摘要：本文提出了社会进步的三个典型发展阶段，即物质积累阶段、资金积累阶段和科技积累阶段，并解释了每个阶段的涵义、特征，对社会进步的贡献，特别论述了科技积累又分三个阶段，其中的高级科技创新积累阶段对做大GDP，跨过中等收入陷阱非常重要。最后剖析了我国进入高级科技创新阶段高技术开发要重视的领域，提出了基础研究中存在的问题和解决办法。

一、社会进步的三个典型发展阶段

社会进步普遍包括三个递进和循环的阶段：物质积累阶段、资金积累阶段和科技积累阶段。

物质积累阶段是从生产生活物资匮乏到相对丰富和绝对丰富的发展阶段，或者生产生活物资的生产从生产不足到相对过剩或绝对过剩的阶段。我国古代大部分朝代一直都属于物质积累阶段。西方国家从古代起一直到英国第一次经济危机，再到二战后福利社会的兴起，都一直属于物质积累阶段。

资金积累阶段是社会物质积累阶段总体已经完成，生产已经过剩，组织生产的主要目是赚取利润，实现资金积累，而不是满足社会的生产生活物资的需求。例如英国工业革命后期，工业生产已经满足全国需求并出现过剩，在利润的驱使下到全球开发殖民地，寻找商品和原料市场到二战后福利社会建成。我国北宋有一段社会经济发达，人均GDP达到3千美元,GDP全球国家最高，物质生产积累富足，完成了社会物质积累阶段，进入过资金积累阶段，在一定程度上实现了初级的免费医疗、免费教育和免费养老的福利社会，由于有过剩的资金，在对外政策上开创了丧权辱国的岁币政策。

科技积累阶段是贯穿在人类社会中发现自然规律和进行技术创新积累的阶段，是新思想、新技术、新商品和新服务产生的过程，它直接推动了物质积累和资金积累阶段。科技积累阶段又分三个阶段：初级科技积累阶段、科技应用积累阶段和高级科技积累阶段。初级科技积累阶段和应用积累阶段主要发生在社会物质积累阶段和资金积累阶段，而高级科技积累阶段主要发生在资金积累阶段及之后。

科技积累阶段的显著特征是发现自然规律、开发新技术以及知识和技术的传播运用推广。例如，原始社会的旧石器时代的标志是使用天然的工具（石块、棍棒等），随着人类不断在使用工具上的知识技术积累，进入了能够打磨创造石质工具、火的利用和陶器烧制的新石器时代，在烧制陶器过程中人们发现了铜矿石烧成的物品更坚硬，因此制造了生产力比石器更高的铜器，随着铜器冶炼技术的发展，人们发明了需要1500度高温的铁冶炼技术，使比铜器更坚硬更具韧性的铁器得到使用。铁器使用后，人们才发明了各种经久耐用的机械，使体力劳动者得到解放。在近代，随着传统的机械和电子管技术的发展，电脑软硬件和信息技术产业创新得到推动，在有线电报电话科技积累支撑下，移动通信技术和伴生的服务得到发展。

科技积累阶段中的初级科技创新积累阶段在旧石器、新石器、铜器、铁器、机械、信息时代每一个社会都存在，例如我国古代发明了水稻的种植方法、豆腐的制作方法、丝绸的制造方法（包括养蚕和织布），英国18世纪发明了车床、英国和德国在19世纪发明火车和汽车等。初级科技创新积累阶段是社会经济相对落后的科技积累阶段和方式。这种科技创新积累一般呈现个人的和作坊式的创新，尽管创新成果是世界上首创，对推动社会变革起着巨大作用，但一般是一种个人自由活动、协作度较低的活动，例如西方文艺复兴之后物理学、化学、生物学的大发展时期，以及蒸汽机、汽车、火车和飞机的发明。

高级科技创新积累阶段是社会物质积累阶段完成后、资金积累阶段过程中或之后的一种创新积累阶段。这种积累方式呈现出有组织、工厂化、专业化、规范化的创新活动，如大量研究院所、高科技企业、小巨人企业，而且创新成果是世界上没有的，国家和企业有大量的资金支持，风投资金充足。例如美国从二战后社会物质积累阶段完成，进入资金积累阶段，福利社会建成后的创新活动，推动了先进制造、生物医药、航空航天、电子信息的大发展。上世纪50年代直至2015年，我国科技创新活动的组织形式虽然有大量研究所，有高科技企业，有专业化的研究机构，资金也相对充足，但是原创性的知识和技术相对较少，主要还是通过消化吸收的方式完成科技活动的贸工技，严格意义上总体属于科技应用积累阶段，不属于高级科技创新积累阶段。

2015年后，我国社会发生了很多变化：一是社会物质积累阶段已经完成，代表性的现象是城市农村房屋建设已经足够14亿人居住、吃穿用玩教育的商品已经充分丰富，基础设设施已经超前发展，也就是说大部分商品生产已经完全满足全国人民需要（除少数商品还没有饱和如汽车），生产能力已经富余。二是进入资金积累阶段，这一阶段要把富余的生产力进行转化，组织这部分生产，主要目的是为了获取利润，不是满足国内需要，如“一带一路倡议”的实施，尽管这一战略能够推动落地国家的物质积累阶段发展。三是进入高级科技创新积累阶段。其标志是很多技术如高铁、新能源车、光伏、电力系统、物流系统、移动支付、5G通信、北斗导航、驱逐舰、战斗机、盾构机、深海设备、架桥设备、生态修复技术等已经开始超越西方。尽管基础研究主体仍然处于模仿阶段，但是在工程技术领域开始超越西方的带动下，到2035年左右，应该会有不少独立创新的超越西方的领域出现。

