1945年7月 ，范内瓦·布什（Vannevar Bush）向白宫提交了著名的《科学：无尽的前沿》（Science: The Endless Frontier） 。这份报告后来成为美国战后确立国家科研体系、取得全球科技领导地位的基石
，深刻启发了包括我国在内的许多国家科研资助体系的建立
。

　　八十多年后，2026年7月21日 ，白宫科技政策办公室主任迈克尔·克拉齐奥斯（Michael Kratsios）提交了一份全新的科学报告《科学：新黄金时代》（Science: A New Golden Age）。这份122页的报告以重塑美国科学技术体系 、迎接人工智能（AI）驱动的科学革命和全球科技竞争为主旨，主动以《科学：无尽的前沿》为历史参照
，重新追问了一个问题：在AI改变知识生产方式
、科技竞争与产业竞争日益交织的时代，国家究竟应当怎样变革组织创新的方式 。

　　有关这份报告对科研体制、评审机制和成果转化的讨论和借鉴已有很多。而面向未来的机制革新 ，最终需要由具体的人来承载
。基于此
，本文尝试聚焦另一个易被忽视的问题：正在深刻变革中的未来科学，对于下一代创新者意味着什么 ，他们又应当进行怎样的科学准备？

　　〖One〗 、 从回答既有问题
，到发现新的问题

　　报告深刻反思了现行的同行评议制度，同时触及了一个深刻的命题：评价体系过于偏爱安全、渐进
、能快速发表的“共识性研究” ，而那些高风险、颠覆性的想法却常被扼杀。 因此
，报告引入了“黄金票 ”（Golden Ticket）等新的机制 。这透露出一种重要的全新取向：科研评价和支持的重心，正在从“既定问题的解决者
”逐渐转向“新问题的发现者”
。这一转向 ，也值得所有的教育者停下来思考。它对于人才培养的启示
，可能远比一项资助政策的变革更为深刻 。

　　真正的“从0到1 ”，从不是把别人的问题答得更快 ，而是先于所有人把一个问题问出来
。长久以来，我们对于好学生的标准都是：在最短的时间内
，用最标准的路径，解出别人已经设定好的难题。我们的教育 ，也特别专注且擅长训练学生解答问题的能力 。教材给出问题
，教师教授方法，考试检验答案
。与之类似 ，科研项目也往往倾向于在既有学科框架中寻找可以发表 、可以申报
、可以完成的课题。然而
，这套机制虽然能够有效传授知识，却未必能培养真正的原创能力 。从小学到大学 ，我们的学生花十几年磨炼“作答”能力
，却几乎没被要求过“提问
”，直到进入实验室被问“你想研究什么”“为什么研究这个 ” ，才发现原来“问题
”才是关键
。

　　另一方面
，大模型的发展让答案的生成变得几乎没有门槛（无论正确与否）。当AI能在几秒内完成人类半天的工作时，传统的答题技能价值正在急速贬值 。这也意味着 ，提出最值得探究的“好问题”的能力更加稀缺而关键。它不仅需要科学的直觉、创新的思维 、跨领域的能力，还需要科学的审美
、品味、判断力
，甚至拒绝标准答案的勇气
。我们的创新人才培养体系应该为培育“提问 ”能力留出更大空间。

　　〖Two〗 、 科学与工程，从分治到融合

　　报告的另一项重要修正是推翻了布什报告的线性模型 ，指出科学发现不是“基础研究→应用研究→技术开发
”的单向流动
，而是基础与应用之间反复迭代的循环 。报告特别援引唐纳德·斯托克斯的“巴斯德象限”，强调最具影响力的科学 ，恰是那些同时追求基础理解与实用价值的研究
。

　　规模化制造本身就在生产新的科学问题：良率
、缺陷、寿命
，车间里的问题回过头来定义了材料科学与可靠性物理的前沿，即工程能反哺科学（engineering-to-science spillover）。极紫外光刻机就是典型例子：不是先有完美理论再造机器 ，而是在数万次工艺失败中倒逼理论修正
，推动科学进步 。同样，锂电池的理论诞生于美国实验室 ，产业化优势却落地东亚
。报告坦言
，一旦本国失去制造和工程能力，工艺中蕴藏的知识溢出 、隐性经验
、迭代反馈就会一同流失。

