中国为什么“基础研究不行”而产业全球前列

晨枫

中国大部分产业都居于全球前列，这已经是公理级的事情了。中国基础研究行不行，这还是争论不清的问题。在80年代之前，一般认为是中国基础研究还是行的，但应用研究和工程研发不行。现在的看法似乎反过来了。

基础研究与产业发展的关系一直是争论不休的问题。丘成桐指责中国数学研究还停留在美国40年代的水平，肯定不是赞扬，但具体含义谁也说不清楚。有人说，要说原创性（originality）和显著性（significance），今日美国数学研究也不如40年代。这就要由专家来评说了。

但丘成桐的话引起中国舆论里又一番激辩，焦点很快集中到基础研究（尤其是纯数学）有什么用。

科学和技术很容易混淆，但两者有很大的不同。科学是探索未知的，未必功利；技术是解决现实问题的，必然功利。

都说牛顿是看到苹果掉下来才最终发现万有引力的，牛顿肯定没有想到这以后成为卫星和宇航的基础。

基础研究从来不是以具体应用为目的的。很多基础研究的成果不仅在发明人生前没有应用，死后多少代都可能没有应用。黑洞理论到现在还只是在发现间接证据的阶段，直接证据还是解决不了，因为大爆炸已经久远，还不可能重复。要说哪一天黑洞理论能“变现”成为人类造福的产品，恐怕我们这一代是看不到了。

但这就意味着黑洞理论没有意义吗？不是的。这有助于我们认识世界。满足人类的好奇心本来就是基础研究的最大动力。建立万有引力理论只是出于对自然世界的好奇心。爱因斯坦建立相对论的时候，应该也没有想到原子弹和核动力。

技术（或者工程研发）才是“有用”的。在很多时候，科学是技术的基础，造汽车用到材料力学、结构力学等，追溯上去，都可以和牛顿力学攀上亲戚。

但在其他时候，科学没有发展到这一步，但现实问题依然需要解决，技术就只有通过试错法发展。

人类在牛顿之前千百年就开始造桥了。没有理论指导，只有经验指导。从石条、木板的简单桥，到砖块的拱桥、钢缆的悬索桥，一步一步摸索，积累了很多经验，加上安全系数，通常是管用的。

问题是，新材料、新构型出现后，需要重新摸索，时间长，代价大，越来越不适应越来越快的社会和技术发展。

有科学指导的造桥就给力多了。

今天中国成为世界高桥长桥的绝对冠军，不是靠简单的经验摸索，而是靠科学。

今日中国各种产业高度发达，并非得益于今日中国的基础研究，但是建立在前人（必须说，主要是西方的前人）的基础研究之上。这就是历史上基础研究对今日工程技术的作用。

但从最终实用性而言，基础研究是广种薄收的，有应用是情分，没应用是本分。历史上基础研究至今没有应用的依然大有人在。

在历史上，欧洲王室和贵族资助基础研究，与资助绘画、音乐、诗歌差不多，是为自己装点门面、附庸高雅用的，并非真的热爱科学和艺术。

在现代，不少国家依然把资助基础研究看作“还把自己当回事”的国家不得不做的本分，即使50-60年代对基础研究挥金如土的美国，也没有太急功近利的想法，而是作为体现“资本主义优越性”和与苏联全面竞争的一部分。从某种意义上说，“阿波罗”登月计划也是物化的基础研究，初衷并无功利，政绩工程而已。

新中国建国伊始，就对基础研究很重视，中国科学院的组建就是标志性的机构，旗下聚集了大批顶级科学家，几十年来也成绩斐然。但要说到这些成就有多少转变为实用的成果，这就不好说了。这本来就不是目的。

但这不等于中国的基础研究与经济成就永远没关系。

确实，迄今为止的中国经济建设与当前甚至过去一段时间的基础研究关系不大，但这更多的是经济发展阶段性的缘故。

改革开放以来，中国经济和技术发展主要在追赶。也就是说，以复刻西方已有技术成就为主。换句话说，这是需要驯马术的阶段，而马清晰可见，驯马术有章可循。也可以说这是中国在刷习题集的阶段，正确的题解不仅存在，而且很多是可见的。