事实上，我国古代已有朝代进入过高级科技创新积累阶段。这个朝代在北宋。北宋有司天监、太医局、军器监、将作监负责管理历法气象天文、疾病治疗技术、武器和工程建设研究工作，机构下边有很多具有现代研究所性质的机构、单位开展科学研究，再加上经济发达，资金充足，社会福利好，思想开放，宋朝诞生了中国4大发明、钻井机、水密仓、纸币（高级印刷技术）等一系列引领世界的研究成果。如果不是军事理论、国防政策、外交政策的失败，没有把科技经济优势转变成军事优势，现在的中国可能已经是替代西方的存在了

。

二、高级科技创新积累阶段可以“新做蛋糕做大蛋糕”

那社会的物质积累阶段、资金积累阶段和科技积累阶段有什么关系呢？这个问题看似很直观，但是理解它们之间的关系，可能会得到一些很有价值的东西。

图1表明了社会物质积累、资金积累和科技积累的关系。初级科技创新积累阶段贯穿在社会物质积累阶段、资金积累阶段，并推动这些阶段的发展，最后进入高级科技创新积累阶段。现代社会的高级科技创新积累阶段反过来又创造了新的技术、商品和服务，这些技术、商品和服务和过去的技术、商品和服务完全不同，使这些稀少的技术、商品和服务进入社会物质积累阶段，如电脑、手机、移动支付出现后相当长一段时间，使社会的物质生产规模和营收数量大幅增加，创造更大的GDP，因此，高级科技创新积累阶段是新的社会物质积累和资金积累的助推器，新的社会物质积累阶段和资金积累又推动更高级的科技创新积累阶段的发生，形成良性循环。

 图1 社会物质积累、资金积累和科技积累的关系 

这里以美国为例子进一步说明三者间的关系。二战前，美国最先进的生产力是蒸汽机（第一次产业革命）、发电机-电动机-内燃机（第二次产业革命）的使用，二战后社会物质积累和资金积累阶段完成，福利社会逐渐建成，社会进入了高级科技创新积累阶段，催生了现代石油化工、金属冶炼、汽车制造、航空航天、计算机产业（第三次产业革命）五大全新产业发展，GDP从1950年的3001亿美元（人均1582美元，此时人均不如我国北宋一段），增加到了1980年的2.86万亿美元。1980年之后，高级科技创新积累阶段在电子信息产业、生物医药、先进制造、先进金融服务业领域的巨大创新，再加上原来的传统产业，到2023年，GDP又达到27.72万亿美元。

1950年，美国先进的石油化工、金属冶炼、现代汽车、航空航天、计算机产业是没有的，即使有也只是一个雏形，从1950-1980三十年间，在高级科技创新积累阶段中，这些产业和技术（主要是美国创新的）得到长足发展，不同于1950年之前的一个新的物质积累阶段诞生了，创造了巨大的新生产和新需求，GDP成倍增长，当然也带来了新的资金积累。同样，在2023年，高级科技创新积累阶段带来的电子信息产业、生物医药、先进制造、芯片制造、各种高新药、先进服务业如手机、互联网、电商等在1980年是没有的，43年间高级科技创新积累阶段又带来了另一个新的物质积累阶段，创造了巨大的新生产和新需求，经济规模又上了一个大台阶。

因此，高级科技创新积累阶段会开启一轮新的社会物质积累阶段，也就是创造出新的物质、商品和服务，会使社会进入这些物质、商品和服务的短缺时代，如对于手机来说，刚开始出现，是一种占有市场很小的短缺商品，企业会不断组织生产满足需求，开拓市场，在这个物质积累过程中，GDP的盘子就增大了，最后资金积累也就增加了。

 高级科技创新积累还是跨过中等收入陷阱的关键所在。中等收入陷阱是指一个国家人均收入达到中等水平后，由于经济发展方式转变、产业升级等困难，导致经济增长动力不足、经济停滞，无法顺利进入高收入国家行列的现象。发展中国家进入高级科技创新积累阶段后，有比较多的技术创新积累，就能跨过中等收入陷阱，如韩国、我国台湾省，但是没有进入的国家就无法跨过，如阿根廷、巴西、南非、墨西哥等。我国从2015年起已经进入科技创新积累阶段，跨过中等收入陷阱只需要几年，如果从购买力看，已经跨过。

三、未来展望

我国现阶段已经发展到了高级科技创新积累阶段的风口上。下一轮新的物质积累阶段的物质、商品和服务主要是人工智能、人形机器人、先进生物医药、航空航天、先进通信技术。人工智能可以使各行各业的人，从依赖大脑的工作中解放出来，如医生依靠大模型在获得患者检查信息的基础上，做出最准确的诊断和用药决策，甚至可以发展到整个检查过程、诊断过程、病历准备、用药决策都实现人工智能。律师和法官可以依靠法律大模型，梳理和准备各种证据资料，做出最合理的判决。农田管理中，根据实时影像、作物生长期、农田土壤信息、气象资料，可用农田管理大模型对施肥量、施肥方法、农田管理进行决策。外交官可以根据外交决策大模型，对某个国家发生的事件，做出外交关系优化处理方案。还有军事决策大模型、破案大模型、公司管理大模型、财务分析大模型、人才分析大模型、项目评审大模型等，反正只要思考的东西，都可以开发大模型。最近很火的DeepSeek,豆包、GPT是综合模型，各方面的知识都有，各种专业模型可以连接到这些综合模型上，资源共享。各种大模型的开发应用是人工智能的第一阶段，很快，各种模型和各行业模型将开发完毕。

对于人形机器人，类似电脑包括硬件和软件，硬件部分就是机械部分，这个机器人必须关节灵活、反映灵敏、平衡到位、感知精准，主要表现在走、听、看、触、距离分析、物品识别能够达到很高水平，春晚节目中的人形机器人已经很先进了，但是要达到上述要求，还需要不断努力研究。软件是各种不同动作的程式化表达，例如利用洗衣机完成清洗动作的软件开发，整理家中床铺衣物卫生的软件开发，8大菜系或者西餐每一菜系如川菜所有菜品制作过程的软件开发、教育孩子从幼儿园到大学所有课程教学的软件开发、农场工作的软件开发、餐馆酒店服务员服务过程的软件开发等等。把软件安装到人形机器人硬件上，人形机器人就会根据指令和场景做软件要求的工作；第一阶段的大模型、各种应用软件安装到人形机器人上，人形机器人会根据人的指令，利用大模型获得和优化信息，像人一样工作，这是人工智能的第二阶段。这些研发工作需要尽早规划，别人领先后如果不开源需要缴纳知识产权费。

