当科研范式改变，大学如何应对

　　新一轮科技革命和产业变革加速演进，知识生产和技术创新的主体结构正在发生变化——企业在人才培养和前沿科研中的参与度越来越高，高校似乎不再像过去那样天然处于知识创新的中心位置。当前，国内许多头部科技企业纷纷布局前沿交叉领域，一些企业在基础研究和关键技术研发上的投入持续加大，部分领域的投入已超过不少高校。面对这一变化，大学如何定位自身角色？这不仅关系到每一所高校的发展方向，更关系到高等教育改革和国家创新体系的整体布局。

　　中国高校需要走出自己的分类发展之路

　　回答这个问题，首先要看到一个基本事实：我国创新体系的力量结构有着自己的独特性。我国拥有规模庞大的国家科研机构体系，国家实验室体系仍在快速建设，企业科研能力近年来明显提升，但不同行业、不同企业之间仍然存在明显差异。这种结构上的差异，使得我国高校长期承担的任务更加多元：不仅承担基础研究和人才培养任务，也在相当程度上参与技术研发、成果转化和服务产业升级。因此，讨论高校定位，首先要避免把“高校”当作一个同质化概念，更不能用一套指标、一种发展模式要求所有学校。

　　近日，中共中央办公厅、国务院办公厅印发《关于分类推进高校改革的意见》，对分类推进高校改革作出系统部署。《意见》指出，要激发分类发展动能：打造服务国家重大战略支撑力量，发挥好“双一流”建设对研究型大学改革的牵引作用；建强服务区域经济社会发展基础力量，实施优质特色应用型本科院校和学科专业建设工程，优化实施高水平高等职业学校和专业建设计划；夯实服务行业创新发展支点力量，发挥行业特色高校传统优势，强化服务实体经济能力；构建高等教育融合发展新形态，探索国家拔尖创新人才培养新模式。这意味着，高校科技创新首先要解决分类定位问题。研究型大学、应用型本科院校、高等职业院校、行业特色高校，所处位置不同，服务对象不同，发展重点也应有所不同。只有分类清晰，才能各安其位、各展所长。

　　明确分类定位之后，还需要进一步厘清高校与其他创新主体之间的关系。从国家创新体系看，关键不在于某一个主体是否足够强，而在于体系的“整体效能”。真正有竞争力的创新体系，应当能够把高校、科研院所、国家实验室和企业等不同主体的优势组织起来，以体系化能力应对竞争。

　　当然，宏观方向明确，并不意味着执行层面会自然顺畅，难点往往出现在组织边界和激励机制上。比如，全国重点实验室实体化运行以后，人员如何在学院与实验室之间配置？教师的工作量和成果如何认定？学院与实验室之间如何分配成果、评价贡献？这些问题看似属于高校内部管理，实际上直接影响国家战略科技力量能否形成真正的协同。

　　学科建设要回应技术变化，但不能盲目追逐热点

　　当前，高校内部还存在一个更现实的问题：新技术的发展，正在使人才培养面临结构性矛盾。其中最突出的，是学科体系的相对稳定性与技术的快速迭代之间存在天然张力。

　　学科建设需要相对稳定的知识结构、师资队伍和培养体系，不可能随着每一次技术的变化都频繁调整；但人工智能等前沿技术的迭代速度越来越快，一些产业变化甚至可能快于高校调整课程的速度。因此，“学科能不能始终跟上技术”这个问题本身，或许就需要重新审视。

　　大学要回应技术变化，不能把专业和课程调整简单化处理成对短期产业风口的被动跟随，而应借助高水平科研、产教融合和真实场景，提高人才培养对新知识、新技术与新产业需求的敏感度。一方面，通过高水平科研培养基础学科拔尖创新人才，让学生尽早接触真正的科学问题，在基础理论、科学方法和原创能力上打牢根基；另一方面，通过校企联合培养等方式，让工程技术人才走进真实的产业场景，在应对复杂工程问题的过程中提升解决实际问题的能力。大学不可能在每一轮技术迭代中都跑在企业前面，但必须培养出能够理解底层原理、掌握方法和技术并持续适应未来变化的人。

　　类似的矛盾也体现在科技成果转化上。过去，高校成果转化往往遵循“先形成成果，再寻找市场”的逻辑。其局限在于，如果科研选题一开始就并非来自真实需求，即便后端投入再多资源推动转化，也很难改变成果与市场脱节的问题。现实中，一部分长期未能转化的专利，并非简单意义上的“沉睡专利”，而是从产生之初就缺乏明确的应用场景和价值判断。因此，推动科技创新和产业创新深度融合，需要前移成果转化的起点。

　　重大工程、产业场景和企业技术瓶颈，不仅是成果应用的终点，也应成为一部分科研问题的重要来源。与其在研究结束后拿着成果寻找市场，不如在研究开始时就从真实场景中识别值得研究的问题。这并不是简单地要求高校科研“市场化”，更不是要求所有科研都追求短期应用，而是要求应用导向研究真正建立从问题凝练、研究攻关到成果应用的闭环。

　　把知识、人才与不断变化的科学问题、产业问题连接起来

　　当前，在人工智能等少数技术快速迭代的领域，企业已经集聚了大量顶尖人才、真实数据和工程场景，技术更新速度有时明显快于高校。过去那种认为高校天然处于知识和技术前沿的假设，正在受到挑战。承认这一点，并不意味着高校的重要性在下降，而是提醒大学重新回答一个根本性问题：自身不可替代的价值究竟在哪里？

　　一个值得关注的趋势是，人工智能对不同学科的影响并不相同。在大规模搜索、模式识别、组合空间探索较多的研究领域，人工智能可能更快地改变研究方式；而在高度依赖真实实验、复杂工程环境或价值判断的领域，其影响节奏和作用方式可能有所不同。由此带来的不仅是科研工具的改变，还可能重新划分大学与企业之间、不同学科之间的知识生产边界。越是在企业跑得快的领域，大学越不能简单以“追赶技术迭代”为目标，而要更加重视基础原理、长期问题和人才能力的形成。

　　从这个意义上说，高校既不必因为企业进入前沿科研而陷入“地位下降”的焦虑，也不能沿着过去的惯性无限扩展科研边界。更重要的是厘清几组关系：不同类型的高校各自承担什么任务，高校与国家实验室、科研机构和企业如何分工，高水平科研如何真正融入人才培养，产业需求如何更早进入应用导向研究的问题凝练环节等。

　　高校真正的竞争力，在于能持续创造基础知识，培养能够应对未知变化的人才，并把知识、人才与不断变化的科学问题、产业问题联结起来。当这一定位更加清晰时，高校与其他创新主体必将在分工协同中形成更具整体效能的国家创新体系。

　　（作者系中国高等教育学会高等教育管理分会委员、国家教育行政学院高等教育管理研究中心副主任；本文系国家社会科学基金2024年度教育学青年课题“新时代卓越工程师培养的校企积极性调动机制研究”［课题批准号：CTA240320］的阶段性成果）

《中国教育报》2026年10月14日 第05版