编者按：人工智能浪潮奔涌向前，重塑产业格局、革新生活方式，已然成为时代发展的核心变量。聚焦技术迭代、行业应用、产业趋势与落地实践，“AI参考”洞察赛道风向，梳理标杆案例，汇聚深度观察，以专业视角筛辨信息、萃取价值，既解读前沿技术突破，也剖析案例落地路径，为关注者提供可借鉴、可参考的AI领域新知与决策依据，一同读懂智能时代，把握变革机遇。

2025年春节前后，一款互联网产品把人工智能与普通大众紧紧相连，这就是DeepSeek，几个年轻人开发出来的“王炸”级通用大模型。许多人（包括我本人在内）瞬间就在手机上装了DeepSeek，并不时地用它，颇有兴奋感。据说，它的用户达到1亿仅用了7天，碾压3年前的ChatGPT，为全国6亿人用上人工智能技术立下汗马功劳。（但后来的体验感直线下降，此乃后话，本文后面也会提到）国外媒体对DeepSeek的报道也是好评大于挑刺，一定程度上改变了外国人对中国技术的印象。几乎是同时，很多人在问：为什么DeepSeek没有出自北大、清华？没有出自中国科学院？没有出自中国的大学和科研院所？由于以前做过类似的调研，不妨对此做些回答，算是抛砖引玉。本文标题用了大学二字，其实是代表所有的学术和科研机构，后文也是同一意思。

一、所有的商用大模型都不出自大学

首先要阐明一个基本事实，即DeepSeek这样的大模型不大可能出自大学，国内几乎所有的商用大模型都是企业开发的。例如，百度的文心一言，阿里的通义千问，字节跳动的豆包，华为的盘古，等等。从名称上就可以看出是企业的产物。当然，也有几个由大学开发的大模型，包括清华大学的产品，但几乎没什么人知道，因为这些大模型基本仅在校内使用，或是应用在很窄的范围内。我也是在写这篇文章时问了“豆包”后，才知道有大学开发的大模型。

不仅国内的人工智能大模型不出自大学，国外有名的大模型也不是大学搞出来的。美国最火的几款大模型分别出自OpenAI公司、微软公司、谷歌公司、Meta公司，以及马斯克旗下的xAI公司，就是以330亿美元收购社交平台“推特”（Twitter）的那家企业，并把Twitter更名为X。除了美国的大模型外，其他国家也没什么有名的大模型了。在人工智能技术研究开发方面，美国的企业远远走在大学前面。

如果回顾技术发明史，还可以发现，几乎所有有里程碑意义的重要技术发明，也不出自大学或纯粹的科研机构，而是诞生于企业。以电子信息产业为例，从晶体管到集成电路，从黑白电视机到彩色电视机，再到高清电视、超高清电视，从移动电话到智能手机，都是企业创新的结晶。印象中，只有当初发明真空管（二极管）的弗莱明是大学研究人员，但他发明这项后来改变世界电子工业的技术时，主要身份是马可尼（无线电的发明者，同时是企业家）公司的顾问，仍和企业创新分不开。

造成以上事实的原因也很简单，取得如此重要的技术创新成果，需要资金、团队和极限时间的进度安排，在这几个条件上，大学完全比不上企业。

世界知名研究型大学算是经费充足了，但和企业比，只能算大江面前的溪流，难以掀起巨浪。企业做研发，在单项技术或单个产品上可以投下几十亿美元甚至更多的资金，大学有几十亿美元却要用在各个方面，包括学生食堂和学校运动队，还有数不清的学科和专业。况且，再有钱的大学和企业比，也是囊中羞涩。美国的MIT（麻省理工学院）算是世界上最有钱的大学之一吧？但其全年经费比不上著名半导体公司台积电的一年研发经费。毕业于MIT并给其经济系捐了一座楼的台积电创始人张忠谋先生在他的自传中写道，2023年台积电的研发经费达到56亿美元，超过IMT全年的总经费。所以，台积电能不断把芯片制造的技术向前推进，从14纳米到7纳米，再到今天的5纳米、3纳米，并即将实现2纳米量产，而MIT虽然集中了世界上最具智慧的科学家，也做不了开发先进芯片制程这样的事。

团队规模也是一个差距。大学的科研团队一般为几人、十几人，大一点有几十人，上百人的团队就相当大了。如果要指挥上千人的团队，恐怕必须由大学校长来当首席专家。即便这样，一所大学里的千人团队，也不可能是同一专业领域的，合作的效率肯定不高。小米公司为攻破3纳米芯片的设计技术，花了135亿元人民币，技术团队人员多达2500人，大学根本无法与其相比。

