AI驅動美國科研大洗牌，中國如何贏得下一代科技戰？

1945年，范內瓦·布什提交《科學：無盡的前沿》，確立“聯邦出資、高校研究、產業轉化”的線性創新模型，該模式運行八十年，催生了互聯網、GPS、基因測序等重大成果。

2026年7月21日，白宮科技政策辦公室主任邁克爾·克拉齊奧斯提交《科學：新黃金時代》報告（Science: A New Golden Age，以下簡稱“報告”），核心論斷截然相反：原有線性創新路徑已然斷裂。報告系統診斷了美國科研體系的深層弊病，提出制度重構方案。

次日，美國能源部（DOE）正式公布了“創世紀計劃”（Genesis Mission）的首批資助名單，來自全美各地共計278個科研項目獲得總額超2.5億美元的啟動資金。該計劃于2025年11月由特朗普發起，目標是利用AI推動美國科學生產力翻倍，攻克本世紀的26個重大科學和工程挑戰。278個項目從五千余份申請中遴選而出，通過率僅5.6％；聯邦政府承諾跨機構投入逾50億美元，15個以上聯邦機構參與。這是美國新科研體制的首次大規模實戰推演。

兩份文件的相繼發布構成一個明確的政策信號，美國科研體制八十年來的底層邏輯正在發生根本性動搖。從1945年范內瓦·布什的《科學：無盡的前沿》到2026年白宮的《科學：新黃金時代》，這不是簡單的政策迭代，而是一場關于"國家如何組織科學"的范式革命。

《科學：新黃金時代》報告以官方身份確認了美國科研界長期議論的系統性病灶。投入產出效率衰減、行政負擔侵蝕、評議機制保守化、可重復性危機與人才結構性流失五重困境相互交織，共同指向一個論斷，布什線性創新模型在人工智能時代已系統性失效。

（一）投入產出效率持續衰減。制藥領域Eroom定律（由摩爾定律英文拼寫倒置而來）顯示，1950年至今，每投入10億美元研發資金所對應的獲得美國食品藥品監督管理局批準的新藥數量下降約80倍，且該數量每9年便減半。2024年美國全社會研發投入達8860億美元，聯邦研發預算約2000億美元，但多領域突破性成果產出率未隨投入同步提升。核心癥結不在投入不足，而在資金配置與使用方式存在缺陷。

（二）行政負擔嚴重擠占科研時間。聯邦資助科研人員近44％工作時間用于行政事務；美國國立衛生研究院撥款從申請到獲批平均耗時近兩年。頂尖科學家創造力最充沛的黃金期被大量耗費于填報合規表格，機會成本巨大。

（三）同行評議機制抑制創新冒險。國立衛生研究院新晉首席研究員平均年齡從1980年的36歲升至42歲，獲聯邦資助研究者整體平均年齡達51歲。評審體系傾向支持熟悉方向與穩妥選題，高風險、跨學科、范式挑戰性研究最難獲得資助。

（四）研究可重復性危機蔓延。心理學領域約50％—67％研究結果無法復現，臨床前生物醫學研究因不可重復錯誤每年浪費約280億美元。人工智能降低“生成規范成果”成本的同時，若底層知識庫存在系統性錯誤，將加速錯誤傳播。

（五）人才培養與流失結構性矛盾突出。2024年美國計算機科學與數學領域已明確發展計劃的博士畢業生中，約半數持臨時簽證，聯邦投入培養的頂尖人才大量流向美國的競爭對手國家。

經獨立驗證，以上論斷在美國不同陣營間已形成實質性共識。

表1：美國科研體系問題獨立驗證對比表

面對五重困境，報告提出了非漸進式的制度重構方案。從機構中心到個人中心、從單一評議到多元競爭、從常設永久到敏捷任務、從人類速度到AI速度，這些戰略轉向共同構成美國新科研體制的四梁八柱，試圖在保持創新活力的同時重建戰略聚焦能力。

