中国网/中国发展门户网讯  2026年4月30日，习近平总书记在上海出席加强基础研究座谈会并发表重要讲话，强调“基础研究是整个科学体系的源头，是所有技术问题的总机关”，高屋建瓴地为我国基础研究指明了发展方向。这次会议在我国基础研究发展史上具有里程碑意义，标志着我国基础研究将进入全面加强、系统布局、源头创新的新阶段。

中国基础研究下一阶段最缺的不是埋头苦干，而是识别重要问题、选择研究路径、欣赏真正原创性的能力。这些能力合起来，就是基础研究的品味。能力决定科研下限，品味决定科研上限。没有能力，想法再好也落不了地；但如果没有品味，能力越强，越可能变成“论文机器”。只有同时拥有卓越能力和高水平品味，才可能产生真正原创性突破。一个国家基础研究的整体能力和品味，不仅仅与科研人员个人的努力有关，还取决于国家的科技体制机制和政策。文章从全面深入理解基础研究的内涵、提高基础研究的投入比重、增强基础研究稳定支持力度和人工智能（AI）驱动的基础研究范式变革等角度，提出思考和建议，以供科技决策部门参考。

全面深入理解基础研究的内涵

人们在谈论基础研究的作用时，总是会提到基础研究是整个科学技术的源头，解决“卡脖子”难题要靠基础研究。实际上，基础研究的重要作用不仅如此。基础研究能打造科学技术研究必须具备的底层能力——解释能力、预测能力和判断能力。基础研究培养的是科研体系中最高层次的能力，不只提供知识源头，也塑造一个国家识别重大科学问题和未来技术方向的品味。许多重大技术瓶颈最终都会追溯到基础科学问题。因此，基础研究决定了一个国家长期技术突破的深度和上限，也是后发国家从“追赶”走向“引领”的前提条件。

“卡脖子”问题表面上看是技术问题，深层往往是基础研究能力与隐性知识的综合缺口。基础研究公开的是知识，隐藏在长期实践中的是能力。“卡脖子”真正“卡”住的，正是这种能力。很多知识在公开论文中可以看到方向，但不能直接变成能力。科学论文主要报告成功结果，但真正宝贵的经验常常来自失败。这些负结果和失败经验一般是不公开的，只有自己做过，才会积累那些论文之外的隐性知识。国家重视基础研究的一个重要原因正是为了积累这种隐性能力。

在科研的前沿“无人区”，没有现成路线，也没有明确需求，此时最重要的能力不仅是完成任务，还要思考什么是值得研究的新问题？什么方向现在看似无用但可能成为未来技术源头？这些判断往往来自科学家的好奇心和科学直觉，而不是来自行政规划。好奇心驱动的研究会减少明天被“卡脖子”的概率，产出“未来科学方向的定义者”。中国要从“跟跑”“并跑”走向“领跑”，必须增加好奇心驱动研究的权重。但是，也应当指出，纯基础研究只是没有特定应用目标，并不是“完全无方向、完全凭兴趣”。区分纯基础研究、定向基础研究和应用研究，主要看研究目的和预期用途，而不是看研究者的心理动机。有些纯基础研究不是因为“好奇”，而是因为现有理论内部出现不一致，由理论矛盾驱动或学科审美驱动。学术共同体公认的重大问题，如黎曼猜想、P对NP问题等，也会驱动纯基础研究。有很多纯基础研究同时包含好奇心和方向性。

纯基础研究是现代科技文明的“源头活水”；定向基础研究能形成“新技术路线”，直接关系国家科技竞争力。诺贝尔自然科学类三大奖中，约1/2—2/3可归入“定向基础研究”或“应用牵引的基础研究”；其中，物理学奖中定向基础研究的比例相对较低，化学奖居中，生理学或医学奖最高（占比高达70%—85%）。作为基础研究风向标的诺贝尔奖证明，最有长期影响的基础研究，大多不是“无目的研究”，而是“面向重大问题的基础性科学突破”。后发达国家不能照搬发达国家“自由探索型基础研究”的完整结构，不必所有领域都从纯基础研究做起，不必全面铺开纯基础研究，而应重点开展以国家重大需求和产业瓶颈牵引的定向基础研究。在国家的正式文件和公开的科技政策中，应该理直气壮地说明，国家大力提倡的基础研究不仅是自由探索类型，同时也高度重视“定向基础研究”。真正的定向基础研究必须追问基础问题，而不只是完成应用任务，不能将定向基础研究做成变相的应用研究，必须用定向基础研究把国家需求转化为基础科学问题，同时加强纯基础研究，守住科技源头。