这不意味着赶上容易。不断有人质问：中国为什么至今造不出来EUV，为什么至今造不出大推力民航发动机，就是看到了目标，甚至依稀看到了路径，但依然没法爬上这个高地。

赶上是为了超过，在没有前车之鉴的时候，就需要基础研究的加持了。换句话说，这是需要屠龙术的时候。龙本身就捉摸不定，屠龙术更是无章可循。也可以说这是中国要琢磨自己的解题术的时候，甚至不知道正确的题解是否存在。

这更艰难。比如说冷聚变，是否走得通，在理论上都没底。努力摸索必要的，但不能盲目。猜想和理论之间的差别在于：猜想只是“有道理”，而理论是“肯定走得通”。

在大航海时代的末期，“西北通道”是最大的挑战。哥伦布根据“地球是圆的”理论，坚信一直向西航行，就能到达印度，结果发现了美洲大陆。从北美东海岸通往亚洲最近的水路就是传说中的“西北通道”。为此，无数人在陆地上探索各条大河，也有人试图在北冰洋里摸出一条可通航的航线，都失败了。这就是猜想和理论的差别：地球确实是圆的，但“西北通道”只是猜想。

对于基础研究，存在不少误解，其中一个是：有用的基础研究已经研究完了，有用的定理和方法都建立了，现在尽在折腾没用的猜想，过去几十年没有显著的基础研究成就就是“瞎折腾、抓眼球、空耗民脂民膏”的铁证。

这是不对的。

科学前沿永远在远非常人能理解的地方。牛顿、莱布尼茨、高斯、拉普拉斯的工作在他们的时代只有屈指可数的人能理解，今天理解的人多了，是因为这些曾经的前沿现在成为基本教育的一部分。

科学发展也是阶段性的，并非匀速前进，会有一个突破带来一个阶段爆发性的发展，然后再次转入艰难攻关。据说杨振宁说过物理的盛宴已经结束，其实20世纪初海森堡、波尔的时代才是盛宴，杨振宁已经来晚了，但这不妨碍他依然作出巨大的贡献。

科学的突破也是需要积累和蓄势的。牛顿到爱因斯坦的200多年里，并没有与牛顿力学和爱因斯坦相对论齐名的大发现，但数学、物理还在继续发展，最终促成20世纪初量子力学的大发展。所以以过去几十年缺乏基础研究的突破性成就为理由，认为都是在做无用功，这是不对的。

这不妨碍基础研究、应用研究、工程技术应该有正确的金字塔结构，投资大头永远应该是“能够变现”的工程技术，这是基础研究可持续的根本。基础研究不能成为国民经济的负担，这不是说基础研究需要自负盈亏，而是整个从基础研究到应用研究到工程技术的科研体系需要自负盈亏，否则就难以持续。

基础研究负责非功利的探索，工程技术负责解决实际问题和创造价值，应用研究填补两者之间的空白，将基础研究的成果“翻译”成工程技术的工具。这是当前非常急需的。

比如说，在自控领域，基本理论架构都是建立在线性无约束系统上，但控制技术已经发展到非线性的约束控制问题。问题是，DMC、RMPCT等貌似行之有效，但尽管是模型为基础的控制技术，依然无法像线性无约束系统那样用零极点配置或者LQR问题里的加权矩阵按照控制要求严格计算控制器参数，只能靠经验法调试。这是因为缺乏严格、完整的理论架构，只能伤筋膏药、十全大补膏、藿香正气丸一锅煮，靠人品在线。

