近日，特朗普政府宣布投入超过50亿美元扩展“创世纪任务”，并正式启动一系列覆盖生命科学、能源、制造业、基础设施和国家安全等领域的国家级科研专项。白宫科技政策办公室主任迈克尔·克拉齐奥斯向总统提交的报告《科学：新的黄金时代》，系统阐述了重构美国科研体系的战略构想。报告的核心判断是：AI的爆发正在从根本上改变科学发现的方式，而美国战后确立的科研制度已难以适应这一变局。为此，报告提出一系列改革方向：把更多资源直接投向科学家个人和高风险研究，减少行政负担与共识式评审对突破性创新的压制；打通政府、大学、国家实验室和科技企业之间的壁垒，通过重大任务、产业联盟和公私合作，将科研发现更快转化为本土制造能力；把技术工人、职业教育、社区学院和区域产业集群纳入国家创新体系，重新连接科学研究、工程实践与先进制造；围绕人工智能重建科研基础设施，推动科学大模型、自动化实验室、科研数据平台和验证体系协同运转，最终形成一套从发现、验证到制造和应用的全链条科研机制。
报告揭示了一个深层命题：大国科技竞争已不只是论文数量或单项技术的比拼，而是从人才发现、资金配置、科研组织、数据算力到产业转化的全链条体系能力之争。对我们而言，如何加快打通基础研究、工程验证与先进制造之间的循环，如何在坚持长期主义的同时避免将科技竞争简化为短期指标与资源堆叠，是需要持续思考的问题。
本文转载自欧亚系统科学研究会公众号，为对白宫科技政策办公室主任迈克尔·克拉齐奥斯于2026年7月提交给美国总统的报告《科学：新的黄金时代》（Science: A New Golden Age: A Report to the President）的摘译。
美国如何重建科学机器——
特朗普政府的“新黄金时代”蓝图
1.一场面向AI时代的科研革命
八十一年前，范内瓦·布什在《科学：无尽的前沿》中确立了美国战后科研体系的基本框架：联邦政府负责长期支持基础研究，大学承担知识生产与人才培养职能，产业界则把科学发现转化为技术和产品。这套制度推动美国建立了国家科学基金会，孕育出了“阿波罗计划”、互联网、生物技术革命和一系列现代产业，也成为“美国世纪”的重要基础。
然而，白宫科技政策办公室主任迈克尔·克拉齐奥斯在2026年7月提交给特朗普总统的报告《科学：新的黄金时代》中提出，支撑美国过去八十年的科研制度已经越来越难适应今天的科学前沿发展趋势。科研经费持续增加，重大突破出现的速度却没有同步提高；私营企业已经成为了美国最主要的研发出资者和执行者，联邦资助机制仍然围绕着20世纪中期定型的大学与学科体系运转；美国能够提出科学构想，却经常把制造、工艺改进环节和供应链收益放到海外；AI正在急剧加快科学发现的能力，现有的发表、评审和验证制度又可能被更大规模的科研产出压垮。
报告希望解决的核心问题是，该怎样重新组织美国的科学力量，以适应目前的全新局面。报告主张以科研人员为主，给他们提供更为灵活的资金，从而支持他们展开大胆探索；让政府像长期投资者一样设计科研资助组合；重新打通基础研究、工程、制造业和技能型人才之间的联系；同时为AI驱动的科学研究建立数据、算力、自动化实验与大规模验证的相关基础设施。按照该报告的判断，下一个科技时代的竞争将不只取决于谁拥有更优秀的科学家，也取决于谁能最先建设起一套适合新科学的制度机器。
2.美国为什么要改革战后的科研制度
许多基础研究的回报周期十分漫长，而研究的成果又会给全社会带来收益，私人投资者很难独占这些研究带来的利润，因此没有动力承担全部的成本。联邦政府之所以要长期资助大学、国家实验室以及美国国家科学基金会（NSF）、美国国立卫生研究院（NIH）、美国国家航空航天局（NASA）和美国国防高级研究计划局（DARPA）等机构，就是为了填补这类空白。与此同时，政府还通过跨机构协调，把科研成果从实验室推广到民间，从而实现大规模生产。“阿波罗计划”、互联网和现代电子产业的背后，都有着公共资金、大学研究机构与私营企业之间的密切合作。
不过，基本原则虽然可以长期发挥作用，但落实这些原则的制度安排却不能一成不变。20世纪50年代，十几名实验室里的工程师就可能推动半导体技术的发展；而如今，半导体行业每年投入超过1000亿美元的资本和研发经费，雇用了数十万人在原子尺度上处理材料和制造问题。过去的科学家需要把打字稿寄给期刊编辑，今天的论文则可以在完成数小时后上线，成果往往在论文正式出版之前就能得到复现。过去的数学家大多独自面对黑板展开工作，而如今的大型证明步骤则可以被拆成诸多软件模块，由身处不同地区的数十人同时完成。
