知名学者卢麒元抛出了一个拷问，让不少圈内人直接破防：咱们养着上百万人的社科研究队伍，每年上百亿的经费往里砸，可真到了推演国际局势、预警经济风险的节骨眼上，却连一套能上场、能实战的 “智能分析预判系统” 都拿不出来？

很多人刚听见这个提问，第一反应就是跟着叹气，觉得这么多人、这么多钱投进去，怎么就没搞出一个像样的预判工具。可真往圈子里面多看两眼，就会发现事情远远不是大家想的那么简单。

社科和理工科完全不是一回事，造芯片、做软件，参数摆在明面上，对错能靠实验验证。国际局势、经济走向，变量多到数不清，人的选择、突发事件，随时都能推翻之前所有模型。

理工科的 AI 系统，拿标准化的数据喂进去，就能跑出稳定结果。但社科面对的是人，是各个国家的政客、资本集团，这些人的想法随时会变，没有一成不变的固定公式。

还有一个很现实的问题，很多社科课题立项的时候，目标就不是做实战预判工具。不少项目更偏向写论文、出专著，考核标准看的是发表数量，不是能不能拿去给决策端提前预警风险。

经费的分配也很分散，上百亿听着很多，摊到海量的课题、无数的机构和人员头上，分到单个方向的钱，一下子就被拆得七零八落，很难集中力量去啃一个超大的工程。

做这种实战级别的智能预判系统，不只是写代码那么简单，它需要打通海量跨领域数据，跨境的经贸数据、各国政要动向、大宗商品、资本流动，很多数据拿不到完整、实时的原始素材。

很多关键数据分散在不同部门、不同机构，壁垒很高，没法顺畅汇总到一个平台里面。数据不全、数据滞后，再厉害的算法跑出来的结论，也只能是空中楼阁。

不少团队其实也试着做过小型模型，有的能在局部场景里面用一用，但是一放到复杂多变的全球博弈里面，容错率太低，误差大，决策者根本不敢直接拿来当参考。

网上很多朋友觉得，只要找程序员搭个 AI 模型，喂点新闻和历史数据，就能精准预判危机。这其实是把大国博弈和经济运行想得太简单了，黑天鹅事件本来就很难提前锁定。

欧美那边所谓的预判平台，也不是说每次都准，他们很多预测同样经常翻车。只是他们起步更早，数据积累时间长，而且很多商业情报机构，是长期持续砸钱做一件事。

咱们这边社科队伍里面，也有不少踏实做事的人，常年跟踪海外局势、跟踪产业链变化，写大量的研判报告。只是这些成果大多是文字研判，没有打包成一套自动化、可迭代的智能系统。

还有一个容易被忽略的痛点，就是人才断层。既懂经济学、地缘政治，又精通大数据、算法建模的复合型人，本身就非常稀缺，这种跨学科的人才很难大批量培养出来。

单一的文科专家看不懂算法，纯技术工程师又看不懂地缘背后的利益逻辑，两边凑不到一块，做出来的东西要么脱离现实，要么只是花哨的演示版本，没法落地实战。

也不能全盘否定现有的研究体系，这么多年很多风险，其实靠人工研判提前捕捉到了信号，靠专家开会讨论，拿出了对应的应对方案，只是这种模式依靠人的经验，效率上限摆在那里。

卢麒元这个提问，本质不是指责科研人员偷懒，而是点出来一个发展方向。人工研判有它的价值，但以后的风险变化越来越快，光靠人盯着材料，很容易反应跟不上节奏。

我们需要的不是一个能百分百猜对未来的神器，世界上本来就不存在这种东西。而是一套可以持续收集信号、自动梳理线索、给出多情景推演的辅助工具，帮研究人员减负。

这套系统可以帮人筛海量资讯，自动标记异常信号，跑出几种不同走向的可能性，最后判断还是交给人来拿捏，AI 只做辅助，而不是直接替人下结论。

想要做成这件事，就要改一改评价的导向，不能只盯着论文。要允许一部分团队长期深耕一个方向，不用每年产出一堆文章，允许他们慢慢打磨系统，试错迭代。

同时也要理顺数据共享的规则，在守住安全底线的前提下，打通必要的数据通道，不然再好的想法，没有高质量的数据喂进去，最后也只能停留在 PPT 阶段。

这个拷问抛出来，刺耳，但有价值。它不是否定社科研究的价值，而是提醒大家，时代变了，地缘和经济的博弈，早就该用上智能化的工具去辅助研判。

当然我们也不能指望一步到位，这种系统的搭建是漫长的工程，要慢慢攒数据、攒案例、磨合算法，还要结合一线研判人员的经验不断调整。

往后几年，如果能把这件事当成一个重点方向去推进，把分散的力量整合起来，说不定哪天，我们也能拿出一套真正能上战场、帮我们提前看见风险的智能研判平台。



信息源：卢麒元个人发文