AI時代,美國為什麼也開始“舉國創新”?

2026年8月5日 12:10
AI時代,美國為什麼也開始“舉國創新”?

重點摘要

美國白宮發布《科學:新的黃金時代》報告,呼應二戰後的《科學:無盡的前沿》,主張現行科研制度已不足以應對21世紀挑戰。報告提出五大制度轉向,包括改為資助科學家與重大問題、多元化風險資助、多主體科研生態、科學與製造循環,並為AI革命做好準備,以維持美國科技領先地位。

站內 AI 整理稿

2026年7月21日,白宮科技政策辦公室主任邁克爾·克拉齊奧斯向特朗普總統提交了一份名為《科學:新的黃金時代》的報告,全文連同附錄共123頁。這份文件的封面、開篇與歷史敘事,刻意呼應了81年前那份奠定美國戰後科研體制的經典文獻——《科學:無盡的前沿》。1945年,二戰尾聲之際,羅斯福總統要求時任科學研究發展局局長範內瓦·布什思考一個關鍵問題:戰爭期間由政府、大學與工業界共同形成的科研能力,該如何轉入和平時期,並持續服務於國家安全、公共健康與經濟成長。

布什當年的回答,為美國建立了以聯邦政府長期資助基礎研究、大學為主要研究場所、科學家自由探索、企業負責技術商品化的制度框架,國家科學基金會隨之成立,也鋪墊了美國在半導體、航空航天、互聯網與生物醫藥領域的長期領先。然而,克拉齊奧斯在報告中明確指出,這套幫助美國贏得20世紀的科研制度,已經不足以應對21世紀的挑戰。問題並非科學不再重要,也不單純是經費投入不足,而是科學發生的場域、解決問題的方式以及全球競爭環境都已發生根本性改變。

目前美國私人企業每年投入約7000億美元研發經費,遠超過政府與高校的總和;許多基礎研究所必需的算力、數據、儀器與工程團隊,早已集中在企業手中;科學發現越來越依賴大型協作、複雜設備與製造端的反饋循環;人工智慧更開始滲透進文獻閱讀、假設生成、實驗設計與結果驗證的完整流程。報告表面談的是科研,深層觸及的卻是制度設計:當科學的技術條件改變之後,該由誰來組織科學、政府資金該流向何處、大學企業與國家實驗室如何協作、成果如何驗證與轉化,這些都需要重新思考。這份報告的誕生有其明確的政策脈絡。

2025年3月26日,特朗普致信克拉齊奧斯,要求回答三個問題:美國如何在AI、量子與核技術等關鍵領域保持領先;如何減少行政負擔、恢復科研活力;如何讓科技進步轉化為經濟成長與民生改善。克拉齊奧斯在報告中將答案歸納為四項目標:把科學家而非傳統機構置於科研體系中心;改變聯邦科研經費的分配與評價方式;圍繞國家目標組織科學並重建將發現轉化為產業能力的「工業肌肉」;讓整個科研體系為AI革命做好準備。報告正文分為五章,從解釋戰後模式為何需要更新,到討論科研資助、同行評議、行政負擔、國家任務、製造業、技能訓練、區域創新,再到AI、自動化實驗室與未來出版制度,層層推進。

值得注意的是,報告附錄是一份由白宮科技政策辦公室與管理和預算辦公室共同發布的2028財年研發預算優先事項備忘錄。這意味著報告並非單純的政策倡議,而是試圖進入聯邦預算與機構執行流程。備忘錄要求研發預算規模達到一定門檻的聯邦機構,在90天內提交行動方案,說明如何試驗新的資助機制、擴大科研設施開放、培養人才、減少行政負擔並加強與產業的連結。

理解整份報告,需要區分三種層次:一是已經啟動的政策與項目,包括「創世紀任務」、「黃金標準科學」行政令與國家科學基金會的X-Labs;二是面向2028財年的預算與機構改革指引,其實現取決於預算、部門執行與國會授權;三是面向未來的制度構想,例如由AI Agent、科研懸賞、自動化實驗室與新型信用分配系統構成的「AI原生科學」。報告首先承認戰後制度仍有不可替代的價值,基礎研究周期長、收益分散、外溢性強,不能完全交給市場,國家目標也需要超越單一機構的長期協調。但報告強調「原則仍然成立,流程必須改變」。

