近日，五部委联合印发基础研究大干快上文件。跟风贴旧文，凑道硬菜。本文原刊登于2019年10月的《文化纵横》。写作本文最初的动力来自很多人，包括顾淑林先生的大力支持。此外，中科院深圳先进技术研究院、清华大学洛阳基地两家新型研发机构和众多企业为我们提供了很多素材。在此一并致谢！文章刊出的时候没有写致谢，因为知道会触碰到很多利益，不想有人跟着“沾包”——实践也证明了，确实触及很多利益，以至于本文被某公众号转载的版本惨遭“举报”。所以，希望这道“硬菜”能发出来。

越来越多的中国人已经看清，由特朗普政府发起的贸易战本质上是针对中国产业转型升级和创新驱动发展的“割喉战”和“狙击战”。这也使“创新”在中国获得前所未有的关注。但是，创新驱动发展战略仍然存在一些令人费解的现象：在创新链条的起点上，大学和科研机构争相拥抱“基础研究的春天”，要在“从0到1”原创性成果方面有所贡献；但在链条的另一端，大批渴望转型的本土企业却苦于“不创新等死、创新找死”的近视症，高度依赖经验性试错的低水平重复；而夹在中间的各种应用研究机构既不近视、也不高远，却在一定程度上选择“向后看”——以西方成熟产业链为模板和标杆、去定义、寻找和攻关“卡脖子”环节。总之，创新链条各环节、产学研各类主体之间充满了时空错乱，其后果也显而易见：“向后看”获得的攻关成果在近视的企业中多会“水土不服”，“引进-落后-再引进”的循环更是屡见不鲜；基础研究成果转化的努力则面临着大海捞针、链条过长、小马拉大车的质疑。出现这种现象的原因之一是政策设计者对创新链条动力机制的特定理解：长期以来，中国创新系统的设计者一直将大学和科研机构的知识创新（即“科学发现”）视为企业技术创新的基础，和新技术、新发明的源泉（路甬祥，1998），并在此基础上设计了上述时空错乱的“接力”式分工。对转型升级“船到中流”的中国来说，我们有必要重新思考创新链条的动力机制及其各环节之间的关系、以寻找克服上述时空错乱的有效途径。本文将从对“科学-技术关系”的理论剖析入手、理解上述动力机制问题，并在此基础上给出一系列分析和政策建议。

一．     理解科学与技术的关系

很多人习惯于将“科学-技术关系”想象为上述的线性模式：大学和科研院所贡献科学知识，对科学的应用形成技术，企业对技术成果的商业化就是创新。这也对应于科技统计中“基础研究-应用研究-试验开发”的研发形态三分法。但是，技术进步与产业发展的无数事实告诉我们，技术的发展逻辑与科学截然不同，更不能将其简单视为科学的应用结果。科学是在给定（实验、分析、假设）条件下探求世界的规律，是“求真”的结果，但这个结果往往高度不确定（至少不能事前确定其有用性）；技术的本质则是“务实”，是在已知终点（以达成某种现象为结果）的情况下寻求实现结果的适当条件(Nightingale, 2004)。这两种迥异的发展逻辑决定了科学与技术之间一系列的重要差别和联系。

首先，由于科学求真并不必然考虑“有用性”，因此科学发现并不会自动导致技术进步和生产力提升：一百年前波尔对原子结构的研究、今天科学界对黑洞和新粒子的痴迷，在很大程度上都是由好奇心驱动的自由探索，而不会在短期内看到实用方向。即便“求真”过程存在对“有用性”的考虑，科学原理的突破也必须同具体的现成技术（在现实世界中表现为成熟的分工和产业体系）相结合，才能变成实实在在的生产力(Arthur, 2008)。科学史上很多例子都能说明这一问题。譬如法拉第发现电磁效应后，并未立即制造出实用的发电机和电动机，直到西门子在40多年后解决了定子和转子制造的技术难题才得以实现。再如获得诺贝尔物理学奖的巨磁阻效应，这是由法国和德国科学家在超低温巨磁场条件下发现的，但真正将其应用于工业条件（室温弱磁场）、做出产品（硬盘驱动器）的“元勋”却是IBM，其相关研发可追溯到1969年，真正拿出产品则迟至1990年(Dedrick and Kraemer, 2015)。