（一）資助對象從“機構中心”轉向“個人中心”。減少對傳統學術機構依賴，擴大對科學家個體直接資助。關鍵工具包括：可轉移研究生獎學金、五至七年長周期撥款（替代傳統三年）、“金票”機制——允許個別評審員強力推薦非共識項目。

（二）資助機制從“單一評議”轉向“多元競爭”。引入快速撥款（兩周內決策）、十年以上超長周期撥款、獎金挑戰賽、預市場承諾、資金再授權模式（獲資助者可將部分資金轉給更具創新力團隊）。

（三）機構形態從“常設永久”轉向“敏捷任務”。創設XLabs模式，組建10至100人限時攻關團隊，圍繞特定技術瓶頸依里程碑撥付經費，任務完成后團隊解散。美國國家科學基金會宣布未來十年向XLabs投入15億美元。

（四）科研基礎設施從“人類速度”轉向“AI速度”。推動人工智能嵌入科學發現全鏈條，同步升級科研組織形式、驗證機制與激勵機制；若體系無法同步升級，人工智能加速的僅是錯誤知識傳播。

創世紀計劃不是傳統意義上的科研資助擴容，而是美國新科研體制的首次大規模實戰推演。其高度競爭的選拔機制、快進快出的資助結構、刻意平衡的領域布局與高度集中的地理分布，共同構成“國家設定目標、市場競爭執行”的混合范式，為評估新體制運行實效提供了第一組真實數據。

（一）選拔機制：高度競爭。申請總數逾五千項，入選278項，錄取率約5.6％；覆蓋342家機構、50個州。

表2：創世紀計劃首批項目選拔核心指標表

（二）機構分工：各有側重。大學牽頭168項（60.4％），國家實驗室牽頭87項（31.3％），企業牽頭19項（6.8％），非營利機構牽頭4項（1.4％）。國家實驗室獲旗艦項目最大額度，企業以“能力提供者”角色深度參與（157家參與但僅19家牽頭）。大學提供分散創新，國家實驗室提供集中基礎設施，企業提供工程能力與商業出口。

表3：創世紀計劃牽頭機構類型分布表

（三）資助結構：快進快出。 Phase I資助50萬至75萬美元、周期9個月，定位概念驗證；Phase II資助600萬至1500萬美元、周期3年，定位規模化部署；Prometheus旗艦項目資助6000萬美元、周期3年。這種設計意圖明確，即不給平庸項目續命的機會。傳統的3年撥款周期允許研究者慢慢調整方向。創世紀計劃的9個月 Phase I 要求團隊在極短時間內交付可測量的加速效果，是國防高級研究計劃局模式在科學領域的首次大規模應用。

表4：創世紀計劃資助階段劃分表

（四）領域布局：兩大賽道。從 278 個項目的標題關鍵詞分析，可以分出 13 個研究領域，簡化為兩大賽道。第一賽道為“國家戰略剛需”，涵蓋核能／聚變（39項，14％）、關鍵礦物（20項）、半導體（18項）、安全（12項）、能源／電網（14項），直接服務地緣競爭與供應鏈安全；第二賽道為“科研基礎設施”，涵蓋AI／計算（39項，14％）、自主實驗室、量子（24項，8.6％）、物理／高能物理（30項，10.8％），為未來科研體系構建通用能力。兩大賽道占比相當，體現“當下應用”與“長期能力”的刻意平衡。

（五）地理分布：高度集中與政治平衡并存。加州獲56項，超過第二至四名總和；紐約25項、華盛頓18項、新墨西哥13項、得克薩斯12項。50州均有參與，體現讓每個州成為利益相關者的政治布局。

