知名学者卢麒元抛出灵魂拷问，直接戳痛一众圈内人。我们养着上百万社科研究队伍，每年砸出去几十上百亿经费，可真要推演国际局势、预判经济风险时，为啥拿不出一套能实打实派上用场的智能分析预判系统？先别急着痛批学者不行，看清现实，才发现格外魔幻。


说实话，咱们现在对文科生的要求，有时候真有点“既要马儿跑，又要马儿不吃草”的意思。


很多人觉得做社科就是关起门来写写文章、翻翻故纸堆，但看看现在的全球局势，黑天鹅事件一波接一波，信息量早就炸了。


如果还指望靠着几个人、几支笔去翻材料、捋逻辑，那效率确实跟不上趟，就像是在信息的高铁时代，咱们还在坚持划小木船。


其实我也观察到，国外有些智库早就在用智能推演工具做宏观研判了，这种人机协作的模式其实特别香。


海量的数据交给系统去做脱水处理，剔除噪音，剩下的精华再交给资深研究员去“点睛”，这才是现代化的工作流。


可回过头看咱们国内，很多好用的工具迟迟落地不了，这事真不能全怪研究人员没想法或者能力不行。


你得看背后的评价体系，搞文科的人要是花几年时间去磨一个软件系统，结果到了年终考评，论文没发够，这在学术圈里可是要命的，谁敢冒这个险？


我一直觉得，跨学科的协同才是最让人头疼的“深水区”，你想啊，搞社科的专家脑子里装的是复杂的社会逻辑和历史规律，搞技术的小伙子满脑子是算法模型和代码，这两个群体平时根本不在一个频道上。


让教授去学编程，或者让程序员去读透地缘政治，这事听起来就不太靠谱。再加上数据获取的门槛，很多关键的跨境数据、产业流向都散在各处，还有合规性的考量，不是随手写个爬虫就能搞定的，这里面的基建工作其实远比大家想象的要沉重。


咱们也没必要把人工智能给神化了，好像弄个大模型就能预测未来一样，我个人比较反感两种极端：一种是觉得砸钱买算力就能解决一切宏观难题的“技术万能论”，另一种是觉得机器会污染思想、坚持只能靠人脑构思的“手工派”。


说白了，系统再牛也只是个高效的筛子，它能帮你把大海里的针找出来，但怎么用这根针去缝补现实的漏洞，还得靠人的阅历和直觉。


机器给的是概率，人给的是断然的抉择，这种价值判断是代码写不出来的。


更现实的一个问题是，咱们现在的很多探索都还停留在“试点”阶段，某个课题结项了，项目里的文本分析工具也就跟着“压箱底”了，缺少后续的维护和迭代，这就导致很多研究成果没法转化成常态化的预警战力。


要是这些工具不能在实战中摸爬滚打，永远都只是实验室里的精美模型，咱们投入了那么多科研经费，最终的目标肯定不是为了那几张纸的论文，而是要转化成能应对突发风险的真家伙，这才是社科研究的脊梁骨。


说到底，想要产出实用的研判工具，最先要解决的不是技术，而是那套死板的考评制度和条块分割的协作机制。


只有把这些制度上的“断头路”打通了，让搞文科的人有动力去跨界，让搞技术的人能听懂现实需求，咱们的宏观研判能力才能真正上个台阶。


在这个风云变幻的时代，我们不能总是在事后写复盘报告，得学会拿着望远镜往前看，哪怕能多看清几米远，对现实决策也是莫大的帮助。


大家觉得，如果让你选，你觉得现在最缺的是数据开放，还是懂行的跨界人才？


信源：

环球网——以数智力量赋能哲学社会科学发展——2026-08-12

光明网——【光明时评】以数智力量赋能哲学社会科学发展——2026-08-12