白宫科办主任向总统提交了一份122页报告赛先生

《新黄金时代》真正值得注意的，也许不是某一项资助改革或某一个AI计划，而是它重新提出了一个更基本的问题：一个国家完整的科学能力究竟是由什么构成的？

2026年7月21日，美国白宫科技政策办公室主任Michael Kratsios向总统提交了一份长达122页的报告——《科学：新黄金时代》（Science: A New Golden Age）。白宫给予它一个颇高的定位：这是自1945年Vannevar Bush提交《科学：无尽的前沿》（Science: The Endless Frontier）以来，80多年间对美国科技体系第一次“全面重新思考”。一天之后，特朗普政府又宣布为“创世纪计划”（Genesis Mission）追加超过50亿美元联邦投入，试图以人工智能、国家实验室、科学数据和重大任务重新组织美国科研资源。

81年前，《无尽的前沿》回答了一个影响深远的问题：战争结束之后，美国为什么仍然需要政府长期支持基础研究。它奠定了战后美国政府、大学与科研共同体之间关系的重要基础。一个仍然拥有世界顶尖大学、国家实验室、科技企业和风险资本体系的国家，为什么现在又开始重新审视自己的科学体系？《新黄金时代》真正值得注意的，也许不是某一项资助改革或某一个AI计划，而是它重新提出了一个更基本的问题：一个国家完整的科学能力究竟是由什么构成的？

美国为什么开始重新审视自己的科学体系

这份报告首先表达的并不是“美国科研投入不够”的焦虑。恰恰相反，它认为，美国过去几十年的研发投入、科研人员和知识产出不断增加，但科学生产率并没有同步提高，科研体系正在被越来越多的程序、激励偏差和体制性掣肘所拖累。报告甚至提出一个颇有意思的警告：如果科研制度本身没有改变，AI完全可能只是让论文、基金申请和评审材料生成得更快，而不一定自动带来更多真正重要的发现。需要强调的是，这首先是白宫报告对美国科研体系的判断，而不是一个已经没有争议的学术结论。

报告真正想改变的是科研资源配置和组织方式。它使用了“incumbency tax”这一颇具批判意味的概念，认为既有知名大学、实验室和研究团队更容易持续获得资源，而新的研究者、新型机构和非共识想法进入体系的成本更高；传统同行评议则可能天然偏好风险较低、更容易形成专家共识的研究。为此，报告主张更加直接支持科学家和大胆想法，增加组合式资助、再资助、挑战赛等机制，同时发展X-Labs和ARPA式的新型使命导向科研组织。白宫发布报告时，把这一方向概括为减少对传统科研机构的路径依赖，扩大科研组织和资助机制的多样性。

这些主张当然可能引起争议。同行评议可能存在保守倾向，但也是现代科学质量控制的重要制度；稳定的大学和科研机构可能形成路径依赖，却也承担着长期知识积累、人才培养和科研共同体建设的功能；任务导向研究可以集中力量突破重大问题，但也可能挤压那些暂时无法说明用途的自由探索。因此，《科学：新黄金时代》报告的意义未必在于它已经找到了美国科研体系的正确答案，而在于它把一些长期被认为理所当然的制度安排重新摆上了桌面。它没有否定基础研究，真正重新追问的是：当科学问题、研究主体和科研工具都发生变化，既有的科研组织与资源配置方式是否仍然够用。

为什么重新把工程、制造和“手艺”纳入科学能力体系

比科研资助改革更值得注意的是，这份以“科学黄金时代”为题的报告，却用了相当多篇幅讨论工程、先进制造、熟练技工、试验设施和产业体系。这背后实际上是对科学与技术关系的一次重新理解。报告反复强调，美国需要使本土产生的突破能够迅速完成原型开发、测试、制造和规模化，并重新连接科学发现与制造。原因并不复杂：一项科学发现并不会天然包含它成为现实技术所需要的全部知识。实验室证明一种材料性能优异，不等于能够大面积、低成本、稳定地生产；一个器件偶然工作，也不等于换一种设备、连续运行数千小时后仍然可靠。科学、工程和制造因此不是一条简单的“发现—应用”流水线，而是在不断反馈中共同推动技术成熟。

报告特别强调重新连接science与craft。“craft”直译为“手艺”多少带一点传统意味，但这里指向的其实是一类长期容易被低估的隐性知识，包括怎样调节工艺参数，怎样提高良率，怎样处理一种材料，怎样让实验室操作变成稳定的生产流程。这些知识未必能够完整写进论文、专利或数据库，往往依附于工程师、技术人员和熟练工人的实践经验。制造业外移损失的因此不只是生产线，也可能包括工艺经验、供应链知识以及长期积累的隐性知识。制造并不只是知识完成之后的执行过程，制造本身也会继续产生技术知识。这也是为什么报告把高级制造和熟练技术人才直接放进国家科学能力建设的讨论之中。

