卢麒元说，国内砸了天文数字的社科研究经费，养着百万研究大军，到头来连一套能真刀真枪干活的“智能分析预判系统”都端不出来。

卢麒元把话说得很重：国内这些年投入了大笔社科研究经费，养着规模庞大的研究队伍，可真正遇到国际风云突变，能拿出来直接辅助判断、提前预警、推演后果的“智能分析预判系统”，似乎还是不够好用。

先把话说严谨一点。“天文数字”“百万大军”更像批评性表达，并非统一口径的统计结论。但问题并不轻：我们到底缺不缺研究力量？

如果不缺，为什么公众常看到事情发生后专家排队解释，发生前却少有人把不同情景、关键指标和风险概率讲清楚？

这就像一支球队，教练、分析师、体能师坐满了整栋楼，比赛录像也堆到天花板，可一到下半场，对手突然换阵，替补席递上来的还是一篇三万字论文。论文可能很有水平，问题是球已经进了。

中国当然不是没有智库。早在2015年，官方文件就把中国特色新型智库定位为科学决策的重要支撑。

高校、社科院系统、党校和政府研究机构，也积累了大量文献与调查。否认这些成果并不公平，基础理论和长期研究本来也不能全拿“今天能否预测一场危机”来考核。

真正的问题，是知识很多，却没有充分变成连续运转的能力。

项目按课题分，数据按部门放，成果按论文和结项报告评价。甲研究能源，乙研究金融，丙研究地区政治，各自都能讲明白；可一旦航线受阻、制裁升级，需要马上回答影响哪些行业、多久显现、何时恶化，几条研究线就未必接得起来。

于是，研究容易变成“单点高手很多，联合作战偏弱”。

但决策需要的是另一种产品：信息不完整时也要给出概率区间，结论旁边写清假设，判断出错后留下记录，再回头看究竟错在数据、模型，还是先有结论再找证据。

所谓“智能分析预判系统”，也不是装个大模型，让机器掐指一算明天世界往哪走，那顶多是热搜自动摘要。

真正能干活的系统，要持续更新公开数据、行业数据、政策文本和历史案例，让地区专家、产业专家与数据人员共同设定情景，再让一组人专门唱反调，找出被忽略的变量。

更关键的是，它要有明确的交付时间：突发事件后24小时给出事实底稿，72小时更新概率、产业影响和政策选项。

报告不以篇幅论英雄，只回答五件事：发生了什么，可能往哪走，依据是什么，什么信号出现就要改判，现在能做什么。

答不出来，写得再气势磅礴，也只是给文件柜增加承重压力。

预测不可能百发百中。成熟系统的价值，不是每次押中唯一答案，而是让人提前看到几条可能的路、每条路的代价，并为低概率高损失的情况保留预案。它要减少的是措手不及，不是消灭不确定性。

在我看来，这番批评不该落到争论人数和经费，更不能导向“社科无用”。恰恰相反，外部环境越复杂，越需要社科；只是社科不能永远停在解释世界，还要提高帮助现实世界做选择的能力。

下一步最值得做的，不是再挂几块牌子，而是把资源重新接线：用一部分经费建设共享数据底座和安全可控的工具；建立少而精的常设团队；让懂地区、懂产业、懂算法的人坐在一张桌上；评价成果时，也看预警是否及时、建议是否能执行。

我还主张建立“预测账本”。重要判断发布时就封存依据、概率和触发条件，半年或一年后复盘。猜对了看推理是否可靠，猜错了看错误能否帮助团队升级。

否则，预判很容易变成“说对了是水平，说错了是世界变化太快”，永远不会进步。

最后还要给不同意见留位置。研判系统最怕的，不是算力不足，而是所有人过早形成同一个答案。

真正高质量的分析，必须允许有人提出不合群但有证据的判断，必须把最不愿看到的情景也摆上桌。

机器可以提高速度，却不能代替责任；专家可以提供经验，也不能免于检验。

说到底，我们缺的未必是更多“聪明人”，而是一套让聪明人能够协同、让判断能够追踪、让错误能够被纠正的制度化产品。

论文要写，学问要做，但当国际局势突然拐弯时，也得有人能及时把地图、仪表盘和备选路线递上来。否则，研究成果堆得再高，离“真刀真枪干活”仍然隔着最后一公里。