科研可以规划投入，却不能按计划生产突破：从两枚菲尔兹奖说起

2026 年 7 月，王虹和邓煜获得菲尔兹奖。国际数学联盟在授奖词中，对王虹的评价侧重于她在调和分析、几何测度论以及三维 Kakeya 问题上取得的重要进展；邓煜则因偏微分方程、玻尔兹曼方程的严格推导以及非线性动力学中的概率方法获奖[1]。

消息传回中国后，人们很自然地开始梳理这两枚奖牌与中国的关联：他们分别在哪里长大，接受过哪些教育，又在哪些机构完成了关键研究。有人把这视为中国基础教育成功的证明，也有人把它理解为人才流失和科研体制问题的证据。

播客《记者下班》的一期节目从《广西日报》的人物特稿《王的猜想》受到追捧的现象谈起，将围绕王虹获奖的公共讨论划分为媒体叙事、教育制度和学术评价等多个层面。评论区的分歧同样值得注意：一些听众认为，个人获得奖项值得祝贺，却没有必要立刻演变为一场集体狂欢；另一些听众则认为，人们追捧这篇特稿，也是在支持一种更尊重科学家专业身份的报道方式，不愿再用“小镇女孩逆袭”之类的模板来框定一位顶尖女性数学家。

这些评论不能证明哪一种科研制度更有效，却暴露了公共讨论中常常混淆的三个问题：我们如何祝贺一位科学家的个人成就，如何评价不同教育和科研机构的作用，以及如何借助他们的经历确认某种集体身份。只有把三者分开，个人传记才不会被简单改写成替某个制度辩护或定罪的材料。

不过，如果讨论停留在“奖牌应该算谁的”，我们很快就会错过一个更重要的问题。

中国已经拥有庞大的科研队伍、持续增长的研发投入和全球领先的论文产出。中国也能够建设大型科研设施，组织重大工程，并在一些领域迅速缩小与世界前沿的差距。既然人才、经费和组织能力都不再稀缺，为什么科研规模的增长仍然不能自动转化为更多高风险、长周期、难以预先验收的原创研究？

这个问题不能只靠统计奖牌回答。我们还需要观察科研评价如何塑造研究者的选择：系统是否愿意长期支持尚无明确成果的探索，还是主要奖励能够迅速发表、申请和验收的成果？

两枚奖牌不能简单回答“谁培养了他们” #

王虹本科毕业于北京大学，之后前往法国巴黎综合理工学院学习，并在麻省理工学院完成了博士阶段的科研训练。她此后在美国和法国的多家研究机构工作，与 Joshua Zahl 合作推进了三维 Kakeya 猜想等问题的研究[1][2]。

邓煜曾被北京大学录取，后来转入麻省理工学院，于 2011 年取得数学学士学位，随后在普林斯顿大学完成博士学位。他获得菲尔兹奖所依据的关键工作，也大多是在美国的大学与研究机构中完成的[2][3]。

两人的经历既不能证明中国教育没有作用，也不能证明只要离开中国就会成为顶尖科学家。中国的教育体系在早期人才识别和基础训练中发挥了作用，法国与美国的大学提供了后续课程、导师、同行网络和职业机会，而最终的研究成果则源于他们本人及合作者多年的探索。

节目及评论区反复出现了“教育擅长选拔，却不擅长培养”的判断。这触及了许多研究生和青年学者的真实感受，但仍需更精确地阐述。任何教育体系都同时包含选拔和培养；中国的学校显然也为两位数学家的能力成长奠定了基础。差异在于，选拔主要识别一个人在既定节点已经表现出的能力，培养则需要在结果尚未显现时持续提供课程、导师、同行和试错空间。

一个体系可以通过考试和竞赛发现解题能力突出的学生，也可以把他们送进最好的大学。但进入研究阶段以后，科学研究不再有标准答案，研究者甚至需要质疑既有的问题是否值得继续研究。这时，早期选拔所识别的能力只是起点。制度还要决定谁可以自主选择问题，谁有时间度过长期没有成果的蛰伏期，以及一次错误选择会不会让研究者失去继续尝试的机会。

