2026 年 8 月，经济学家卢麒元一番发言引发巨大争议。他直指社科领域投入经费庞大，研究人员数量众多，却没能产出具备实战价值的智能预判分析系统。论文成果不少，但真正能用的工具缺位。这番尖锐说法，也把社科科研投入产出的现实矛盾摆到了大众眼前。
 
你别说，这话听着挺刺耳，可不少人听完都觉得戳中了痛点。你看现在人工智能发展多快，写个文案、画张图、写段代码都不在话下，可一碰到社会经济领域的实际问题，就立马没那么神了。
 
就好比说想模拟一下某项政策推出去之后，各个行业、不同群体都会有什么连锁反应，最后往往只能得到一堆正确但空泛的结论，根本没法给实际决策提供靠谱的参考。
 
不是我们没技术、没人才、没资金，可偏偏在社科类实用工具这块，始终差那么一口气。
 
为什么会出现这种情况？首先躲不开的就是评价导向的问题。现在社科圈里评职称、申请项目、算学术成果，最核心的标准还是论文发了多少、发在什么级别的期刊、引用量有多少。
 
至于你做的研究到底能不能用、好不好用、有没有解决真实的问题，反而不是最关键的考核项。
 
在这种指挥棒下，大家自然更愿意往容易出论文的方向挤，谁愿意花好几年时间去啃一个可能出不了几篇论文、还容易失败的实用系统呢？就算做出来了，在学术评价里也不算硬成果，投入产出太不划算。
 
还有就是跨学科的墙太厚了。做一套能用的社科智能分析系统，既得懂经济、社会运行的底层逻辑，又得懂算法、会编程、能落地。
 
可现实是搞技术的人不懂社会里那些复杂的利益关系和运行细节，做出来的模型很容易脱离实际；搞社科研究的人又大多不懂技术，没法把自己的理论变成可运行的工具。
 
两边就算凑到一起做项目，也经常是各说各话，最后往往是套个人工智能的外壳做个好看的演示，课题一结题，系统就扔在一边没人管了。
 
更核心的难题是数据。想训练出一个靠谱的社科分析模型，必须用真实的社会运行数据去训练，没有真实数据支撑，再厉害的算法也只是空中楼阁。
 
可现实情况是，很多关键的公共数据分散在不同部门、不同机构手里，想要打通拿到完整的数据，难度非常大。研究人员拿不到全面、真实、细致的数据，模型就只能停留在表层模拟，做出来的东西自然没法用到实战里。
 
当然，也不能一竿子打翻一船人。社会科学和理工科不一样，很多基础理论研究是慢功夫，不可能马上就变成能用的工具，理论积累本身就有很重要的价值。
 
这些年社科领域也不是没成果，很多理论研究和政策建议，都实实在在地推动了社会发展。
 
但话说回来，大家之所以对这番话有共鸣，本质上不是否定社科研究的意义，而是不满一部分研究总是飘在半空，跟现实需求离得太远。
 
我自己倒是觉得，这场争论吵起来是件好事。它其实是在逼所有人思考一个问题：我们投入这么多资源做社科研究，到底是为了什么？是为了堆论文数量、评学术头衔，还是为了真真切切解决社会运行里的实际难题？答案肯定是后者。
 
社科研究本来就不该只待在象牙塔里，它最终是要服务于社会治理、服务于普通人生活的。如果研究来研究去，都在书本里打转，不能帮我们预判风险、优化政策、解决实际问题，那投入再多，也难免让人觉得可惜。
 
大家可以想一想，我们现在其实特别缺这样的实用工具。比如财税方面，能不能有个系统能精准模拟不同税收方案的实际效果，提前找出漏洞；比如民生政策上，能不能有个模型能预判政策落地后不同群体的真实影响，方便及时调整。
 
这些东西光靠坐在办公室写论文是写不出来的，得真正沉到一线去，跟实际工作部门对接，把真实的数据、真实的场景、真实的痛点都摸透，再用技术手段把它变成能用的工具。
 
要改变这种现状，也不是无从下手。首先得调整评价的指挥棒，不能再只以论文论英雄，得把实用价值、决策支撑效果、实际社会贡献这些指标真正放进考核体系里，让愿意做实用研究的人也能得到应有的认可。
 
然后跨学科合作不能再走形式，得建立长期稳定的协同机制，让社科专家和技术人才真正绑在一起干活，而不是临时凑个项目就散伙。还有数据开放的问题，在保障安全和合规的前提下，逐步把更多公共数据向研究机构开放，给模型训练提供真正的养料。
 
说到底，这场争议不是为了批评谁，而是藏着大家的期待。大家期待社科研究能更多走出书斋，扎根现实，多出一些能用、管用、好用的成果。
 
毕竟学问做得再高深，论文写得再漂亮，最终还是要落地的。能帮我们解决实际问题，能让社会运行得更好，能让老百姓得到实惠，这样的研究才是真的有价值。也希望这场争论之后，能真的带来一些实实在在的改变，让更多的社科智慧从书架上走下来，变成我们手里能用的工具。