企业为了抢占市场，技术开发可以白天黑夜连轴转，整个团队都在与时间赛跑，甚至全年无休。这是大学最难做到的。企业研发人员干起活来如同“打了鸡血”，不达目的誓不罢休（前提是有足够的物质激励），大学里有几人能真的做到这样？学术带头人可以长期加班加点，身边的十几人或许能做到，如果是上千人的团队，根本没有制度让所有的人都做到天天加班。话说回来，这也是大学职场的一个特别优势，个体的选择性和自由度要明显好于企业，否则吸引不了优秀的人才。

二、创新是企业家的特有功能

企业本身就是一种独特的制度安排，让具有创新能力的人在有效的激励约束条件下把新的想法变成现实。在这方面，大学和科研机构望尘莫及。

早期的企业家往往同时是发明家，如诺贝尔、爱迪生、特斯拉等，这些人不仅有极强的创新意识和能力，而且有将创新思想变成实际产品的强烈冲动，为此甘愿冒市场风险。经济学家称之为冒险精神，并将其概括为最重要的企业家精神。与之相比，大学教授也可能具有同样的创新意识，甚至其中有人也像企业家那样具备相应的组织能力，但不会有企业家那样的市场冲动和冒险精神，这就注定了大学教授以著书立说论英雄的命运，而不会成为企业家或亿万富翁，当然也不会因冒险失败而衣食无所着落。

今天的企业家多数已不是发明家了，但制度依旧。在市场机制作用下，只有你的好想法变成了产品，而且为市场所欢迎，才算实现了你的梦想，不管这种梦想是精神属性的还是物质属性的。对于企业家来讲，总是先有物质属性的梦想。大学则完全是另一种制度安排和激励约束。教授或纯粹科学家的梦想，虽然也夹杂着物质属性，但主要是精神属性。我经常在我的讲座中放两张PPT，表达自己对这一问题的看法。一张是企业创新的目标函数：永远是市场第一、效益第一、真技术第一，其他都是“浮云”；另一张是大学创新的“目标函数”：得奖第一、“帽子”第一、排名第一，往往“浮云”成了目标。这种情况普遍存在，在学风不正或价值导向偏差过大的环境下，两种目标函数的反差就越大。华为公司生产的手机如果在市场上卖不掉，即便被授予再多的国家奖荣誉，以及多个院士的头衔，其实际地位也将一落千丈。反之，大学作为学术机构，关注更多的则是科研得奖和院士人数多少。

熊彼特是研究创新理论的大经济学家，他在《经济周期理论》（贾拥民译）中专门指出：我们把围绕着创新进行的活动称为“创业”，同时把实施创新的个体称为“企业家”。我们之所以决定采用这些术语，是基于对一个历史事实和一个理论命题的考虑，即在历史上进行创新一直是企业家承担的唯一的基本职能；同时，在理论上，创新也是通常用企业家这个词来表示的那类人必不可少的工作。在熊彼特的眼里，创新是企业家特别的职能。这里的企业家和企业主或企业负责人不是一回事，后者并不是创新的化身。

大学的社会定位，以及随之而形成的制度安排，决定了像无线电、晶体管、集成电路、ChatGPT、DeepSeek这样的创新发明，不大可能出自大学教授之手，但这并不表明大学对创新没有贡献。基础理论研究仍然离不开大学，一些应用研究的前沿方向往往是大学教授开辟的。2024年的诺贝尔物理学奖颁给了多伦多大学的辛顿（Geoffrey Hinton）教授，正是他在神经网络、机器深度学习等领域的开创性研究，引导着人工智能技术沿着正确的方向前进，终于成就了AlphaGo、DeepMind、ChatGPT这样成熟的产品。

当然，大学最重要的社会功能是培养人才。企业家不一定是大学里培养出来的，但大多数创新人才都经过大学校园文化的熏陶。如果一所大学办成了职业训练机构，只教一些绘图纸、记账簿等实用的东西，也不会涌现真正创新的人才。愿意到大学教书做研究的精英，既然选择了校园，就注定一生不会惊天动地（爱因斯坦式的天才毕竟少之又少），但构成了大学的学术多元色彩。总有一些人研究“天马行空”的东西，看似无用，却在不经意间成就了未来的一个“惊天动地”。苹果公司创始人乔布斯说起在大学时的最大收获，是上了“怎样写好美术字”这门课，后来他把这种灵感用在了电脑和手机设计上。大学教授作出了一种“选择”：以放弃“惊天动地”成就的机会成本获取了一种收益，这种收益或是做纯粹学问的自由，或是保持宁静的环境，或是成功与风险之间的一种平衡。社会有如此分工，也是资源的一种有效配置。

三、学术脱离实际仍是中国大学的主要问题

本文上一部分最后一段为大学说了好话，但并非说现在的大学在创新方面做得很好，实际情况可能恰恰相反。对于中国的大学而言，许多方面做得不如企业好，实际创新成效明显低于社会期望。

