一、一个国家能得多少“科技分”，取决于谁在出题

比较中美科技，最常见的方法是各选一张有利榜单：研发投入、论文、专利、模型、企业市值，谁在哪张榜上领先，就宣布谁已经全面领先。但这些数据并不处在同一环节。有些是投入，有些是中间成果，有些是市场评价，另一些则只记录特定样本。把它们混合成一个总分，往往只是把原有偏好藏进权重。

本文给出的答案是：先明确要解决的任务，再建立知识发现、前沿性能、工程实现、规模应用和自主维持五本账。它们分别回答能否提出重要新知识、能否达到高性能、能否可靠做出来、能否广泛使用，以及关键条件变化后能否继续运行。只有回答了具体任务，才知道某一项领先究竟有多重要。

这不是拒绝作出判断。相反，它要求把判断说得更准确：谁在什么领域、什么年份、什么条件下占优，差距影响的是性能、成本还是供应；对手需要多久、付出什么代价才能调整。不能把所有问题都交给一个综合排名，也不能因为现实复杂，就退回“双方各有优势”而不再核对任何证据。

GPS-3S提供了连接顺序：研发、人才与组织形成S1的潜在能力，企业和国家的选择决定S2中的投入与使用，成果能否扩大自主选择与外部合作空间，才进入S3。科技指标最常见的错误，就是越过中间环节，把一项投入或一项成绩直接当作国家最终战略地位。

二、辅助案例：研发投入“谁更多”，首先是一个口径问题

NSF2026年报告采用经国际可比调整的数据估计，2024年中国研发支出约为1.028万亿美元，美国约为1.009万亿美元，中国在这一口径下已略高于美国。[1] 因此，不能继续无条件沿用“美国研发投入总量一定第一”的旧说法。与此同时，这不是按市场汇率直接兑换的中国美元支出，更不是中国科技产出已经全面超过美国的证明。

研发比较至少要区分名义汇率、购买力口径与国内研发强度。购买力调整试图改善不同价格环境下资源投入的可比性，但不是为每一种科研仪器、人才和实验活动找到完全准确的兑换率。国内研发强度则以本国经济总量为分母，回答资源配置的相对比重，与绝对研发规模并非同一排名。[1][2]

中国国家统计局2025年公报显示，研发经费与国内生产总值之比为2.80%，基础研究占研发经费的7.08%。[3] 这两个比例分母不同，也不能与美国某一旧年份、某一企业部门的数据直接拼接。前一个指标观察经济中的研发投入强度，后一个观察研发内部结构；它们都还不是发现质量或产品竞争力。

经合组织《弗拉斯卡蒂手册》提供了研发活动分类与统计框架。[2] 将定义固定下来，才能避免把普通生产设备采购、产品营销或所有软件支出都算成研发。否则，一方使用宽口径、一方使用窄口径，结果看起来精确，实际却无法比较。统计严谨不是枝节，而是任何后续推论能够成立的第一道门槛。

从机制上看，更大研发投入能够支持更多人才、实验和开发尝试，但研究问题、组织方式与资源配置决定投入效率。若重复项目增加而有效探索没有扩大，总额上升可能高估能力改善；若投入保持稳定但工具与组织效率提高，产出又可能进步。投入是必要的重要证据，不能既因它不等于结果而轻视它，也不能因为容易统计就把它当成全部答案。

三、主案例：人工智能为什么不能只看模型数量和榜单名次

斯坦福大学《人工智能指数报告2026》的“研究与开发”网页列示，在其收录的2025年重要模型中，美国为59个，中国为35个。[4] 这里的“重要模型”是特定数据库的筛选类别，不是世界上所有模型的总量。模型数量可以显示研发活动的分布，却无法直接回答最强模型的能力差距、每项任务的使用成本，或现实业务是否真正受益。