科研制度会决定哪些问题值得研究、什么方法能够得到尝试、研究人员愿意承担多少风险，也会决定什么样的人有机会进入科学前沿。本报告以量子信息科学研究人员为例：一名博士生必须不断发表论文，为了获得学位，满足期刊的评审需要而开展自己的研究，同时还受限于导师的设备和经费；而如果他选择创业，那么就可以利用风险投资来迅速招聘工程师，但同时也必须向投资人证明自己的技术路线能够在有限的时间内产生收益。这两种环境都会推动科学的进步，也会通过不同的激励机制将人才引向不同的发展方向。
因此，报告认为，美国需要重新认识政府、大学和企业在科研体系中的分工。大学仍然适合培养科学家、研究基础问题，而风险投资能够支持有高影响技术的发展，联邦机构则应填补市场不愿承担的长期研究。但科学的前沿地带已经发生了改变，相对应的机构也必须持续调整。过去，美国为研究型大学提供土地支持，是为了给农业发展奠定科学基础；设立美国国防高级研究计划局（DARPA），是为了支持传统资助机构不愿承担的高风险军事技术研究；发展风险投资，则是为了填补新兴科技企业漫长的成长周期与传统资本市场承受能力之间的空白。如今，科学的前沿发展趋势和科研条件再次发生了变化，美国也需要建立与新问题相适应的科研组织和资金分配机制。
3.科研投入越来越多，科学突破为何没有同步加快
自上世纪五十年代以来，美国科研体系发生的最明显的变化，就是私营部门已经成为了美国研发活动的核心力量。20世纪中期，联邦政府是美国科学研究最主要的资助者；如今，美国企业每年投入约7000亿美元的研发资金，超过了政府与高等教育机构投入总和的三倍。更值得注意的是，在过去二十年中，企业资金不再只用于产品开发后期，用于基础研究的投资也在迅速增加。
晶体管与支撑现代机器学习的变换器架构（Transformer）都诞生于企业实验室。大型科技和制药企业能够建设出最先进的实验平台，也能用大学难以支付的高昂薪酬吸引科研人才。许多博士生和教授可以筹集到数亿美元来创办企业，一些小型初创公司甚至直接从事基础研究。基础科学、应用研究和产品开发之间的界线因而变得越来越模糊。
这也动摇了布什时代形成的“线性模式”。该模式把科技进步描述为从基础研究走向应用研究，再进入开发和产业化的单向过程。今天，工程难题经常反过来催生出新的基础科学问题，基础认识取得突破后又会打开新的工程路径，二者不断循环。巴斯德研究葡萄酒变质、贝尔实验室研制晶体管、香农发展信息论，都属于既追求基础认识、又受到了实际用途推动的研究。获得2024年诺贝尔化学奖的蛋白质折叠研究，同样依赖生物化学、AI、大规模工程和开放数据的长期结合。
与此同时，美国科研投入的增长并未自动转化为更高的科研生产率。本报告援引“埃鲁姆定律”指出，按每投入10亿美元能够获批的新药数量计算，制药研发效率自1950年以来大约下降了80倍。美国国立卫生研究院预算自20世纪90年代以来增加了一倍以上，突破性疗法、单位资金产生的引用影响和整体科研生产率却没有按相应的比例提高。半导体、农业和医学等领域也出现了类似的现象：为了维持过去的进步速度，所需的人员和资金数量都大幅上升。
报告并不认为科学的“低垂果实”已经全部被摘完。科学史上经常出现一个领域长期停滞，随后因新工具、新发现和新制度诞生而突然加速的情况。普朗克开始研究物理学时，曾有人告诉他这一学科已经接近完善；然而，量子力学很快就改变了人类理解世界的方式。19世纪末也有医生认为外科已经没有多少新领域可供开拓，但医学教育体制的改革和研究型医院的出现，为现代医学奠定了基础。科研速度放缓未必说明所有的科学问题都已经得到了解答，但很可能说明现有的工具和组织方式已经失效。
4.被制度禁锢住的科研人员
在该报告看来，美国科研体系最直接的问题，是越来越多的时间和资金耗费在了行政程序之上。一名青年科学家要想申请联邦资助，就可能需要花费两到四个月的时间撰写材料，为尚未获得经费的项目预先准备数据，并经历大学内部的审核。部分项目从申请到拨款最长需要20个月，几乎接近第一架波音747从设计走向生产所花费的时间。
