IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：

近年來，人工智能（AI）、量子計算、生物科技等前沿領域日益呈現(xiàn)出明顯的“基礎設施化”趨勢，技術創(chuàng)新的發(fā)生方式也隨之發(fā)生深刻變化。在AI領域，算力與數(shù)據(jù)逐漸成為核心創(chuàng)新資源；在量子計算領域，技術突破離不開昂貴而復雜的大型實驗裝置與云平臺；在生物醫(yī)藥領域，科研進展則越來越依賴龐大的基因數(shù)據(jù)庫和高通量實驗平臺。在這一背景下，許多科研活動對資本、平臺和組織能力的要求均有提升。

在IPP特約研究員、廣州市社會科學院城市治理研究所副所長孫占卿看來，在前沿領域的科技創(chuàng)新上，企業(yè)在科研條件和組織方式上的優(yōu)勢愈發(fā)凸顯。首先是前沿科技呈現(xiàn)出“科學與技術并行”的特征，使企業(yè)能夠不斷向研究前端延伸；與此同時，技術成果轉化為現(xiàn)金流的周期縮短，也增強了企業(yè)將商業(yè)利潤持續(xù)回流至基礎研究的動力。此外，企業(yè)不僅能夠承擔高校難以承受的高額科研投入，還可以通過項目制快速整合資源，組織起大規(guī)模的跨學科攻關團隊。

即便目前在通用型人才培養(yǎng)和基礎性知識研究方面，大學依然不可替代，但隨著人工智能深刻改變知識的產生方式和傳播路徑，以及企業(yè)通過學徒制和內部培養(yǎng)機制逐步成為精英人才訓練的重要中心，大學亟需重新審視自身在科研與創(chuàng)新體系中的位置。

孫占卿博士

廣州市社會科學院城市治理研究所副所長、IPP特約研究員

當前，人工智能等前沿科技領域正在出現(xiàn)一個顯著趨勢：其創(chuàng)新主導權正從傳統(tǒng)的高校和科研院所加速向科技領軍企業(yè)轉移。企業(yè)不再僅僅是技術成果的被動轉化者，而是逐漸演變?yōu)榛A科學問題的提出者、大科學裝置的構建者以及全球創(chuàng)新生態(tài)的組織者。

這一范式轉變不僅將重新定義國家和區(qū)域競爭力的核心邏輯，也對大學的使命提出了新的挑戰(zhàn)。

一、企業(yè)超越大學成為科研的主力

在傳統(tǒng)的“產學研”模型中，基礎研究被視為純粹的公共產品，主要由政府資助、高校和國家實驗室執(zhí)行；應用研究由科研院所承擔；企業(yè)則主要負責試驗開發(fā)與商業(yè)化。然而，自2018年以來，特別是進入2023—2025年這一周期，這一分工格局在前沿科技領域已被徹底打破。

企業(yè)部門的研發(fā)投入已遠超大學。根據(jù)美國國家科學基金會（NSF）及相關機構發(fā)布的數(shù)據(jù)，美國企業(yè)部門的研發(fā)支出已占據(jù)絕對主導地位。2023年，美國企業(yè)部門研發(fā)執(zhí)行支出約為7350億美元，占全美研發(fā)總額的78%左右，而高等教育部門僅占約11%。

更具顛覆性的變化體現(xiàn)在“基礎研究”的結構上。長期以來，基礎研究被認為是企業(yè)的“禁區(qū)”，因其回報周期長、不確定性高。但數(shù)據(jù)顯示，美國企業(yè)在基礎研究上的投入正在快速增長。2012年至2023年期間，盡管聯(lián)邦政府對基礎研究的撥款不斷增加，但商業(yè)部門資助的份額仍從21%上升至約35%，而聯(lián)邦政府的資金份額則從52%下降至41%。從執(zhí)行和承擔的角度看，雖然高校仍承擔了46%的基礎研究，但企業(yè)承擔的比例已從2012年的約21%激增至2023年的31%—35%左右。這意味著，超過三分之一的基礎科學突破正直接誕生于企業(yè)實驗室，而非大學校園。

在中國，這一趨勢同樣顯著。2024年全社會R&D經費投入達3.63萬億元，其中企業(yè)占比長期穩(wěn)定在77%以上，成為無可爭議的研發(fā)投入主體。