这正是科研成果难以用国籍和高校来简单界定归属的原因。现代基础研究很少是一个人在封闭环境中突然完成的。研究者需要在不同阶段遇到合适的导师、问题、合作者和机构，也需要获得足够长的时间，才能把尚不成熟的想法逐渐变成可以被同行检验的成果。

因此，这两枚菲尔兹奖值得追问的不是“中国有没有培养出天才”，而是另一个问题：一个体系在识别出有潜力的年轻人以后，能否继续为他们提供十年甚至更长时间的成长空间？

两人的经历提醒我们，人才的个人能力与科研环境密不可分。这里的环境不是某个国家的简单标签，而是研究者周围的导师、同行、经费、职业安全、评价方式和合作网络。跨国流动不会直接改变一个人的智力，却可能改变他能够接触的问题、容错空间，以及周围的人如何回应一个尚未成熟的想法。

中国科研已具规模，但规模并非原创性的同义词 #

如果仍然用“中国没有人才、没有经费、没有好论文”概括中国科研，已经无法解释现实。

国家统计局公布的数据显示，2025 年中国研究与试验发展经费达到 3.9262 万亿元，占国内生产总值的 2.80%；其中基础研究经费为 2778 亿元，同比增长 11.1%，占全部研发经费的 7.08%[4]。无论绝对规模还是增长速度，这都不是一个缺少科研投入的体系。

论文质量也不能再用“只有数量”一笔带过。Nature Index 根据一组经过筛选的高质量期刊统计各国和机构的论文贡献。在以 2024 年论文为基础的 2025 年榜单中，中国已经位列国家和地区总榜首位[5]。虽然这一指标只覆盖部分期刊，不能代表一个国家的全部科研质量，但它至少说明，中国科研的增长已经不只是低质量论文数量的增长。

因此，今天更准确的问题不是“中国为什么没有原创科学”，而是：为什么已经形成的规模优势，还不能稳定地转化为与之相称的高风险探索和长期原创成果？

科研投入首先扩大的是系统容量。更多经费可以建设实验室、购买设备、雇用研究人员，也可以支持更多项目同时推进。论文数量则反映了系统产出了多少可发表的研究。这些指标都很重要，但它们并不直接衡量研究者是否提出了新问题，也无法告诉我们，一个暂时没有结果的方向是否值得继续投入。

规模可以通过预算和项目迅速扩大，原创能力却依赖更慢的积累。它不仅取决于系统拥有多少聪明人，还取决于这些人是否敢于偏离热门方向，是否有机会与不同背景的同行合作，以及一次失败会不会直接终结他们的学术生涯。

原创研究依赖的不是孤立天才，而是一条能够承受失败的职业链 #

人们谈论科学突破时，常把故事压缩成一个天才和一个决定性瞬间。但真实的科研过程往往包含大量隐没在获奖报道背后的环节：研究者学习已有工作，反复尝试不成熟的方法，与同行交换尚未发表的想法，放弃走不通的路线，再从某个意外结果中重新定义问题。

这类工作需要人才、资源与协作网络的支撑。人才决定研究者能否理解并推进困难问题；资源决定他是否有时间、设备和基本生活保障；协作关系则决定他能否进入真正活跃的知识网络，及时获得批评、方法和新的问题。

其中最容易被忽略的，是失败由谁承担。

如果青年研究者必须在两三年内发表足够数量的论文、获得下一个项目并通过聘期考核，他就很难把主要时间投入一个可能多年没有结果的问题。这并不意味着研究者缺少理想。相反，他只是在职业约束下作出了理性选择：先完成能够被量化考核的工作，再考虑真正想做但不确定的方向。

关于科研资助的一项经典研究比较了美国霍华德·休斯医学研究所（HHMI）“以人为主”的资助项目与美国国立卫生研究院（NIH）常规的“以项目为主”资助。在控制了研究者前期学术水平等变量的基线下，HHMI 资助的科学家表现出了极具启发性的“产出分布厚尾特征”：他们不仅贡献了更多引用量居于行业前 1% 的高影响力突破性成果，同时，他们发表的低引用率、甚至无疾而终的研究数量也显著多于 NIH 资助的同行[6]。

