基础研究面临的形势与启示建议

习近平总书记在加强基础研究座谈会上强调，基础研究是整个科学体系的源头，是所有技术问题的总机关。要以更大力度、更实举措加强基础研究，提升我国原始创新能力，进一步打牢科技强国建设根基。近年来，我国基础研究取得多项高水平成果，但在建设科技强国背景下，仍然面临政策层面基础研究概念不清与评价体系不合理等挑战，为此须从优化生态环境、完善人才评价体系等方面着手，助力提升我国基础研究能力。

一、基础研究的内涵与形势

当前，新一轮科技革命和产业变革加速演进，全球科技竞争更加聚焦基础前沿领域，原创性颠覆性创新的重要性日益凸显。基础研究作为创新链的起点，其突破性成果往往能重塑技术轨道、催生新兴产业、引领经济社会发展方向。这对如何认识理解基础研究的内涵提出了新的需求。

一是要结合时代背景与历史阶段，深化对基础研究内涵与规律的认识。

《弗拉斯卡蒂手册》从理论层面将基础研究分为定向基础研究和纯基础研究，并指出将定向基础研究作单独分类可能对识别“战略性研究”（在政策制定中经常被提及的一个广义概念）提供一些帮助。从实践层面看，应从更本质、更符合创新规律的角度定义基础研究：总体上要遵循其探索过程中的灵感瞬间性、方式随意性、路径不确定性等特点，但在我国建设科技强国以及大国博弈背景下，要允许目标导向的有组织基础研究与好奇心驱动的自由探索两种研究路径并存。

二是基础研究与国家重大战略、国家安全等关系愈加紧密。

世界各国纷纷布局和抢占未来技术制高点，同时积极推动基础研究成果加速落地应用，如美国防高级研究计划局（DARPA）2026财年规划20余项人工智能重点项目（预算3.87亿美元），贯穿从基础研究到实战验证的全链条。英国发布《2022—2027年战略：共同改变未来》，聚焦先进材料与制造等七大技术群布局基础研究，既鼓励自由探索与知识前沿突破，又推动基础研究与国家需求、产业创新深度衔接；颁布《国家量子技术计划》《人工智能赋能科学战略》《国家半导体战略》等，加大对未来技术的布局。美国国家科学基金（NSF）在2022年成立技术创新与伙伴局（TIP），该部门是NSF首次设立推动基础研究成果的后续验证、开发和应用的全新部门。德国自2006年开始，多周期性制定“高技术战略”，聚焦重点领域推进应用基础研究与技术成果转化。

三是人工智能赋能加速科研范式变革。

基础研究能力的提升与人类认知边界、处理复杂数据的速度、实验条件高度相关；人工智能可快速处理海量数据、构建多模态模型，并最终完成自我推理和验证，实现了从假设生成到验证的全流程优化。人工智能赋能科学研究（AI for Science）已被视为当前最显著的科研范式变革，正深刻改变科研活动的方式，大大缩短了科学发现时间。以AlphaFold2为例，它不仅在精度上达到实验级别的水平，更在极短时间内预测了上亿个蛋白质结构，完成了靠传统实验方法难以想象的工作，对生命科学产生了颠覆性影响。有学者预测，在AI驱动下，生物医学等领域会有一批新发现呈爆发式增长。

四是我国基础研究已经取得了诸多进步。

基础研究投入稳步提升。从2012年到2025年，我国基础研究经费从约499亿元跃升至接近2 800亿元，占全社会研发经费比重由4.8%提升至7.08%，实现量级与结构双重突破；地方财政基础研究投入快速增长，2020年至2024年地方财政基础研究支出年均增长29.3%；社会力量对基础研究的关注度显著提升，并已初步建立了捐赠资助学术交流、科研项目、新型研究型大学、社会科技奖励、科研仪器与基础设施等多种渠道。大科学装置支撑基础研究作用逐步显现，我国在建和运行的大科学装置总量超70个，总规模居世界第二；上海光源、散裂中子源、全超导托卡马克核聚变实验装置、综合极端条件实验装置、拉索、江门中微子实验装置等多项大科学装置性能稳居国际第一方阵。