在先进通信技术方面，研发脑机接口、人脑-机器人通信技术、人脑-机器人复合技术，实现肉体的人和孪生的机器人之间通信和合体，由人的意识活动和指令能够指挥控制孪生机器人承担人的大部分工作，到人无法达到的地方如深海、月球、其他星球上工作，最大限度扩大人类的活动空间。这是人工智能的第三阶段。

先进生物医药主要和人工智能结合，开发延缓衰老的药物、治疗重病的药物、手术机器人、治疗慢性病的微型机器人、准确监测人体疾病的穿戴智能用品、监测流行病的设备等。

航空航天方面主要开发安全快捷到月亮的运输工具、生活在月亮的日常设备、建筑技术、维生设备、种植设备、月球资源开发设备、月球生产工具设备等。逐步鼓励特高净值人群到月亮旅游，使航天技术商业化水平能够自持。

如果我国未来在高级科技创新积累阶段能引领发展，将会创造更多新业态，增加更多就业，转移现有传统产能，创造几倍甚至几十倍的GDP，比如达到60万亿美元水平。但是如果仍然特别关注已经饱和的物质、商品、服务的组织生产，如房地产、钢铁、传统家电、传统机械、一般医药产品、电脑设备等，由于内卷严重，利润低，资金积累效率低，要使GDP大幅度增长是比较困难的。因此，在保持原来传统产业优势的基础上打造新的高技术产业是非常重要的。

目前我们和美国在上述新领域已经处于同一起跑线上，就看谁能取得先机，率先研发出这些新技术，形成科技资源配置的优势。如果我们取得优势，掌握了核心技术，就可以在全球产业分工中处于顶层，类似现在的美国一样出口的是高定价的技术，进口的是日用品（当然也不能像美国传统产业空心化），我们对外出口和进口依存度就会大大下降，经济发展主要靠国内市场不断循环的物质积累和资金积累阶段。如果要对一个国家cai qu jun shi xing dong，不至于受到贸易和发展的限制。

要取得优势，可能要学习华为公司等高技术公司的管理方式做科研。华为是一个公司，实际更是一个研究所。因为华为所有人都在做研发和管理，它们没有任何工厂，所有产品是设计好、试验好、检测好，送给外包公司代工如富士康、比亚迪等。华为公司组织结构和产权结构也是非常科学，股权都是集体所有，年轻人也有机会得到股权，创始人股权比例很小，没有高额利润阶层，这就最大调动了积极性，投资研发的比例很高。如果我国上述新领域能够发展出10家类似华为的公司，事情就可以搞定。

对于基础研究，是支撑未来新技术的基础。例如，美国2020年世界首个工智能大模型GPT3的诞生是基于比我们先进的数学基础研究成果开发的，2024年，我们基于该模型的开源和数学理论，研发了比他们更好的DeepSeek模型，以及豆包、智脑等。DeepSeek的出现，打破了美国大模型收取超额利润的格局，目前他们没了超额利润，又在准备用最新的数学理论研究更好的模型垄断人工智能。又如，我们杂交水稻的成功是基于西方杂交优势的发现，如果没有这个发现，杂交稻是无法培育的。因此，技术的进步依赖于基础研究成果先行。美国有一部分人，以及美国总统拜登演讲曾提出一个错误的观点：认为中国是永远赶不上美国，其原因就是定位我国基础研究及其支撑高技术开发的无力，需要从西方获得新的基础理论，结果技术开发就慢了几年。

我们基础研究落后，首先是我们的基础研究环境仍然没有长足进步，基础研究的管理已经落后于高科技企业。高科技企业有项目部、财务部、研发部、规划部、生产部，是专业化的分工，对于有前瞻性的专业人士，被安排到规划部，对研究有创新的人安排到研发部，社交能力强又懂技术的人在项目部运作获得资金。但是做基础研究的院所和大学，一个老师既要搞社交申请项目，又要搞研发，还要做财务管理，还要代本科生、研究生，还有其他各种日常事务，影响了集中精力思考和创新。 但是这些还不是制约基础研究的最大障碍。我国基础研究取得长足发展的最大障碍主要是下列几方面：

第一、           指导项目申请的指南没有很好聚焦重要的、关键的和影响世界的科学问题。

目前的各种指南关注的科学问题太分散、太简单、太定向。所谓太分散，就是面面俱到，没有重点，没有聚焦那种只要解决了这些问题，我国基础研究就会上一个大台阶的科学问题。当然这样做也有它的好处，就是对各学科领域都分到一点资金，维持各学科的存在，照顾到研究者的兴趣。所谓太简单，就是指南细分到一些小分支，这些小分支对支撑基础性的、关键性的和前瞻性的领域和方向发展没有多少作用，是一些细枝末叶的问题或者根据西方的前期研究，修修补补的问题。所谓太定向，就是指南因人设事，这不可避免带来利益冲突问题，有不好的东西在里边。现阶段指南编制的操作是这样的：因为资金资助管理单位人很少，工作量大，很累，一般只能邀请熟悉的专家起草一个指南初稿（分学科），然后邀请一些专家进行评审修改，最后就确定下来资助方向。由于专家主要熟悉自己的领域或者稍宽一点的大同行，对关键科学问题重要性的把握往往具有局限性，例如，研究蚂蚁的专家会提出，蚂蚁对生态系统废物的循环和土壤营养具有重要意义，研究大象的专家觉得大象是最大草食动物，对植物群落结构的建成具有重要作用，研究太阳的专家认为万物生长靠太阳，是地球能量的主要来源，研究地球的学者认为，地球是人类的家园，研究线性规划的学者认为，对于各行业的优化方法具有重要的指导作用……。因此，常常突出自己研究领域的重要性，以便获得资金支持。总体来说，很多指南中的问题，即使解决了，对我们的基础研究突破作用不是特别显著。

