近年来，无论是国家自然科学基金、社会科学基金，还是各类地方和企业科研资助项目，原创性项目的资助率普遍呈现持续下降的趋势。这一现象不仅影响了科研人员的积极性，也对国家科技创新体系的长期健康发展构成了潜在挑战。本文将深入探讨原创项目资助率持续走低的背后原因，并提出相应的应对策略。
一、原创项目资助率持续走低的现状
原创项目通常指那些具有高度创新性、探索性和不确定性的研究课题，它们往往不遵循现有研究范式，可能开辟全新的研究方向。然而，这类项目在申请和评审过程中面临诸多困难。
以国家自然科学基金（NSFC）为例，近年来面上项目的资助率已从早期的约30%下降至目前的20%左右，而青年科学基金项目的资助率也从约25%下降至17%左右。更值得注意的是，原创探索类项目（如“原创探索计划”）的资助率虽然相对较高，但申请数量有限，且竞争依然激烈。这种趋势在其他资助体系中也普遍存在。
二、原创项目资助率持续走低的背后原因
1. 资源有限与竞争加剧的矛盾
科研经费的增长速度远不及科研人员数量的增长。以中国为例，科研人员数量在过去十年中增长了近一倍，但科研经费的年均增长率约为10%-15%。这种供需失衡导致竞争加剧，尤其是对于原创项目这类高风险、高回报的研究，评审专家往往更倾向于选择“稳妥”的项目。
例子：某高校青年教师申请一项关于“新型量子计算架构”的原创项目，该项目具有高度创新性，但缺乏前期实验数据支撑。在评审中，专家更倾向于资助已有一定研究基础的“量子算法优化”项目，因为后者风险更低、成功率更高。
2. 评审机制对创新性的抑制
现有的项目评审机制往往强调“可行性”和“研究基础”，而原创项目通常缺乏前期数据，且研究路径不明确。评审专家在有限时间内难以准确评估其创新价值，容易倾向于保守选择。
例子：在基金申请书中，申请人需要详细描述研究方案、技术路线和预期成果。对于原创项目，这些内容往往难以具体化，导致评审专家认为“方案不清晰”而给予低分。例如，一项关于“生物启发式人工智能”的研究，其技术路线可能涉及跨学科融合，评审专家若缺乏相关背景，可能难以理解其创新点。
3. 短期考核压力与长期创新的冲突
科研机构和高校普遍采用短期考核指标（如论文数量、影响因子、项目经费等），这迫使科研人员倾向于选择“短平快”的研究方向，而非需要长期投入的原创项目。
例子：一位博士生导师在指导学生时，可能更倾向于让学生从事已有成熟方法的研究，以确保在3-5年内能发表高水平论文，从而满足考核要求。而原创项目可能需要更长时间才能产出成果，甚至可能失败，这在当前的考核体系下是“不划算”的。
4. 跨学科研究的评审困境
原创项目往往涉及跨学科研究，但现有的评审体系多以学科分类为基础，导致跨学科项目在评审中面临“专业不对口”的问题。评审专家可能只从自己熟悉的学科角度评价，忽视项目的整体创新性。
例子：一项关于“计算神经科学与人工智能交叉”的研究，可能同时涉及计算机科学、神经科学和心理学。在评审中，计算机科学专家可能认为其神经科学部分不够深入，而神经科学专家可能认为其计算模型过于简化，导致项目难以获得高分。
5. 资助机构的政策导向与风险规避
资助机构在制定政策时，往往需要平衡创新与风险。为了确保资金使用效率，资助机构可能更倾向于资助已有成功先例的项目，而非高风险的原创探索。
例子：某地方科技局在资助项目时，明确要求项目“技术成熟度”达到一定级别，这实际上排除了大多数处于概念阶段的原创项目。这种政策导向使得原创项目在申请初期就被过滤掉。
三、应对原创项目资助率低的策略
1. 改革评审机制，引入多元化评价标准
资助机构应建立专门针对原创项目的评审机制，降低对“研究基础”和“可行性”的权重，增加对“创新性”和“潜在影响力”的评价。
具体措施：
- 设立“原创探索计划”等专项资助渠道，采用“小同行+大交叉”的评审模式。
- 引入“预申请”或“概念验证”阶段，允许申请人提交简短的研究构想，通过初步筛选后再进入详细评审。
- 采用“双盲评审”或“开放评审”机制，减少人情因素和学科偏见。
例子：美国国防高级研究计划局（DARPA）的“高风险高回报”项目评审机制值得借鉴。DARPA项目经理在项目选择中拥有较大自主权，他们更关注项目的颠覆性潜力，而非前期数据。例如，DARPA曾资助“脑机接口”项目，当时该领域几乎没有任何成熟技术，但最终催生了Neuralink等前沿企业。
2. 建立长期稳定的支持体系
资助机构应为原创项目提供更长的资助周期和更灵活的经费使用方式，以适应其高风险、长周期的特点。
具体措施：
- 设立“长期资助计划”，如5-10年的连续资助，允许研究方向在过程中调整。
