近年来，全球科技竞争日益激烈，基础科学研究的投入成为衡量一个国家创新能力和未来竞争力的关键指标。然而，令人担忧的是，某些国家正在提议削减对基础科学研究的公共资助，这无疑将对本国的科技进步、经济发展乃至国家安全构成长期风险。本文将深入探讨开放科学研究的重要性，以及削减相关资金可能带来的深远负面影响。
开放研究：国家实力的基石
开放的科学研究，尤其是在美国等创新驱动型国家，被视为国家长期繁荣和安全的基石。这种模式不仅通过学术论文、开源代码等形式促进全球知识共享，更重要的是，它为研究所在国带来了无与伦比的战略优势。其核心逻辑在于，新知识在其诞生地传播最快，同时，研究过程本身也为该国培养了顶尖人才。以人工智能领域的突破为例，早期在深度学习领域的探索性工作，若非国家科学基金会（NSF）和国防高级研究计划局（DARPA）的资助，很难想象后续谷歌大脑团队对深度学习的规模化应用。这表明，公共资金对于前沿科学的孵化具有不可替代的作用。
知识的本地化扩散效应
为什么生成式AI的多数创新至今仍集中在硅谷？这并非偶然，而是知识本地化扩散效应的显著体现。当年的谷歌大脑团队发明了Transformer网络，随后OpenAI将其成功扩展。这些早期工作的基础性突破，使得硅谷成为了该领域的核心枢纽。随后，相关团队成员流动到其他企业，甚至创立了新的竞争对手，或与当地大学展开紧密合作。更重要的是，在咖啡馆的非正式交流、本地会议乃至亲子玩伴聚会中，技术思想能够通过本地社会网络快速传播。这种知识传播的速度和深度，远超跨区域的传播。
同样，在美国进行的研究，其知识扩散速度在美国本土远快于其他地域。当研究成果通过论文或开源项目公开分享时，研究人员可以更自由地讨论技术细节、分享实现算法的诀窍，从而加速知识的传播。在学术环境中，这种扩散效应尤为明显，因为学术界通常保持完全开放，学生和教授可以自由讨论他们的工作，而不受商业保密协议的限制。
开放性与国家竞争力
尽管开放研究可能让竞争对手受益，但美国众议院科学、空间和技术委员会的一个小组委员会曾指出，基础研究的开放共享对于国家竞争力与安全至关重要，其带来的益处远大于风险。在生成式AI等高速发展的领域，保持技术领先是至关重要的。例如，许多团队现在能够训练出媲美GPT-3.5甚至GPT-4的模型，但OpenAI仍能通过不断推出更前沿的技术（如GPT-4o、Codex、GPT-4.1等）来保持其商业优势。这表明，率先发明一项技术并能持续迭代的组织，将获得最大的商业价值。历史研究也印证了这一点，知识的本地扩散速度远超全球。
国际案例与经验借鉴
中国在生成式AI领域的崛起，提供了另一个关于开放生态系统重要性的案例。2022年ChatGPT首次发布时，中国在生成式AI领域相对落后。然而，在过去的两年里，中国通过其高度开放的内部技术生态系统实现了快速追赶：
- 充足的学术研究资金：中国政府和企业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前沿的、开放权重的模型，这种企业层面的开放性极大地加速了知识的扩散。
- 宽松的劳动法规：中国的劳动法使得竞业限制协议相对难以执行，加之其工作文化支持不同公司员工之间的思想交流，这使得思想的流通效率相对较高。
虽然每个国家的国情和制度存在差异，但中国在某些层面的开放实践确实促进了其技术生态的加速发展，为我们提供了宝贵的经验。
范内瓦·布什的遗产与未来展望
早在1945年，范内瓦·布什（Vannevar Bush）在其里程碑式的报告《科学：无尽的前沿》（Science, The Endless Frontier）中，为美国公共资助科学研究和人才培养奠定了关键原则。这些原则使得美国在随后的几十年里主导了全球科学进步。联邦政府对科学的资助催生了无数突破性创新，不仅为美国带来了巨大福祉，也造福了全世界，同时培养了几代本土科学家和众多归化的移民科学家，他们都为美国的发展做出了贡献。
这个成功的模式现在已广为人知。我们期望更多国家能够效仿这一模式，大力投资于科学研究和人才培养。同时，更希望作为这一成功模式的开创者，美国不会通过大幅削减科学研究资金而背离这一被证明行之有效的策略。科学研究的投入是面向未来的投资，是保障国家长期竞争力与安全的关键，任何削减都应被视为对国家未来的削弱。