解决方法：广泛调查研究，扩大征集范围，多听产业界卡脖子技术的科学基础问题，吸收国内外各学科对关键科学问题的理解，最后由各级科技委、人大政协中的科技委、科协确定指南，发文件并持续资助。要编制出那种基础性、战略性、关键性、前瞻性的指南来指导基础研究：当某个学科领域的研究没有突破时，大家都在积蓄能量默默地耕耘，一旦有突破就石破天惊，这个领域的基础研究水平就可以和发达国家的水平一样高，创造出世界上有话语权的大科学家。目前跟随西方研究，即使发表世界第一多的论文、世界第一多CNS论文，没有类似辛几何算法、哥德巴赫猜想、经典规范场、青蒿素、胰岛素等从0到1的原创成果，对基础科学的突破作用也不是很大。能够学会发表高水论文，其理论和方法学体系是模仿西方的，自己的原创不足，其成果只能算教学成果。因此，指南编制不能草率，是行动指南，是撬动国家科技进步的基石。试想猎人打猎，目标没有找好，如何努力都不会有收获。

附件1 和附件2是国际上公认的没有被解决的基础研究关键科学问题（资料来自于Science和千禧年问题等），可以结合我们实际，作为指南编制的参考。这些科学问题如果被我们解决了1/3，我们作为世界科学中心（新知识从我们流向世界，有别于从欧美流向我国）就会建成，诺贝尔奖都会被边缘化。

第二、           要改革项目申请和评审环节，把资金真正投到能做出创新研究的专家手中。

关于这个问题，很多人都提出了批评。目前，在各种项目申请上，申请书写好后，需要大量时间去跑社交，想办法找到评审人联系方式，努力去找评审人沟通，希望评审人打高分。久而久之，就形成了一种相互照顾的利益共同体模式，高频主持各种基础研究项目的专家就是同一批专家。因为这批专家中一些专家申请的时候，另外一些专家作为评审者，而下年度或者下次申请时，这批专家中申请者和评审人交换了身份，就这样相互支持地持续着，有创新思想的人，不在这个利益共同体内，申请N次也不会得到资助。这些问题已经是公开的秘密，学者们互相学习交流坏经验，年轻学者向中老年学者学习取经，败坏了学术风气。很多人项目主持了很多，花费了大量经费，论文发表了不少，但是就是没有什么创新, 绝大部分申请书和研究工作，就是西方发表了什么研究成果，快速跟进，然后发表一系列论文交差，甚至为了完成项目考核，很多大学者、知识界的高级干部论文造假，重复使用图表数据，把过去的图贴在新论文中等（例如最近对某些学者的大胆处理，以及我们一小个系就有12篇论文被撤稿），全国学术造假还不知道有多少。这种由申请者形成的利益共同体轮流持续主持项目（资金资助单位无法控制），创新已经是黔驴技穷，因为执行上述评审和资助方式已经几十年，重要创新成果仍然很少（附件3），表明是不合理的。

解决办法：采用人工智能大模型进行评审，根除评审环节的毒瘤。国内外的大模型已经相当成熟，这里我举个例子：我利用抖音开发的豆包大模型，请求写两首诗，一秒钟就生成了，感觉比我自己写的好。我问是哪朝人写的，说是人工智能写的，我查了之后确实是人工智能写的：

I: 微微皱眉，略作思索，手中笔轻落纸面

《冬景》

寒风吹雪漫天涯，冻柳僵枝伴暮鸦。

霜落千山封翠色，冰封万水失繁华。

炉边独酌温醇酒，窗畔闲观绽腊花。

静待春归阳气转，再迎绿野遍桑麻。

II: 嘴角上扬，自信微笑，提笔蘸墨 

《冬日》

冬日萧森霜气浓，荒村野径少人踪。

梅枝绽蕊迎寒笑，松叶凝冰傲冷风。

暖屋围炉谈世事，寒窗对月赋情衷。

遥思春至芳菲处，燕舞莺啼绿映红。

AI已经发展到这样的程度，对基础研究申请书的评审完全没有问题。如果只是评审几个项目，现在的DeepSeek、豆包、GPT就可以给出很好的评审意见。但是对于海量的评审，比如一年评审100万分申请，还需要管理部门在项目申报系统中以DeepSeek等为平台，开发一个评审APP，利用DeepSeek强大的数据收集和分析能力，对相同学科项目申请的研究意义、创新性、可行性、研究基础进行评价，打分排队，确定资助名单。用AI评审的几个好处是：1）公正公平，消除关系利益人情的干扰；2）AI可利用的知识库非常强大，可以把项目放在全球研究中来比对，真正把创新项目评出来，是评审专家的知识望尘莫及的，AI评审对项目优秀程度的判断力比专家要好；3）避免科技人员把主要精力放在申请项目上，根除重申请，轻研究的弊端，切实把精力放在创新工作中；4）评审高效，AI评审大大减轻资助管理部门的工作量，把大量精力集中在项目执行过程管理中，提高资金效益，当然项目执行过程的管理也可以用AI；5）AI代替专家评审这个环节可节约评审时间和评审费，因为开发基于大模型的基金评审系统，只需要花0.5-1千万元，3个月就可以搭建完成，每年都可以用，之后就不需要那么多专家年年几个月马拉松式评审。