歐盟方面，盡管受限于經濟波動，企業(yè)部門仍貢獻了約66%的研發(fā)支出，且在德國、法國等核心國家，大型跨國企業(yè)在綠色技術和數(shù)字化轉型的基礎研發(fā)上投入巨大。

企業(yè)作為科技創(chuàng)新的主體，在現(xiàn)代經濟體系中扮演著核心角色。2024年企業(yè)對全社會R&D經費增長貢獻率達到77.1%，是拉動我國R&D經費增長的主要力量。圖源：新華社

二、關鍵前沿領域的企業(yè)主導態(tài)勢

（一）人工智能：算力霸權下的企業(yè)壟斷

人工智能領域是企業(yè)主導創(chuàng)新最典型的樣本。2023年至2025年，隨著大模型（LLMs）參數(shù)量向萬億級邁進，模型訓練所需的算力門檻已提升至E級（Exascale）超算水平。

模型開發(fā)的主導權已經轉移至企業(yè)。根據(jù)斯坦福大學HAI發(fā)布的《2025 AI Index Report》，OpenAI、Google DeepMind、Anthropic等科技巨頭壟斷了最頂尖的基礎模型研發(fā)。2024年，全球近90%的標志性AI模型由企業(yè)開發(fā)，而這一比例在2023年僅為60%，在2014年以前則主要由高校主導。

AI模型創(chuàng)新已經集中在少數(shù)頭部科技公司手中。圖源：Stanford HAI

大學與企業(yè)在研究資源投入能力上的差距正日益擴大。2024年，美國私人部門在人工智能（AI）領域的投資達到1091億美元，主要用于構建龐大的GPU集群和數(shù)據(jù)中心。

相比之下，高校主要依賴聯(lián)邦政府有限的資助，例如美國國家科學基金會（NSF）每年約7—10億美元的AI專項經費。二者在算力和數(shù)據(jù)資源投入上存在百倍級差距。高校教授紛紛選擇“停薪留職”加入企業(yè)，或將實驗室設在企業(yè)內部，因為“只有在企業(yè)才能接觸到最前沿的數(shù)據(jù)和算力”。

（二）生物醫(yī)藥：AI驅動范式革命

在生物技術領域，雖然NIH（美國國立衛(wèi)生研究院）仍是基礎生物學機制研究的最大資助方，但藥物發(fā)現(xiàn)的前沿陣地已發(fā)生轉移。越來越多地使用復雜的AI模型來應對藥物發(fā)現(xiàn)中的核心挑戰(zhàn)，如蛋白質結構預測、分子設計和快速候選優(yōu)化。盡管傳統(tǒng)生物醫(yī)藥公司仍通過合作發(fā)揮關鍵作用，但基礎性突破往往源于AI。研究表明，在某些情況下，AI可能將藥物開發(fā)成本降低高達50%，使罕見疾病治療更具可行性。

2025年10月，禮來公司（Eli Lilly）與英偉達合作構建制藥領域最強大的AI超級計算機，旨在通過處理海量生物數(shù)據(jù)集來加速藥物研發(fā)，實現(xiàn)個性化醫(yī)學。而早在7月，Isomorphic Labs（2021年從DeepMind分拆）首批由AI生成的藥物就已進入人體試驗階段。

英偉達宣布與制藥巨頭禮來(Eli Lilly)達成合作，共同建設被稱為“醫(yī)藥領域最強大的超級計算機”，以支持分子建模與藥物研發(fā)。黃仁勛表示，人工智能正成為醫(yī)藥創(chuàng)新的核心驅動力。圖源：路透社

（三）量子信息：國家戰(zhàn)略下企業(yè)沖鋒

雖然中、美和歐盟等主要國家都在量子領域投入巨資，但在實現(xiàn)“量子優(yōu)越性”和構建商業(yè)化量子計算機方面，企業(yè)是絕對主力。中國的本源量子、華為，以及美國的IBM、Google、IonQ等企業(yè)，正在主導量子比特的物理實現(xiàn)和糾錯算法的開發(fā)。

