10月25日，新华社关于“十五五”规划的报道中提到，中国式现代化要靠科技现代化作支撑。加强原始创新和关键核心技术攻关、推动科技创新和产业创新深度融合、一体推进教育科技人才发展、深入推进数字中国建设……由此，我们可以清晰感知加快高水平科技自立自强的方式和路径。

当今世界，新一轮科技革命和产业变革加速演进，人工智能无疑是重要驱动力量。自主研发的高性能芯片和操作系统、赋能千行百业的人工智能大模型、大幅提高生产效率的机器人……在这条新赛道上，中国企业正以出色表现吸引着全球目光。

“十五五” 规划发布之际，观察者网特邀首都经贸大学企业管理系副主任、副教授孙喜分享观点。他的研究方向聚焦产业升级与技术创新，此次围绕中国产业革命、前沿科技发展、创新路径等方面进行交流。

观察者网：本次十五五规划中，对“卡脖子”问题有所阐述，您此前的观点一直认为，企业才是科技创新的主体，您也对企业的纵向一体化战略有所肯定，当前面对高端芯片、工业软件等跨学科复杂度高的“卡脖子”领域，纵向一体化策略是否仍适用？应该如何去理解？政府应该以什么样的姿态去帮助、引导企业发挥潜力？

孙喜：过去几年，由于国际形势发生了剧烈变化，我们国家的创新系统在这一过程中进行了一些因应性调整。其中最突出的调整有两个，一是日益强调企业科技创新主体地位，二是强调建设国家战略科技力量、服务国家战略需求。把这两方面结合起来的一个重要枢纽，就是通过国家科技重大专项等一系列形式，将企业创新发展、产业转型升级过程中遇到的具体的卡脖子问题，转化成国家科技任务和科技项目。

比如说对特定的科研机构进行了海量投入，进行光刻胶、光刻机的攻关。再比如说设立一些行业性机构，对行业共性技术进行攻关，帮助大多数企业、尤其是中小企业补齐技术升级中的短板。

过去几年这种惯性态势会让人认为，政府帮助、引导企业发挥创新潜力的一个重要形式，就是在企业和产业遇到困难的时候，把这些难题变成具体的项目。

这个形式有它的作用，但这种作用主要是事后补救性质的。所谓事后补救的意思是说，通过这种体制机制人为地制造了一个时滞：从企业确实遇到卡脖子问题，到这些问题转化成国家项目（项目申报），再到产生项目成果（项目验收和交付），中间必然间隔或者延迟了若干年（因为我们的国家科技项目是以年为单位计划、实施的）。

从长期来看，过于倚重这一形式势必会导致一些问题，比如错误地估计现有产业基础对解决卡脖子问题的支撑力度。很多时候我们不是没有技术攻关的成果，而是由于特定的非技术因素——比如供需双方之间沟通不畅等社会性原因——导致这些技术攻关的成果在特定的时期没有得到更好的利用。最典型的一个历史教训，就是当年无锡油泵油嘴研究所去攻关柴油机的高压共轨系统，产品已经做出来了，但是中国的柴油机厂都不用。

因为当时他们更信赖德国博世和日本电装的技术。这种本土创新信任瓶颈的现象，被清华大学的高旭东老师称为“后来者劣势”。如果我们忽视了这方面的问题，就很有可能高估政府科技项目在创新转型升级当中的作用，或者导致某种泛化的思路。

换句话说，当我们今天去讨论有为政府与有效市场充分结合、推动产业创新与转型升级的时候，首先要尽一切努力地把全国统一大市场设计好、规范好，把市场机制用足用好，把现有产业基础在各个领域的技术积累、各种社会力量充分调动起来。这其实是政府“有为”的一个重要方面；而且从长期来看，这比单纯推动科技攻关的项目制更加重要。

观察者网：您认为企业应该是创新主体，因为只有企业能以更大的精力抵近市场、理解需求，但是真实市场需求跟真实社会需求之间，可能也有温差，您怎么看这个问题？

孙喜：理解清楚刚才的问题，我们才能更好地去理解政府帮助、引导企业发挥创新潜力的有效途径。放眼长远，当我们迈过眼下一些关键的“坎儿”之后，政府应该花更多的时间与精力，与国内的一流企业、顶尖工程师和战略科学家一起坐下来，共同商讨和理解产业未来发展的可能方向。