一张完整的AI比较表，应同时保留任务成功率、完成成本、运行时间、人工复核需求和可持续供应。假设模型甲正确率较高但收费与算力需求也较高，模型乙性能稍低却能在某类任务中更便宜地达到要求，选择可能随用途改变。这个假设不是对具体产品的测评结论，而是说明用户目标为什么会改变“谁更强”的答案。

尤其不能把基准成绩直接解释成生产率。METR在2025年公布一项实验，让熟悉自身开源代码库的有经验开发者完成任务，结果显示，使用当时AI工具的条件下，完成时间反而平均增加19%。[5] 这个结论属于特定时期、人员与工作环境，研究机构明确不把它外推为所有开发者或所有领域都不能从AI获益。

更关键的是，METR在2026年2月更新说明，后续研究出现了选择偏差等测量困难，工具也在进步；研究者认为实际帮助可能较早期提高，但现有数据对提高幅度的证明较弱。[6] 因此，把2025年的19%直接当成2026年普遍生产率结论，同样错误。真正有价值的历史证据，是它展示了测量对象、时间与使用方式如何影响结果。

从这两次研究可以建立一条可检验的应用机制：模型能力改善，使用户尝试采用；采用过程改变任务分工和复核成本；真实使用结果影响购买与组织调整；企业再改进工具和工作流程；最终只有质量调整后的净收益持续增加，才可以说技术进入了有效的生产率提升。任何一个环节都不能用上一环节的排行榜代替。

中美竞争也会在这个过程中反馈。美国企业若维持前沿性能，同时降低应用成本，可能继续获得高价值客户；中国企业若在合格性能下形成更低的交付成本和更广泛应用，也可能扩大市场。两种路径都只是条件性推演，不能预设低价必然击败领先，也不能预设最强模型必然获得所有收入。

第三方用户还会考虑数据安排、部署条件、语言、服务和更换供应商的成本。某国企业可能在一项公开测试领先，却未必最适合另一个国家的医院、工厂或金融机构。科技实力由此不只体现为“有最好的模型”，还体现为能否在不同环境中提供可靠选择。获得一次采用，也不代表永久控制用户。

AI主案例的结论是：前沿能力与现实收益都必须测量，而且测量需要随技术和使用方式更新。对“为赢”而言，中国形成可用、可负担的替代具有重要意义，但若缺少可靠性、收益和供应证据，就不能把“发布了一个模型”直接升级为“获得了长期战略自主”。

四、辅助案例：专利很多，是证据，但究竟是什么证据

世界知识产权组织公布的初步数据表明，2025年通过PCT体系提交的国际专利申请，中国为73,718件，美国为52,617件。[7] 这是国际申请数量，不是已经获得授权的全球专利数量。WIPO明确说明，专利是否授权仍由有关国家或地区主管机构决定，WIPO本身并不统一授予一种全球专利。[8]

申请数量说明创新主体使用国际保护路径的活动规模，具有真实信息价值，却不能单独证明每一件申请技术质量高、市场价值大。不同领域的专利倾向也不同：有的知识适合申请专利，有的主要依靠商业秘密、数据、组织经验或开源生态发挥作用。只在专利这一种形式中比较，会漏掉另一部分能力。

因此，应进一步核对同族专利、后续授权、维持、引用与实际使用，并按领域和时间调整。引用多可以提供后续影响的线索，却也受到专利年龄、引用规则与技术领域影响，不能把所有引用当成同等贡献。许可和销售又是另一个环节：商业成功可能依赖制造、市场和配套能力，不应全部归给某项专利。

这个案例的最强反方也很明确：不能因为数量不等于质量，就在中国数量增长时宣布数量完全无意义。更严格的处理，是在承认规模变化的同时要求质量证据；评价美国时也使用同一要求。若一方永远用数量、另一方永远用不可核验的“真正高端”，比较就失去了可以共同检验的标准。

五、科研归属和战略可调用性，必须拆开登记

一篇国际合作论文，可以有多个国家机构参与；一家跨国企业，可以在不同地区安排研发；一个关键科学家，也可能先后在多个国家受训和工作。按作者、机构所在地、企业总部或专利申请人统计，会得到不同结果。任何一种口径都可以有用途，但不能在同一论证中悄悄切换，把所有有利结果都归到同一方。