这可以帮助我们更好地理解“从科学发现到产品创新不断加速”的现象：这种加速与科学发现本身的关系不大，更不是无条件的必然；这种加速基于工业体系现成技术不断丰富、分工不断细化的事实，换言之非洲就不可能实现这种加速。这意味着：那些在基础研究领域大举投入、却不具备相应产业基础的国家，往往很难如愿以偿，创新学者将该现象称为“欧洲悖论”(Dosi et al., 2006)。更准确地说，产业技术越发达的国家，在基础研究投入中的获益越多；而产业核心技术落后的国家，则应尽可能地在纯基础研究环节保持收缩(Gersbach et al., 2008)：因为即便他们获得“从0到1”的原创成果，也会因产业基础中的短板而无法落地，最终为工业领先国家作嫁衣裳。对工业化以来二百多年全球经济史的观察也表明：还从来没有一个国家在成为工业霸权之前、率先成为科学霸权。

其次，由于技术的“务实”集中表现为“能够达成特定现象”，因此，技术问题的解决并不必然需要科学的支持、即达成现象的过程并不必须“知其所以然”。此时，在反复试错摸索中积累的“经验”和“匠心”就成了解决技术问题的关键：经验越老到，现象的达成就越稳定。一旦获得必要的经验，产业发展就获得了初始动能，而不必等待科学知识健全之日。以自行车为例：诞生200年来，自行车稳定行驶的原理至今成谜，此前出现的陀螺效应、前轮尾迹等解释被先后证伪[1]，但这丝毫不影响其成长为千亿级产业，也丝毫不影响共享单车等新形态的出现。即便高技术产业发展至今，技术的“结果导向”也注定了经验无处不在，这意味着“以科学为基础(science-based)”的产业绝不会变成“科学驱动(science-driven)”的产业、更不会被“科学创造(science-created)”。此类事例不胜枚举，且遍布各个行业。

l  在公认的“以科学为基础”的医药工业中，即便在前端用科学方法筛选出正确的靶向药，后续放大生产的过程中仍然需要通过不断试验来理解不同工艺参数与晶型、杂质和异构体之间的关系，这类工作的绝大多数内容还没有得到科学的支持。

l  在生物医药工业的另一分支、高值医用耗材领域，即便可以用有限元方法去模拟测算高分子材料的强度，但这种材料强度同时受到材料分子量、分子量分布和分子链排列等因素的影响，而加工工艺和技术诀窍正是决定这些影响因素的关键。

l  作为机械行业转型的方向之一，激光增材制造（利用激光将复合强化材料与金属基材融化，使二者在冷却后形成强化层、改变物理特性）需要综合考虑基材属性、工况和性能要求等因素，按需定制强化材料的配方和熔融工艺，而配方和工艺设计需要经过反复试错、积累大量的工程经验，材料科学往往只能提供简单的方向性支持。

最后，除上述差别之外，科学和技术之间也可以建立互动，但这些互动主要是由技术环节发起的。对这一问题最经典的讨论来自恩格斯的《自然辩证法》，“科学的产生和发展一开始就是由生产决定的。……从十字军征讨以来，工业有了巨大的发展，并随之出现许多新的事实……。这些事实，不但提供了大量可供观察的材料，而且自身也提供了和以往完全不同的实验手段，并使新的工具的设计成为可能。”恩格斯在此指出了技术对科学的两种作用路径：一是技术需求（即恩格斯说的“生产”）为科学提供了研究（观察）对象，二是作为实验手段和研究载体，构成了科学“给定条件”的一部分。从这两方面来看，“科学应归功于生产的事实（却）多得不可胜数。”