通过这个沟通过程，政府不仅能够建立自己的工业理解能力，而且能够“自我发现”对工业体系转型升级，实现国家长期战略目标有重大意义的关键技术节点和技术系统发展路径，进而定义出一批有重大意义的未来产品和未来工程（过去几年的新疆光伏、雅鲁藏布江水电等项目就是这种思维方式的典型），而不再是诉诸于过去那套跟在西方屁股后面定义卡脖子环节的思维方式——因为历史和实践已经证明，这套思维方式最终只会导致被动挨打。

在这种“自我发现”的基础上，政府进一步去扮演市场规则设计者（包括标准设计者）和关键买家的角色，用更加制度化的方式去不断提高行业进入门槛、推动企业优胜劣汰；同时用这种广而告之的方式为所有行业参与者创造一个共同的长期愿景，打破行业之间的信息壁垒，引导和动员更多民族企业参与进来。（当年的大飞机项目就起到了这种广而告之的效果：国家层面的战略宣示吸引了机械、钢铁、纺织、电子、软件等诸多行业的参与。）

以上提到的举措，其实也可以有效弥合企业面对的真实市场需求与国家需要的真实社会需求之间的鸿沟，也即所谓“温差”的问题。（换言之，今天所谓的温差问题，其本质是国家治理和设计市场的能力不足。）

观察者网：您认为在当前十五五规划发布，强调科技自立自强的背景下，企业纵向一体化的优势是如何体现的？有没有可以分享的技术突破案例？

孙喜：更重要的是，在刚刚提到的过程中进一步捋顺产学研合作关系。让那些想参与进来的企业都有资格成为科技创新的“出题人”，让更多的创新主体成为更优秀的“出题人”，从而以一种更加分布式的结构，让企业创新过程中遇到的那些棘手问题可以在第一时间找到合适的高校、院所合作者得到及时解决，而不再是通过国家项目绕一个圈子。

这是实现科技投入多元化的根本出路，也是打破近年来国家科研项目异化的重要手段。换句话说，在这种路径中，国家项目不再是一个雪中送炭的角色，而应该更多地发挥锦上添花的作用。

举一个例子，过去几年习近平主席在多个场合中提到，我们在高端医疗影像设备领域取得了重大突破。这些突破是怎么发生的？源头其实是在2008年迈瑞医疗找到了中国科学院深圳先进技术研究院，希望一起开发中国本土的高端彩色超声设备。当时飞利浦、通用电气和西门子三家垄断着全球高端彩超技术，高端彩超几乎成了整个中国医疗设备行业的生死之战。当时先进院年轻的研究员、现在南京大学的副校长郑海荣就参与到这个产学研合作项目中，并且后来成长为这一领域最重要的领军人物之一，迈瑞医疗也因此在市场上打了一个非常漂亮的翻身仗。

迈瑞医疗相关合作技术突破

后来做国产磁共振设备的联影医疗当时也在深圳，并在这一时期建立了与深圳先进院的合作关系（只不过后来联影在上海与深圳之间最终选择了上海）。而在这个过程中，郑海荣和深圳先进院承担的有关高端医疗影像设备的科研类和仪器类的国家项目，几乎都不同程度地晚于同类的产学研合作项目。这就是企业科技创新主体地位的体现，这就是国家科技项目锦上添花的作用。

观察者网：那么，目前的高科技领域“卡脖子”情况是否都能通过纵向一体化的战略进行缓解？

孙喜：具体到高端芯片和工业软件这些所谓跨学科复杂度比较高的“卡脖子”领域，其实还稍微有些行业间差异。相对而言，其实工业领域使用的芯片在不同程度上都可以采用用户牵头的方式进行创新。海信进入电视芯片、格力进入空调芯片都是在反映这个逻辑，他们恰恰是因为没有合适的本土供应商，所以不得不通过一体化的方式解决这些内在需求。