表5：創世紀計劃項目地理分布表

創世紀計劃的首批278個項目并非平均分布，而是向材料科學、自主實驗室、算力基礎設施、半導體與生物技術領域高度集中。這五大領域的選擇邏輯各有側重——有的聚焦范式躍遷，有的構建基礎設施，有的換道競爭，有的工業導向——共同勾勒出美國在地緣競爭與AI革命雙重壓力下的技術突圍路線圖。

（一）材料科學（37項）：從 “篩選” 到 “生成” 的范式躍遷

聚焦聚變材料、稀土替代、電池材料、極端環境材料、后摩爾材料、高通量合成等方向。核心趨勢有三：計算端從密度泛函理論（DFT）轉向機器學習原子間勢（MLIP），在保持 DFT 精度的同時將計算速度提升數個數量級；實驗端從人工操作轉向自主實驗，LBNL 的 ALab 已展示完全自主的無機材料合成 —— 機器人配樣、燒制、表征、AI 分析結果、決定下一輪實驗，無需人插手；國家實驗室與大學形成 “平臺公共品＋算法多樣性”分工 —— 實驗室做平臺和基礎設施（ALab、Polybot、ALS 光源 AI 升級），大學做具體材料體系和算法創新。傳統材料研發周期 15 至 20 年，人工智能正將其壓縮至數月甚至數周。

表6：材料科學領域項目方向及戰略意圖表

對中國的參照意義：中國在材料計算和自主實驗室方面有扎實積累，北京、上海、深圳都有類似 ALab 的自主實驗平臺。但差距在于 “數據—算力—實驗”的閉環程度。美國的優勢不是單項技術，而是 DOE 17 個國家實驗室構成的 “大科學設施網絡＋AI 平臺” 的疊加效應。我國需要思考的不是復制某個項目，而是如何將分散在各個高校和中科院研究所的設施整合為統一平臺。

（二）自主實驗室（61項，占22%）：科學發現的 “自動駕駛”

構建“旗艦平臺—聯邦網絡—領域專用—工具標準”四層體系。旗艦層以勞倫斯伯克利國家實驗室ALab、麻省理工學院AWILD為代表；聯邦層中，卡內基梅隆大學提出的“實驗即服務”最具構想——多個分布在不同地理位置的自主實驗室通過統一協議實現互聯，研究者可以像調用云服務一樣調度各類實驗資源。

當前領域發展的核心瓶頸不在AI技術本身，而在物理世界的落地層面。具體體現在三個方面：固體粉末處理方面，機器人可以完成精準移液，但對微克級粉末進行稱量、轉移、混合操作仍存在很大難度；傳感器標準化集成方面，現有實驗室儀器大多沒有配備標準化API，需要投入大量工作完成定制化集成；異常檢測方面，機器人無法像人類研究員一樣“感知異?！?，一個結晶失敗的樣品在AI看來可能只是一個普通數據點。

關于未來趨勢判斷。自主實驗室最有可能率先實現大規模落地的場景并不是化學合成，而是同步輻射光源、中子源、電子顯微鏡這類大科學設施。這些設施本身就是天然的“數據生產機器”，樣品標準化程度高，AI嵌入后的投資回報清晰可見。SYNAPTI實現葡萄藤CT掃描3000倍加速的案例，已經驗證了這一方向的可行性。

表7：自主實驗室金字塔四層結構表

L1 旗艦典型：Gerbrand Ceder（MIT/LBNL）的 ALab 已證明全自主無機材料合成的可行性。創世紀計劃資助其升級版 AWILD（Autonomous Workflows for Inorganic Laboratory Discovery），目標是實現 “從想法到發表論文”的全流程自主化 ——AI 閱讀文獻、提出假說、設計實驗、機器人執行、AI 寫論文初稿。

L2 聯邦化典型：卡內基梅隆大學牽頭的聯邦自主實驗室項目，核心概念是多個分布在不同地理位置的自主實驗室通過統一數據協議和控制接口連接，研究者可以像調用云服務一樣調度實驗資源。一個在匹茲堡的 PI 可以向全國 10 個自主實驗室同時提交實驗任務，相當于 "Experimentation as a Service"—— 實驗即服務。

