当前，关于美国削减基础科学研究资金的提议，引发了社会各界，尤其是科技领域的广泛忧虑。此类财政紧缩政策，不仅可能削弱美国在人工智能（AI）及其他前沿领域的全球竞争力，更长远来看，或将动摇其国家安全与创新基石。开放科学研究的本质在于知识共享与普惠，而其最大受益者，往往是开展研究的国家本身。深入探讨这一议题，对于理解国家创新生态的脆弱性与韧性至关重要。
基础科研：国家竞争力的核心驱动力
历史经验一再证明，对基础科学的持续投入是国家长期繁荣与技术领先的基石。早期的深度学习研究，例如在国家科学基金会（NSF）和国防高级研究计划局（DARPA）的资助下取得的突破，为后来的技术规模化应用奠定了基础。正是这些看似不直接面向市场的投入，催生了诸如Google Brain这样的创新机构，并最终促成了深度学习的广泛普及。如果缺乏此类前瞻性、非功利性的资金支持，下一个颠覆性思想的萌芽可能永远无法触及，从而使整个国家乃至全球错失关键的创新机遇。
基础研究带来的益处，为何会优先惠及研究发生地？这主要源于两个核心机制：
- 知识扩散的本地化优势： 新知识在产生国境内的传播速度和深度远超其他地区。例如，硅谷之所以在生成式AI领域占据主导地位，部分原因在于Google Brain开创了Transformer网络，而OpenAI则将其规模化。这些早期工作的成果，通过人才流动、跨公司协作及非正式的社会网络（如咖啡馆交流、行业会议乃至家长聚会），迅速在当地生态系统内扩散。与此相对，跨国界的知识传播则面临更多壁垒和时滞。
- 人才培养的本土化效应： 研究过程本身就是培养顶尖人才的最佳摇篮。在某个国家进行科学研究，意味着该国能够培养和吸引一批高技能、创新型的人才。这些人才不仅直接参与科研项目，其技能和经验也为本国产业输送新鲜血液，形成良性循环。
开放科学与国家安全：风险与机遇的平衡
当然，开放科学研究并非没有风险，其成果可能被潜在的竞争对手利用。然而，正如美国众议院科学、空间与技术委员会的小组委员会所指出的，研究的开放性对于国家竞争力与安全至关重要，甚至值得为此承担一定风险。关键在于，开放共享允许研究者更快速地交流信息，包括算法实现细节和调试技巧，这极大地加速了本国创新生态的整体进步。尤其在学术界，这种开放性更为彻底，教授和学生能够无拘束地探讨工作内容，进一步加速知识的传播与迭代。
生成式AI领域的快速发展，更凸显了保持技术前沿的重要性。那些率先发明并商业化新技术的主体，往往能在市场中占据先机。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，OpenAI仍能通过不断推出如GPT-4.1、Codex等更前沿的技术，保持其业务增长和市场领导地位。在技术快速迭代的时代，只有走在前沿，才能掌握最有价值的科技资源。
中国AI生态的崛起：开放性的启示
尽管在文化和社会制度上存在差异，但中国在生成式AI领域过去两年的快速追赶，为我们提供了关于“开放生态”价值的深刻启示。中国科技生态的内部开放性，在多个层面推动了其AI能力的迅速提升：
- 充足的学术研究资金： 中国为开放学术研究提供了大量资金支持，鼓励基础科学领域的创新探索。
- 企业开源模型： 像DeepSeek和阿里巴巴等中国企业，积极发布了先进的开源模型（Open-weights models），这种企业层面的开放性极大地加速了知识的传播和复用。
- 宽松的人才流动环境： 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，加上其工作文化支持不同公司员工之间进行思想交流，这促进了思想的高效流通与扩散。
这些因素共同作用，使得中国在短时间内缩小了与全球领先水平的差距。虽然中国的整体发展模式可能无法完全效仿，但其在特定领域展现出的内部开放性所带来的加速效应，值得全球科技界深思。
历史的教训：范内瓦·布什报告的遗产
回顾历史，1945年范内瓦·布什发布的里程碑式报告《科学——无尽的前沿》（Science, The Endless Frontier），为美国公共资助科研和人才培养奠定了核心原则。这些原则指引美国在随后的几十年里主导了全球科学进步，催生了无数造福美国乃至世界的突破性成果，同时也培养了几代本土科学家，并吸引了大量移民科学家，共同为美国科技发展贡献力量。
这份成功的“剧本”并非秘密。我们期待更多国家能够借鉴并效仿这一模式，大力投资科学研究和人才培养。但更重要的是，作为这一成功模式的开创者，美国不应自毁长城，通过大幅削减科学研究资金来放弃其在科技领域的领导地位。在全球科技竞争日益激烈的今天，每一个国家都应认识到，对基础科学的投入，是对未来最明智且回报最丰厚的投资。