私人部門已從科研成果的接棒者變成科學前沿的重要參與者,企業實驗室不僅從事產品開發,也在提出基礎問題、訓練科學人才、創造新的研究工具,企業掌握的算力、數據、儀器與薪酬,是高校和聯邦機構難以複製的。同時,「基礎研究—應用研究—產品開發」的線性模型越來越難以描述現實,半導體制造提出的材料問題會反過來推動基礎物理,新的科學儀器會打開從前無法觀察的對象,實驗數據又會改變理論方向,科學、工程、製造與市場是在反覆迭代而非依次交棒。報告也坦承科研投入增加並未產生同等幅度的重大突破,以生物醫藥為例,研發成本上升、藥物研發效率下降、突破性成果增長放緩,研究人員往往要把接近一半的工作時間用於申請、合規與行政事務。

1991年至2025年初,聯邦科研項目新增了至少270項要求,部分項目從申請到撥款最長可達20個月,報告將這種消耗稱為一項看不見的「創新稅」。與此同時,AI與國家競爭同時到來,AI可以降低提出假設和處理知識的成本,卻可能讓舊制度中的瓶頸更加嚴重;全球科技競爭也使美國不再假定「只要知識在美國被發現,最終收益就自然屬於美國」,科研政策因此開始同時關心發現、驗證、製造、供應鏈與國家安全。報告提出的第一個制度轉向,是從資助機構和項目轉向資助科學家與重大問題。

傳統項目制要求科學家先寫出目標、路線、里程碑與預期結果,再由專家委員會決定撥款,這便於預算控制與責任追蹤,卻存在天然矛盾:真正的科學探索往往無法提前準確說明結果,申請人卻必須把未知寫成看似可預測的計劃。報告建議擴大可隨研究者流動的研究生獎學金,增加青年科學家的獨立支持,參照美國國立衛生研究院「主任先鋒獎」等項目,為少數優秀研究者提供期限更長、限制更少的資助。「資金隨人走」不只是改變收款帳戶,更會削弱研究者對單一實驗室、導師與學校的依附,使他們能在大學、企業、國家實驗室與獨立機構之間選擇更適合問題的環境。

報告尤其希望縮短青年研究者獲得獨立地位的時間,因為美國生物醫學領域新任首席研究員的平均年齡長期上升,年輕科學家在最具創造力的階段往往只能為他人的項目工作,並被迫選擇更安全、更容易獲得經費的方向。「資助重大問題」則意味著政府不再被動等待學科內的申請書,而要識別哪些科學瓶頸一旦突破,能打開一系列後續發現,例如全腦連接圖譜、通用科學儀器、可共享的材料數據庫或新的實驗平台。第二個轉向,是從共識式同行評議轉向多元化的風險資助。報告並未主張取消同行評議,承認共識評審適合排除明顯不合格的項目,也適合沿著成熟路線穩步推進,但當它成為科研資金幾乎唯一的入口時,缺點就會被放大。

突破性研究通常證據不足、路徑陌生,甚至挑戰評審人熟悉的範式,在資助率很低的情況下,最容易通過的往往不是「少數人強烈相信」的方案,而是「多數人不強烈反對」的方案,由此形成系統性的保守。報告提出的辦法是為不同問題配置不同選擇機制:「金票」允許具有技術判斷力的評審人力薦無法獲得委員會共識的非常規研究;快速資助減少申請材料並壓縮決策周期;長期個人資助讓研究者不必每隔幾年重寫一次故事;二次撥款把一部分選擇權交給更靠近前沿的科學家;科研獎金與預先市場承諾不先規定技術路線,而是為可驗證的結果設置回報;ARPA式項目經理則可圍繞目標主動尋找團隊、調整組合並終止無效路線。