相比而言，通用计算芯片领域是一个市场容量更大、但产业分工程度更高的行业。纯设计企业（海思等fabless）和纯代工厂（如中芯国际）之间的关系，也已经脱离了过去的纯粹交易关系，而受到越来越多外部因素（包括制度和政策）的调节。所以这个领域已经超出了纵向一体化的议题范畴。

相比之下，工业软件行业更像工业芯片，碎片化程度更高，需求量相对更小，而且这些软件都承载着产业领军企业的关键技术经验。所以我们会看到过去这些年中国工业软件行业的发展呈现出两个非常明显的路径：一是以当年的中国石油东方物探为代表，通过纵向一体化方式解决关键技术软件化。二是近年来由国防科工委指导、军工协会负责推动的工业软件行业供需两侧的对接与交易撮合。

说白了，这两条路径都脱离了纯粹的市场交易关系，而是通过更加组织化或社会化的方式来解决技术壁垒和信任瓶颈问题。

观察者网：当前的技术革命中，竞争最激烈、影响可能也是最深远的，就是人工智能技术革命，结合本次发布的十五五规划中相关的表述，从当前看，您认为中国以及中国企业应该怎样参与到AI这一格局演变之中？

孙喜：前几天和浙江的同志聊起来，他们说现在浙江正在积极推动人工智能在工业领域的广泛应用。比较下来之后发现，在这个领域做的最好的是浙大中控。为什么呢？因为从褚健老师创业以来的三十年间，中控在工业自动化领域积累了非常丰富的行业经验，到今天几乎是中国流程性工业自动化控制的绝对领军者。

这让中控有能力最大程度地利用“穷举法”（用工业场景中既有的、相对条理的经验知识一条一条地训练人工智能，确保其建立“如果A，那么B”的基本判断，而不是任由大模型自动推理）来完善它的人工智能方案、完善它的工业操作系统。

更重要的是，按照今天人工智能技术的发展水平，穷举法仍然是利用人工智能技术管理工业场景最重要的途径，没有之一。相比之下，某些做互联网和IT出身的企业去做人工智能工业应用，就没有中控这么得心应手。因为他没有这样的工业经验基础去实施“穷举法”。

这个案例其实提示了我们理解中国企业参与AI变局的一些基本原则问题。

第一个原则问题就是，我们要明确人工智能技术革命在不同行业领域的应用方式是完全不同的。在那些2G、2C的行业中，对安全和一致性的要求相对较低，场景中的变量相对较少，这个时候我们可以利用大模型技术（经过适当迁移后）去解决一些行业应用问题。这也是互联网和IT出身的企业能够深度参与，并且取得一定成功的领域。轿车、家电、个人电脑这些产品能够最先引入大模型，就是这个原因。

相比之下，在2B行业中，对一致性的要求、对安全性的要求、场景中变量的多样性与复杂性，都要远远高于消费品领域和公用事业场景，这个时候就极度依赖工业企业的既有经验积累对场景进行降维和分解（比如形成一组高度专用的机理模型），分解到人工智能能够理解和操作的水平。所以中国企业过去30年参与全球分工积累下来的工业经验绝对不是累赘，而是我们参与人工智能技术革命的“金钥匙”。没有这把“金钥匙”，我们就打不开人工智能驱工业发展（设计/开发/生产/营销）这扇大门。

随之而来的第二个原则问题，就是如何看待传统工业企业与人工智能企业之间的关系。作业场景、经验数据来自传统工业企业的积累，人工智能企业（或者某些善于人工智能研发的院校科研人员）的作用则是帮助传统工业企业将这些经验数据转化成机理模型和AI。这个主客关系如果处理不当就会导致很多问题，比如前面提到的供需两侧的沟通不畅，严重的时候会导致“此路不通”。

这个时候可能就需要国家做一些事情：比如通过设立一些工业人工智能领域的示范项目，为供需两侧的协同创新创造合适的机会和场所，解决信任瓶颈的问题。归根结底，利用人工智能发展新质生产力的过程要着力处理好“新”与“老”的关系。