在更加热门的人工智能领域，神经元函数在底层就是sigmoid函数，有很多有用的性质，但也很难深入分析。大模型由海量的sigmoid函数以复杂的拓扑连接起来，更是无法分析，使得用海量现实数据训练出来的大模型依然时不时会有匪夷所思的行为出现，比如人工智能绘画可以模仿各种名家风格，但常常弄出六个手指这样的囧事。这不可能是训练数据的错，因为所有绘画、图片里都不可能有六指。“人工智能画家”怎么会画出六指是个不好解释的问题，只能用额外的算法和限制来抑制六指。这只是已知而且无伤大雅的问题，其他大模型是否有更大的问题，只能是一句“谁知道呢？”因为缺乏严格的理论工具进行分析和综合。

这是应用研究的缺失，反映的是基础研究还没有在相关领域形成突破。

基础研究不是从目标出发，在最需要突破的方向首先突破，这未必是有关人员不接地气、故作清高，而是与基础研究的另一个特点相关：突破是可遇而不可求的，不是投入人力物力就能解决的，因此只能从已知出发，在容易突破的方向首先突破。只有在形成足够积累的时候，才能确保涵盖最需要突破的方向。奇兵突袭是情分，一线平推才是本分。

也就是说，在中国从追赶转为领先的时候，基础研究会格外重要。也只有那时，中国才有足够的财力，可以“养起”足够的基础研究，实现基础研究下沉，由此惠及应用研究和工程技术，将中国经济提升到更高的层次。

这在欧美已经有先例了。学数学和统计的在过去被认为是只能“安于贫寒”的，但在大数据年代，数学和统计人才高度吃香，这就是基础研究下沉、工程技术提升的结果。

至于现在，追赶的红利快要吃完了，靠敢想敢干和经验的时代快要过去了，原创技术才是未来，其底层正是基础研究。

隧道

因为国内甚至全世界的基础研究都进入了，屁用没有，为了研究而研究的死循环阶段了。

huma

司机最近文章，以这篇为最好，最说明问题。

老福

我给晨大祝祝兴，举一个最近的例子，基础研究确实是实用技术的根子。

从ChatGPT的发展史来看，最早是从1957年Perceptron（感知机）的引入开始的，感知机是对单个神经元的数学模拟，也是人工智能领域的开端。后来由于感知机本身的局限性（甚至无法解决简单的异或分类问题），感知机的研究陷入沉寂，直到1980年代科学家引入多层感知机（M L P）和反向传播算法，人工神经网络研究复生。在1980和1990年代，人工智能领域主要有二大流派：一是以软件工程为基础的专家系统，二是从模拟出发的人工神经网络方案。专家系统是一个失败的方向；尽管多层感知机在模式识别领域取得一些成功，但在很多工程领域也受到从统计学研究出发设计的机器学习算法（例如random forest，gradient boosting）的挑战，人工神经网络方案并没有明显的优势，这是在2000年代，是人工神经网络的潜伏期。但人工神经网络有一个巨大的好处，可以平行计算，容易硬件化，所以后来随着2000年代后期卷积神经网络的兴起和在深度学习领域的拓展，人工神经网络研究在2010年代进入黄金期。再往后，就是transformer, attention等技术加入神经网络处理序贯数据（sequential data）, 最终来到ChatGPT时代。

Perceptron和MLP算是基础研究，是在大学和研究所完成的；卷积神经网络和transformer，attention则是工程领域的基础研究，是跨越学界和工业界或者加入工业界的PhD们主导的；最后则是工程师的工业实践。这个过程，耗时60年左右。所以要看基础研究的贡献，必须从一个长期的历史的角度看。

题外话，丘成桐不是一个完美的人，但他说话很直率。他说中国现在的数学研究还不如美国的四十年代，其实很客气了。美国四十年代数学，星光熠熠，中国现在缺领军人物，没法比。

晨枫

老福 发表于 2024-5-24 12:34
我给晨大祝祝兴，举一个最近的例子，基础研究确实是实用技术的根子。

从ChatGPT的发展史来看，最早是从195 ...