历史上，万维网由在CERN工作的英国科学家于1989年提出，相关软件在1993年走向开放使用。[9] 这个例子提醒我们，重大知识、技术扩散与后来的商业收益可以分布在不同地方。将发明地点与最终获利最多的企业所在地混为一谈，会同时误判科学贡献和产业组织能力。

这一历史类比也有边界。不能从开放网络成功推导所有技术都应该采用相同扩散方式，更不能用三十多年前的案例直接判断今天所有供应风险。它仅说明，国家科技能力既来自境内产出，也来自能够稳定参与的外部网络；网络可以扩大选择，但参与关系不等于可以任意支配别人的技术。

因此，战略可调用性应另建一栏：关键投入由谁提供，合作能否持续，供应中断后有哪些替代，成本与性能损失多大。一个国家在正常商业条件下可以使用世界先进技术，不等于拥有全部自主能力；反过来，存在进口也不等于没有自主，因为多来源、替代路线和相互依赖可能提高施压者自身的代价。

六、最强反方：没有总排名，怎样决定有限资源往哪里投

最有力的反对意见是，国家和企业终究需要作出选择。预算有限，不可能每本账都无限投入。如果永远强调不能比较、不宜加总，就可能把测量做得很精细，却无法帮助决策。这个反对意见成立：拒绝伪精确，不应变成拒绝排序。

解决办法是先固定任务，再允许有条件的权重。例如，建设一个要求高度可靠的系统，稳定性和维护可能比最新性能重要；探索尚不存在的技术路线，原创研究和试验条件就更重要。同一组国家指标，在不同任务下可以得到不同优先序。权重应当被明确写出并允许讨论，而不是包装成自然界存在的一份“综合科技分”。

还要做敏感性检查。如果只把某一项权重稍微调整，结论就从中国明显领先变成美国明显领先，说明排序高度依赖评价者的目的，应当公开这种脆弱性。相反，如果在一组合理假设下，某方都能以更低成本稳定完成任务，这种优势就比一个神秘加权总分更有决策价值。

美国的最强论证，是前沿研究、重要技术节点和商业网络仍能产生持续回报，从而保持下一轮创新能力；中国的最强论证，是更大的研究投入、工程体系与市场应用能够在更多领域形成可靠成果。两者都必须通过具体数据与反馈验证，不能用一方的投入数字反驳另一方的产出质量，也不能只给自己计算未来改进。

七、中国要防止什么负债，第三方会怎样影响结果

中国尤其需要防止指标替代目标。论文需要影响可靠知识，而不仅是增加发表；专利需要支持有效创新，而不仅是增加申请；模型需要解决真实任务，而不仅是优化榜单；研发经费需要形成更多有价值的尝试，而不仅是达到比例。每一个数量指标都可能有用，也都可能在被单独奖励后失去原本含义。

第二类风险是把规模应用当作原创不足的永久替代。某一阶段通过工程与成本取得市场，并不代表永远不需要前沿探索。如果关键技术不断变化，过去的低成本优势也可能被重置。相反，也不能把所有资源都投入最尖端的单点展示，忽略成熟技术的大范围使用；前沿与扩散需要按任务形成合理组合。

第三方可能改变两边的收益结构。它们既希望获得先进技术，也希望避免被单一供应商锁定，还会建设本地人才和产业。中国提供可信替代可以扩大对方选择，美国提供高性能与网络服务也可能继续有吸引力。国家科技实力的国际效果，因此部分取决于伙伴是否愿意持续采用，而不是某一方单独发布了多少成果。

这里没有一个不变的胜负公式。中国能力增长可能降低外部限制的有效性，也可能促使对手加大投入、组织合作；美国的新增投入可能增加成本，也可能创造新的生产率。只有同时计算双方的收益和代价，才能判断变化是在扩大中国的长期选择空间，还是主要增加了两边的竞争费用。