获得资金以后，研究人员还要面对不断增加的报告和合规要求。1991年至2025年初，联邦科研资助至少新增了270项要求。大型机构同政府协商确定的间接成本率可以达到直接研究费用的50%至60%，实际比例通常也在40%左右。其中一部分确实用在了公共设施之上，但也有相当一部分消耗在了增长速度超过科研活动本身的行政体系当中。资深项目的负责人可以把文书工作交给博士后，刚刚建立实验室的青年学者却只能挤占自己展开实验和指导学生的时间来完成这些工作。
这套制度还形成了明显的“既得地位税”。1980年至2008年，美国国立卫生研究院项目负责人的平均年龄由39岁升至51岁，新项目负责人的平均年龄由36岁升至42岁。青年研究人员要经过漫长的学徒阶段才能独立主持项目，在此期间他们更可能选择安全、渐进、容易获得资助的课题。本报告引用相关研究指出，生物医学领域的一位明星科学家意外去世后，原先由其关系网络非正式主导的研究领域会迅速涌入更多外部研究者，而这些后来者发表的论文也更容易获得较高引用。这一现象说明，学术声望和关系网络可能长期把持某一研究领域，使得科研关注和资源配置逐渐固化在既有的学术圈层之中。
论文发表制度进一步放大了这种倾向。科研人员发现，终身教职和晋升通常更重视论文的数量，因而科研人员更倾向于把研究切割成尽可能多的“最小可发表单元”。阴性结果、失败实验、数据集、开源代码和共享工程设施很难带来同等的回报，哪怕这些工作可能比一篇叙事完整的论文更有价值。真正的技术前沿领域需要大规模的团队合作，但评价制度却仍然鼓励、支持那些个人单独占有署名与成果的项目。
所谓的“可重复性危机”，则进一步暴露了现有科研体系在质量控制和纠错机制上的深层缺陷。一项研究重复了100项心理学实验，但其中成功复现的不足40项；一篇2009年发表的阿尔茨海默病论文虽然在2012年已经被证明无法得到复现，却在这之后仍然获得了800多次引用，并影响了此后十年的研究方向和资金配置，直到发表十五年后，这篇文章才被撤稿。期刊需要清晰的叙事，大学新闻部门需要醒目的标题，科研人员却因此承受了压力，要把概率性的知识包装为自信且完整的结论。审查机制可能会发挥作用，但其纠错速度远远跟不上错误扩散的速度。
5.从项目资助转向“人、组织与组合”
报告提出，联邦政府每年会分配约2000亿美元的研发资金，却缺少一套系统性的框架来判断什么机制更适合不同类型的科学。大量的资金会按照上一年度的机构与学科格局分配下去，科研资助组合高度受到历史惯性的影响。改革的重点不应只是单纯的增加预算，还要设置一套新的模式，确保资金能够分配给合适的人、项目和组织。
第一种改革方向，是把更多的资金直接投向科研人员。霍华德·休斯医学研究所（HHMI）曾为优秀科学家提供约1000万美元、持续七年的长期支持，同时不提出什么具体的要求，也允许在早期出现失败。相关研究发现，获得这种资助的人发表高影响论文的比例接近同类联邦资助者的两倍，相关人员也更愿意研究真正新颖的课题方向。美国国立卫生研究院主任先锋奖和美国国家科学基金会研究生研究奖学金计划采取了类似的思路，而且，目前已有40多名往届获奖者在后来获得了诺贝尔奖。
第二种改革方向，是改进同行评议的运行方式。丹麦一家基金会试行“黄金入场券”制度，允许单个评审人支持但没有形成共识、可能带来重大突破的提案获得通过，同时通过双盲程序减少申请人声望和履历的影响。美国国家科学基金会已经开始试验这一机制。报告认为，当资助机构只能从十份申请中选出一份时，评审意见中的偶然性和偏差就会被放大，真正具有潜力的项目反而可能会被埋没。给予评审人更明确的个人权力，也意味着要求他们承担更清晰的判断责任。
第三种改革方向，是建立拨付速度不同的资助工具。私人快速拨款的项目表明，部分科研资助可以把决策时间从6至9个月压缩到48小时，申请材料也可由耗时数月缩短为30分钟。长期资助更适合那些需要多年积累的基础问题，快速拨款则能让研究人员及时研究意外的发现。目标明确、但路径未知时，还可以使用奖励挑战和预先的市场承诺，来为结果付费。美国国防高级研究计划局的自动驾驶汽车挑战赛推动了一个产业，1000万美元的亚轨道航天奖励基金撬动了数亿美元的研发投入；读取赫库兰尼姆纸草卷的开放式竞赛，则让三名计算机科学和机器人专业的学生完成了资深考古学家长期未能完成的工作。