在前一种情形中，“大工业把科学作为一种独立的生产能力与劳动分离开来。”（《资本论》，400页）此时，响应技术进步需求就成为科学研究的首要任务，其中既包括在现有技术达到极限时为技术升级寻找新的科学原理（如目前产业界为后摩尔定律时代所做的科学储备），也包括用科学语言“翻译”技术经验、以科学原理保障技术“适当条件”的稳定性、一致性和可转移性(Stankiewicz, 2000; Johnson et al., 2002)。积极响应技术升级和翻译的需求，能够使科学研究获得内生于经济体系的发展动力，显著提高其预期财务收益(Rosenberg and Steinmueller, 2013)。所有企业的基础研究都遵循这种“（技术）问题导向”原则：曾八次获得诺贝尔奖的贝尔实验室就坚决避免“从0到1”的基础研究，他们坚信“实验室的科学家并不是领着薪水四处寻找好主意，……他们的主要工作是寻找好的问题”(Gertner, 2012)。

后一种情形更容易被忽视：众多科学研究都依靠技术手段来揭示规律，且难以脱离具体的技术形态，正如今天整个网络科学与工程研究都只能是1969年阿帕网(ARPANET)诞生之后的结果，而非通信协议在前、网络原型在后的“科学驱动”过程；2107年诺贝尔化学奖授予冷冻电镜的发明者，同样反映了这种“科学奠基于技术”的价值观。技术成为科学的基础设施，使科学研究伴随着技术条件和研究对象的改善而具有了“草鞋没样，边打边像”的动态特征；相反，“几乎从来没有看到过这样一种尝试，先把所有的研究方案都列出来，然后再根据正规的计算从中挑选出最好的方案”(Nelson, 1962)。用恩格斯的话说，“在自然科学中要从物质的各种实在形式和运动形式出发；因此在理论自然科学中也不能够想出种种联系再到事实中去，而要从事实中发现这些联系。”这意味着一旦脱离现实产业基础，通过“从0到1”的基础研究追逐原始创新，甚至还有些唯心主义的嫌疑和危险。

我们以中国科学院深圳先进技术研究院（下简称先进院）的合成生物学研究为例说明上述互动关系。先进院发展合成生物学的初衷，是为了响应深圳经济本底中“长”出来的需求、即支持电子信息和大健康两个千亿级产业升级。合成生物学研究是通过“造物”实现“致知”和“致用”，三者统一在“设计à合成à测试à学习”的闭环上。“造物”始于设计，即选择出符合客户需求、具备一定功能的基因排序、并为其量身打造基因通路合成和拼接的实验方案。“合成”则是将设计方案付诸实施、进入实打实的“造物”：合成出设计好的基因通路，并将其与微生物原有基因通路进行对接。合成结果进入“测试”环节，通过试验确认其是否符合目标（“致用”），一旦失败就需要“学习”：检测合成过程中一系列中间产物、以确定失效催化剂的类型、进而更改基因通路设计方案、排除故障（debug，如替换某一种生物酶催化剂），启动新一轮闭环，直到获得理想结果、解决相关科学问题（“致知”）。一旦进入产业化环节，相关方案还要在上述闭环中反复debug来实现优化。

不难看出，“合成生物学”虽被称为“学”，但其基本方法论却是“设计”和“试错”这种技术和工程理念。出现这种现象与其学科发展史有关：合成生物学本就是电子工程学者进入生物学的跨界“结晶”，以工程方法论为指导自然不足为奇。而在这个循环中产生的新知识，也因此兼具了科学和技术两方面的用途：它不仅可以用来产生更多知识，也可以被用于设计、改进技术和发明新技术。正如贝尔实验室对晶体管的研究：其成果既包括基础物理知识上的进步，也包括实际设备的发明和改进。这提示我们一个非常重要的问题：作为线性假设和“从0到1”这套语言范式的支柱，“基础研究-应用研究-试验开发”的研发形态三分法存在某种绝对化的缺陷，即以机械的方式、简单粗暴地处理了基础研究和应用研究之间模糊的界限，机械到很多人甚至忘了它只是一种统计分类，而非对客观世界的真实反映；更矛盾的是，那些响应技术需求的科学工作又难以在这个三分法中找到准确位置。