这个结果揭示了原创研究的一项基本成本：如果一个制度只接受成功，就很难真正支持探索。高风险研究之所以可能带来更大突破，正是因为其中相当一部分尝试最终会以失败告终。

当指标决定职业安全，研究者就会理性地减少风险 #

《庄子·胠箧》提出过一个激进的判断：“圣人不死，大盗不止。”庄子针对的并不是某个具体的贤人，而是权威、标准与利益结合以后产生的悖论。人们制定斗斛、权衡和符玺维护秩序，而窃国大盗却能将这些衡量与信用工具一并占为己有。

科研评价也面临类似风险：论文、项目和人才头衔原本用于识别学术贡献；当它们同时决定经费、职位、团队规模和决策权时，竞争者争夺的就不再只是荣誉，还包括定义学术价值和分配科研资源的权力。

这并不意味着科研体系应当取消荣誉和评价。同行仍然需要识别重要成果，高校和资助机构也必须在有限的经费与职位中做出选择。问题不在于是否使用指标，而在于指标承担了多少本来无法由它完成的判断。当论文数量、期刊等级、项目级别和人才头衔同时决定收入、职位、实验室资源和下一轮申请机会时，它们就不再仅仅是学术质量的近似信号，而会变成研究者的职业安全入口。

研究者随后会调整行为。他们更愿意选择容易形成阶段性成果的问题，将完整的成果拆分为多篇论文（即“切腊肠式”发表），追随资金充足的热门方向，也会在申请书中使用评审者和政策文件熟悉的语言。对个人而言，这些选择未必不合理；但当大多数人面对相同激励时，整个系统就会减少方向的多样性。

项目申请当然需要目标、预算和进度，但探索性研究在申请阶段通常只能说明方向、方法和可能性，无法准确承诺最终结果。管理者为了分配资源而要求确定性，研究者则必须在项目书中承诺那些尚未发生的科学发现。两者之间的张力越大，研究者就越可能选择那些答案大致已知、只需要完成工作的题目。

这里发挥作用的是一个常见的组织机制（常被称为古德哈特定律，Goodhart’s Law）：当某项指标从测量工具变成必须完成的目标，它就会逐渐失去原本的测量能力。论文数量原本用于近似观察学术产出；一旦职位和资源直接与数量绑定，研究者就会拼命提高“易发表成果”的产量，而不一定提高研究问题的重要性。

人才头衔也存在类似问题。头衔原本用于识别已经取得成绩的研究者，但如果头衔进一步决定团队编制、项目机会、行政影响力和地方资源，它就会从荣誉变成科研资源的入口。研究者投入时间申报头衔，并不一定意味着他们虚荣，而可能意味着没有头衔就无法继续组织研究。

因此，科研行政化最值得讨论的部分，不是用“科学家像官员”讽刺个人，而是分析资源如何沿着行政层级和身份标签流动。当身份比具体问题更容易获得信任，当项目级别比研究内容更容易被行政体系识别，研究者自然会把一部分精力从探索问题转向经营那些能够被体制化评估体系读取的显性信号。

国家能够规划科研能力，却不能按季度安排科学发现 #

批评“规划式科研”时，很容易走向另一个极端：仿佛只要政府提出方向、组织项目，真正的科学就不可能发生。历史和现实都没有支持这么简单的结论。

大型科学设施、长期数据平台、航天工程、粒子物理实验和公共卫生研究，都需要政府提供持续资金和跨机构协调。许多重大科学发现也依托于这些公共研究平台。市场通常不愿承担回报周期极长、成果难以独占的基础研究，政府投入因此不是原创研究的对立面，而是它能够存在的重要条件。

国家也可以根据能源、健康、气候或安全需求确定长期研究方向。问题在于，管理者能否区分“建设能力”和“预定发现”。实验室可以按期建成，仪器可以验收，数据平台可以检查，但某项基础科学研究能否取得突破，往往无法提前写进季度目标。

