基础科研：国家创新与安全的核心支柱
当前，全球科技竞争日益白热化，基础科学研究作为国家创新能力的源泉，其战略地位愈发凸显。然而，一些国家，包括美国，面临着削减基础科研经费的潜在风险，这无疑是对国家长期竞争力乃至国家安全的重大挑战。我们必须深刻认识到，开放的科学研究不仅是推动全球进步的基石，更是某一特定国家保持领先优势、培养顶尖人才的关键所在。
开放研究：知识扩散与人才培养的双重引擎
基础研究的投入，其效益往往首先且最大程度地惠及资助并开展研究的国家。这主要体现在两个方面：首先，新知识在研究发生地内部的传播速度最快；其次，研究过程本身能够为该国培养出宝贵的新一代科技人才。以深度学习领域的早期发展为例，若非美国国家科学基金会（NSF）和国防高级研究计划局（DARPA）等机构的资助，许多开创性的理念可能无法萌芽。正是这些早期、看似纯粹的基础研究，为后续的技术突破和产业应用奠定了坚实基础。
我们观察到，生成式人工智能（Generative AI）领域的大部分创新至今仍集中在硅谷并非偶然。这得益于早期谷歌大脑（Google Brain）对Transformer网络的开创，以及OpenAI对其大规模应用的推动。这些团队不仅创造了核心技术，其成员后续流向其他公司、创立新企业，或与当地大学合作，形成了紧密的创新网络。通过咖啡馆里的非正式交流、本地会议的思想碰撞，甚至是家长在孩子玩耍时的技术讨论，知识在硅谷内部迅速扩散，其速度远超向其他地域的传播。这种高效的知识流动，正是开放研究带来的核心优势。
开放性与国家利益：风险与机遇并存的战略平衡
当然，有人会担忧开放研究可能使竞争对手受益。然而，正如美国众议院科学、空间和技术委员会某小组委员会所指出的，虽然开放基础研究并非没有风险，但其对国家竞争力与安全的极端重要性，足以让我们承担对手可能从中受益的风险。关键在于，当研究成果通过论文或开源项目公开分享时，研究人员能够更自由、更迅速地交流深层信息，例如算法实现的技巧和诀窍，这极大地加速了知识的广泛传播和应用。尤其是在学术环境中，这种开放性更为彻底，师生们可以毫无保留地讨论研究成果，进一步加速了知识的扩散。
在生成式AI等技术飞速发展的时代，保持在技术前沿的能力才是决定胜负的关键。例如，即使许多团队现在能够训练出达到GPT-3.5甚至GPT-4水平的模型，但这并未显著影响OpenAI的领先地位，因为他们正忙于通过不断推出O4、Codex、GPT-4.1等更尖端的技术来拓展其业务。创新者往往能最先将技术商业化，而在一个快速变化的领域，最前沿的技术才是最具价值的。早期的研究也表明，知识在本地的扩散速度远快于全球范围内的传播，强调了本土研发和开放生态的重要性。
国际视野：中国开放生态的启示
值得注意的是，中国在生成式AI领域的快速追赶也提供了独特的视角。尽管在2022年ChatGPT发布时中国相对滞后，但其内部开放的科技生态系统在过去两年中发挥了重要作用：
- 充足的学术研究资金：中国为开放的学术研究提供了大量资金支持。
- 企业开源模型：DeepSeek和阿里巴巴等中国企业积极发布了最先进的开源模型，这种企业层面的开放性加速了知识的传播。
- 人才流动与思想共享：中国相对宽松的劳动法规使得竞业限制协议难以严格执行，同时工作文化也支持不同公司员工之间的思想交流，这促进了思想的相对高效流通。
虽然我们在其他方面可能不应盲目效仿中国，但其科技生态内部的开放性确实加速了其在AI领域的进步，这为我们提供了宝贵的思考。
历史经验：范内瓦·布什报告的深远影响
回溯历史，1945年范内瓦·布什的里程碑式报告《科学——无尽的前沿》（Science, The Endless Frontier）确立了美国公共资助科研和人才培养的关键原则。正是这些原则，使得美国在随后的几十年里，在科学进步领域占据了主导地位。联邦政府对科学的资助催生了无数突破性发现，这些发现极大地惠及了美国乃至全世界，同时也培养了一代又一代的本国科学家，以及众多同样为美国做出贡献的移民人才。
这个成功的“剧本”现在已经广为人知。我们期望更多的国家能够效仿这一模式，大力投资科学和人才。同时，作为这一成功模式的开创者，美国更应审慎对待对科学研究经费的任何大幅削减，避免从一个行之有效的策略中退缩。持续的、稳定的基础科研投入，是确保国家长远繁荣、维护国家安全、引领全球科技进步的必由之路。
