1970年前后的苏联，常在今日俄罗斯的科技史讨论中被视为一个特殊的历史坐标。那时的苏联刚完成载人航天的连续突破，在核工业、导弹、航空及基础理科领域均拥有极强的国家组织能力，苏联科学院也在国际上享有巨大影响力。

今天俄罗斯有些教育讨论，喜欢把当下大学生的成绩与1970年前后的苏联相比。这种比较引出了一核心疑问：苏联当年究竟强在哪里？许多人的第一反应是体制优势，或是拥有库尔恰托夫、朗道、科罗廖夫等一大批顶尖科学家。这些确实是事实，但若将视线从天才名单移向国家的人力资源全景，会看到另一幅图景。

冷战真正残酷之处，不在于两国各自拥有多少个绝顶天才，而在于谁能持续将更多普通人送进大学、实验室、工厂和工程部门。科技竞争是一场极其漫长的淘汰赛，偶尔冒出一个爱因斯坦无法决定胜负，能否同时拥有千百万人处理复杂技术问题，才会逐步改变比赛格局。

1970年的苏联已经非常强大，但科研人口的绝对规模仍面临西方的挑战。苏联的学位体系与西方不同，其“科学副博士”通常被国际教育分类视作PhD同等层级，“科学博士”则是更高一级研究资格。统计显示，苏联科研人员从1945年的约13万增长到1970年的约95万，1985年达到约150万。对于一个刚经历二战且工业化时间有限的国家，这已是庞大的机器。

然而彼时美国也在疯狂扩张高等教育。美国国家科学基金会数据显示，其年授予研究型博士数从1958年的8773个激增至1970年的2.95万个。苏联面对的并非只有几所大学和几万科学家的美国，而是整合了整个西方的高等教育体系。算上西欧、日本等工业化盟友，差距被进一步拉大。

据历史估算，1970年前后，美国研究型博士存量约37万，苏联科学副博士存量约26万；美国理工科大专以上人口约900万，苏联约690万。若计入西方盟友，西方在博士及理工科人才存量上对苏联—华约阵营维持着接近2:1的优势。苏联在规模较小的人口基础上完成了惊人的技术突破，这解答了一个历史悖论：高度集中的资源能打造出尖端超级工程，但当现代科技向整个经济体系扩散时，人力资源的厚度便成了决定性因素。

导弹与航天可由国家集中几千名顶尖人才攻克，但计算机、半导体、精密制造与生物技术，则需要数以百万计受过良好教育的人共同参与。当科技演变为整个社会的生产方式，规模效应便急剧上升。

到了1980年，苏联的军事力量达到冷战巅峰，但其科技人力资源的劣势并未改变。美国在20世纪60至70年代的高速扩张中积累了庞大的博士存量，并构建起由麻省理工、斯坦福、贝尔实验室、IBM、NASA及国防承包商组成的人力网络，实现了大学、企业、军方与资本间的高效流动。

苏联擅长集中资源完成国家任务，而美国则构建了一个自我增殖的创新生态，这种差异在计算机领域尤为明显。到了1990年，美国研究型博士存量已达约90万人量级（本土约56万），而苏联及华约阵营相对应的科学副博士存量约为38.5万人。

美国并非靠微弱的教育优势取胜，而是依靠几十年积累的人力资源规模优势。大规模科技体系容许试错与浪费，允许不同路线的并行探索。当受教育人口足够多，科技创新就会从“国家押注个别科学家”转变为“全社会共同参与的概率游戏”。

视角拉回当下，中国拥有冷战时期苏联难以想象的高等教育规模。2024年，中国本专科在校生达3891万人，研究生在学人数409.5万人；2020年中国授予约200万项科学与工程第一大学学位。中国真正的底牌，是每年有数百万年轻人进入工程、计算机、材料等专业，形成了庞大的工程师供给体系。

然而，美国科技体系的精髓在于全球人才的虹吸能力。美国国家科学基金会2026年发布的数据指出，2024年外国出生人口占美国STEM劳动力约22%，在高级学位及关键领域占比更高；2024年美国授予的4.59万个科学与工程博士中，临时签证持有人在计算机与工程等领域占了多数。

此外，印度等国也在输出大量理工科人才。2020年印度授予科学与工程第一大学学位约250万项，其中大量人才流入西方国家。因此，大国科技竞争不仅是本土人口的比拼，更是全球人才吸引力的较量。教育政策与移民政策在本质上是国家科技战略的两面。

中国需要将“人口大国”转化为可持续的“高等教育人口大国”。随着科技向半导体、人工智能等领域纵深发展，适度延长基础教育并扩大高等教育覆盖面，有助于夯实人才金字塔的底部。同时，政策也在向全球人才开放，例如中国自2025年10月1日起新增针对外国青年科技人才的K字签证，标志着人才争夺战进入新阶段。

要吸引全球顶尖青年人才，必然倒逼科研经费管理、大学薪酬体制、学术评价体系及企业研发生态向国际一流看齐。2024年中国招收博士生17.1万人，在学博士67.6万人，通过将工程博士培养与大型企业、国家重点工程深度结合，能够形成从本科到产业科学家的完整链条。

科技强国的竞争最终归结于科技人口的质量与规模。面对未来人口结构的变化，维持并提升科技人口规模主要依赖三个路径：提升本土人口受教育时长与质量、扩大高等教育与高层次人才培养，以及向全球开放吸纳优秀人才。

进入AI时代，这一关于“人头”的逻辑正在发生深刻的重塑。有人认为生成式AI和自动化工具会减少对海量基础工程师的需求，但事实可能恰恰相反。AI技术的突破并没有降低对人才的门槛，而是抬高了整个社会的技术底线。未来的技术竞争，不再只是编写基础代码，而是关于如何驾驭AI工具去解决极其复杂的系统工程问题。

在AI与实体经济、机器人、生物医药、先进制造深度融合的未来，对兼具跨学科知识与复杂工程能力的人才需求将呈指数级增长。AI能够替代重复性的脑力劳动，却无法替代提出关键科学问题、设计底层架构以及在物理世界中进行工程落地的顶级与复合型人才。

未来的科技人口金字塔，不仅包含人类科学家与工程师，还包含由他们所指挥和训练的AI智能体网络。谁拥有更多高质量的受教育人口，谁就能培养出更多能够“指挥AI军团”的超级工程师与架构师。

大国科技竞争的底色始终未变——归根结底，依然是关于“人”的规模、质量与开放程度的终极较量。

禁止转载