不同类型的科研也需要不同的组织方式。对目标明确、技术路线相对清楚的工程任务，其面对的是“执行风险”，依靠行政层级集中资源、设立里程碑可以加快进度；而对尚不知道答案、甚至还不知道怎样提出问题的探索性研究，其面对的是“认知与方向风险”，过早统一路线反而可能排除有价值的异常方向。两者的差异不在于工程与科学谁更高级，而在于前者的目标与路径相对明确，后者的首要任务恰恰是在不确定性中重新定义问题。

2019 年发表于 Nature 的一项研究分析了 1954 至 2014 年间超过 6500 万篇论文、专利和软件项目。研究者发现，小团队更常提出打破既有路径的新想法，大团队则更擅长发展、验证和扩展已有方向[7]。这不是说小团队一定更优秀，而是说明健康的科研系统需要同时容纳不同规模的团队、不同风险偏好和多元组织方式的研究。

从这个角度看，科研管理不必准确预测每一个有潜力的方向。更重要的是，系统不能让一次判断把所有研究者带向同一条路线。多元化的资助渠道、不同体量的团队以及相互独立的同行共同体，虽然难免带来重复投入和失败，却能保留更多竞争性的学术假说。

集中资源的重大项目可以解决特定任务，但科研体系不能只保留少数获得集中支持的路线。广泛参与的小团队、暂时冷门的方向和研究者自主提出的问题，是重大项目的源头活水，为其输送着人才、方法与新问题的灵感。两种组织方式需要共存，而不是由其中一种取代另一种。

问题不在于中国没有同行评议，而在于正式规则能否改变实际激励 #

把中外科研体制概括成“中国依靠行政命令，欧美依靠同行自治”，同样过于简化，偏离了真实的现实。

这期节目提出，中国、法国和美国都可以从王虹的经历中反思自身的教育与科研体系。这个视角比争论“奖牌属于谁”更有价值。王虹的早期教育、专业转换、数学训练、博士研究和后续合作发生在不同国家，没有任何一个机构可以独占培养她的功劳。跨国经历也不能直接证明某个国家拥有最优制度，它只能帮助我们观察：不同环境分别在哪个阶段提供了机会，又在哪些阶段设置了限制。

欧美和日本的科研体系也存在论文压力、短期合同、明星实验室、关系网络和经费集中。同行评议并不天然客观，它可能偏爱主流问题，也可能受到声望和机构背景影响。近年来，全球学术界同样面临着青年学者职位不稳、申请成本高企和研究方向趋同的共性危机。

中国也并非没有同行评议和制度改革。2021 年发布的《关于完善科技成果评价机制的指导意见》已经提出，基础研究成果应以同行评议为主，鼓励国际“小同行”评议，推行代表作制度，并将定量评价与定性评价结合[8]。此后的政策继续强调“破四唯”、分类评价和长周期支持。2025 年，科技部还提出对从事基础研究的青年科技人才探索五至十年的长周期考核，并减少填表、报销等非科研负担[9]。

这些政策说明，管理者已经识别到短期量化评价带来的问题。因此，文章需要追问的不是“有没有改革文件”，而是正式规则能否改变高校和科研院所中的实际行为。

如果考评部门仍然需要依赖外部短期排名来证明政绩，或者高校之间仍在进行以指标为筹码的经费与资源博弈，大学管理者就会面临某种“囚徒困境”：他们必须将排行压力层层分解，下达到每个青年研究者身上。在这种情况下，高校内部的实际分配规则就不会真正转向，评价文件里取消的一项数字，很快会在基层被另一套换汤不换药的数字所替代。如果稳定职位和研究资源依然是高度稀缺的配置物，青年研究者便绝无可能仅凭一份鼓励长周期的指导文件，去主动承担五年内零产出的职业风险。

制度改革只有进入入职、续聘、晋升、薪酬和资源分配，才会改变科研选择。否则，评价文件可以取消一项数字，基层组织仍可能用另一项更容易计算的数字替代它。

科研制度最终会生产它所奖励的行为 #

中国科研下一阶段面对的任务，已经不只是继续增加论文、实验室和重大项目。更困难的工作是让不同类型的研究获得与其规律相匹配的支持。

基础研究需要更多稳定而不与单个项目绑定的经费，使研究人员不必将精力耗费在连绵不断的项目申报中；青年学者需要可以预期的职业周期，才能承担暂时无法发表的风险；重大项目之外需要保留大量小规模资助，让非主流问题有机会存活；同行评议需要减少头衔、机构和行政身份的影响，也需要允许评审者宽容那些目前无法预测具体产出的探索性方向。