二．     创新链条的动力源泉：“从0到1”还是技术科学？

以上分析可以帮助我们理解创新链条上的动力机制、即链条不同环节之间的互动如何导致了支持创新的知识结构，其中的要害在于理解基础研究（即前述“科学”）在创新驱动发展中的发生机制。当越来越多的人将“加强基础研究”等同于“创新驱动发展”的时候，今天的中国却同时出现了两种不同的基础研究：除了通常所说的“从0到1”的基础研究之外，以华为、阿里巴巴为代表的一批企业和以先进院为代表的新型工业研究院亦都将研究触角伸向基础研究环节。但这两种基础研究的内涵和实施路径存在着明显差异。源头上的“毫厘之差”，对创新驱动和产业发展的影响可能是“千里之别”。

“从0到1”式的纯基础研究“不以任何专门或特定应用或使用为目的”，亦称“蓝天研究”。从表面上看，这类研究更尊重科学家自由探索，更有可能产生原创性成果。由于强调学术自由，这类基础研究往往高度依赖研究型大学和科学共同体的自治机制，如基金和论文评审中的同行评议机制。但是，如果没有强大的工业体系作为支撑、没有其他技术需求响应机制（如高质量的产学研对话与合作）作为补充，基于科学家自治的蓝天研究就会导致工程技术与自然科学的彼此独立发展和隔阂日渐加深。[2]隔阂的一侧是依赖于经验和试错、缺乏科学保障和“翻译”的技术，这种基础不牢的“务实”最终势必走向经验主义；隔阂的另一侧则是不接地气、缺少用户的科学，这种缺乏内生发展动力的“求真”只能在自娱自乐和贩卖国外学术语言中选择出路。由此导致的“创新驱动发展”自然不可持续：经验主义创新者的知识结构和生产效率长期徘徊于前现代阶段，以中医为代表的众多传统技艺深陷这一困境，更大产业范围内畸高的试验开发经费比例同样反映了企业创新实践对试错的过度依赖；而寄望于“蓝天研究”的重大突破，则无异于在一系列（就业、增长等）容量有限且前途未卜的“点”上“押宝”，其结果自然是大海捞针和小马拉大车。

大型企业和工研院的基础研究则源自攻克技术瓶颈和“翻译”技术经验的任务，是对技术环节发起需求的科学响应，也是对“务实”和“求真”的兼顾。但这种兼顾却在传统三分法中找不到合适的位置：因为这往往需要基础研究、应用研究与试验开发之间的有机联动。有很多术语描述这类跨形态研究，如“巴斯德象限”(Stokes,1997)[3]、十九大报告中的“应用基础研究”[4]和钱学森先生有关“技术科学”的思想。在以钱先生为代表的一批战略科学家（包括沈珠江、师昌绪、郑哲敏、栾恩杰等两院院士）看来，技术科学研究是对工程技术中的宝贵经验和初步理论进行科学概括，从而将自然科学与工程技术相结合、形成的有科学基础的工程理论（钱学森，1957；郑哲敏，2011）。由此不难看出，技术科学研究是连接自然科学与工程技术的“桥梁”和“枢纽”。它一方面提升了关键技术的编码化和精细化水平，使技术进步告别了经验主义，从而有效控制了试错开发成本、方便了技术的低成本扩散；另一方面则对科学探索提出新期望、产生新课题，对工程理论的“翻译”和提高构成了自然科学研究的一部分。这意味着，以任务导向、响应需求为动力、以技术科学研究为“枢纽”，工程技术开发和自然科学研究才能实现彻底的时空统一，协同发展才能真正落地（如下图）。