2024年，全球量子技術初創(chuàng)企業(yè)融資額激增，顯示出資本市場對企業(yè)攻克基礎物理難題的信心。2025年10月，谷歌發(fā)布了人類歷史上首次由量子計算機成功運行的可驗證算法，并登上《Nature》封面，標志著量子計算已接近實際應用，也顯示了行業(yè)巨頭在前沿技術領域的長期投入與研究組織能力。

谷歌量子人工智能部門首席科學家米歇爾·德沃雷（Michel Devoret）獲得了2025年諾貝爾物理學獎。圖源：路透社

（四）新材料：工業(yè)化模式加速創(chuàng)新

企業(yè)“研發(fā)—中試”一體化的組織模式更有利于材料科學創(chuàng)新。與高校實驗室的“燒杯實驗”相比，大型企業(yè)擁有龐大的全球材料數(shù)據(jù)庫和高通量篩選實驗線。以固態(tài)電池為例，寧德時代、豐田等企業(yè)通過中試線直接驗證材料在工業(yè)環(huán)境下的性能，大大縮短了從材料發(fā)現(xiàn)到電池上車的周期。2025年被視為固態(tài)電池技術的關鍵轉折點，而這一進程幾乎完全由產業(yè)鏈龍頭企業(yè)所推動。

三、為何企業(yè)能取代高校成為前沿創(chuàng)新主體？

當代科學研究的特點，凸顯了企業(yè)在科研條件和組織方式上的優(yōu)勢。

（一）科學與技術的邊界消融，使得企業(yè)向科研延伸

企業(yè)介入基礎研究并非出于純粹的求知欲，而是因為前沿技術的基礎科學“含量”正在急劇增加。在量子計算、合成生物學、生成式AI等領域，科學發(fā)現(xiàn)與技術應用之間已不再存在明顯的時間滯后，而是呈現(xiàn)出“即時轉化”的特征。

例如，Google量子人工智能實驗室在超導量子比特糾錯方面的研究，既是物理學的前沿探索，也是量子計算機工程化的核心步驟。這種“科學與技術并行”的特征，迫使企業(yè)必須向研究前端延伸，建立屬于自己的“貝爾實驗室2.0”。

（二）商業(yè)化回饋加速，推動企業(yè)投入研發(fā)

隨著技術成熟度曲線的收斂，前沿技術轉化為現(xiàn)金流的周期不斷縮短。Hyperion在對175家工業(yè)企業(yè)的調研中發(fā)現(xiàn)，平均每投入1美元用于高性能計算，就能實現(xiàn)425美元的回報。

企業(yè)看到了基礎研究帶來的超額利潤（如OpenAI估值的飆升），因此更有動力將利潤回流至基礎研究，形成“研發(fā)—商業(yè)—再研發(fā)”的正向循環(huán)。在競爭中，頭部企業(yè)通過巨額投資加速產品迭代，持續(xù)強化領先優(yōu)勢，也進一步放大了大學在投入能力上的不足。美國在2025年AI硬件性能的年增長率達到43%，而大學體系僅為18%，使得學術界在參數(shù)密集型模型上的落后更加突出。

據(jù)路透社報道，軟銀集團正通過出售部分投資等現(xiàn)金籌集計劃，爭取在年底前完成對OpenAI的225億美元融資承諾。圖源：路透社

（三）基礎研究設施“重資產化”，大學無力承擔前沿研究

前沿科研越來越依賴昂貴的大科學裝置和算力集群。企業(yè)憑借強大的資本積累和融資能力，能夠承擔高校難以承受的資本支出。例如，訓練一個GPT-4級別的模型需要數(shù)億美元的算力成本，這幾乎超出了任何一所大學的財務承受能力。

同時，企業(yè)掌握著數(shù)據(jù)這一研發(fā)的關鍵要素。在數(shù)字經濟時代，數(shù)據(jù)被視為“新石油”，互聯(lián)網巨頭和行業(yè)龍頭掌握了海量的用戶數(shù)據(jù)、工業(yè)數(shù)據(jù)和生物數(shù)據(jù)。這些數(shù)據(jù)是訓練AI模型、優(yōu)化工藝流程的關鍵資源，而高校往往難以獲取高質量、實時的數(shù)據(jù)。

