越来越多的人已经看清，特朗普政府发起的贸易战本质上是针对中国产业转型升级和创新驱动发展的“狙击战”。这也使科技创新这一议题在中国获得前所未有的关注。但是，中国目前的创新驱动发展战略仍然存在一些令人费解的现象：在创新链条的起点上，大学和科研机构争相拥抱“基础研究的春天”，要在“从0到1”原创性成果方面有所贡献；但在链条的另一端，大批渴望转型的本土企业却苦于“不创新等死、创新找死”的近视症，高度依赖低水平重复的经验性试错；而夹在中间的各种应用研究机构则往往忽视中国自身的现实，而以西方产业链为模板和标杆去定义、寻找和攻关科技创新中的瓶颈环节。总之，创新链条各环节、产学研各类主体之间充满了时空错乱，其后果也显而易见：以西方为模板获得的攻关成果在中国多会“水土不服”，“引进—落后—再引进”的循环更是屡见不鲜；基础研究成果转化的努力则面临着大海捞针、链条过长、小马拉大车的质疑。 出现上述问题的一个重要原因，是政策设计者对创新链条的动力机制长期以来形成的一种特定理解：将大学和科研机构的知识创新(即“科学发现”)视为企业技术创新的基础与新技术、新发明的源泉，①并在此基础上设计了上述时空错乱的“接力”式分工。对于今天转型升级已经“船到中流”的中国来说，我们有必要重新思考科技创新链条的动力机制及其各环节之间的关系，重新安排上述时空错置的科研流程。本文将从对“科学—技术关系”的理论剖析入手，进而理解上述动力机制问题，并在此基础上给出一系列分析和政策建议。 一、理解科学与技术的关系 很多人习惯于将“科学—技术关系”想象为上述的线性模式：大学和科研院所贡献科学知识，对科学的应用形成技术，企业对技术成果的商业化就是创新。这也对应于科技统计中“基础研究—应用研究—试验开发”的研发形态三分法。但是，技术进步与产业发展的无数事实告诉我们，技术的发展逻辑与科学截然不同，更不能将其简单视为科学的应用结果。科学是在给定(实验、分析、假设)条件下探求世界的规律，是“求真”的结果，但这个结果往往高度不确定(至少不能事前确定其有用性)；技术的本质则是“务实”，是在已知终点(以达成某种现象为结果)的情况下寻求实现结果的适当条件。②这两种迥异的发展逻辑决定了科学与技术之间一系列的重要差别和联系。 首先，由于科学求真并不必然考虑“有用性”，因此科学发现并不会自动导致技术进步和生产力提升：100年前波尔对原子结构的研究、今天科学界对黑洞和新粒子的痴迷，在很大程度上都是由好奇心驱动的自由探索，不会在短期内看到实用的方向。即便“求真”过程存在对“有用性”的考虑，科学原理的突破也必须同具体的现成技术(在现实世界中表现为成熟的分工和产业体系)相结合，才能变成实实在在的生产力，③而从科学发现到产品创新的加速则主要是基于工业体系现成技术的不断丰富与分工的不断细化。这意味着那些在基础研究领域大举投入、却不具备相应产业基础的国家，往往很难如愿以偿，创新学者将该现象称为“欧洲悖论”④。也就是说，产业技术越发达的国家，在基础研究投入中的获益越多；而产业核心技术落后的国家，则应尽可能地在纯基础研究环节保持收缩，⑤因为即便他们获得“从0到1”的原创成果，也会因产业基础中的短板而无法落地，最终为工业领先的国家作嫁衣。对工业化以来200多年全球历史的观察表明，从来没有一个国家在成为工业霸权之前，率先成为科学霸权。 其次，由于技术的“务实”集中表现为“能够达成特定现象”，因此技术问题的解决并不必然需要科学的支持，也就是说，达成现象的过程并不必须“知其所以然”。解决技术问题的关键往往在于在反复试错摸索中积累的“经验”和“匠心”，经验越老到，现象的达成就越稳定。一旦获得必要的经验，产业发展就获得了初始动能，而不必等待科学知识健全之日。以自行车为例：诞生200年来，自行车稳定行驶的原理至今成谜，此前出现的陀螺效应、前轮尾迹等解释被先后证伪，⑥但这丝毫不影响其成长为千亿级产业，也丝毫不影响共享单车等新形态的出现。即便高技术产业发展至今，技术的“结果导向”也注定了经验无处不在，这意味着“以科学为基础”(science-based)的产业不会变成“科学驱动”(science-driven)的产业，更不会“被科学创造”(science-created)。 最后，除上述差别之外，科学和技术之间也可以建立互动，但这些互动主要是由技术环节发起的。对这一问题最经典的讨论来自恩格斯的《自然辩证法》，“科学的产生和发展一开始就是由生产决定的。……从十字军征讨以来，工业有了巨大的发展，并随之出现许多新的事实……。这些事实，不但提供了大量可供观察的材料，而且自身也提供了和以往完全不同的实验手段，并使新的工具的设计成为可能”⑦。恩格斯在此指出了技术对科学的两种作用路径：一是技术需求(即恩格斯说的“生产”)为科学提供了研究(观察)对象；二是作为实验手段和研究载体，构成了科学“给定条件”的一部分。从这两方面来看，“科学应归功于生产的事实……多得不可胜数”。在前一种情形中，响应技术进步的需求成为科学研究的首要任务，其中既包括在现有技术达到极限时为技术升级寻找新的科学原理(如目前产业界为后摩尔定律时代所做的科学储备)，也包括用科学语言“翻译”技术经验、以科学原理保障技术“适当条件”的稳定性、一致性和可转移性。⑧这两种需求都能够使科学研究获得内生于经济体系的发展动力，显著提高其预期财务收益。⑨ 后一种情形更容易被忽视：众多科学研究都依靠技术手段来揭示规律，且难以脱离具体的技术形态，正如今天整个网络科学与工程研究都只能是1969年阿帕网(ARPANET)诞生之后的结果，而非通信协议在前、网络原型在后的“科学驱动”过程；2017年诺贝尔化学奖授予冷冻电镜的发明者，同样反映了这种“科学奠基于技术”的价值观。技术成为科学的基础设施，使科学研究伴随着技术条件和研究对象的改善而具有了“草鞋没样，边打边像”的动态特征；相反，“几乎从来没有看到过这样一种尝试，先把所有的研究方案都列出来，然后再根据正规的计算从中挑选出最好的方案”⑩。