票兄这一段雄辩真想盗版，贴到风闻上去。我怎么想不到这么好的例子呢？其实还是对AI及其历史不大懂的缘故。

晨枫

huma 发表于 2024-5-24 11:20
司机最近文章，以这篇为最好，最说明问题。

难得得到你的赞同，今天是不是该加一个鸡腿？

hellotojinge

可以再细分一点：
基础研究、应用基础研究、应用研究。
基础研究是那种看不到什么用途，纯粹摸索的领域。基础研究都是开放的，是靠荣誉来激励的。
应用基础研究是发现某个方向会有意义，专门在这个方向努力
应用研究，大家都知道。

tangotango

隧道 发表于 2024-5-25 00:24
因为国内甚至全世界的基础研究都进入了，屁用没有，为了研究而研究的死循环阶段了。 ...

       这叫目光短浅。从历史来看，我们现在ICT领域用到的最前沿（仅相对ICT产业而言，不是数学上的前沿）的数学理论是数学界30甚至50年前发明的，那时候没人能预见到这些理论有啥用。在20世纪初历史上还曾有物理学家声称“我们所研究的物理学正在终结”。历史证明，这些都是目光短浅的人的妄言。

tangotango

老福 发表于 2024-5-25 02:34
我给晨大祝祝兴，举一个最近的例子，基础研究确实是实用技术的根子。

从ChatGPT的发展史来看，最早是从195 ...

说的对。因为国内基础研究风气太差，北大数学黄金一代四个人全留美国做研究了，MIT、普林斯顿都有。

隧道

tangotango 发表于 2024-5-28 21:03
这叫目光短浅。从历史来看，我们现在ICT领域用到的最前沿（仅相对ICT产业而言，不是数学上的前沿 ...

我的意思是绝大多数基础研究已经基本与实践脱节了。所以基础研究不行也不耽误实践上不断突破。
而且这种为了研究而研究的科研根本没啥创新，也不是从兴趣出发，
而是不断发明轮子或者换汤不换药的发paper混口饭吃而已。

wbxy436

汤涛院士：过去30年，中国数学人才培养之路是成功的
https://news.sciencenet.cn/htmlnews/2024/5/523256.shtm

数值分析

一些技术细节上的探讨：

黑洞理论到现在还只是在发现间接证据的阶段，直接证据还是解决不了，因为大爆炸已经久远，还不可能重复。要说哪一天黑洞理论能“变现”成为人类造福的产品，恐怕我们这一代是看不到了。

1.黑洞存在的证实为什么和大爆炸相关呢？理论上确实有一些黑洞可能是所谓“原初黑洞（primordial black hole）”，来自大爆炸后很短的暴涨时期，但更一般的黑洞类型是大质量恒星的引力坍缩形成的黑洞，以及坍缩形成的小黑洞合并而来的黑洞。
2.2019年和2022年公布的两张黑洞照片被普遍认为是对黑洞直接观测的证据。

数值分析

老福 发表于 2024-5-25 02:34
我给晨大祝祝兴，举一个最近的例子，基础研究确实是实用技术的根子。

从ChatGPT的发展史来看，最早是从195 ...

这个过程，耗时60年左右。所以要看基础研究的贡献，必须从一个长期的历史的角度看。

这个60年，有不少其实是在等计算机硬件发展到能支持这个规模的算法实现。

比如在能源领域，有些算法80年代就有了，但2010年代才投入生产实践，是因为没有硬件能完成实践规模的计算。

题外话，丘成桐不是一个完美的人，但他说话很直率。他说中国现在的数学研究还不如美国的四十年代，其实很客气了。美国四十年代数学，星光熠熠，中国现在缺领军人物，没法比。

这里抬个杠啊。这个如不如，得明确标准，如果以星光熠熠来算，那么今日美国的数学研究，又如不如美国的四十年代呢？这个标准其实是误导，甩出这么一句暴论，恐怕不是直率，是别有用心，诱导受众（主要是外行人）脑补出中国数学落后美国80年吧？