對中國的參照意義：中國在機器人技術和 AI 方面都有優勢，但在 “實驗數據標準化” 和 “跨機構互聯”方面落后明顯。美國的聯邦化自主實驗室網絡一旦建成，將形成一個實驗數據的 “飛輪效應”—— 數據越多→AI 越強→實驗越快→數據更多。這個飛輪一旦轉起來，追趕會非常困難。

（三）算力基礎設施（28項）：先還債再超車

約10個項目涉及代碼遷移工作，核心目標是推動Fortran/C++科學計算代碼完成GPU適配。四臺新建超算（Lux、Equinox、Solstice、Discovery）將于2026至2028年陸續上線，其中Solstice的規模達到10萬GPU，功耗達200MW，大致相當于一座小型城市的總用電量。軟件棧改造將提前于硬件部署推進，避免出現“硬件到位、軟件未備”的脫節問題。這里存在一個關鍵矛盾：硬件在建，軟件需先行。美國能源部DOE的科學計算生態建立在Fortran和C++的基礎上，氣候模型、核反應模擬、流體力學等諸多核心代碼都撰寫于1990年代甚至更早，這些代碼在CPU集群上運行穩定，但無法利用GPU的算力優勢。而AI時代的所有算力加速，都建立在GPU架構的基礎上，因此必須在新硬件交付到位前，完成整個軟件棧的GPU化改造。Oracle的角色：算力即權力。Oracle通過商業協議持有Solstice和Equinox的大部分算力使用周期，僅向美國能源部DOE返還部分資源。這意味著美國規模最大的AI科研算力基礎設施，調度權并不完全掌握在美國政府手中，Oracle的定價策略、優先級調度規則與訪問政策，將直接影響美國AI科研的發展方向與推進速度。趨勢判斷：算力與能源深度耦合。多個項目涉及“綠色計算”和“能源感知調度”方向，超算中心的選址不再僅考量網絡與人才條件，還必須將電力供應能力納入核心考量。未來全球算力基礎設施的競爭，本質上就是能源基礎設施的競爭。

表8：算力基礎設施領域項目板塊劃分表

 對中國的參照意義：中國在超算硬件上不落后——神威、天河系列性能世界一流。但軟件生態差距明顯，大量科學計算軟件依賴進口（VASP、Gaussian、ANSYS），自主可控的科學計算軟件棧是明顯短板。創世紀計劃的“代碼遷移”項目值得關注，因為 Kokkos、Raja 等框架可能成為 AI 時代科學計算軟件的事實標準。標準層面的落后比硬件層面的落后更難彌補。

（四）半導體（18項）：換道而非追趕

明確了“三不做、三做”的清晰方向：不做先進制程（3nm/2nm）、不做大規模制造、不做通用邏輯芯片；專做AI驅動芯片設計自動化、專用芯片（輻射加固、量子接口、神經形態）、算法架構工藝協同優化。其中最值得關注的項目是BNL的AI原生EDA，由布魯克海文國家實驗室牽頭搭建AI原生芯片設計工具鏈。傳統EDA工具（Synopsys、Cadence）采用規則驅動模式，設計規則檢查、時序分析、功耗估算這類工作，都屬于基于物理模型的確定性計算。而AI原生EDA將芯片設計轉化為了一個優化問題：給定性能、功耗、面積約束后，由AI搜索設計空間，自動生成最優的布局布線方案。芯片設計的模式將從“工程師用工具手動繪制”轉變為“AI搜索最優解”，設計周期有望從數月縮短到數天。

這套協同設計方法論的核心，是打破行業固有壁壘。半導體行業的傳統分工是“算法→架構→電路→工藝”逐層傳遞，每兩個層級之間都隔著一道無形的“墻”。AI驅動的協同設計則通過機器學習模型連接不同抽象層，實現跨層聯合優化。這套方法論不僅適用于半導體領域，還能拓展應用到材料、量子計算和傳感器領域。