当然，也可以改革现在的“申请资助-研究”的模式为“资助研究-评价创新”模式。做基础研究可以不主动申请项目，对于做基础研究的博士毕业生，先资助50万元，5年后连续评价创新性成果，根据成果的意义和创新性决定是否给以下一步的资助，如果资助后没有什么重要的创新成果，以后就不再给予资助，直到做出创新性和意义大的工作，这样就保证了研究人员持续做出创新且意义大的研究。这种模式将调动了科技人员找研究意义大的主题做创新研究，阻止现在不管什么研究都要找关系沟通的弊端，把精力集中在研究上。

第三、开展基础研究的主要科技人员思维模式需要改变，已经落后于产业界。

我国做基础研究的学者习惯于从西方主要刊物和会议上找科学问题，发现西方发表了什么新的东西，开会报告了什么新东西，就快速跟进。因为有西方前期探索，有明确的科学问题和技术路线，上手就比较快，很快就完成论文发表，而且各院所和学校有大量的资源跟进，发表一系列高影响因子文章，之后申报各种帽子和奖励，人才和奖励都比较多，但是原创比较少。 例如，埃马纽埃尔·夏彭蒂耶和詹妮弗·杜德纳因为她们的研究揭示了基因编辑技术的工作原理，并证明了其作为一种高效、精确的基因编辑工具的潜力，获得了2020年诺贝尔化学奖。具体原理是它们发现了CRISPR（基因）和Cas9（酶），二者可以形成复合体，找到生物体内发病的基因，剪掉它并换上正常的基因的可能性。实现这个技术，病就可能被治好了！在西方学者发表（1987-2012年期间）了这个原理后，我国学者快速跟进（2013年发表第一篇论文），实现这个技术做出了重要贡献，在医疗、农业领域，基因编辑技术的应用研究已经处于世界前列（这也是一个成就）。但是由于不是原理的原创，我国学者和诺贝尔化学奖失之交臂。这只是其中的一个例子，其他领域也有一些例子。

出现这种现象的客观原因主要是我国社会经济长期落后于西方，50，60，70年代出生的科技人员在2000年-到目前为止是基础研究的主体。当他们成为一名科技人员时，比如30岁时，我们国家和美国、欧洲和日本在基础设施、研究条件、发表成果、收入水平、生活用品等差距非常大，他们出国看到的发达社会和我们国家千疮百孔的现状反差出奇的大，觉得我们没有上百年难以赶上发达国家，因此，在思想上常常形成一种不自信的思维定势，在行动上表现出跟踪研究的特征；在评价上，我国基础研究的整个评价体系总体上表现出支持创新研究，但具体评价关注短平快成果，如用高影响杂志论文、纵向项目来评价，形式主义的东西太多，然而往往最原创的成果并未最先发表在高影响杂志。对于80、90、00年代出生的科技人员，当他们成为科技工作者时（2010年后），并不觉得我国的基础设施、研究条件、发表成果、收入水平、生活用品等与西方国家有多少差距，因此思想上自信，研究行为上要求引领，比如下列这些年轻团队：北斗团队、载人航天团队、华为团队、DeepSeek团队、Fast团队等。

解决办法：50、60、70后的研究人员尽快退休，让出的资源，支持80、90、00后挑大梁。50-70年代出生的科技人员退休还可以更好地净化科研环境，因为不利的科研环境都是由于各种原因，由这几代人营造出来的，如果长期工作下去，对年轻的科技人员的影响也是不好的。对退下的50-70后，可以在每个单位离退休处设置不同学部，为热心研究的科技工作者提供服务，开展相关研究。但是最好不要和年轻人争资源和平台。