八、一份能够持续更新的科技账本，应留下哪些字段

更新频率也应按对象区分：模型应用可以按季度或半年复测，研发与专利按年度更新，知识影响和产业扩散则观察三至五年甚至更长。数据变动快，不意味着所有长期结论都要同速翻转；观察周期本身就是账本的一部分。

第一，所有重要数字都附上年份、范围、单位、归属口径与核验日期。初步估计与最终数据分开，投入与产出分开，企业国籍与研发地点分开。更新资料时保留旧版本，让读者能够判断结论变化究竟来自现实变化，还是统计修订。

第二，给每个领域同时保留能力、成本和可靠性指标。前沿性能改善却无法承担使用成本，与性能稍弱但可大量可靠部署，是不同类型的优势。比较的任务发生变化时，应重新解释权重，而不是继续沿用旧排名。

第三，追踪从成果到实际使用的时间。研究、样品、产品、认证和规模采用之间出现长期停滞，会削弱投入增长的战略意义；反过来，转换时间缩短且质量保持稳定，能够增强对体系效率改善的判断。

第四，记录未来会推翻当前判断的信号。如果中国高质量产出和可持续应用长期跟不上投入，规模论证应当降级；如果美国前沿优势难以转成用户收益、或关键合作变得难以维持，其体系优势也应重新评估。反证必须对双方对称，而不是只给对手设置失败条件。

中美科技实力可以比较，但必须比较具体能力怎样形成、怎样使用、怎样在竞争后继续存在。对“为赢”的总命题，真正重要的不是替中国找到一张永远排第一的榜单，而是识别哪些进步确实减少外部强制、增加可靠选择，并能经受对手下一轮适应。这样的账本可能不如一个总分痛快，却更接近长期战略判断所需要的答案。

“为赢”是“为什么中国一定赢”的简称。

本账号内容由作者利用AI、与AI共同完成。AI承担大量资料查找、总结归纳、逻辑梳理和文字编辑工作；作者负责选题、判断、审核并承担发布责任。

主要参考资料

[1] NSF/NCSES，The State of U.S. Science and Engineering 2026，Figure 22及其表格，2026年5月；2024年研发支出，现价购买力平价美元，部分数据为初步值。
https://ncses.nsf.gov/pubs/nsbsep20261/figure/22

[2] OECD，Frascati Manual 2015: Guidelines for Collecting and Reporting Data on Research and Experimental Development，研发统计定义、分类与国际比较框架。
https://www.oecd.org/en/publications/frascati-manual-2015_9789264239012-en.html

[3] 国家统计局，《中华人民共和国2025年国民经济和社会发展统计公报》，2026年2月28日；研发强度与基础研究比重的分母不同。
https://www.stats.gov.cn/sj/zxfb/202602/t20260228_1962662.html

[4] Stanford HAI，The 2026 AI Index Report，Research and Development网页章节；使用核验时该页明确列示的2025年重要模型59/35口径，不代表所有模型数量或综合性能。
https://hai.stanford.edu/ai-index/2026-ai-index-report/research-and-development

[5] METR，Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity，2025年7月10日；早期工具、特定人员和代码库实验。
https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/

[6] METR，We are Changing our Developer Productivity Experiment Design，2026年2月24日；后续测量的选择偏差与证据边界。
https://metr.org/blog/2026-02-24-uplift-update/

[7] WIPO，PCT Highlights，PCT Yearly Review 2026及2025年申请初步数据，核验于2026年9月11日。
https://www.wipo.int/en/web/pct-system/highlights/index

[8] WIPO，Frequently Asked Questions: Patents，专利授权与PCT申请的区别。
https://www.wipo.int/en/web/patents/faq_patents

[9] CERN，The birth of the Web，1989年发明与1993年开放软件的历史记录。
https://home.cern/science/computing/the-birth-of-the-web/