第四种改革方向，是把部分决策权交给更接近前沿研究的人。所谓的“二次拨款”，就是让拥有具体专业判断、却不掌握正式预算的科研人员或专家分配小额资金。报告还讨论了科研侦察员、二次方资助等更具试验性的机制。它并未主张用某一种特定的新制度全面取代同行评议，而是要求建立一套可以根据问题性质展开选择的机制菜单。
最终，联邦机构应像成熟的投资者一样构建科研项目组合：高风险与低风险项目相互搭配，以个人、项目和机构为对象的资助也要保持平衡；在适合发挥战略引导作用的领域明确研究方向，同时为无法预见的偶然发现保留空间。每个科研机构还应设立拥有实际权限的相关科学部门，持续比较不同资助机制带来的结果，发现现有机制的缺口，开展对照试验，并把研究结论反馈到下一轮的资金配置当中。
6.为中等规模科学寻找新容器
很多科学问题一方面已经大到单个大学实验室无法独立解决，另一方面又没有大到需要粒子对撞机式的数十亿美元工程。它们往往需要数千万美元的资金支持、10至100人的稳定团队以及五年左右的研究周期，兼具跨学科、基础设施密集和工程密集等特征。微创脑机接口、免疫记忆解码平台、哺乳动物大脑连接图谱等，都属于这类“中等规模的科学研究项目”。
传统大学实验室以项目负责人和不断轮换的研究生为中心，适合培养人才以及开展由好奇心驱动的小规模团队研究，却难以维持长期的工程团队。企业能够组织稳定的科研团队，但却更愿意追求可以产出产品和利润的项目；国家实验室虽然拥有大型设施和长期积累的科研能力，却往往难以灵活招募人员、迅速调整团队，也缺少在任务完成后及时收缩或解散的机制。科研组织的形态就像容器，决定了什么样的研究有条件出现，什么样的研究从一开始就不会有人尝试。
报告重点介绍了聚焦型研究组织（focused research organizations，FRO）。这类机构是有明确存续期限的非营利科研初创组织，往往会围绕一个具体瓶颈组建专业科学家和工程师团队，积累组织记忆，并生产开放数据集、平台和工具等产品。任务完成后，相关机构可以解散，参与者可以回到大学，或创办企业。聚焦型研究组织试图覆盖的是三类传统组织都不愿覆盖的空间：项目规模超过了普通联邦拨款，项目的商业价值不足以吸引风险投资，其风险和变化速度又超出了政府研究机构的承受范围。
美国国家科学基金会新启动的“X实验室计划”（X-Labs），正是尝试通过联邦资金支持传统高校体系之外的独立科研组织。X实验室计划向传统大学之外的独立研究组织提供里程碑式的资金和运营的自主权，让全职团队既能发表论文和数据集，也能开发新研究领域的平台技术。报告设想，一所围绕大脑图谱建立的X实验室，可以利用公私合作和慈善配套资金，绘制不同哺乳动物的大脑图谱回路。这些数据既可能帮助研究抑郁症、成瘾机制和孤独症，也可能给AI提供更稳健的生物参考架构。
报告也肯定了“高级研究计划局”模式（Advanced Research Projects Agency，ARPA）。美国国防高级研究计划局通过项目经理作出技术投资决策，允许个人围绕一个明确的科研任务组织团队。美国后来又建立了卫生高级研究计划局和能源高级研究计划局。克拉齐奥斯认为，新型组织与新型资金机制必须配套出现：机构形态决定了一支队伍能够怎样开展工作，遴选机制则决定了什么人、什么样的问题能够获得资助机会。
7.把科学发现转变为国家实力
报告对美国科技政策的批评，集中于一种长期存在的“被动模式”。二战后的美国曾经相信，只要政府资助基础研究、保护知识产权并维持开放市场，科学突破就能够自然而然地转化为本国的技术实力。但现实中，美国经常承担了科研过程与人才培养的成本，但却将制造、工艺改进、供应链和市场收益留在了海外。
美国率先研究出了平板显示器，但亚洲的制造商却占据了市场；美国开创了锂离子电池技术，而亚洲企业却控制了全球范围内的供应链；美国参与突破了极紫外光刻的多项关键技术，而今天唯一能够制造先进EUV光刻机的企业总部却位于欧洲。科学发现如果没有搭配上国内的制造能力，美国就会承担高昂的研究成本，而其他国家则通过量产来积累工艺知识，并进一步取得经济、战略和后续研究的收益。