准确衡量中国大学的创新水平，非本文所能完成的，但并不妨碍可以通过观察以下两点得出基本结论。一是部分中国大学的办学经济条件已达到世界一流大学的水准，至少早已超过40年前日本大学的水平，但至今仍未产生一位诺贝尔科学奖得主。根据相关资料，清华大学的办学经费已经超过了哈佛大学。日本在成为世界第二大经济体之前，已出过几位诺贝尔科学奖得主，而中国成为世界第二大经济体已经十几年了。二是中国学者发表的科技论文数量早已是世界第一（主要出自大学），但在突破关键核心技术方面，明显是企业走在前面，想一想华为、比亚迪、大疆这些企业今日在世界上的地位，就知道答案了。DeepSeek火爆后，福耀科技大学校长王树国曾在演讲中如此发问：如果梁文锋（DeepSeek的主要创新者）继续读博士，还有今天的DeepSeek吗？王校长说他不知道答案，显然潜台词已经给出了答案。王校长是工科教授，熟悉科技前沿，长期在国内重点理工科大学担任主要领导，有资格、有权威作出这一判断。

中国大学在创新上有两个主要问题。一是缺少原创，从0到1的创新很少，跟风模仿的过多。写这篇文章之前，看到国际著名期刊《科学》（Science）2025年7月17日一期上有一组数据，看后不禁一惊。2024年，中国学者在人工智能领域发表的论文多达23695篇，超过了美国、欧盟和英国的总和，后三者分别是6378、10055和2747篇。二是许多研究脱离实际，只有发表论文的“价值”，难以转化为实际应用成果。从事社会科学研究的学者常常自卑，觉得自己一辈子写了许多无用的文章。其实，这种现象也见于自然科学界。一些从事自然科学研究的人也写了很多无用的文章，因为这些文章只用在了评奖和职称晋升上，对实际应用毫无贡献（这里专指应用科学和技术科学）。我曾在科协邀请的讲座中讲过这一观点，听众以从事自然科学研究和管理的人为主，反馈是正面的。

同样是象牙塔，国外研究型大学的情况则不同，斯坦福大学与硅谷的关系就是一例证。国外大学与产业界之间有较为畅通的交流渠道，教授对企业和市场比较熟悉，因为有的教授自己就办过企业，或在企业长期待过，一段时间后又回到大学当教授。前面提到的辛顿教授不仅自己办过公司，而且曾在谷歌公司工作长达10年，2023年才重新回到大学当教授。相比之下，中国大学教授缺乏企业经验，往往以实验室场景代替实际生产场景，研究出来的技术往往在实验室阶段还可以，到了工厂就暴露出问题了，这样的例子很多。所以，党的二十届三中全会提出的进一步全面深化改革要求，其中一条就是要打通高校科研院所与企业之间的人才交流通道。

大学研究脱离实际，还有一个重要原因，即学界长期崇尚“形而上”的东西，视“器”为雕虫之物，实际是轻视生产。久而久之，学者已不再吃得了做“器”之苦。几年前，《科技日报》曾以头版头条的位置报道：我国海洋调查一线难觅学科带头人身影，上船者绝大部分是学生，在职人员中也多为中低级职称者。没有亲身的体验，缺乏一手的可靠资料，写出来的文章（文章第一署名者多为学科带头人）很难可靠。

在经济学界，这种情况也十分普遍，一些文章完全是闭门造车之物，与实际情况相去甚远。写文章的人不愿做实地考察，甚至不愿在掌握实情上花工夫，要么写大而化之的空洞概念解读文章，要么写看似十分高深实际却不符合逻辑的臆想性文章。总之，一部分研究属于经济学圈的“自娱自乐”，对社会并无实际影响，这恐怕是当前经济学界的基本现状。相比而言，以前的经济学研究没有如此精致，但在联系实际方面要好得多，对社会也有较大的影响。对于今天的中国经济学界而言，主要症结已经不是国际论文发得太少，而是脱离实际越来越严重，对社会的影响力越来越小。

最后回到DeepSeek话题。用了这款产品半年后，体验感明显下降。网上不少文章说它月活跃用户数指数级下滑，实际情况如何不得而知，但体验感下降是真实的，因为它答题的正确率和准确度确实不如当初，甚至许多“豆包”能回答的问题，它却顾左右而言他。原创和模仿创新还是有区别，模仿创新如果跟不上原创的更新节奏，差距会越来越大。再者，任何人工智能技术都离不开关键芯片，还是绕不开“卡脖子”技术问题。要彻底解决“卡脖子”问题，非得从0到1的突破开始。大学的使命是客观存在的，完成这一使命，首先要有正确的导向，要有科学的制度安排，改革不仅不能回头，更要进一步深化下去。

徐康宁（作者单位：东南大学经济管理学院）