基础研究的终极目的在于探索未知、滋养人才、凝聚人心。在这一点上，科研与体育运动有着异曲同工之妙：二者领域迥异、形式不同，却共享相似的内在动机与深远价值，共同成为推动个人成长、社会发展与民族进步的重要力量。科研与体育一样，都是人才成长的关键环节，既锤炼专业能力、提升综合素养，更塑造坚韧不拔、追求卓越、甘于奉献、勇于创新的宝贵品格。科研与体育，都是激励民众、凝聚人心、增强民族自信的有效载体。我国科学家取得的每一次突破，都让全国人民由衷骄傲，极大增强民族自信心、自豪感与凝聚力，为国家发展注入强劲精神动力。

纯基础研究和定向基础研究并举发展

我国基础研究的投入经费偏少，而且增长速度不快。基础研究的投入占研发总投入的占比从2012年4.80%到2025年的7.08%，13年只提升了2.28个百分点，年均提升约0.18个百分点。许多科学家认为，“十五五”期间基础研究投入占比的目标应当达到10%。如果2030年要提升至10%，投入占比每年需要增加0.58个百分点，是过去13年平均增长率的3倍。要实现这个目标，有关部门和企业领导人的思想观念必须有重大转变，要真正把基础研究视为战略投入，要为获得未来竞争力采取实实在在的行动。除了提高对投入基础研究的自觉性之外，国家在立法和政绩业绩考核中还要有一些硬性规定和强制措施。

世界各国政府几乎都没有公布纯基础研究和定向基础研究的细分比例，只能从机构的报告和学者的文章中找到一些相关的参考数据。中国国家自然科学基金委员会2024年项目申请属性统计：在需要选择研究属性的379 940项集中接收项目申请中，自由探索类基础研究占38.22%，目标导向类基础研究占61.78%。该比例反映的是国家自然科学基金委员会申请项目数量的结构，不是全国基础研究经费的结构。考虑到中国基础研究经费中还包括重大科技任务、重点研发计划、部门和地方任务等，这些项目更偏目标导向，全国自由探索类基础研究投入在基础研究总经费中的占比大致可估计为30%—35%，目标导向类约65%—70%。

2023年美国全社会基础研究投入为1 380亿美元，投入美国高校的基础研究经费约684亿美元（占比49.6%），其中联邦资助381亿美元，非联邦资助303亿美元。美国高校主要是做自由探索类基础研究，从这一角度看，可以粗略地认为美国大约一半的基础研究经费用于自由探索类基础研究。但从其他统计角度分析，美国的自由探索类基础研究投入占比远远低于这个比例，有些统计表明该占比不到10%。

欧盟委员会研究与创新总司（DG RTD）2025年政策简报指出，2023年欧盟纯基础研究预算占52.47%，定向基础研究预算占47.53%；美国纯基础研究约占7.85%，定向基础研究约占92.15%；中国纯基础研究约占30.54%，定向基础研究约占69.46%。上述统计属于政府预算口径，只能作为参考，不能直接等同于全社会基础研究支出中的纯基础研究与定向基础研究占比。

中国仍处在“补短板+原始创新并重”的阶段，面临的任务不只是发现新知识，还包括半导体、高端仪器、工业软件、生物医药、能源材料、航空航天、AI基础设施等领域，都需要大量定向基础研究。因此，2030年前定向基础研究仍应保持较高比例。纯基础研究更需要制度和管理机制改革，真正鼓励自由探索、宽容失败。制度条件不改善，增加投入也不能保证高产出。不同领域对纯基础研究投入比例的要求不同。对于数学、理论物理学、天文学、基础生命科学、地球系统科学、AI基础理论、脑科学、合成生物学等，短期任务导向过强会压制原创问题的形成，纯基础研究的投入比例可以高于定向基础研究。总体来讲，中国应当适当提高纯基础研究投入比例，但近期内不宜盲目追求纯基础研究投入高于定向基础研究。较合理的目标是：到2030年，纯基础研究与定向基础研究投入之比调整到4.5∶5.5，总体保持自由探索与国家目标并重。