因此，本报告将“转化能力”提升到了与科学发现同等重要的位置。技术领导地位不只体现在论文数量和实验室突破之上，也体现在能否迅速制成原型、开展测试、完成制造并扩大生产之上。半导体、AI、生物技术等基础平台一旦形成早期优势，就会通过标准制定、供应链塑造以及占领市场产生累积效应。美国无法在所有领域全面领先，因此应当选择最重要的平台技术：有些领域可以继续扩大优势，有些领域则要阻止对手取得主导地位，战略价值较低的领域则可以交由伙伴负责发展。
报告认为，美国的真正优势仍然来自私营市场。2024年，美国风险投资机构投入了超过2000亿美元的资金，占全球风险投资总额的57%。深厚的资本池、高流动性的市场、合同和产权保护机制、可以实现长期投资的机构投资者，以及允许失败后重新开始的创业文化，让美国能够以其他国家难以复制的规模支持前沿技术发展。政府的任务，则是把这种市场活力同科学能力和国家目标连接起来。
人类基因组计划展示了政府可以发挥的作用。该项目由美国国立卫生研究院和美国能源部共同领导，围绕着一个统一的目标组织国家实验室、大学中心与企业，并要求参与者立即公开数据。联邦的需求推动了自动毛细管测序仪等设备的发展，塞雷拉基因组公司的加入又加快了公私双方的研究进度。该项目的总投入约38亿美元，后来带动了大约7960亿美元的经济活动。其价值不仅在于完成了一项科学任务，还在于创造了一个整个生物医学领域都可以继续使用的平台。
半导体制造技术研究联盟（SEMATECH）和极紫外光刻有限责任公司（Extreme Ultraviolet Limited Liability Company，EUV LLC）则说明，政府也可以组织那些在展开市场竞争之前需要完成的研发活动。20世纪80年代，14家美国半导体企业同美国国防高级研究计划局共同出资，解决了光刻、蚀刻和材料加工等任何一家企业都需要、但却无力独自承担的工程问题。此后，极紫外光刻有限责任公司又同三所国家实验室合作，制造出了首台极紫外曝光原型设备，并申请了150多项专利。此类联盟适合处理那些科学原理基本清楚、但工程风险仍然过高的问题，联邦政府可以借此撬动私人资金，并维持企业无法支持的长期投入。
8.开放相关试验场和国家实验室
科学发现要变成现实的技术应用，就必须经过原型、测试、验证、制造和市场应用。报告认为，美国在这些环节设置了过多的程序障碍，使得大量构想在论文发表后便停止发展。核能是最极端的案例。先进反应堆企业在浇筑地基前，可能需要先同美国核管理委员会进行长达五到六年的沟通，再用约四年完成设计认证。一家公司曾提交了1.2万页的申请和超过200万页的技术材料，美国能源部为支持单个反应堆设计的完成程序投入超过了6亿美元。
特朗普政府在2025年推动了核能监管改革，给部分审批设定时限，为已经由联邦机构测试的反应堆建立了快速通道，并要求监管部门同时考虑核能对经济安全和国家安全的收益。报告认为，监管应当认真控制大规模的应用风险，同时也应把停滞的代价纳入到判断之中：等待疗法期间失去的生命、未能采用先进技术造成的事故，以及无法实现的经济增长，都是真实的成本。而当既有规则无法适应新技术时，还可以选择在可控的条件下先行积累经验。
莫哈韦沙漠的业余火箭试验场提供了一种可能的图景。一群火箭爱好者从零建设试车台、掩体和推进剂设施，在取得了联邦许可后，他们就可以用几百到数千美元的资金投入开展发动机试验。大学生、在车库工作的家庭团队和航空航天专业人士在同一片沙漠中展开试验，多家商业型火箭企业也是从这里成长起来的，并在之后赢得了NASA的奖励，同时也获得了风险投资。斯坦尼斯航天中心则向初创企业出租工业规模的试车设施，让其不必自行投入数千万美元建设相关平台。试验基础设施会决定一项构想能否从车库走向企业，也会决定技术标准和供应链最先在哪个国家开始积累。
美国现有的国家实验室还拥有大量尚未充分利用的设施。美国能源部运营着28个大型实验设施，其中包括先进光子源、散裂中子源和多种世界范围内独有的设备。这些都是耗费了大量公共资金才得以建成的，但其使用权却主要按照学术价值进行分配，审批节奏也更适合那些追求发表论文的大学研究人员。报告建议，在科学价值之外，还需要同时考虑项目的创新潜力和商业紧迫性，更广泛地向企业开放相关设施，并用出租设施获得的资金扩充设备与容量。