这也意味着，基础研究无法简单地用短期的产业回报来衡量自身价值。基础研究当然可能推动技术和产业，但从提出问题到形成通用知识，再到找到实际用途，往往需要跨越多个研究阶段和组织。制度可以要求研究过程诚实、经费使用透明，却不能要求所有科学问题在同一个周期内产生经济收益。

改革也不能简单地把所有评价改成“数代表作”。如果职位仍然稀缺，资源仍然高度集中，代表作也可能迅速变成新的竞赛指标。真正重要的是降低一次评价对研究者整个职业的决定性，让暂时的失败、方向的转向以及晚熟的科学家不再被体制性地永久排除。

作为亲历过科研并长期参与评审的同行，我深知同行评议难免犯错，研究者自身也不可能完全摆脱声誉、资源和职业利益。一个健康的科研生态并不要求所有人都无私、准确和富有远见。它需要做的是让不同机构、不同资助渠道和不同同行判断能够彼此纠错，不让某一次评审、某一个头衔或某一项政策导向决定所有研究者的学术生命。

王虹和邓煜的经历最终提醒我们的，并不是中国缺少聪明而勤奋的人。恰恰相反，中国已经能够持续识别出世界一流的人才，也已经拥有支持大规模科研活动的资源。

真正稀缺的是一种更有耐心的制度能力：它愿意在研究成果尚未显现时给予研究者长期的信任与支持，允许多个方向同时竞争，也接受其中大部分尝试可能不会成功。

国家可以规划经费、实验室和人才项目，也可以提出值得长期投入的科学方向。但科学发现很少按照项目书中的时间表发生。制度能够做的，不是预先指定下一个突破及其出现时间，而是让那些暂时没有答案的问题，有足够长的时间留在学术共同体中进行发酵与探索。

参考文献 #

[1] International Mathematical Union. Fields Medals 2026. 2026. https://www.mathunion.org/imu-awards/fields-medal/fields-medals-2026

[2] Massachusetts Institute of Technology. Yu Deng ’11 and Hong Wang PhD ’19 awarded Fields Medal. 2026. https://news.mit.edu/2026/mit-alumni-awarded-fields-medal-0728

[3] University of Chicago. UChicago Prof. Yu Deng receives Fields Medal, highest honor in mathematics. 2026. https://news.uchicago.edu/story/uchicago-prof-yu-deng-receives-fields-medal-highest-honor-mathematics

[4] National Bureau of Statistics of China. Statistical Communiqué of the People’s Republic of China on the 2025 National Economic and Social Development. 2026. https://www.stats.gov.cn/english/PressRelease/202602/t20260228_1962661.html

[5] Nature Index. 2025 Research Leaders: Leading countries/territories. 2025. https://www.nature.com/nature-index/research-leaders/2025/country/all/global

[6] Azoulay, P., Graff Zivin, J. S., & Manso, G. Incentives and Creativity: Evidence from the Academic Life Sciences. The RAND Journal of Economics, 42(3), 527–554, 2011. https://doi.org/10.1111/j.1756-2171.2011.00140.x

[7] Wu, L., Wang, D., & Evans, J. A. Large Teams Develop and Small Teams Disrupt Science and Technology. Nature, 566, 378–382, 2019. https://doi.org/10.1038/s41586-019-0941-9

[8] 国务院办公厅. 《关于完善科技成果评价机制的指导意见》. 2021. https://www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/gfxwj/gfxwj2021/202108/t20210804_176223.html

[9] 科学技术部. 《国新办举行“高质量完成‘十四五’规划”系列主题新闻发布会》文字实录. 2025. https://www.most.gov.cn/xwzx/twzb/fbh2025091801/twzbwzsl/202509/t20250918_194727.html