　　这是美国的科技自省 ，也是对我们的另一种提醒 。德国的“隐形冠军 ”和日本的“匠人
”文化不是偶然，而在相当程度上是制度设计的结果
。弥合实验室与生产线之间的鸿沟
，可能是决定未来科技进步和竞争力的关键。这对我国创新人才培养的启示是，需要打破科学和工程的分治格局和脱节局面 。不仅关注基础研究的突破 ，也承认那些无法写进论文、推导不出公式 、只能靠反复试错才能积累的知识
。更理想的解决方案是
，让学生真正既能“像科学家一样思考”，又能“像工程师一样实践 ”。

　　如今 ，美国的博士项目普遍开始鼓励学生把自己定位为创业者
，推进研究商业化 。在我国，上海创智学院等新型人才培养机构也在进行类似的尝试。按报告所描绘的以任务结果为导向的全新评价机制来衡量 ，这类能够在机理、算法
，设备和产业现场之间自如切换
、灵活往返的创新者，才是未来最具竞争力的人才
。

　　〖Three〗、 从“知识容器
”到“人机协同”

　　报告指出了一个不容回避的事实：现有的科研体系和资助模式都是工业时代的产物 ，并不适用于AI时代。

　　在AI驱动的全新科学范式下
，我们对未来创新人才的定义，同样需要一次更新 。过去 ，我们的培养模式是把年轻人打造为“知识容器 ”，如今这个角色完全可以交给机器
。而作为“人”
，最为重要的是具备与AI合作而不被AI取代的能力。

　　这里所说的与AI合作，不是学会“提示词工程
”那样浅层的技巧 ，而是能在人机协同的循环里始终掌握驾驭AI的主动权 。通俗来说
，就是把AI当放大器而非拐杖，把AI输出当提问的起点而非答案的终点
。这需要学生比以往任何时候都更懂得科学研究和工程探索的基本方法——如何设计一个可证伪的实验 ，如何识别一段合理却暗藏谬误的推理
，如何在信息过载中保持直觉与耐心。

　　更深一层看，支撑这种主动人机协同的 ，是一种复合性的元认知素养 。它至少包含三个层面：

　　一是AI规划能力
，能自主判断何时 、何处
、以何种方式引入AI辅助；

　　二是AI判断能力，即对AI输出进行批判性评估 ，识别其局限性和可能的偏差；

　　三是负责任的AI使用意识
，即理解AI使用中的伦理边界与技术局限，能识别AI幻觉、算法偏见和数据隐私问题
。

　　这种元认知素养并不在于知识和技能掌握的多少 ，而在于扎实的方法论训练和长期浸润形成的科学品味。它无法通过应试训练获得，只能在真实的科研试错 、与师长同行的“隐性知识”传承中慢慢涵养 。过早或过度的“认知外包 ”
，反而会阻碍这一能力的养成
。

　　因此，AI时代的创新人才培养 ，绝非把AI技术课程塞进课表就算大功告成。它意味着未来教学的重心
，要从“传授已知
”转向“训练方法”，从“掌握技能 ”移向“锤炼品味
” 。如果一名学生用AI生成一份研究报告 ，自己都判断不出好坏
，那这份报告的分数越高，教育失败便越彻底。

　　〖Four〗
、 结语

　　《科学：新黄金时代》是一份服务于美国科技竞争和国家战略的政策蓝图 ，并不是可以完全照单全收的教科书
。但它诊断出的一系列现代科研体系的诸多症结
，我们这里也同样存在。同时，它也提醒我们：当知识生产方式、产业结构和国家竞争方式同时发生变化时 ，人才培养不能继续停留在传授知识 、训练答题和追逐单一指标的旧轨道上 。

　　从“心智”（提问）到“实践 ”（手脑并用）
，再到“工具
”（AI），新的科学时代需要我们为未来做出全方位的改变
。

　　归根结底 ，一个国家能否迎来新的科学黄金时代，最终取决于它能否培养金子一样的创新人才。美国的自我革新已经开始 。中国的应对
，将定义下一个百年的世界格局
。

　　（作者钱学胜为智能系统博士，《科学画报》编委会人工智能专委会副主任委员）

（文章来源：澎湃新闻）