共享洁净室、湿实验室和符合药品生产质量管理规范的生产平台，同样可以降低生物医药类初创企业的门槛。临床级的材料生产需要数千万美元的投资，医药企业在获得临床数据前又很难筹集到资金，共享平台则可以打破这一循环。大学与国家实验室还应简化技术许可、合作研发协议和知识产权程序，减少联邦资金购买的设备长期闲置这一现象的发生，让科研机构的运行速度更接近产业竞争的节奏。
9.科学、制造业与隐性知识
报告把制造业视为科研体系的一个组成部分，而非科学成果完成后的附属环节。技术能力可以分为工具、明确写出的操作说明和工艺知识。光刻机、蚀刻机和离子注入设备属于工具，设计图纸和工艺配方属于明确的知识；怎样排查良率问题、怎样清洗晶圆、怎样在性能与制造风险之间设计新工艺，则存在于经验丰富的工程师和技术人员的头脑之中。
迈克尔·波兰尼曾说，人所知道的内容要多于能够说出的内容。熟练的焊工能够从声音和材料变化判断焊缝状态，机械师对刀具的直觉来自其多年操作的经验，制药技术员可以察觉到决定药品批次能否达标的细微差异。这类隐性知识无法完整写进手册当中，只能在长期的共同工作中实现传递。
科学实践本身也具有同样的性质。20世纪70年代，社会学家哈里·柯林斯研究了多家实验室复制新型激光器的过程，发现仅依靠公开文献，没有一家实验室能够复制成功。制造出设备的研究人员都曾经同已经掌握技术的人一起工作。2017年诺贝尔物理学奖得主雷纳·韦斯早年从实验室技术员做起，学习过机械加工与焊接技艺。他后来认为，正是这种“实验科学中的即兴创造技艺”，使得自己能够设计出最终发展为激光干涉引力波天文台的原型。
制造业外迁会同时带走就业岗位、供应商网络和工艺知识，也会切断科学与生产之间的反馈通道。研究半导体物理的科学家需要从良率问题中获得新问题，设计疗法的生物学家依赖工程师扩大生产，机器人研究人员若能随时进入本地的精密加工厂，就可以同机械师面对面地修改设计。只有设计、没有生产，长期看也会削弱设计和研究本身。
美国制造业就业人数从1979年的接近2000万降至今天的约1300万，占总就业比例也由接近22%降至约8%。报告因此主张，制造业回流既是就业政策，也是科学政策。研发、工程、制造和技能型劳动者在地理上的相互接近，才能形成持续改进的良性循环。
10.在全国范围内重建技术人才与创新集群
美国仍然拥有庞大的动手实践文化。超过一半的美国成年人参与过某种动手活动，业余机械师、焊接爱好者、电子设备维修人员、无人机制造者乃至核聚变实验爱好者，在视频平台和地方性的工坊中形成了共享知识的共同体。报告认为，这是一片尚未得到充分开发的人才储备库。
然而，正规教育长期把大学学历置于职业训练之上。高中取消了机械加工课程，把资源用于大学预备教育；职业学校经常被视为无法升入大学之人的退路。结果是，数百万美国人对技术工作有兴趣且有能力，但却缺少进入相关职业的路径；与此同时，大量需要熟练人手的岗位长期空缺，大学给学生带来的成本也在不断地上升。
报告要求重新将科技教育与动手实践对接起来。大学和社区学院应允许学生在校外开展技术实践，同时允许将注册学徒时间和产业资格纳入到学位考核标准当中；国家实验室可以在低温技术、先进机械加工等领域建立可随个人流动的资格认证；“驻校实践专家”项目可以让机械师和技术员同博士生共同开展工作。科研资质也应更多地依据实际技能，而不是只看学术履历。
社区学院是培养技术人才的基础性组织。它们招收了约40%的美国本科生，是第一代大学生、退伍军人和在职成年人进入高等教育体系的重要渠道。报告建议把社区学院同产业场所、区域创新中心、制造业研究所和国家实验室连接起来，利用企业捐赠的相关设备，与企业共同开发课程，并将课堂理论与在岗训练结合起来。特朗普政府还提出要把年度在岗学徒人数提高到100万以上，并允许短期职业培训获得相关助学金的支持。
区域创新集群能够把科研、制造产业和人才训练结合到同一生态当中。20世纪初的底特律之所以能够成为汽车中心，不只是因为福特工厂，还因为当地聚集了大量的供应商、机械师和工程人才，可以比其他地区更快地制作出新零部件。今天，美国国内的诸多地区仍在光学、生物技术、航空航天和先进制造业等领域占据着优势地位。联邦政府可以为其提供科研和基础设施资金，各州与地方政府则可以通过土地、审批、教育和产业政策扶持区域性质的创新集群发展。俄亥俄州围绕当地的半导体工厂，组织了23所高校，共同设计了两年制的技术员课程，相关的企业也投入资金培训教师、更新实验设备；得克萨斯州也通过州级的支持项目吸引了大规模的半导体投资。这些案例都说明，产业政策只有同人才和地方制度相结合，才能推动长期能力的发展。