科研治理必须做到自由探索与使命驱动的动态平衡。科学研究的本质是对未知领域的系统性探索，核心驱动力源于科研人员内在的好奇心、求知欲、探索精神与创新冲动，根植于人类与生俱来的探索本能。因此，科研探索天然具有不确定性、试错性、长期性和高风险性。这决定了基础研究必须坚守“学术自由”与“自由探索”的核心原则。但是，现代科研早已脱离个体“单打独斗”，走向跨学科、跨领域、跨主体、大团队协同攻关，需要投入巨额人力、物力、财力等公共资源。在公共资源总量有限、必须高效配置的现实背景下，国有科研资源分配必须秉持“使命驱动”理念：围绕国家重大战略、产业升级需求、社会民生痛点、国家安全需要，进行系统性、前瞻性、战略性科研布局，集中资源办大事、攻难关、补短板、强弱项，确保公共资源投向关键领域、产生最大价值、服务国家发展大局。唯有既呵护创新活力、尊重探索规律，又锚定国家战略、回应社会期盼，兼顾公平与效率，才能持续推动科研事业高质量发展，源源不断产出兼具前沿原创性与实际实用性的高水平科研成果。

增强基础研究的稳定支持力度

一个国家基础研究能力的提高，需要足够数量的科研人才，包括思想活跃、眼光敏锐的理论探索者和兢兢业业、一丝不苟的实验专家。基础研究水平的提高取决于对高端人才的识别和长期稳定支持，一支稳定的高品味的基础研究队伍往往能做出世界一流水平的科研成果。总体来讲，稳定支持是决定基础研究是否良性发展的关键。稳定支持的主要目标不是扩大队伍，而是选准并长期支持高素质、高品味的基础研究人才。

中国基础研究体系之所以形成以竞争性项目为主、稳定支持不足的格局，是对计划经济科研体制改革的矫枉过正、对科研人员的信任度不够和探索新科研体制机制的进程尚未完成等多种因素造成的。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》明确提出“完善竞争性支持和稳定支持相结合的投入机制”，标志着中国基础研究投入机制正在发生根本性转变。在加大基础研究稳定支持力度之前，有4个基本问题需要取得共识：稳定支持的含义是什么？稳定支持的经费应占多大比例？什么类型的基础研究项目和人才需要稳定支持？如何防止稳定支持走“吃大锅饭”的回头路？

“稳定支持”应理解为：基础研究科研人员可支配科研经费中，有相当的比例来自政府、大学或科研机构的直接拨款，经费主体不依赖竞争性项目。对不同的研究领域，稳定支持的经费占比应有所区别，总体来讲，占到基础研究总经费的50%—70%较为合理，而长期进行的“冷门”但十分重要的纯基础研究的稳定支持占比可高于70%。对科研单位而言，稳定支持并不是永久性的“输入”，而是重视长周期评估、弱化年度考核；对科研人员而言，稳定支持是指科研人员有一个本单位或政府直接给予的可延续的长期基础研究经费包。稳定支持既要考虑单位，也要考虑个人，原则上政府的稳定性科研经费应主要下拨给大学和科研机构，再由单位对个人实施稳定性支持，因为只有本单位才能对科研人员的能力素质做出正确判断。基础研究需要生态、平台和长期学科能力，政府下拨到机构的稳定性科研经费有相当大的比例要用于构建科研平台和环境。但是，稳定性科研经费不能只支持机构，政府应保留一条直接支持个人长期自由探索的通道。稳定支持的最终对象应是“经过同行5—7年的评估考察，证明是有原创能力的项目负责人（PI）和小团队”，而不是所有编制内科研人员。也就是说，稳定支持不应等同于“有编制就有稳定科研经费”。

美国支持基础研究有一套“组合拳”：NSF等竞争性项目提高创新活力，大学的准长聘（tenure）制度和国家实验室的长聘研究员制度保持高水平科研人员的职业稳定，国家实验室负责长期性战略科研任务，国家对个人的长期稳定资助发现和培育原创人才，以及私人基金会补充支持高风险自由探索等。美国政府管规则、管透明、管问责；机构管生态、管组织、管日常支持；同行共同体管学术判断；被支持的个人管原创突破。这套制度值得参考。

