卢麒元炮轰社科研究：经费天文数字、大军海量，却做不出能实战的智能预判系统！养了一堆“纸上专家”，关键时候全哑火！这钱花得值不值，老百姓心里有杆秤！

论文、课题、报告越来越多，真正能持续运行、反复验证、直接帮人解决问题的工具，却没有同步出现。2026年8月，经济学家卢麒元一句“糜费万亿、养百万社科，竟无一个可用智能体”，把这个尴尬的问题直接捅到了台面上。

这话很重，争议也不小。但它之所以迅速引发讨论，不是因为数字听着吓人，而是因为很多人都见过类似场景：报告写了几百页，会议开了一轮又一轮，到了关键时刻，却没人能回答政策会影响谁、风险从哪里冒出来、换个方案结果会不会更好。

钱确实不是小数目。2020年至2023年，全国研发经费总投入从2.4万亿元增至3.3万亿元，2024年又突破3.6万亿元，稳居世界第二。2023年全国研发经费为33357.1亿元，同比增长8.4%。

社科领域没有一份每年统一公布的完整总账，但2025年中央财政直接投入社会科学研究达到128.6亿元，国家社科基金年度资助约27.2亿元。再算上高校专项、地方资金、社科院所和智库建设投入，全年相关市场规模接近600亿元，长期累积到“万亿级”并非完全没有现实基础。

人也不少。全国高校人文社科专任教师超过50万人，各类研究机构、社科院、党校、政策研究室和智库加在一起，百万级从业队伍并不夸张；每年立项的省部级以上课题，也超过5万项。

问题就摆在这里：钱和人都有，为什么还没有一套能实时读取财政、税收、就业、金融、司法、社保和舆情数据，并对政策后果作出预判的成熟系统？

最先卡住的，是社科语言很难直接变成代码。论文里常见“治理体系”“协同机制”“路径优化”这些词，读起来完整，落到算法环节却不够用。“社会韧性”对应哪些指标？“政策传导效率”怎么计算？政策变化多久会产生影响？经济因素和制度因素各占多大比例？

人可以接受模糊判断，程序不行。变量必须有边界，数据必须能获得，规则必须能验证，结果还要能够重复跑出来。没有完成从“描述现象”到“建立算式”的转换，工程师拿到再漂亮的报告，也很难把它变成真正能工作的系统。

数据孤岛又把门槛抬高了一层。财政、社保、就业、司法、金融和舆情数据分散在不同部门，研究者往往连经过脱敏处理的结构化数据都拿不到。没有稳定、真实、连续的数据输入，所谓智能体就只能在演示屏上表现精彩，离实际使用还差一大截。

国内并非没有尝试。清华有社会仿真平台，能够模拟百万级智能体互动；上海大学开发过基层治理智能体，用于辅助识别社区矛盾、研判民情；一些机构也在做舆情抓取和情感分析。

可惜，这些项目大多停留在实验室，或者只解决一个局部问题。它们没有被整合成能够长期维护、跨部门调用，同时覆盖税收、金融、就业和社会治理的完整体系。网上也很难找到一个由国内社科机构推出、公众或政府部门可以直接使用的政策情景模拟工具。

卢麒元提到的“权力硅化”，说白了，就是人工智能不能只拿来写材料、画图片、润色报告，还要进入国家治理的硬环节。比如税收不能长期主要依赖企业自觉申报，资产转移、税基流失、跨境资金调动越来越复杂，传统人工追查耗时长、稳定性也有限。

全球资本流动监测、金融风险预警、政策落地评估，同样不能只靠一份事后总结。真正有用的系统，应该持续抓取数据、运行模型，告诉决策者政策会波及哪些群体，是否可能引发连锁反应，调整参数后又会出现什么结果。

更麻烦的是，评价体系往往奖励“写出来”，不奖励“跑起来”。论文数量、期刊级别、项目层级、引用次数和领导批示，影响着不少研究者评职称、拿项目、升头衔；模型是否准确、系统有没有被使用，通常没有同等分量。

一个年轻学者花几年做经济仿真工具，可能发不了核心期刊，也很难拿到职称；一个只会写“对策建议”的研究者，却可能凭重大课题一路顺风。课题三年结项，报告交进档案室，后续有没有人维护、预测准不准，往往没人追问。有评估显示，部分社科课题成果转化率不足10%，这就不是个别项目的问题了。

国外一些机构走的是另一条路。美国兰德公司、布鲁金斯学会早已把计算社会科学和复杂系统模拟放进核心业务，模型被用于城市交通、医保改革、反恐资源配置等场景；日本人口与经济长期推演模型从上世纪90年代运行至今，持续更新参数，为养老金改革提供测算依据。美国财政部门和美联储也在用算法监测资本流动与金融风险。

说到底，问题不是还要不要继续投钱，而是钱能不能投到长期维护、跨学科协作和真实应用上。社科研究既要懂社会，也要能把经验转成数据和模型；技术人员既要会算法，也得理解社会运行的复杂性。纳税人的钱不能只换来一摞摞无人追踪的报告，真正有价值的研究，应该不仅解释今天，更能提前看见明天。