美國CHIPS法案也做了清晰的分工布局：商務部負責落實390億美元的制造補貼，能源部則專注布局前端基礎工具（EDA、新材料、新架構）。這是經過刻意規劃的分工，將短期制造能力建設與長期設計能力建設分開推進。

表9：半導體領域“三不做、三做”策略表

對中國的參照意義： 中國在先進制程被卡脖子的背景下，EDA 和芯片設計 AI 化可能是最現實的突破方向。中國的 AI 能力不弱，如果能將 AI 與芯片設計深度融合，用 AI 設計出更好的芯片架構，可能在設計效率上實現彎道超車。

（五）生物技術（28 項）：工業導向而非健康導向

和衛生與公眾服務部（HHS）管轄的人類健康研究形成明確分工，能源部的28個項目全部聚焦生物制造、生物燃料、生物修復與生物采礦領域，戰略意圖是將基礎研究發現轉化為可落地的工業生產過程。該領域真正的瓶頸是放大生產，而非實驗室層面的技術發現，工業生物技術的“死亡之谷”不在實驗室，恰恰出現在放大生產環節：一個在搖瓶中效果表現完美的菌株，進入五萬升規模的發酵罐后可能根本無法正常生長。AI目前可以輔助完成菌株和蛋白質的設計工作，但發酵過程中的傳質、傳熱、剪切力調控、泡沫控制，這些工業化落地的“臟活累活”，AI暫時還無法提供有效支持。這也就解釋了為什么能源部的28個項目中，有相當一部分內容圍繞“過程工程”和“放大模型”展開，并非只關注“AI設計蛋白質”。

此外還有一個戰略方向，就是生物采礦：利用工程化改造的微生物，在常溫常壓條件下從低品位礦石、電子廢物和尾礦中提取關鍵金屬。這是一種“柔性”的稀土資源戰略——不需要直接控制礦山，僅依靠微生物就能完成金屬提取。如果這項技術落地成功，將徹底改寫當前全球關鍵礦物競爭的游戲規則。

表10：生物技術領域全明星PI陣容表

對中國的參照意義：中國在發酵工程和工業生物技術領域具備全球領先優勢，擁有全球規模最大的發酵產能、體系最完整的菌種資源庫，產業落地與規?；瘧媚芰ν怀觥５诤铣缮飳W前端核心領域，尤其是蛋白質智能設計、代謝通路精準重構、生物過程模型化設計等底層技術上，與美國存在顯著差距。美國創世紀計劃聚焦合成生物學前端核心技術與工業放大模型攻關，本質是搶占工業生物技術、生物采礦、綠色生物制造等前沿賽道的技術制高點。在當前地緣政治競爭格局下，中美該領域已形成技術、產業雙向博弈的競爭態勢，美方旨在通過底層技術優勢構建技術壁壘、重塑全球生物工業供應鏈，對我國工業生物技術高端化、智能化升級形成直接競爭與壓制，是我國需要重點突破、補齊短板的關鍵賽道。

創世紀計劃的宏大敘事與緊縮的預算現實之間存在深刻的結構性張力。這一矛盾既揭示了美國科研體制轉型的內在阻力，也為研判其可持續性、評估其對我國的參照價值提供了關鍵窗口。

（一）承諾與兌現的結構性落差。聯邦總承諾逾50億美元，能源部實際撥付僅2.5億美元，執行率5％。同時，2027財年國家科學基金會預算擬從88億美元削減至40億美元（減55％），能源部科學辦公室削減15％，高級能源研究計劃局削減43％。

（二）新舊模式的零和博弈。在總預算緊縮背景下，創世紀計劃每投入一美元，實質即從國家科學基金會基礎研究預算中抽離一美元?！叭蝿諏颉⑵脚_集中”與“好奇心驅動、廣泛資助”之間存在結構性張力。