這些工具背後是「投資組合」思維,單個高風險項目失敗不必然代表資助機制失敗,更重要的是整體組合能否以可承受成本換來少數真正重要的突破。聯邦政府每年分配約2000億美元研發資金,報告希望各機構像嚴肅的資本配置者那樣,說明自己的組合為何包含不同風險、期限與組織形式。為避免新工具再次固化成舊程序,報告提出在科研機構內部建立高層級的元科學單元,研究「科學怎樣運行」,比較不同評審方式的效果,追蹤獲資助者與接近入選者的長期表現,識別重複投入與公共工具缺失,並據此調整下一輪政策。第三個轉向,是從大學中心模式轉向多主體科研生態。

戰後美國科研體系形成時,大學擁有最集中的知識、人才與設備,今天大學仍承擔自由探索、人才培養與知識傳承,卻不再擁有全部關鍵資源。大型科技企業能投入鉅額算力與數據,國家實驗室擁有粒子加速器、光源、超級計算機與核設施,初創公司擅長快速工程化,慈善資金則可支持政府與市場都不容易承擔的長期項目。許多問題落在現有機構的夾縫中:對大學教授帶領的實驗室太大、對單一學科太複雜、對企業回報太慢、對永久性國家實驗室又可能過於靈活或短期。

報告因此提出擴大科研「執行者」的類型,包括由具有較大裁量權的項目經理組織任務的ARPA式機構、由十至一百名職業科學家和工程師圍繞明確瓶頸工作數年的聚焦研究組織、為少數研究者提供長期穩定環境的好奇心驅動研究所,以及以獨立、全職、里程碑驅動團隊建設平台技術的X-Labs。X-Labs已非紙面設想,2026年5月美國國家科學基金會宣布計劃在十年內投入最多15億美元,首輪聚焦量子系統互連、集成光子學以及新一代科學傳感和成像儀器,希望資助傳統大學與企業實驗室不容易承擔的獨立團隊,並允許團隊把成果從概念、原型推進到可由私人資本繼續放大的平台。

報告也希望人才在不同部門之間更順暢流動,包括產業博士與博士後、聯邦實驗室實習、企業與高校聯合中心以及穩定的職業科學家和工程師崗位,讓科研人員不必把終身教職視為唯一成功道路。第四個轉向,是從線性成果轉化轉向科學、工程與製造的循環。報告對成果轉化的理解比「論文之後申請專利,再找企業許可」更寬,認為真正的技術能力不僅存在於論文、專利與樣機中,也存在於工程師和技術人員經過長期實踐形成的默會知識中。一項實驗室發現要成為產業能力,還需經過原型、測試、中試、監管驗證、工程放大、供應鏈磨合與首次市場採購,任何環節缺失都可能讓知識停留在紙面。

更重要的是,這些環節並非發現完成後的附屬工作,製造缺陷會暴露新的科學問題,儀器能力會決定科學家能觀察什麼,工程放大也會迫使研究者重新理解材料與過程。報告將這種關係稱為科學與「技藝」的結合,先進製造並不只是機器更多、自動化程度更高,還依賴工藝人員知道如何調試設備、處理異常、控制良率,許多知識無法完全寫成文檔,只能在師徒、團隊與生產現場中積累。當製造環節外移時,流失的不只是崗位,更是知識,包括下一輪創新所需要的問題、技能與供應鏈經驗。

報告因此主張向企業和非傳統團隊開放能源部國家實驗室、NASA中心等聯邦設施與試驗場,簡化合作研發協議、技術許可與其他交易授權,支持監管沙盒、共享儀器、中試線與示範設施,以預競爭聯盟解決單個企業不願獨自承擔但整個行業都需要的工程瓶頸。半導體領域的SEMATECH與EUV合作被列為典型案例,政府、聯邦實驗室與企業共同解決全行業面臨的設備與工藝問題,再由市場主體在此基礎上競爭。

知識產權也被放進這條循環,報告批評不同大學許可條件差異過大、談判過慢,主張簡化聯邦實驗室合作與許可,探索更標準的知識產權安排,基本邏輯是基礎數據、通用工具與預競爭平台需盡可能擴大使用,具體工藝、專用技術與商業產品則需清晰的權屬與許可。第五個轉向,是從「使用AI工具」轉向建設AI原生科學制度,這是報告最具時代感的部分。AI for Science在這裡不是給科研人員配一個聊天機器人,而是讓AI進入完整的科學工作流:讀取文獻與數據、尋找跨學科聯繫、提出假設、設計實驗、控制機器人與儀器、解釋結果、決定下一輪實驗並幫助驗證研究結論。

