经济学者卢麒元最近扒开了一个极其尴尬的现实。国内砸进天文数字的社科研究经费，养着海量的研究大军，却硬是端不出一套能真刀真枪干活的"智能分析预判系统"。

这话听着刺耳，但仔细一想，还真不是危言耸听，欧美那边的金融AI正以毫秒级的速度死盯着全球资金盘，热钱往哪儿撤、资产往哪儿转，警报直接在屏幕上拉响。而我们这边呢？每年几十亿的真金白银砸下去，换来的却是一堆飘在云端的“概念”。

先看看这笔账到底有多大，2026年，全国哲学社会科学工作办公室收支总预算达41.44亿元，其中社科基金支出34.90亿元。国家社科基金各类项目年度立项数量超过7000项。

这还只是一个口子，加上教育部高校哲学社会科学繁荣计划专项资金、各地社科联配套资金，天文数字四个字一点儿不夸张。养着上百万的社科研究大军，课题、论文、结项、评审，流水线一样转个不停。

但问题恰恰出在这儿，卢麒元说得挺直白，咱们不少社科研究，本质上是在熬“概念浆糊”。新概念层出不穷，新提法越来越密，框架一个比一个宏大，可一旦追问到最关键那一步：怎么落地？怎么建模？怎么接入真实数据跑起来？场面就僵住了。

《半月谈》也点出过类似问题：部分学术成果概念空洞叠加、研究范围模糊、问题指向不明，远观符合学术规范，近看却没啥实际价值，纯属浪费资源。

最尴尬的还不是缺钱缺人，而是两拨人压根儿不在一个频道上，搞理论的人不懂代码，写代码的人摸不透经济运行的底层逻辑。

社科这边要的是论文表达、理论闭环、核心期刊；技术那边交的是算法框架、程序模块、基础模型。项目一结题，各自都能写一份漂亮的总结报告，可真正那个“能打仗”的东西，往往根本没长出来。有数据显示，我国社会科学研究成果的转化率仅为10%左右，远低于发达国家30%的平均水平。

更麻烦的还不只是人和人之间听不懂，数据也不通。各个部门、各个机构的数据，全被锁在不同大楼的数据库里，谁也推不开谁的门。没有真实、持续、可用的数据，再精妙的模型也只是实验室里的纸上谈兵。

你让AI分析经济风险，前提是得先让它“看见”风险，连数据都喂不进去，最后出来的只能是幻灯片上的想象力，而不是屏幕上的预警力。

有人可能会说，社科院不是已经搞了“经济大数据与政策评估实验室”吗？不是已经开发了“中国经济能源环境政策模拟分析系统”和“中国宏观经济大数据AI预测系统”吗？没错，确实有一些探索。中央财经大学也发布了“区域和产业发展大模型”。

但这些努力距离真正能“真刀真枪干活”的系统，差距还很大，这些系统大多停留在研究层面，离实时接入海量数据、动态预警风险、辅助决策还有相当长的路。

卢麒元说得透彻，智能分析系统需要的不是一篇漂亮的文章，而是结构化数据、明确变量、可计算模型和持续反馈机制。

传统研究可以写“某种现象可能受到经济、文化、政策等多方面影响”，但一个能打仗的系统必须进一步回答：经济因素占多少比例？政策变化多久产生连锁反应？哪些指标一波动就意味着风险正在累积？这是从“描述问题”到“计算问题”的质变。

很多人没意识到，这件事最刺痛人的地方，不在于“科研没成果”这么简单，而在于方向和节奏已经完全不同了。别人盯的是全球资金流向、资产异动、风险信号，追求毫秒级反应；我们很多项目还在围着论文格式、核心期刊、结项材料打转。

不是说理论不重要，没有理论支撑，系统也做不稳，但问题是，如果理论永远停在纸面上，不能往前迈到代码、模型、数据和验证那一步，它的价值就会被越磨越薄。

最怕的就是这种局面：看上去很热闹，实际上离实战很远。会议一场接一场，术语一个比一个新，成果册子厚得像砖头，打开处处都标注着“重大突破”。可真要问一句能不能现在拿出来跑一下，能不能对真实经济风险起作用，很多东西立刻就虚了。这种虚，不只是技术层面的虚，更是资源配置上的虚。

经济风险这东西，不会等你慢慢写完结项报告，市场动起来是按秒算的，资金转移、资产波动、链条传导，都不是论文答辩的节奏。

卢麒元最后那个追问，其实一点都不抽象：这笔砸不出实效的巨资，到底还要不要继续按老路花下去？继续让最聪明的人在纸面上做“词汇接龙”，当然最省事。路径熟、规则熟、考核熟，谁都不难受。可结果也明摆着：真正能守底线、看风险、做预判的东西，还是出不来。