（四）研發(fā)需要跨學科的敏捷性，學科成為大學的桎梏

在推動跨學科合作方面，企業(yè)相較大學更具優(yōu)勢。2025年12月，一個由全球數(shù)學家、AI系統(tǒng)、即時通訊工具和在線協(xié)作平臺構成的動態(tài)網絡，在48小時內完成了“Erd?s問題”所有關鍵信息的交換、驗證與整合；而在傳統(tǒng)科研模式下，一兩位數(shù)學家依賴基礎編程和文獻檢索，往往需要數(shù)周甚至數(shù)月，才能偶然地串聯(lián)起所有線索。（這一事件被陶哲軒稱為“數(shù)學研究范式的靜默革命”）。

此外，企業(yè)能夠通過項目主導迅速組建數(shù)百人的跨學科攻關團隊，而高校的科研組織則往往受限于院系壁壘，難以開展大規(guī)模、建制化的協(xié)同作戰(zhàn)。

四、大學需要尋找新的使命

自誕生以來，大學始終是知識傳播和人才培養(yǎng)的核心機構。然而，隨著人工智能時代對知識形態(tài)與生產主體的重新定義，大學所處的科研與創(chuàng)新環(huán)境正在發(fā)生變化，其傳統(tǒng)角色也面臨挑戰(zhàn)，亟需重新審視并校準自身的使命定位。

在快速商業(yè)化的科技領域，企業(yè)已經呈現(xiàn)出取代大學、成為研發(fā)主陣地的趨勢，這得益于其資源優(yōu)勢和市場導向。2025年全球R&D趨勢報告（IQVIA：《Global Trends in R&D 2025》）顯示，企業(yè)R&D投資增速達到5—6%，遠高于大學的緩慢增長（美國大學R&D占比僅約11%）。企業(yè)通過大規(guī)模計算和敏捷迭代加速產品化進程，例如在AI和生物制藥領域，企業(yè)主導了臨床試驗和新藥審批，2025年新藥推出數(shù)量預計將創(chuàng)下紀錄。

IQVIA的報告顯示，2022年開始生物制藥融資逐年回暖。從融資結構看，增長主要來自上市公司的后續(xù)融資。圖源：IQVIA

然而，在一般性知識研究，尤其是尚無法形成高營收預期的技術領域，大學仍是最穩(wěn)定的研究陣地，這種分工在一定程度上緩解了企業(yè)的短期主義風險。NSF數(shù)據(jù)顯示，大學承擔了美國基礎研究的46%，主要聚焦于量子計算、基礎生物學等長期探索領域，而企業(yè)承擔的比例約為35%。

相關數(shù)據(jù)顯示，中國的研發(fā)對高校依賴程度更高：在研發(fā)表現(xiàn)突出的前8個經濟體中，中國對高校的研發(fā)依賴度最高（14.59%）。這反映了大學所具備的文化優(yōu)勢——強調好奇心驅動而非即時回報。盡管大學的專利申請數(shù)量下降了13%，但其在基礎研究領域的引用影響力更高，顯示出大學作為“知識堡壘”的持續(xù)影響力。

在人才培養(yǎng)方面，大學同樣面臨來自企業(yè)和網絡平臺的競爭。未來幾十年，企業(yè)在高風險、高技術領域的影響力預計將進一步增強，通過學徒制和內部培養(yǎng)機制，可能逐步成為精英人才訓練的重要中心。盡管在短期內，在知識傳播和人才培養(yǎng)，尤其是通用型人才培養(yǎng)方面，大學仍然不可替代，但也不可避免地要面對近乎無限的免費知識供給所帶來的競爭壓力。

點擊圖片閱讀更多孫占卿博士的文章

IPP公共關系與傳播中心

審校｜劉 深

排版｜周浩鍇

終審｜劉金程

IPP評論熱門文章

孟維瞻：特朗普對華“降調”，能持續(xù)嗎？
中央經濟工作會議｜李明令：“重點領域風險”，到底是什么？

“AI泡沫”，要爆了？

余荔、朱政宇：“創(chuàng)世紀計劃”能開啟美國科研“新世紀”嗎？

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創(chuàng)新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創(chuàng)新和政策咨詢協(xié)調發(fā)展的良好格局。IPP的愿景是打造開放式的知識創(chuàng)新和政策研究平臺，成為領先世界的中國智庫。