報告把「創世紀任務」置於這一轉向的中心,特朗普在2025年11月簽署行政令,要求能源部建設「美國科學與安全平台」,把國家實驗室的超級計算機、科學儀器、聯邦數據、科學基礎模型與私人部門AI能力連接起來。能源部17個國家實驗室擁有約4萬名科學家、工程師與技術人員,每年獲得約200億美元資金,報告希望把這些長期分散的能力變成一套面向國家任務的發現基礎設施。

「創世紀任務」的公開目標是在十年內使美國科學與工程的生產率和影響力翻倍,能源部被要求識別至少20項國家級科技挑戰,覆蓋先進製造、生物技術、關鍵材料、核裂變與聚變、量子信息與半導體等領域,選擇標準不是「哪個領域最熱門」,而是問題是否具有巨大搜索空間、足夠數據與清晰評價指標,以及一旦突破能否打開大量後續研究。自主實驗室是其中的物理執行層,AI決定下一輪測量,機器人完成實驗,系統讀取結果後立即調整方案,把串行試錯變成閉環探索。

美國國家實驗室已建設材料合成A-Lab與模塊化機器人平台Polybot,「創世紀任務」又投入14個與機器人、自動化實驗室和大型實驗自主控制有關的項目,國家科學基金會還計劃初始投入3.8億美元發展可編程雲實驗室。報告同時看到一個更棘手的問題:AI降低了生成知識的成本,卻沒有同步降低驗證知識的成本,如果評價制度不變,AI首先帶來的可能是更多論文、更多項目申請、更多評審任務與更多看似可信的錯誤結論。

報告因此把「黃金標準科學」與AI基礎設施綁定在一起,要求聯邦科學活動更重視可重複、透明、可證偽、不確定性表達、負結果與利益衝突控制,並在此基礎上建設「科學驗證器」:研究成果附帶機器可審計的復現包,專門的AI系統重建計算環境並核對結果,期刊投稿、項目報告與私人科研工具通過開放接口接入持續驗證系統,復現或推翻重要結論的工作也獲得經費與聲譽。報告甚至設想未來科研成果不必只以靜態論文發布,可持續更新數據、代碼、方法與負結果,貢獻也可細化到數據、算法、實驗設計、儀器與復現工作。

報告附錄把制度主張轉化為2028財年研發優先事項,要求聯邦機構提高基礎性研究在研發組合中的比重,尤其加強物理科學、數學、計算機科學與工程科學,並把六項國家任務作為跨部門對齊方向:AI以「創世紀任務」推動AI輔助科學發現;量子建設面向應用開發與發現科學的量子計算能力;聚變爭取在2030年代中期實現美國商業聚變示範;太空重返月球、建設月球基地並發展空間核能與國家安全空間體系;機器人發展具備靈巧操作、移動與真實環境可靠性的通用自主系統;半導體推進EUV之後的光刻、三維先進封裝與新型器件材料。

圍繞這些任務,備忘錄要求機構同時準備科學基礎模型、AI可用數據、自動化儀器、先進算力、共享設施、中試與示範平台、區域製造體系與人才計劃,國家任務不是給某個部門增加一項專項,而是要求研究、工程、基礎設施、製造與人才形成組合。附錄還要求聯邦機構建立元科學能力,試驗新的評審與資助方式,減少重複表格與報告,擴大非聯邦資金共同投入,並把研發政策與教育、經濟發展、基礎設施、採購與小企業支持相協調,預算規模較大的機構須在90天內提交執行方案。讀完報告可以發現,它並沒有拋棄《科學:無盡的前沿》的核心原則,政府仍應支持市場不願承擔的基礎研究,科學自由仍是發現的前提,大學也仍是科研與人才培養的重要支柱。