五是尽管我国基础研究从投入到产出都取得巨大成就，但也面临一些挑战。

如各界对基础研究的支持范围缺乏清晰一致的界定。评价指标缺乏体系化设计，既缺乏对是否完成国家战略需求的指标设计，宽容失败的文化氛围也有待进一步建立。资助机制有待完善，稳定资助机制尚未完全建立，竞争性经费占比过高。创新主体的功能错位与系统性协同有待提升，企业基础研究动力不足，大学和科研院所部分功能重合。部分科研人员缺乏坐冷板凳、潜心研究的耐心。

二、相关政策建议

基础研究是科技进步的基石和源泉，新发现推动科技进步、产生颠覆效应的时间和重要性难以精准预测，必须在政策上给予充分保护。

一是优化项目结构与机构评价，营造更加有利于基础研究的生态环境。

一方面，要从政策层面明确基础研究概念与分类，尽快厘清基础研究、应用基础研究等的范畴，进而进行严格的分类评价。对自由探索型基础研究，推行代表作制度和长周期评估（如5～10年），突出原创性和学术贡献；对目标导向型基础研究，重点评价解决重大科学问题的效能。同时，优化对不同层次、不同类型高校院所的考核评价，避免出现“高职类院校”也将竞争国家自然科学基金等国家项目作为“内卷”点这类现象。

另一方面，大幅提高对长期从事基础研究的科研机构的稳定支持比例，中央和地方应形成合力，进一步增加对国家级科研机构、高水平研究型大学的稳定事业费投入，保障其“基本口粮”。稳步提升国家自然科学基金资助率，合理制定面上项目与国家战略导向项目的比例，确保国家自然科学基金资助率保持在合理水平。

二是优化人才评价机制，激发人才创新活力。

推动“帽子”与“资源型”学术脱钩。建立健全以创新能力、质量、贡献为导向的科技人才评价体系。要高度重视青年科学家的早期研究阶段，可参考借鉴西湖大学的“6年+国际小同行评议”的评价方式，为青年科研人员潜心研究提供更好环境。同时，综合我国经济发展水平以及物价等因素，建立具有国际竞争力的薪酬体系，使科研人员能心无旁骛地追求科学前沿。

三是优化“全链条”设计与主体分工协同，提升创新体系整体效能。

优化“全链条”设计，承认科学家在兴趣和能力上的差异，不强制要求基础研究人员完成成果转化。“全链条”项目应侧重于不同机构间的协同，而非单个团队包打天下。明确国家实验室、国家科研机构、高水平研究型大学的使命定位。

四是优化企业基础研究政策，引导社会力量多渠道加大投入。

引导企业布局建设高水平研发机构，政策着力点更多在推动高校院所科学家进企业、提升企业识别基础研究的能力上下功夫。鼓励企业通过设立联合实验室、捐赠基金、共建新型研发机构等方式支持基础研究。鼓励更多有能力的企业设立社会奖项，并加大宣传以扩大其国际影响力。鼓励更多社会性基金借鉴成功经验提高资助规模、采用更灵活的管理方式等，弥补财政投入不足，为科学家提供长周期、更灵活的支持。

五是强化人工智能赋能科学研究，加快推动科研范式变革。

加强顶层设计，制定科学数据存储、汇交、共享的标准与法规。体系化布局建设重大科技基础设施，建设智能化科研平台系统。发展面向多学科通用的科学基础大模型，同时围绕材料、生命健康等重点学科打造专业模型，加快构建通用模型和专用模型融合的协作体系。加强复合型人才培养，推动“人工智能+科学”通识教育，构建人工智能与基础学科的交叉人才培养机制。完善创新生态与治理体系，建立适应人工智能赋能科学研究特点的科研评价机制，构建包含伦理规范、数据安全在内的治理框架，确保人工智能技术健康发展的同时，加速各领域科技创新突破。

本文来源于《科技中国》杂志2026年第6期 特别关注栏目。朱欣乐，中国科学技术发展战略研究院。文章观点不代表主办机构立场。

◆ ◆ ◆

编辑邮箱：sciencepie@126.com