- 提供“种子基金”支持早期探索，成功后再追加资助。
- 允许经费用于“失败”的研究，鼓励探索性尝试。
例子：欧洲研究理事会（ERC）的“高级资助”（Advanced Grant）项目，资助周期长达5年，且允许研究者自由调整研究方向。这种模式支持了多项突破性研究，如CRISPR基因编辑技术的早期探索。
3. 优化科研评价体系，减轻短期考核压力
高校和科研机构应改革内部考核机制，将原创性研究纳入评价体系，并给予更长的考核周期。
具体措施：
- 在职称评定和绩效考核中，增加对“原创贡献”和“长期影响力”的权重。
- 设立“学术休假”或“自由探索期”，允许科研人员在一定时间内专注于高风险研究。
- 建立“失败宽容”文化，对探索性研究的失败给予合理评价。
例子：德国马普学会（Max Planck Institute）实行“终身研究员”制度，研究员在获得终身职位后，可以自由选择研究方向，不受短期考核压力。这种制度催生了多项诺贝尔奖级别的成果。
4. 加强跨学科合作与评审专家库建设
资助机构应建立跨学科评审专家库，并在评审中引入“交叉学科评审小组”。
具体措施：
- 定期更新评审专家库，确保涵盖新兴交叉学科领域。
- 在评审中要求专家从多学科角度评价项目。
- 设立“跨学科项目专项”，鼓励团队合作申请。
例子：中国科学院在“前沿交叉科学先导专项”中，要求项目团队必须包含至少两个不同学科背景的成员，评审时也邀请相关领域的专家共同参与，有效提升了跨学科项目的资助率。
5. 鼓励社会力量参与，拓宽资助渠道
除了政府资助，应鼓励企业、基金会和社会资本参与原创项目资助，形成多元化的资助体系。
具体措施：
- 设立“企业-高校联合基金”，支持具有应用前景的原创研究。
- 发展“公益基金会”资助模式，如比尔及梅琳达·盖茨基金会支持的全球健康创新项目。
- 探索“众筹”或“众包”资助模式，让公众参与科学决策。
例子：美国“创新研究计划”（IRI）由多家企业联合资助，支持高风险的基础研究。该计划曾资助“石墨烯电子学”项目，最终推动了相关产业的快速发展。
四、案例分析：成功提升原创项目资助率的实践
案例1：美国国家科学基金会（NSF）的“创新计划”（Innovation Corps, I-Corps）
NSF的I-Corps计划旨在将基础研究成果转化为商业应用，其资助模式强调“客户发现”和“市场验证”，而非传统的学术研究。该计划通过短期高强度培训，帮助科研人员验证其技术的市场潜力，从而吸引后续投资。
效果：自2011年启动以来，I-Corps已支持超过3000个项目，其中约30%的项目成功获得后续投资，显著提升了科研成果的转化率。
案例2：中国“国家自然科学基金原创探索计划”
中国NSFC于2020年启动“原创探索计划”，专门资助具有颠覆性创新的项目。该计划采用“推荐制”和“预申请”机制，由资深科学家推荐优秀项目，并允许申请人提交简短的研究构想。
效果：2021年，该计划资助了100余项原创项目，资助率约为25%，远高于常规项目。其中，一项关于“拓扑量子计算”的研究在两年内发表了多篇《自然》子刊论文，展示了其高影响力。
五、结论与展望
原创项目资助率持续走低是多重因素共同作用的结果，包括资源竞争、评审机制、考核压力等。要解决这一问题，需要从评审机制、支持体系、评价文化等多个层面进行系统性改革。
未来，随着人工智能、大数据等技术的发展，科研管理也应与时俱进。例如，利用AI辅助评审，通过自然语言处理技术分析项目申请书的创新性；或建立“科研信用体系”，对长期从事原创研究的团队给予更多信任和支持。
最终，提升原创项目资助率不仅需要资助机构的努力，更需要整个科研生态的协同变革。只有营造一个鼓励探索、宽容失败的环境，才能真正激发科研人员的创新活力，推动科学前沿的突破。
参考文献（示例）：
- 国家自然科学基金委员会. (2023). 《国家自然科学基金年度报告》.
- 李红, 张伟. (2022). 原创性科研项目评审机制研究. 《科学学研究》, 40(5), 892-900.
- DARPA. (2023). High-Risk, High-Reward Research Program. Retrieved from https://www.darpa.mil
- European Research Council. (2023). ERC Advanced Grants. Retrieved from https://erc.europa.eu
- 中国科学院. (2023). 前沿交叉科学先导专项管理办法.