真正變化的是政府角色,戰後模式中的政府主要是基礎研究的長期資助者,新報告希望政府同時成為科研製度設計者、國家任務組織者、公共基礎設施提供者、產業協作召集者與科學驗證體系的建設者。它希望把科學家從行政流程中釋放出來,卻又圍繞國家任務集中資源;希望擴大企業參與,卻又強調政府應投資私人資本不願承擔的公共平台;希望用AI提高知識生成速度,又要求建立同等規模的驗證能力;希望重建制造業,卻不是把製造簡單放在科學之後,而是讓製造重新向科學提出問題。81年前,《科學:無盡的前沿》回答了一個問題:為什麼政府必須長期支持科學。

今天,《科學:新的黃金時代》試圖回答另一個問題:當政府、大學與企業的能力邊界已經改變,當AI開始參與發現與驗證,科學究竟應當怎樣被重新組織。這份報告的雄心、價值與爭議,也都由此產生。

Related

相關文章

一年砸下110億美元,比紅杉還兇,白宮才是AI圈最猛投資人

美國白宮過去一年在AI領域投入110億美元,規模超越紅杉資本等傳統創投,顯示政府正以國家級資源全面押注AI產業。這筆資金分散於多個聯邦機構,涵蓋基礎模型訓練、醫療及氣候應用等關鍵環節,並強調負責任AI開發。此舉反映美國對維持全球AI領導地位的危機感,但也引發市場機制扭曲與技術商業化延緩的疑慮。

剛剛

一口氣發佈三款教育插件,OpenAI教育產品再升級

OpenAI 推出三款教育插件,分別為課程助手、作業輔導員與互動學習夥伴,旨在協助教師備課與學生自主學習。這些工具整合至教育版平台,強調引導式學習而非直接給答案,並內建防護機制避免學生過度依賴。OpenAI 計畫未來加強多語言支援與特殊教育需求,持續深化教育科技布局。

7 分鐘前

騰訊、字節、阿里,搶著給打工人配「AI助理」

騰訊、字節跳動與阿里巴巴三大中國科技巨頭,近期紛紛推出或升級企業級AI助理,目標是提升白領工作效率。各家AI助理的競爭重點從回答問題轉向執行任務,並分別強調跨應用串聯、主動式智慧與企業級安全等不同特色。儘管面臨資料隱私與AI幻覺等挑戰,但市場調查顯示超過六成中國企業計劃在一年內導入AI辦公工具。

49 分鐘前

推行AI提效後,策劃們開始加班趕工期

當AI開始重寫小遊戲生產流程,真正的變化何時發生?這個問題在近期引發了業界廣泛討論。隨著人工智慧技術逐步滲透進創意與策劃領域,許多公司開始導入AI工具來提升工作效率,然而實際情況卻與預期有所出入。部分策劃人員反映,在推行AI提效後,他們不僅沒有減少工作量,反而因為系統調整與流程磨合,導致加班趕工期的現象頻繁出現。 這場變革的起點,源自於企業對AI生產力的高度期待。許多遊戲開發與內容製作公司,尤其是中小型團隊,紛紛導入AI輔助工具,試圖透過自動化生成文案、腳本、美術素材甚至程式碼,來縮短專案週期。

1 小時前

DeepSeek大漲價,Token價格戰終於要結束了?

DeepSeek大幅調漲API服務價格,引發市場對AI模型價格戰是否結束的討論。業界分析指出,漲價反映營運成本壓力與市場定位調整,可能代表中國AI產業從低價競爭轉向追求盈利與可持續發展。未來競爭焦點將從價格轉向模型效果與生態系統完整性,但漲價能否終結價格戰仍取決於市場供需與競爭對手反應。

1 小時前

狂攬130億!英偉達投的AI基建獨角獸又融資了

澳洲AI基礎設施獨角獸Firmus宣布完成20億美元(約136億人民幣)戰略股權融資,現有投資方英偉達與Coatue持續參投,並新增黑石旗下基金及Jane Street。該公司專注於設計、建設及營運AI工廠,核心產品HyperCube整合供電、液冷與伺服器機架,並提供GPU雲端算力服務。英偉達透過股權投資與技術合作,協助Firmus擴張亞太地區AI數據中心,同時擴大其晶片與計算架構的市場覆蓋。

1 小時前