我国国家文件上稳定支持力度均指经费的占比。基于国家统计局等多个部门官方公开的数据测算，2024年我国稳定支持的基础研究经费合计在507亿—557亿元之间，占全国基础研究总经费的20%—22%。中国科学院提出，到2030年院内改革试点单位的基础研究经费中，稳定支持经费占比要达到50%以上。全国其他单位可能达不到这个目标，保守预估到2030年全国稳定支持的基础研究经费占比应该达到35%—45%。真正要稳定支持的是人——应当规划到2030年，多少科研人员可得到稳定支持。

国家统计局2024年公布，我国基础研究人员全时当量达59.7万人年。我国实际参与基础研究的科研人员可能超过100万人，但全职从事基础研究的科研人员估计只有30万—40万人。到2030年，我国全职从事基础研究的科研人员规模会继续扩大，预计将达到45万—55万人。得到稳定支持的科研人员的人均经费应当要高于全国平均水平，所以人员占比会低于经费占比。到2030年如果全国有30%左右基础研究科研人员（约15万人）得到稳定支持，已经是很大的进步。数学、理论物理学、理论化学、基础生命科学、AI基础理论等领域，设备成本较低，高度依赖人的长期思考和学术自由，这类领域最需要稳定支持。对这类“纯基础研究”人员，可以考虑40%—60%的核心PI获得稳定经费。刚毕业的博士在获得长聘岗位之前，有一段越过门槛的艰难竞争期，生活压力最大，而30来岁恰巧是创新思想的喷发期。政府、大学和科研机构都应有专门的预算支持能够脱颖而出的青年人。

AI驱动的基础研究范式变革

伴随科技快速迭代、社会需求深刻变化，当代基础研究正经历全方位、深层次、颠覆性的范式变革，科研基本方法从经验试错转向数据驱动、人机协同。范式转型并非简单的工具更新，而是涵盖研究逻辑、组织模式、价值导向、转化路径的系统性变革。

传统科研遵循的经典线性逻辑是，观察现象—提出假设—实验/理论验证—归纳结论。这高度依赖科研人员个人经验、直觉判断、长期积累与反复试错，研究周期长、效率低、不确定性高、试错成本大。这种模式本质上是“个体作坊式”的“单打独斗”，学科壁垒森严、跨领域协作困难、资源分散、成果碎片化，价值导向单一，多以发表学术论文为核心目标，与产业需求、社会应用脱节，转化效率低、落地难度大。

人工智能的崛起，从底层逻辑颠覆传统科研模式，构建起数据驱动、算力支撑、模型赋能、跨域协同的科研新范式。在科学研究全链条上，AI将发挥关键作用：AI快速梳理海量文献，自动识别研究空白、挖掘潜在方向、生成科学假设，大幅缩短选题周期、提升创新起点；在新药研发、材料科学、环境工程等领域，AI精准模拟分子相互作用、材料性能、复杂系统演化，设计最优实验方案，将原本数年的研发周期缩短至数月，显著降低试错成本；AI高效处理海量复杂数据，识别隐藏规律、验证科学假设、提炼核心结论，提升研究精度与可靠性。

AI赋能科研并非完美无缺，伴随多重潜在风险与挑战，需高度警惕、系统应对。人工智能驱动的科学研究（AI4S）很可能先于通用人工智能（AGI）进入“不可逆阶段”。真正危险的不是“AI变聪明”，而是“人类失去最终判断权”。因此，平衡AI工具理性与科研本质规律，建立健全伦理规范、技术标准、监管机制，系统性规避技术与伦理双重风险，是AI赋能科研新范式下亟待解决的重大课题。现有主流AI系统本质上仍是外源目标驱动的优化体系，即使未来AI具备更强的目标更新和自我改进能力，其评价准则的正当性、科学意义的判定，以及风险责任的承担，仍不能由系统内部完全闭合地解决。AI可以使科研执行层高度自动化，并在若干封闭或半封闭领域实现端到端自动科研；但在开放世界意义上，科学研究难以实现完全机器自治。未来更可能出现的是“AI主导执行过程、人类科学共同体保留最终判断权”的混合科研范式，而不是取消人类最终判断权的全自动科研体系。

（作者：李国杰，中国科学院计算技术研究所；赵伟，深圳理工大学。《中国科学院院刊》供稿）