解决了上述3个基础研究中的问题，我相信快则5-10年，慢则10-15年，我国定会成为全球基础研究的中心。

附件1  全球普遍公认的125个未解的重要科学问题

数学

1、什么使素数如此特别？

2、纳维尔-斯托克斯问题会得到解决吗？

3、黎曼猜想是真的吗？

化学

4、还有更多色彩元素可发现吗？

5、元素周期表会完整吗？

6、如何在微观层面测量界面现象？

7、能量储存的未来是怎样的？

8、为什么生命需要手性？

9、我们如何更好地管理世界上的塑料废物？

10、AI会重新定义化学的未来吗？

11、物质如何被编码而成为生命材料？

12、是什么驱动生命系统的复制？

医学与健康

13、我们可以预测下一次流行病吗？

14、我们会找到治疗感冒的方法吗？

15、我们可以设计和制造出为个人定制的药物吗？

16、人体组织或器官可以完全再生吗？

17、如何维持和调节免疫稳态？

18、中医的经络系统有科学依据吗？

19、下一代疫苗将如何生产？

20、自闭症的病因是什么？

21、我们能否克服抗生素耐药性？

22、我们的微生物组在健康和疾病中扮演什么角色？

23、异种移植能否解决供体器官短缺的问题？

生物学

24、什么可以帮助保护海洋？

25、我们可以阻止自己衰老吗？

26、为什么只有一些细胞会变成其他细胞？

27、为什么有些基因组非常大而另一些又非常小？

28、有可能治愈所有癌症吗？

29、哪些基因是我们人类与众不同？

30、迁徙动物如何知道它们要去哪里？

31、为什么恐龙长得如此之大？

32、地球上有多少物种？

33、有机体是如何进化的？

34、能否复活灭绝生物？

35、远古人类是否与其他类人祖先杂交？

36、人类为什么会对猫狗如此着迷？

37、人类的情感源于何处？

38、世界人口会无限增长吗？

39、我们为什么会停止生长？

40、人类可以冬眠吗？

41、未来人类的外貌会有所不同吗？

42、为什么会发生物种大爆发和大灭绝？

43、基因组编辑将如何用于治疗疾病？

44、可以人工合成细胞吗？

45、细胞内的生物分子是如何组织从而有序有效发挥作用的？

天文学

46、空间中有多少个维度？

47、宇宙的形状是怎样的？

48、大爆炸从何处开始？

49、为什么行星的轨道不衰减并导致它们相互碰撞？

50、宇宙何时消亡？它会继续膨胀吗？

51、我们有可能在另一个星球上长期居住吗？

52、为什么存在黑洞？

53、宇宙是由什么构成的？

54、宇宙射线的起源是什么？

55、我们是宇宙中唯一的生命吗？

56、物质的起源是什么？

57、时空的最小尺度是什么？

58、水是宇宙中所有生命所必需的么，还是只对地球生命？

59、是什么阻止了人类进行深空探索？

60、爱因斯坦的广义相对论是正确的吗？

61、脉冲星是如何形成的？

62、我们的银河系特别吗？

63、深层生物圈的规模、组成和意义是什么？

64、人类有一天会不得不离开地球吗（还是会在尝试中死去）？

65、宇宙中的重元素来自何处？

66、有可能了解致密恒星和物质的结构吗？

67、高能宇宙中微子的起源是什么？

68、什么是重力？

物理学

69、有衍射极限吗？

70、高温超导的微观机理是什么？

71、物质传热的极限是什么？

72、集体运动的基本原理是什么？

73、什么是物质的最小组成部分？

74、我们会以光速行驶吗？

75、什么是量子不确定性，为什么它很重要？

76、会有“万有理论”吗？

77、为什么时间似乎只朝一个方向流动？

78、什么是暗物质？

79、我们可以制作出真人大小的隐形斗篷吗？

80、是否存在与光子性质或状态相反的粒子？

81、玻色-爱因斯坦冷凝体未来会被广泛使用吗？

82、人类能制造出与太阳光相似的非相干强激光吗？

83、我们可以将粒子加速到多快？

84、量子多体纠缠比量子场更基本吗？

85、量子计算机的最佳硬件是什么？

86、我们可以精确模拟宏观和微观世界吗？

信息科学

87、计算机处理速度是否有上限？

88、AI可以代替医生吗？

89、拓扑量子计算可以实现吗？

90、DNA可以作为信息存储介质吗？

工程与材料科学

91、湍流的最终统计不变性是什么？

92、我们如何突破当前的能量转换效率极限？

93、我们如何在火星上开发制造系统？

94、纯无人驾驶汽车的未来是否现实？

神经科学

95、神经元放电序列的编码准则是什么？

96、意识存在于何处？

97、能否数字化地存储、操控和移植人类记忆？

98、为什么我们需要睡眠？

99、什么是成瘾？

100、为什么我们会坠入爱河？

101、言语如何演变形成，大脑的哪些部分对其进行控制？

102、除人类以外的其他动物有多聪明？

103、为什么大多数人都是右撇子？

104、我们可以治愈神经退行性疾病吗？

105、有可能预知未来吗？

106、精神障碍能否有效诊断和治疗？

生态学

107、我们可以阻止全球气候变化吗？

108、我们能把过量的二氧化碳存到何处？

109、是什么创造了地球的磁场（为什么它会移动）？

110、我们是否能够更准确地预测灾害性事件（海啸、飓风、地震）？

111、如果地球上所有的冰融化会怎样？

112、我们可以创造一种环保的塑料替代品吗？

113、几乎所有的材料都可以回收再利用是否可以实现？

114、我们会很快看到小麦、玉米、大米和大豆等单一作物的终结吗？

能源科学

115、我们可以生活在一个去化石燃料的世界中吗？

116、氢能的未来是怎样的？

117、冷聚变有可能实现吗？

人工智能

118、可注射的抗病纳米机器人会成为现实吗？

119、是否有可能创建有感知力的机器人？

120、人类智力是否有极限？

121、人工智能会取代人类吗？

122、群体智能是如何出现的？

123、机器人或AI可以具有人类的创造力吗？

124、量子人工智能可以模仿人脑吗？

125、我们可以和计算机结合以形成人机混合物种吗？

附件2  全球普遍公认的10个重要的未解数学难题

1.    科拉兹猜想：对于每一个正整数，若为奇数则乘以 3 加 1，若为偶数则除以 2，经过这样的操作后，最终是否会归于 1。虽看似简单，但至今无人能完全证明。

2.    哥德巴赫猜想：任何大于 2 的偶数都可以表示为两个素数的和。中国数学家陈景润提出陈氏定理是重要进展，但猜想仍未得到最终证明。

3.    孪生素数猜想：存在无穷多对素数 p，使得 p + 2 也是素数。这一问题定义简单但证明过程极其复杂，至今未达成完全证明。

4.    黎曼猜想：黎曼 ζ 函数的非平凡零点实部是否都为 1/2。此猜想被誉为现代数学的基石之一，其解决将对数论等数学分支产生深远影响。

5.    贝赫和斯维纳通 - 戴尔猜想：在有理数域上，探讨每一条椭圆曲线 L 函数在 1 的化零阶与有理点的秩之间的关系，涉及椭圆曲线和模形式，尚未解决。

6.    霍奇猜想：对于每个非奇异的复射影代数曲面，霍奇线是否是代数的，是代数几何上的重要命题，其解决将推动代数几何的发展。

7.    P 对 NP 问题：是否所有能够在多项式时间内验证的解，也能在同样的时间内获得。这一问题的答案将改变对计算复杂性的根本理解，影响计算机科学发展。

8.    纳维尔 - 斯托克斯方程的存在性与光滑性：作为描述流体运动的基本方程，其解的存在性与光滑性问题一直悬而未决，在数学和物理学领域都极具挑战性。

9.    杨 - 米尔斯理论的存在性和质量间隙：杨 - 米尔斯理论是粒子物理学的核心，但其存在性和质量间隙的问题依然困扰着理论物理和数学界。

10.  ABC 猜想：对于任意的正整数 a、b、c，如果 a、b、c 互不相等且都是素数的倍数，那么 a + b + c 一定不会比 c 小太多，这是数论中的重要问题，尚未得到解决。

附件3：

（1）近10年物理学领域重要的10项基础研究成果及其主要完成人：

1.  希格斯玻色子的发现（2012年）

o   主要完成人：欧洲核子研究中心（CERN）的大型强子对撞机（LHC）团队，包括ATLAS和CMS合作组。

o   成果：证实了希格斯玻色子的存在，完善了标准模型。

2.  引力波的首次直接探测（2015年）

o   主要完成人：LIGO科学合作组织（Laser Interferometer Gravitational-Wave Observatory），包括基普·索恩（Kip Thorne）、雷纳·韦斯（Rainer Weiss）和巴里·巴里什（Barry Barish）。