图1 作为自然科学与工程技术之间“桥梁”与“枢纽”的技术科学研究

从抽象意义上看，“从0到1”的纯基础研究和技术科学式的跨形态研究是一种简单的互补型分工：前者着眼于未来、为长期竞争提供原创动力；后者更关心眼前的重大战略需求和挑战。但活不过眼前的人没有未来，因此即便发达国家也不敢轻易放弃技术科学研究：OECD就将这种研究称为“任务导向型研究”。不同于纯基础研究对科学共同体自治机制的依赖，任务导向型研究有一套独立的运行管理体制：面向国防、能源、工业技术等社会经济需求，由政府所辖研发机构（如美国NIH和DARPA、日本AIST、以及依托大学成立的政府研发中心）执行，选题与考核权力回归政府。这使其一度成为所有发达国家政府影响和塑造产业升级的有力抓手，英、美、韩等国更一直将其作为财政研发投入的主要方向：美国联邦政府的任务导向型研发投入与高校（公立与私立）研发投入之比常年高于3:1(NSF, 2018)。面对新一轮产业革命，就连一直笃信纯基础研究重要性的德国和日本，也开始了战略性调整：2014年颁布的《新高科技战略——为德国而创新》为德国政府“充分利用科学研究的创新潜力”、补齐科学体系与工业研发之间的断层提供了目标导向和政策抓手(史世伟 寇蔻，2018)；日本政府则在2018年大幅增加技术科学研究（日本称为“目标引导的基础研究”）投入超30%，面向大学的纯基础研究投入却经历了三十年来首次下调，其对技术科学的重视程度及其对大学主导的纯基础研究的失望程度可见一斑。

相比之下，我国技术科学研究的发展情况较为复杂。七十年来，奠定新中国竞争力基础的重大成就几乎无不源自技术科学研究，无论是“十二年科学规划”还是“两弹一星”工程，都是“任务带学科、学科促任务、成果为学科提供载体、学科为成果提供支持”的成功范例，我国力学、数学、通信等学科的传统优势即由此而来。正因如此，我国的科技体制一直为技术科学研究留有一席之地：国家重点基础研究发展计划（973计划）和国家自然科学基金都或多或少地强调应用导向。但与此同时，技术科学研究又一直是科技与教育体制中的短板：无论是建国初期的“理工分家”、还是一度强势的“SCI指挥棒”，工科教育几经干扰、无法长期专注于培养贯通科学理论与技术实践的复合型人才；而973计划和国家自然科学基金的课题遴选机制更多地采取了与“蓝天研究”相契合的同行评议机制，这使其研发资金分配日益受到科学家群体偏好与旨趣的影响，“应用导向”初衷岌岌可危；加之线性模式对产业和创新政策的影响，国家创新系统内部的专业化定位不断强化，在单一机构中开展跨研究形态的技术科学研究越来越难（前述“接力”式分工，见下表），而原有的任务导向型研究机构又大幅压缩^[5]。总之，技术科学研究在我国的创新系统中已经走到了几无容身之地的境地。这要求我们必须为重振中国的技术科学研究进行更具针对性的政策组合设计。

表1 国内外研发支出结构对比（2015年）

三．     推进中国技术科学研究的政策选择

技术科学研究与纯基础研究之间的重大差别，决定了我们很难在现有科技体制内通过简单“做加法”来重振技术科学研究，而必须将其作为科技体制改革和创新系统建设的枢纽环节，立足我国具体国情、对产业政策和创新政策进行系统优化，以此重构创新链条动力机制。