（三）政治周期的不確定性。特朗普剩余任期兩年半，278個子項目Phase I須于2027年5月前完成驗收，結果將直接決定2028財年撥款規模。若驗收達標，可能成為跨黨派長期國策；若未達標，則恐淪為“聲勢浩大、后繼乏力”的政府項目。

（一）關于科研組織模式。創世紀計劃“由國家確定戰略方向、動員全國科研力量、集中資源推進重大事項”的組織邏輯，與我國科技體制存在結構層面的相似性，關鍵區別在于其保留了市場競爭作為項目篩選機制。該計劃278個項目并非行政分配，而是5000余項申請經激烈競爭產生，通過率僅5.6％；Phase I升級至Phase II須重新競爭，無自動續命機制；企業投入5億美元并非出于義務，而是著眼于可預期的商業回報；Oracle持有超算算力周期，亦通過商業談判達成。此種“國家設定目標＋市場競爭執行”的混合模式，試圖融合舉國體制的戰略聚焦優勢與市場機制的效率激勵優勢。我國當前相關模式更偏向行政主導，呈現“大項目、大平臺、大團隊”特征。建議跟蹤評估該模式運行實效，為我國科技計劃管理改革提供鏡鑒。

（二）關于“數據—算力—實驗”閉環。創世紀計劃最值得警惕的，不是某項單項技術的領先，而是“AI基礎設施＋科學數據＋自主實驗”的閉環效應。一旦閉環運轉，將產生指數級加速——更好的數據訓練更好的AI，更好的AI設計更高效的實驗，更高效的實驗產生更多更好的數據。此領域核心競爭力不在硬件（硬件可以購買），而在數據的獨占性、軟件的生態效應和實驗標準的網絡效應，并非“砸錢”即可追平。建議加強科學數據標準化、跨機構實驗互聯、自主實驗室網絡建設，搶占標準制定先機，防止美國聯邦化自主實驗室網絡形成“數據飛輪”后的追趕困境。

（三）關于半導體策略。美國在先進制程上落后于臺積電，但創世紀計劃18個半導體項目無一試圖在3nm／2nm上追趕，全部押注“AI＋EDA”與“協同設計”——改變芯片的設計方式，而非制造更小的晶體管。其本質是不在對手最強的維度上競爭，而是改變競爭的維度。我國半導體策略目前仍以追趕制程為主，AI驅動設計的潛力可能被低估。需要評估AI驅動電子設計自動化與協同設計對我國半導體產業的價值，探索“設計效率超車”路徑。

（四）關于生物技術。工業生物技術從實驗室到工廠的“死亡之谷”，恰恰是我國的優勢領域——擁有全球最大的發酵產能、最完整的工程化團隊和最快的放大速度。若能在此基礎上補強合成生物學的前端設計能力（AI蛋白質設計、代謝通路設計），在工業生物技術的全球競爭中可能占據獨特優勢。強化前端設計能力建設，鞏固發酵工程與規?；糯髢瀯?，可形成我國“前端設計＋后端放大”的獨特競爭力。

（五）關于體制反思。《科學：新黃金時代》最大的啟示，在于其提出問題的勇氣：80年來被視為理所當然的科研資助模式，是可以被挑戰的。我國科研體系可能同樣存在自身的“布什模型”——以學科為單位的撥款體系、同行評議的保守化傾向、行政負擔對科研時間的侵蝕、重論文輕產業轉化的激勵結構。這些問題并非我國特有，而是現代科研體系的通病。創世紀計劃的價值，不在于提供了“標準答案”，而在于證明了一個國家可以從第一性原理出發，重新思考“如何組織科學”這一根本問題。因此，系統審視我國科研體系中的行政負擔、評議保守化、重論文輕轉化等共性問題，適時開展科研組織形式的前瞻性研究勢在必行。