8.3
深览指数
商业虎嗅·TOP创新区研究院©··AI 生成
挡住中国基础研究的，可能是一个很少被解码的会计问题……
本文提出一个反常识判断：限制中国基础科学研究向“发现曲线”前沿扩张的根本障碍，并非资金、人才或制度理念，而是一个被忽视的“会计问题”——即现有资助体系在风险偏好、评审独立性、长期耐心资本供给上的结构性缺陷。文章通过莱特定律与发现曲线对比，揭示中国制造优势向科研上游渗透的半径有限，并指出“反内卷”提升企业毛利率是促进企业基础研究（R）的最直接创新政策。适合关心科技产业政策、创新生态与中美科技竞争格局的深度读者，尤其适合对“钱给得够不够”这种主流叙事感到不满、想理解更底层约束机制的人。原文 ↗
核心观点
- ▍限制中国基础研究向‘发现曲线’前沿扩张的主要障碍，不是资金总量或人才供给，而是一个‘会计问题’：现有资助渠道评审标准高度趋同、缺乏容忍高风险项目的独立判断机制，且缺乏允许学者在最佳年龄（30-40岁）独立决策、以有趣方式犯错的结构性空间。
- ▍中国企业进行基础研究（R而非D）的能力是其毛利率的函数；‘反内卷’、提升行业利润率是最直接有力的创新政策，因为高毛利才能产生可烧掉的冗余资金，例如AT&T的贝尔实验室、施乐PARC和华为2012实验室。
- 01DeepSeek的资金来自幻方量化——一家做高频交易的对冲基金，其资金不向LP解释里程碑、不签回购、不做返投，是中国当时极少数鼓励在好奇心驱使下自主探索的资本。
- 02中国在Nature Index上领先的领域（材料科学、化学、应用物理）集中在离制造最近的学科；弱项（基础生物学、理论数学）是离制造最远的学科，说明制造优势向科学发现渗透有半径限制。
- 03莱特定律（Wright's Law）描述成本随累计产量下降的行业（光伏、锂电池、电动车），中国在这场游戏中几乎全赢；而‘发现曲线’行业（前沿半导体、大模型、全新靶点生物学），美国至今守住。
- 04OECD数据显示中国研发投入总量已与美国持平，因此‘加大研发投入’不是核心问题。
- 05美国助理教授30-32岁开始独立决策，拥有启动经费和招人权；国内资源多随资历走，35岁优秀研究者可能还在做第三作者，错过科学发现的高峰年龄窗口（30-40岁）。
- 06企业基础研究是毛利率的函数：净利率3%的制造业企业无法负担‘R’（研究），研发自动收缩到‘D’（下季度可出货的开发）。
反方 / 局限
- — 文章承认一个可能的战略选择：中国或许不需要完整的‘发现曲线’能力，因为2030年代的价值池可能在AI部署、机器人、能源、生物制造等莱特定律行业；日本90年代试图复制美式VC做‘发现’基本失败。
- — 文章指出作者自身视角的隐含前提：价值在部署层（应用），但主权在发现层（如EUV、EDA、基础模型权重）；部署层赚100块，发现层一个开关就能归零——因此‘不需要发现’的论点是危险的。
13 分钟 · 4 卡片 · 9 资料
读原文 →