和落灰的系统界面。
热门跟贴