11.AI会加速科学研究，也可能放大科研危机
范内瓦·布什在1945年的《诚如所思》中指出，未来的研究成果可能会不断堆积，以至于科学家已经没有时间理解并记住其他人的发现。他设想了一种能够储存、检索和连接知识的“记忆扩展器”。八十年后，计算机、互联网和AI技术正在实现这一构想。
仅2025年一年，美国企业就承诺投入超过4000亿美元建设AI基础设施，这笔资金即便按通胀调整后也已经超过了“阿波罗计划”和“曼哈顿计划”的总成本。AI已经能够以原子级别的精度预测蛋白质结构、设计新蛋白质、模拟药物发现中的分子动力学、改进聚变实验的等离子体控制，并从海量的粒子物理数据中发现人类可能遗漏的现象。到2026年，AI智能体可以编写完整的软件，分析实验数据，并操作实验室设备；在数学中，AI也被用来证明新定理。
AI最重要的作用，可能不是让科学家更快地完成现有工作，而是突破人类认知和组织能力的边界。任何人一生能阅读的论文、掌握的技术和同时处理的变量都是有限的，学科边界又会割裂知识。AI可以综合多个领域的文献，列举出天量的假设，读取旧档案、实验视频和笔记本中的原始信息；同自主实验室结合后，还能并行安排实验，根据结果实时调整测量方案。
不过，报告也警告道，个体生产率的提高不会自动汇总为整个科学事业的进步。AI也可能让每名研究人员轻易地生成更多的论文、申请和评审意见，同时让科研体系的深层失灵更加严重。
过去半个世纪，论文数量、研究人员和资金都在大幅增加，但颠覆性的成果所占比例却在下降。AI如果只是进一步扩大这些产物，那可能只会压垮同行评议模式，扩散错误范式，并让低质量研究以更高的速度实现传播。主要AI学术会议的投稿数量在一年内增长了60%，研究人员已经需要审查机器生成的无意义论文，也要反驳机器生成的低质量评审意见。AI时代因此要求同步改革资助、发表、奖励和纠错制度。
12.“创世纪计划”
特朗普于2025年11月启动了“创世纪计划”，将其定位为美国“AI用于科学”的旗舰行动。该计划要求美国能源部建设“美国科学与安全平台”，把超级计算机、AI模型、科学仪器和数据集连接到统一的平台之上，目标是在十年内让美国的科学与工程生产率与影响力翻一番。
美国能源部17所国家实验室雇用了约4万名科学家、工程师和技术人员，每年获得了约200亿美元的经费，拥有粒子加速器、同步辐射光源、超级计算机以及材料、聚变和核安全设施。FDA、美国国家科学基金会、美国国家海洋和大气管理局等机构还掌握从基因组到天气模拟的海量数据。“创世纪计划”则试图把这些分散在各地的能力整合为一套全国性的基础设施。
计划首先要选择适合AI介入的问题。最有希望的领域通常是那些具有庞大的组合搜索空间、充足的结构化数据和明确的评价指标的领域，蛋白质结构预测就是这类问题中的典型代表。美国能源部将负责每年确定至少20项具有国家意义的挑战，其覆盖了先进制造、生物技术、关键材料、核裂变与核聚变、量子信息和半导体等诸多方面。报告认为，在AI资本已经十分充裕的情况下，政府的附加价值不在于笼统增加AI方面的投入，而在于把相关资金与基础设施引导到能够打开整个下游研究分支的问题之上。
第二项任务是建设新的制度与伙伴关系。美国能源部已经同AI企业、半导体制造商和云服务提供商等24家机构达成了合作协议，并建立“变革性AI模型联盟”，利用国家实验室的数据、设施和专业知识开发科学基础模型。前沿模型的训练集群价值数十亿美元，主要工程团队又集中在少数企业，公共科研体系无法独自复制这些能力，因此必须设计出能够长期连接国家实验室、大学和企业的合作机制。
第三项任务是建设数据基础设施。美国大量的科学数据仍然无法访问、没有得到整理，或者被严格限制在少数人之内。“美国科学云”项目将负责整理与分发能源部的AI相关数据；同时，政府还要给科研人员提供激励，让他们愿意保存实验记录、失败试验和实验室流程。今天常被丢弃的信息，未来可能成为自动化实验最有价值的训练材料。