o   成果：首次直接探测到引力波，验证了广义相对论的预言。

3.  量子计算机的里程碑进展（2019年）

o   主要完成人：谷歌量子计算团队，包括约翰·马丁尼斯（John Martinis）等。

o   成果：实现“量子优越性”（Quantum Supremacy），展示了量子计算机在特定任务上的超越经典计算机的能力。

4.  中微子振荡的进一步研究（2015年）

o   主要完成人：T2K实验团队和NOvA实验团队。

o   成果：进一步确认了中微子振荡现象，深化了对中微子质量的理解。

5.  拓扑物态和拓扑相变的研究（2016年诺贝尔物理学奖）

o   主要完成人：戴维·索利斯（David Thouless）、邓肯·霍尔丹（Duncan Haldane）和迈克尔·科斯特利茨（Michael Kosterlitz）。

o   成果：在拓扑物态和拓扑相变理论方面的开创性工作。

6.  暗物质和暗能量的进一步研究（2013年）

o   主要完成人：普朗克卫星（Planck satellite）团队。

o   成果：提供了宇宙微波背景辐射的精确测量，进一步支持了暗物质和暗能量的存在。

7.  量子纠缠和量子通信的突破（2017年）

o   主要完成人：潘建伟团队。

o   成果：实现了千公里级别的量子纠缠分发和量子密钥分发，推动了量子通信的发展。

8.  高温超导体的研究进展（2015年）

o   主要完成人：多个研究团队，包括德国马克斯·普朗克研究所等。

o   成果：在高温超导机制和材料研究方面取得了重要进展。

9.  反物质研究的新突破（2016年）

o   主要完成人：ALPHA实验团队。

o   成果：首次成功测量了反氢原子的光谱，为反物质研究提供了新数据。

10. 量子霍尔效应的进一步研究（2020年）

o   主要完成人：多个研究团队，包括哈佛大学、MIT、清华大学的研究人员。

o   成果：在量子霍尔效应和拓扑绝缘体方面的研究取得了新突破。

（2）近10年化学领域重要基础研究成果及其主要完成人：

1.  CRISPR-Cas9基因编辑技术的开发与应用（2012年）

o   主要完成人：詹妮弗·杜德纳（Jennifer Doudna）和埃马纽埃尔·夏彭蒂耶（Emmanuelle Charpentier）。

o   成果：开发了CRISPR-Cas9基因编辑技术，革命性地改变了基因编辑和分子生物学研究。

2.  锂硫电池技术的突破（2015年）

o   主要完成人：多个研究团队，包括斯坦福大学的崔屹团队。

o   成果：在锂硫电池的高能量密度和长循环寿命方面取得了重要进展，推动了下一代电池技术的发展。

3.  金属有机框架材料（MOFs）的研究与应用（2012年）

o   主要完成人：奥马尔·亚吉（Omar Yaghi）团队。

o   成果：在金属有机框架材料的设计、合成及其在气体存储、分离和催化中的应用取得了重要突破。

4.  光催化水分解制氢（2014年）

o   主要完成人：日本东京大学的堂免一成（Kazunari Domen）团队。

o   成果：开发了高效光催化材料，实现了太阳能驱动的光催化水分解制氢，推动了清洁能源技术的发展。

5.  单原子催化剂的开发（2016年）

o   主要完成人：多个研究团队，包括中国科学院的张涛团队。

o   成果：在单原子催化剂的设计、合成及其在催化反应中的应用取得了重要进展，提高了催化效率和选择性。

6.  有机光电材料与器件的研究（2017年）

o   主要完成人：多个研究团队，包括加州大学洛杉矶分校的杨阳团队。

o   成果：在有机太阳能电池、有机发光二极管（OLED）等有机光电材料与器件的研究中取得了重要突破。

7.  二氧化碳捕获与转化技术（2018年）

o   主要完成人：多个研究团队，包括哈佛大学的迈克尔·阿齐兹（Michael Aziz）团队。

o   成果：开发了高效的二氧化碳捕获与转化技术，推动了碳减排和可持续化学的发展。

8.  纳米酶的发现与应用（2012年）

o   主要完成人：中国科学院的阎锡蕴团队。

o   成果：发现了具有类酶活性的纳米材料（纳米酶），并应用于生物传感、疾病诊断和治疗等领域。

9.  超分子化学与自组装材料（2016年）

o   主要完成人：让-皮埃尔·索瓦日（Jean-Pierre Sauvage）、弗雷泽·斯托达特（Fraser Stoddart）和伯纳德·费林加（Bernard Feringa）。