比如现在，以载人登月来看，中国航天肯定是不如美国航天60年代的，毕竟阿波罗11号60年代就载人登月了嘛。似乎可以说中国航天落后美国60年。但是如今美国自己也不能载入登月了，那是不是可以说当前美国航天落后于美国自己60年呢？恐怕不能这样说吧。

研究是一种自古至今的积累行为。任何一篇学术论文，必有参考文献清单这个部分，就是这个道理。在这个角度上，我现在发表的任何一篇研究量子力学的文章，都比波尔，薛定谔，狄拉克当年研究水平要高。当然，我的能力肯定跟上述任何一位都无法相提并论。但这不是同一个问题，我的研究水平比这些巨人还高，只是因为我站在了他们这些巨人的肩膀上。同理，一个衡量某一国某一领域的研究水平的标准，是不能任意定义的。其必须是一种能反映科研成果积累的函数，而不能是某种反映科研水平增长速度，科研者个人能力，或者科研活动活跃度的函数。“星光熠熠”，或者“领军人物”数量等等，都不适宜作为这种标准。否则动辄得出某国自己落后于历史上的自己这种暴论就不好了。如果以比较公道的角度来看中国当前的数学研究，水平肯定是强于美国40年代的。

黄序

说起星光熠熠，想起这么一张照片：



差不多是100年前的照片。放眼全球的基础研究领域，当下和百年前相比，哪个时代更“星光熠熠”呢？

老福

数值分析 发表于 2024-5-29 04:54
这个60年，有不少其实是在等计算机硬件发展到能支持这个规模的算法实现。

比如在能源领域，有些算法80 ...

我从90年代初开始关注人工神经网络研究和AI，所以自信是有一定发言权的。可以负责任地说，这60多年，关键还是设计和算法的发展问题，而不是等硬件跟上。当然2000年代后，结构算法与硬件的发展基本是同步的。您说的能源领域我不熟悉，但我不相信可以用能源领域的经验简单外推。

老福

黄序 发表于 2024-5-29 05:23
说起星光熠熠，想起这么一张照片：

您的相片上有许多是supernova，而我说的是普通的star就算。

黄序

老福 发表于 2024-5-28 19:26
您的相片上有许多是supernova，而我说的是普通的star就算。

您这么说就没意思了。

tangotango

隧道 发表于 2024-5-28 21:44
我的意思是绝大多数基础研究已经基本与实践脱节了。所以基础研究不行也不耽误实践上不断突破。
而且这种 ...

      基础研究、包括大学的应用研究里，99%都没用，只是没有个几年十几年几十年的沉淀，有意义的研究也没办法从一堆没价值的研究结果中大浪淘沙显现出其光彩。你让谁去评价那些成果真的有价值、哪些没价值？院士们？中国的大多数院士自己就是矮子里拔将军出来的，跟本没做过啥开拓性从0到一的研究。科技企业？国内的大多数企业还在跟着美国追热点，缺少自己选择独立技术路线的勇气，比如大火的新能源车企都在等特斯拉在前面探路，从一体压铸成型到自动驾驶一路跟随。
       至于说混口饭吃，绝大多数科研人员和企业科技人员都是混口饭吃。如果这个市场为原创的研究买单，那大家自然甘于做原创研究；如果市场只为各种人情世故、评奖、人才帽子、炒作概念买单，那大家自然也会做屎上雕花的低风险研究而把主要精力放在混圈子抱大腿上。

隧道

tangotango 发表于 2024-5-29 14:47
基础研究、包括大学的应用研究里，99%都没用，只是没有个几年十几年几十年的沉淀，有意义的研究也 ...

我j认为还是应该以发现问题，有目的科研为主，包括基础科研。
那种当时没啥用，过后有用的科研有更好，没有也没啥损失，
遇到问题了自然相应的科研就会出现，解决问题。
也不会卡住不动，稍微多花点时间而已。

老福

黄序 发表于 2024-5-29 10:55
您这么说就没意思了。

这是数据处理里对outlier的常规处理方法，例如比较社会财富水平时经常需要把巨富的数据点处理掉。