第四项任务是把AI同实验设备连接起来。新材料的发现从实验室走向实践应用通常需要20年时间，而闭环自主实验则可能把这个周期大幅缩短。劳伦斯伯克利国家实验室的自动化材料实验室（A-Lab）和阿贡国家实验室的模块化材料表征机器人平台（Polybot），已经分别用于无机材料的自主固态合成和自动化表征实验。问题在于，科研仪器行业长期处于并购和外迁的状态之中，形成了价格高、软件差、数据格式封闭的局面，科学家往往需要数月时间才能让不同的设备实现相互连通。报告要求利用国家实验室的采购能力推动开放接口和标准化格式，并在高校和初创企业中建设可编程的云实验室。
13.“黄金标准科学”与基于AI的科研制度
AI驱动科学的前景建立在现有的知识基础之上，而这套基础包含了大量无法重复和尚未纠正的结论。报告援引相关研究称，心理学中有一半以上的实验未能通过重复验证，实验经济学中也有三分之一以上的重要研究无法得到复现；临床阶段之前的生物医学领域当中的不可重复结论，每年可能会误导约280亿美元的资金投入。如果在基础结论不可靠的情况下扩大产出规模，就只会让错误形成更长的传播链。
特朗普于2025年签署了《恢复黄金标准科学》行政令，要求由联邦资助的研究重视可重复性、透明度、数据共享、误差与不确定性说明、假设可证伪性、无偏见同行评议、阴性结果以及利益冲突管理。报告主张，需要既重视知识生成过程，也重视知识验证过程。AI可以解析论文、重建计算环境，在沙盒中重新执行分析，并把结果同作者的主张相对照；期刊投稿系统、资助报告平台和企业AI工具则需要开放接口和互操作标准，从而让验证成为持续运行的基础设施。
在数学领域，我们已经看到了这种变化的可能。过去，把一个定理翻译为机器可以检查的形式语言，可能需要花费数月乃至数年的时间。一个国际团队曾用18个月的时间将素数定理翻译为形式语言，却仍然会被复分析中的核心难题困住；2025年，一家使用AI的初创企业用三周就完成了相关项目，形成了1100项经过形式验证的定理和定义。形式验证能够把合作的基础从个人声望与信任，转向可以被机器检查的数学确定性，这种结果也可能会让未来的数学家承担更多的系统架构、证明战略和AI工具协调工作。
传统的期刊制度同样也需要改变。全球约有900万名全职研究人员，每年在数万种期刊上发表数百万篇文章，科学交流仍依赖少数匿名、无报酬的评审人。期刊倾向于刊登那些完整且漂亮的叙事，零结果、失败实验、方法细节和真实研究过程很难进入到出版物当中。AI可以工业化生成可信的论文后，论文数量、引用和影响因子会更加容易被操纵。报告提出，未来的科研人员应当被允许更频繁地发布数据集、代码、初步结论和动态笔记本，并允许成果随着数据更新而变化。
更远的设想，是建立一套新的AI科学系统。区块链可以记录每一次数据上传、分析运行情况，提出假设，细化成果归属；去中心化的自治组织、悬赏和预测机制可以绕过传统的委员会，直接把资源导向具体的问题；AI智能体可以发现线索、发布重复的验证任务、租用云实验室、评估结果并通过智能合约来支付资金。报告承认，这套体系尚未成熟，各个组成部分能否真正结合仍不确定。但作者希望说明的是，AI可能改变的不只是研究工具，也包括科学工作的组织、交易、评价和合作方式。
14.“黄金时代”不会自动到来
《科学：新的黄金时代》试图把美国科技竞争中的多项议题纳入到同一个解释框架之中：科研资助效率下降、大学行政负担上升、企业研发投入增加、制造业外迁、技能型人才短缺、AI基础设施扩张以及大国技术竞争，都指向战后科研制度与今天科学前沿之间的错位。
报告给出的答案，是重建一套覆盖“科学发现—工程设计—生产制造—可重复性验证”的国家科技体系。政府要为基础研究提供长期支持，也要像投资者一样试验不同的资助机制；大学仍然需要承担知识生产与人才培养的责任，却必须同企业、国家实验室、社区学院和地方制造业建立起更紧密的关系；私营部门掌握资本、算力和工程设计能力，政府则负责设定国家目标、建设公共平台、开放试验设施，并填补市场无法覆盖的空白。
AI让这项改革更加紧迫。它能够显著加快提出假设、处理数据和安排实验的速度，却无法让细胞更快分裂，也不能自动建成半导体工厂、核反应堆和科学仪器。科学进步最终仍取决于制度建设、物质基础、技能传承以及对知识可靠性的持续检验。按照报告的判断，新的“黄金时代”不会因某一项神奇技术的出现而自动开启。只有当美国重新建立起科学家、工程师、企业、制造业和公共机构之间的良性互动关系，AI带来的认知能力才可能转化为长期的国家实力。