1.  以庞大经济存量的转型升级需求作为技术科学研究的战略导向

如前所述，任何科学领域的重大发现都必须同现实世界中的成熟工业技术相结合，才有可能转化为创新竞争力。而且随着产业技术交叉融合的不断深化，那些单凭一两个院所的技术储备就孵化出一个产业的“好事”已经一去不复返。[6]这意味着，在产业政策上任何“鄙视既往、迷信未来”的倾向都要在创新驱动发展的过程中碰壁，老老实实打好工业基础、提高经济存量整体素质，才是优化科研投入产出比、实现产业升级的关键。

这决定了当前创新驱动的第一要务，就是以技术科学研究服务于庞大经济存量的转型升级需求：充分考虑中国自己的产业本底素质、市场需求特征和具体升级诉求，“以我为主”地重新理解和定义产业升级所面临的现阶段技术瓶颈和未来关键生产要素（而非简单地以西方为模板、定义所谓“卡脖子”环节），以此作为技术科学研究的任务/需求导向，并将其提高到技术基础设施的高度，从而以更大规模、更加高效的公共财政支持，帮助现有企业降低创新转型成本，走出“不创新等死、创新找死”的困境、走出经验主义的创新初级阶段。

在此过程中，响应产业需求的技术科学研究还有一种其他研究形态所不具备的优势：作为连接科学研究与工程技术的“枢纽”，它完全有条件成为市场机制与举国体制的结合点，从而最大程度地放大中国的体制优势。通过响应产业真实诉求获得的关键技术，将在市场条件下完成商业化和扩散，但对工程技术背后科学原理的深入探索可以成为“集中力量办大事”的重点领域。尤其是在工业互联网等新兴技术支持下，以“国家队”形式在全国范围内收集经验数据、形成行业数据库，反求其科学原理、甚至形成相关工业软件的条件渐趋成熟。但这也意味着对技术科学研究的组织将与现有科技体制存在明显差别。

2.  以新型研发机构作为现阶段技术科学研究的主要载体

由于学科建设、专业分工、制度导向、文化氛围、产学互信不足等现实原因，高校并非现阶段加速启动技术科学研究的最佳选项。而在现有的公共研发机构中，基础研究与应用研究相分裂的问题仍然比较突出。因此，技术科学研究的突破口只能放在“增量”上。

近年来，多部委重启了对新型研发机构的布局，可在建设之初就把技术科学研究确立为这些机构的主攻方向。通过合同研发或合作研发等形式，帮助有自主开发意愿的企业解决研发过程中的具体技术困难、尤其是跨学科集成问题：此时企业的需求知识和创新目标都是现成的，合作研发的目标就是形成明确的产品或工艺创新。而在与不同企业的合作过程中，寻找关键/共性技术突破点、汇聚点和增长点，加大技术原理的科学“翻译”力度。通过建立新型研发机构这样的组织结点，有利于在国家战略目标与现实产业基础之间寻找“最大公约数”：为了确保合作质量，“国家队”要有明确的需求导向，合作企业则需努力提升其工程技术能力。因此，以服务产业需求为己任、以技术科学研究为工作内容的新型研发机构，完全可以成为将国家意志打入本土产业链发展进程的一根“楔子”。在此可借鉴先进院等机构的经验，以团队为基本考核单位，鼓励科学与技术双方向的“集团军”作战。

在具体操作环节，支持这类合作开发应遵循两点基本原则。一是让企业在合作中尝到甜头，但又避免其通过项目分钱。这需要政府在财政支持上保持克制，进一步提高研发投入的市场化水平；同时加强需求端政策设计，可借鉴国家科技重大专项的经验，通过政府采购补贴、贴息贷款等方式为合作创新产品提供市场机会。二是以积极政策引导合作开发企业共享技术经验，从而为前述科学“翻译”环节和工业软件开发提供物质基础。这种数据共享是攻克中国工业软件短板的必要步骤，因此可以为合作企业提供类似软件行业“即征即退”的政策优惠，这也能够使新型研发机构尽快成长为经验汇聚、编码整理和科学化提升的枢纽。