科研基础设施的含义也随之发生变化。报告提出更加充分地开放国家实验室、联邦科研设施和大型用户设施，让企业特别是初创企业能够使用它们难以自行复制的仪器、测试条件和工程平台；同时强调共享洁净室、湿实验室等专业设施的重要性。其意义并不只是“方便企业使用国家实验室”，而在于当技术越来越复杂时，科研基础设施的功能可能从支持“发现”进一步延伸到支持“验证和实现”。很多技术在论文发表之后无果而终，原因正是在“科学上可行”到“工程上可实现”之间，仍有一段需要设备、人才、试验和时间共同完成的知识生产过程。

AI技术越强，真实实验可能反而越重要

AI使这个问题变得更加突出。越来越多原本高度依赖研究人员认知劳动的科研活动，已经开始被AI加速：搜索文献、分析数据、编写代码、开展模拟、寻找复杂变量关系，甚至提出假设和设计实验。这份报告因此把AI for Science放在核心位置，并要求全面推进“创世纪计划”。白宫随后宣布超过50亿美元联邦投入，由15个以上联邦机构共同提供科研项目、专业数据和研究设施，试图把AI、超级计算、国家实验室和重大科学任务连接起来。

但这份报告对AI的判断有一个值得注意的克制之处：再强的人工智能，也无法凭空产生尚未发生的实验观察。材料仍然需要合成，细胞仍然按照自己的周期生长，芯片仍要真正制造，设备也必须在现实环境中运行。AI可以在很短时间内提出数以千计的候选方案，却不能保证物理世界用同样的速度回答这些问题。AI可以压缩认知世界的时间，却不能取消物理世界的时间。正因为如此，报告在谈模型和算力的同时，也强调数据、仪器、自动化实验、科研设施和验证体系，并把建设AI驱动的科研基础设施列为核心任务。

真正值得思考的不是“AI会不会取代实验”，而是AI可能改变科研活动中不同能力的相对稀缺性。当搜索知识、计算和生成假设的成本快速下降，那些无法被同样压缩的环节——实验仪器、样品制备、真实观察、试验环境和工程团队——反而更容易成为整个科研流程的约束。换句话说，当提出假设越来越便宜，验证假设可能越来越成为稀缺能力。这并不意味着理论的重要性下降，而是提醒我们：认知能力越快发展，物理验证能力能否同步跟上，就越可能决定科学发现最终能够走多远。

科学发现之后，如何走向技术实现

这也使一个长期存在的问题变得更加清楚：科学发现和技术创新并不是同一件事。实验室证明一个原理成立，主要回答“它有没有可能”；而技术真正能够被使用，还需要继续回答一系列不同的问题：结果能否重复，性能能否稳定，尺寸和产量放大后是否仍然成立，成本能否接受，能否适应真实环境，能否形成可靠的制造工艺。从“科学上成立”到“技术上可实现”，中间并不是一道简单的转移程序，而往往是一段新的知识生产过程。

这对于理解科技成果转化尤其重要。科研成果走向产业实际上需要完成两类跨越：一类是跨越组织边界，从大学和科研院所进入企业或创业公司；另一类是跨越成熟阶段，从原理、样品和原型继续走向工程验证和真实应用。过去十余年，中国围绕科技成果处置权、科研人员收益、技术许可和技术市场进行了大量改革，解决的是非常现实的制度障碍。近年来概念验证、中试和应用场景越来越受到重视，则可以放在后一类问题中理解。这里并不是说过去的成果转化制度只重交易，因为我国法律对科技成果转化的定义本身就包含后续试验、开发、应用和推广。真正值得注意的是，随着复杂技术增多，技术成熟过程中原本分散的验证、工程和应用能力，开始越来越需要被明确看见。

于是，一些比“成果有没有转让”更具体的问题变得重要：一项成果完成许可以后，下一阶段关键实验由谁组织？一次中试形成的数据，能不能被后续企业、投资机构或应用单位直接理解和使用？技术进入真实环境以后暴露的新问题，能不能迅速反馈回科研和工程团队？这些问题表面上属于成果转化，实际问的是一个创新体系是否能够形成连续学习。一个成熟的科技成果转化体系，不只是让科研成果更容易进入企业，也应使真正有潜力的技术在进入新的组织以后，仍能不断获得验证、工程迭代和真实使用的机会。

1945年的《无尽的前沿》之所以影响深远，并不是因为它准确设计了此后美国的每一种科研制度，而是因为它抓住了那个时代最重要的问题：一个国家为什么需要长期支持科学。81年之后，《新黄金时代》试图进一步回答的是，当科研主体、知识生产方式和产业竞争都已经发生了深刻改变，一个国家应当怎样重新组织自己的科学能力。

这份报告对美国科研体系的诊断是否准确，其中关于同行评议、科研机构、任务导向研究和AI科研的改革最终会产生什么结果，都需要时间检验，它当然也不是美国科学界没有争议的共识。但它重新提出的一个问题值得认真思考：未来的科学能力，也许不能只看一个国家能否率先发现，还要看它是否拥有把发现持续验证、工程化，并最终转变为现实技术的能力。