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,结果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。
国际局势突然转向时,决策者最需要的不是事后解释,而是尽快知道风险会传到哪里、下一步可能怎么走。卢麒元对社科研究的批评,戳中的正是这个落差:经费和研究队伍规模不小,真正能用于预警、推演和辅助决策的智能分析系统,却还没有充分发挥作用。
先看投入。2025年国家社科基金年度项目立项5651项,重点项目每项35万元,面上项目每项20万元。浙江财经大学去年获批57项,资助经费1185万元。若把地方、高校配套和各类横向课题也算进去,社科研究背后的投入还不止这些。
人也不少。教育部公开数据所呈现的高校社科教学与研究人员,早已接近90万;再加上社科院、党校、行政学院和各类智库从业者,研究队伍规模可观。不过,“百万大军”“天文数字”更多是强调问题严重性的说法,并不是一套口径统一的统计结果。讨论这件事,不能只盯着数字,更该看投入有没有变成实用能力。
我国并非没有智库和研究成果。早在2015年,官方文件就提出建设中国特色新型智库,把它作为科学决策的重要支撑。高校、社科院和政府研究机构积累了大量文献、调查与专业知识,基础理论研究也不该只用“能不能马上预测一场危机”来衡量。
真正的短板,在于知识能不能接起来、跑起来。课题按项目划分,数据分散在不同部门,成果又常以论文和结项报告呈现。研究能源、金融、地区政治的团队各自都可能很专业,可一旦航线受阻或制裁升级,决策者要迅速弄清哪些行业受影响、风险何时扩大、有哪些应对选项,零散成果未必能及时拼成一张完整的图。
这就容易出现一种尴尬:专家很多,材料也不少,可突发事件发生后,公众看到的往往是事后解释;事情发生前,能把不同情景、关键指标和风险概率说清楚的判断却不多。就像比赛中对手突然换阵,替补席递来的不是下一步打法,而是一份写得很厚的赛后复盘——内容或许有价值,可眼下最急的那一球已经丢了。
所谓“智能分析预判系统”,也不是把大模型接上网络,让机器猜明天会发生什么。它需要持续更新公开信息、行业数据、政策文本和历史案例;还要让地区、产业和数据领域的专业人员一起设定情景,并安排专人寻找反例,检查判断里有没有被忽略的变量。
更重要的是,它得能按时交付。突发事件后,24小时内形成事实底稿,72小时内更新风险概率、产业影响和政策选项;每份研判都说清发生了什么、依据是什么、哪些条件变化会导致改判、眼下能做什么。报告不该比谁写得长,而要比谁能让人更快看清局面。
预测当然不会次次准确。成熟的系统不是保证押中唯一答案,而是把几种可能的走向和各自代价摆出来,尤其不能漏掉概率不高、损失却很大的情景。它的作用,是让人少一些措手不及,而不是假装不确定性已经消失。
问题也不只是技术。眼下不少社科项目仍看论文数量、期刊级别和项目档次。花三五年搭一套能持续使用的分析工具,未必能换来相应的职称、奖励或结项评价;追热点申课题、按要求交报告,反倒更容易得到认可。规则如此,研究者自然会把时间放在更容易被评价的成果上。
有些课题从立项时就追着热点走,研究周期却要两三年。等报告完成,热点已经换了,成果难以进入实际决策流程。论文和理论研究当然重要,但如果研究成果只在项目结项时出现一次,不能持续更新、接受检验,就很难变成稳定的判断能力。
要补上这段距离,不是再挂几块智库牌子,而是把资源重新接起来:建设共享的数据底座和安全可控的工具,组建少而精的常设团队,让懂地区、懂产业、懂算法的人一起研判。评价成果时,也应看预警是否及时、建议能否执行,而不只是看论文发在哪里。
还可以给重要判断建立一份“预测账本”:发布时记录依据、概率和触发条件,半年或一年后回头核对。判断对了,要看推理是否可靠;判断错了,也要弄清是数据、模型还是假设出了问题。没有复盘,预判就容易变成事后各说各话,团队也很难真正进步。
研判最怕的还不是算力不足,而是所有人太早认定同一个答案。机器能提速,专家能提供经验,但都不能替代责任;不同意见也必须有位置,连最不愿看到的情景都不肯讨论,系统再智能也可能只是在重复盲点。
社科研究不是无用,而是不能只停留在解释世界。论文要写,学问要做;但局势拐弯时,也得有人及时递上地图、仪表盘和备选路线。研究成果的分量,不只在写了多少,更在关键时刻能不能帮人看清下一步。

