答項立剛：《脱實向虛永遠是一條自我閹割的路》一文_風聞

      關於《脱實向虛永遠是一條自我閹割的路》這篇文章，我不完全贊成贊成作者的看法：

      1、基礎理論研究與應用性研究是一個問題的兩個方面。因為所有應用型科學或技術，其本源都與基礎理論有關。可以説，沒有牛頓力學，起源於英國的世界工業革命就不會出現；沒有量子力學理論，中國科學家搞的“量子糾纏”信息傳遞就不可能實現。中國古代的“烽火”傳遞信息沒有基礎理論支持，所以只能在萬里長城的城樓之間逐次傳遞信息，但是電磁波的發現使我們有無線通信發展到今天的互聯網。也就是説基礎理論研究的本源是尋找世界上尚在“隱藏”中的科學規律或者現象，而應用科學則實在基本的原始理論下為某一種應用而進行的研究。

       “文革”前後為什麼華羅庚無法正常工作於是下基層推廣“統籌輪”？就是因為在企業管理中，或者進一步説如何提高產品質量和企業的經濟效益中各種因素交叉銜接，是一個複雜的系統性問題，所以通過統籌理論獲得“若干路徑求其最優”。華為為什麼首先找到了5G的技術路徑？就是一位年輕的俄羅斯數學家詐騙到了“算法”（中國至今還沒有其他企業如同華為那樣聚集了上千的優秀數學家）。在軟件領域，數學的算法是至關重要的。數學算法，是99%以上的系統或工程軟件裏面隱含着的上百萬個數學算法。簡單的講，數學算法是程序的“開門鑰匙”。美國為什麼能控制三星、ASME、東芝或郭台銘······ ，就是因為這些企業都存在大量使用美國的專利許可。你説的美國基礎理論研究不行不是事實。曹德旺和何祚庥都認為中國的基礎理論與美國相比那差距還是很大。

      印度怎樣？國人普遍認為印度不行。但清華的張捷教授拿了印度教育各個層次段的試卷與中國的同等學力試卷對比表明印度的數學教育水平或深度遠高於中國，比如印度高考的數學試卷範圍和難度遠高於中國的碩士研究生的試卷。印度從小學低年級就開始要求解題辦法有多種，所以速算法在小學就開始廣泛普及（參見《印度的數學》）。在美國硅谷，數學家中印度裔數學家超過中國的三倍。

      2、中國的產業鏈確實比較完整，這是事實。但是產業技術水平存在明顯的不均衡，一是我們的許多產品是仿造的（專利授權或者直接仿造），在某些領域（如：流程的關鍵節點）至今還是受制於人。比如光刻機、光刻膠；高端精密和微觀儀器儀表、芯片、冶金工業特種金屬材料、高端軸承和特種化工材料，精密數控機牀的傳動部件和程序功能，藥品和醫療器械等等。“我是圈裏人，我們只是比過去好多了（何祚庥）”。

       總的來講，中國在應用層面發展的比較快，這一點拜登沒有看走眼：“中國的AI高端技術不多，但是中國的AI研發人員總量超過美國的三倍”。也就是説，如同電動車。中國的企業做到了“龍頭老大”。同樣，AI技術的一般應用中國也不算落後。問題的實質是美國長期以“金融壟斷”為抓手，忽視實體企業在應用層面的經濟拉動作用。這也是拜登為什麼要給郭台銘50億，要台積電遷到美國辦廠。

      3、作者提出的工程師的作用我基本贊成。不過要説明的是。製造業的技術能力靠的是“一架馬車的兩個輪子”——設計和製造工藝，你設計的再好，工藝上實現不了等於零。比如：歐洲科學達人曾提出“給我一個支點，我能修一座通向月球的橋。”設計上可以計算出需要多少個支撐點，但是安裝工藝認為是不可能的。由此，企業裏有句俗語：“設計不懂工藝，保準成不了大器”。問題是工程師從哪裏來？中國現有的工科院校肯定不行：一是教師懂工藝的很少，工藝學課程就更不要説了——你連《公差與配合》都搞不懂教什麼書呀？清華此前不是招了一部分職業院校畢業的人做實習指導員，這算是應急之需。但工科試驗室怎樣就不好説了。

      至少在計劃經濟時代的“急於求發展”過程中就存在“重設計，輕工藝；重生產，輕質量”的思想。靠“GDP”本身的單一表述也不科學：你廢品處理掉回收的錢再投入，“GDP”會表達出正增長。所以不要簡單的只看“GDP”。理論科學家可以脱離具體的物的實踐，工程師就不可以。否則在生產流程中你解決不了問題。企業裏還有一句俗語：“工程師畫個圈，技師點上一個點，這個眼神怎樣，全靠技術的造化。”這一點在流程的關鍵節點上（既關鍵工序）非常重要。技師的所謂“造化”就是實際經驗，而這種實際的經驗取得與常人容易忽視的理論節點有關。比如牛頓的“作用力和反作用力”中學生也都知道，但是有多少人知道：當一個電氣觸點頻繁發生“作用力和反作用力”現象會有什麼後果嗎？就是設計師如果忽略這個問題，早晚也會出事故。從這些角度上將我基本支持作者的觀點。

      就通信專業來講也是如此。4G和5G其實還是各有優缺點，關鍵是看怎樣利用4G和5G。

     （注：因為回覆字符超限，故以此文作答）