3.  按照技术科学研究的需要，优化国家创新系统各现有要素

新型研发机构的技术科学研究不是在真空中运行的，必须获得国家创新系统内其他成员的支持。这就要求我们按照技术科学研究的需要对存量要素进行优化。其中包括：

·加大知识产权保护力度和社会信用惩戒力度：以压制长期滋生的机会主义思想，为数据共享、合作研发与技术扩散创造条件。在此需谨慎权衡地方政府在新型研发机构建设、治理与投资中的角色：其保护主义倾向往往不利于知识产权保护。

·重新理解大学在国家创新系统中的作用：虽然大学已被赋予学术交流、成果转化、双创平台等太多角色，但它对创新的最大贡献还是通过问题导向（而非发表或竞赛导向）的教学过程、培养掌握现代研究方法和原则的学生，这些学生只有依靠其问题解决能力、融入现有产业及其工人的发展，才能最大化其作用(Mowery and Sampat, 2005; Lundvall, 2007)。这一基本认识应成为制定新时期高校及其教师评价与资助标准的总原则。

·以技术科学研究的要求提升工科教育：近几年的“新工科教育”强调回归工程，是对产业竞争需求的积极响应，也是对“SCI指挥棒”的及时纠偏，但需避免其走回“理工分家”的老路。为此需从三个方面提升工科教育的科学基础，即工程分析的数学方法、工程分析的科学基础和工程设计的原理和实践，从而为精细化、编码化、数字化水平不断提升的产业创新提供贯通科学理论与的技术实践的复合型人才。

·加强工业行政能力与科技管理能力：立足中国产业具体实际、发现技术科学研究方向，要求国家有针对性地加强工业行政部门与科技管理部门的能力建设和人财物力投入，确保其拥有充分的专业知识。这对应对当前的产业革命、理解产业发展整体脉络和未来走向意义重大。技术科学研究主管部门还需充分认识现代工业研发的长期性与复杂性，为科学“翻译”工作留足周期，扎扎实实做一个成一个，不要让项目参与机构疲于“讲故事”、“编本子”。

总之，从中国现阶段的具体国情出发，技术科学研究理应成为克服创新链条各环节时空错乱、协同推进基础研究与技术开发的重要选项，科技体制改革和创新系统建设的相关工作也应充分考虑其基本规律和要求。有朝一日，中国有可能会以更加依靠科学家自治的蓝天研究取代任务导向的技术科学研究。但这种转变只能在历史中实现，而不能仅仅在想象中、甚至颟顸的错觉中“被实现”：而产业竞争力的整体提高一定是这个历史过程的主要内容。

[1] 对这一问题一个有趣的回顾，见http://blog.sciencenet.cn/blog-39472-770407.html 。

[2] 史世伟 寇蔻(2018)对德国的研究表明，即便拥有强大产业基础和诸多产学互动机制，蓝天研究与工业需求之间的隔阂也难以避免。他们将此视为德国在新兴产业领域创新竞争力不足的重要原因。

[3] Stokes(1997)将“应用引起的基础研究”称为“巴斯德象限”，以区别于无应用目的的纯基础研究（玻尔象限）和无科学支持的纯应用研究（爱迪生象限）。这个定义反映了“技术环节发起科学-技术互动”的特征。但在近年国内的相关讨论中，这种因果顺序被刻意忽视，导致了对“巴斯德象限”的误用和滥用。

[4] 但“应用基础研究”并非学术概念，它到底是应用导向的基础研究、还是应用学科的基础研究、抑或基础研究与应用研究之间的连接和过渡，甚至它到底属于基础研究还是应用研究，各种解读不一而足。

[5] 全国公立研发机构从1998年的5374家减少到2017年的3547家，科技人员从81万余人减至约49万。

[6] 典型如清华工物孵化同方威视、西安光机所支持航空工业，但这两个“成果转化”的例子同样是从明确需求开始的，而非人们想象中的科学驱动的过程。