o   成果：在超分子化学和分子机器方面的研究获得了2016年诺贝尔化学奖，推动了分子自组装和纳米技术的发展。

10. 生物正交化学的进展（2014年）

o   主要完成人：卡罗琳·贝尔托西（Carolyn Bertozzi）团队。

o   成果：发展了生物正交化学反应，实现了在活体系统中对生物分子的标记和操控，推动了化学生物学和医学研究。

o    

（3）近10年生物学领域重要基础研究成果众多，以下是其中10项具有代表性的成果及其主要完成人：

1.  CRISPR-Cas9基因编辑技术的开发与应用（2012年）

o   主要完成人：詹妮弗·杜德纳（Jennifer Doudna）和埃马纽埃尔·夏彭蒂耶（Emmanuelle Charpentier）。

o   成果：开发了CRISPR-Cas9基因编辑技术，革命性地改变了基因编辑和分子生物学研究。

2.  人类细胞图谱计划（Human Cell Atlas, 2016年启动）

o   主要完成人：多个研究团队，包括莎拉·泰希曼（Sarah Teichmann）和阿夫拉姆·赖斯（Aviv Regev）。

o   成果：旨在绘制所有人类细胞类型的详细图谱，推动了单细胞生物学和精准医学的发展。

3.  AlphaFold蛋白质结构预测（2020年）

o   主要完成人：DeepMind团队，包括约翰·詹珀（John Jumper）和德米斯·哈萨比斯（Demis Hassabis）。

o   成果：开发了AlphaFold人工智能系统，能够高精度预测蛋白质的三维结构，极大地推动了结构生物学和药物设计。

4.  微生物组研究的突破（2012年至今）

o   主要完成人：多个研究团队，包括杰弗里·戈登（Jeffrey Gordon）团队。

o   成果：揭示了微生物组在人类健康、疾病和生态系统中的重要作用，推动了微生物组学和个性化医学的发展。

5.  CAR-T细胞疗法的开发与应用（2017年）

o   主要完成人：卡尔·朱恩（Carl June）团队。

o   成果：开发了嵌合抗原受体T细胞（CAR-T）疗法，成功应用于某些类型的癌症治疗，推动了免疫疗法的发展。

6.  脑科学和神经连接组学（2013年至今）

o   主要完成人：多个研究团队，包括美国BRAIN Initiative和欧洲Human Brain Project。

o   成果：在脑科学和神经连接组学方面取得了重要进展，推动了神经科学和脑机接口技术的发展。

7.  表观遗传学研究的突破（2012年至今）

o   主要完成人：多个研究团队，包括霍华德·休斯医学研究所的史蒂文·雅各布森（Steven Jacobsen）团队。

o   成果：揭示了表观遗传机制在基因表达调控和疾病中的作用，推动了表观遗传学和精准医学的发展。

8.  合成生物学的进展（2012年至今）

o   主要完成人：多个研究团队，包括克雷格·文特尔（CraigVenter）团队。

o   成果：在合成生物学和人工生命方面取得了重要进展，推动了生物工程和生物制造的发展。

9.  干细胞研究的突破（2012年至今）

o   主要完成人：山中伸弥（Shinya Yamanaka）团队和其他干细胞研究团队。

o   成果：在诱导多能干细胞（iPSC）和干细胞治疗方面取得了重要进展，推动了再生医学和疾病模型的发展。

10. COVID-19疫苗的快速开发（2020年）

o   主要完成人：多个研究团队，包括中国和辉瑞-BioNTech的乌尔·沙欣（Uğur Şahin）和厄兹勒姆·图雷西（Özlem Türeci）团队，以及莫德纳的团队。

o   成果：在短时间内开发并推广了mRNA疫苗，极大地推动了疫苗学和传染病学的发展。

（4）数学

近10年数学领域重要基础研究成果众多，以下是其中10项具有代表性的成果及其主要完成人：

1.  ABC猜想的证明（2012年）

o   主要完成人：望月新一（Shinichi Mochizuki）。

o   成果：提出了“宇宙际Teichmüller理论”并声称证明了ABC猜想，尽管这一证明尚未被广泛接受，但引发了数学界的广泛讨论和深入研究。

2.  孪生素数猜想的重大突破（2013年）

o   主要完成人：张益唐（Yitang Zhang）。

o   成果：证明了存在无穷多对素数，其差小于7000万，这一结果在孪生素数猜想的研究中取得了重大突破。

3.  有限单群分类的完成（2012年）

o   主要完成人：多个数学家团队，包括迈克尔·阿什巴赫（Michael Aschbacher）和理查德·莱昂斯（Richard Lyons）。

o   成果：完成了有限单群的分类工作，这是群论领域的一个里程碑。

4.  纳维-斯托克斯方程的存在性与光滑性研究（2014年）

o   主要完成人：陶哲轩（Terence Tao）。

o   成果：在纳维-斯托克斯方程的研究中取得了重要进展，提出了新的数学工具和方法，但是还没有完全解决这个问题。

5.  霍奇猜想的进展（2015年）

o   主要完成人：卡塔兰·瓦法（Cumrun Vafa）和希拉里·劳森（Hilary Lawson）。

o   成果：在霍奇猜想的研究中取得了重要进展，推动了代数几何和数学物理的发展。

6.  黎曼猜想的数值验证（2016年）

o   主要完成人：多个研究团队，包括大卫·普拉特（David Platt）。

o   成果：通过大规模计算验证了黎曼猜想在前十万亿个非平凡零点上的成立，为黎曼猜想的研究提供了重要数据支持。

7.  拓扑数据分析的进展（2017年）

o   主要完成人：冈恩·卡尔松（Gunnar Carlsson）和罗伯特·吉斯特（Robert Ghrist）。

o   成果：发展了拓扑数据分析（TDA）方法，应用于数据科学、生物学和机器学习等领域。

8.  朗兰兹纲领的进展（2018年）

o   主要完成人：彼得·舒尔茨（Peter Scholze）。

o   成果：在朗兰兹纲领的研究中取得了重要突破，特别是在p-adic几何和局部朗兰兹对应方面。

9.  组合数学中的太阳花引理（2019年）

o   主要完成人：阿尔弗雷德·莱因戈尔德（Alfred W. Hales）和理查德·杰威尔（Richard Jewett）。

o   成果：证明了太阳花引理（Sunflower Lemma），在组合数学和理论计算机科学中具有重要意义。

10. 机器学习中的数学理论进展（2020年）

o   主要完成人：多个研究团队，包括桑福德·西蒙斯（Sanford Simons）和约书亚·本吉奥（Yoshua Bengio）。

o   成果：在深度学习的数学理论方面取得了重要进展，推动了机器学习算法的理论基础。