科學管理不是行政工作。不是追趕經費申請。不是把學者趕向截止日期。這些只是管理的表象，而不是它的本質。
本質是這樣的：創造那些原本不可能出現的發現條件。
在 2026 年的荷蘭大學裡，這個問題承載著特定的重量。國家級研究基礎設施正在被重塑，通過 NWO LSRI 計劃、ESFRI 路線圖，以及正在改變我們研究什麼、如何研究的 AI 靜默革命。作為一個處在基礎設施、策略與機構協調交匯點的人，我不禁追問：什麼才是真正好的科學管理？
基礎設施的視角
大多數人把研究基礎設施想成設備：顯微鏡、潔淨室、計算集群。但基礎設施也是協調。是大學之間共享使用的協議。是讓結果可重現的數據標準。是讓專業知識不會流失的技術人員職業路徑。
管理科學意味著看見那些讓研究成為可能的無形支架。一台新顯微鏡是可見的成果。一份共享數據管理政策是看不見的，直到它缺席的那一刻，而屆時其後果將是災難性的。
好的基礎設施是看不見的。偉大的基礎設施讓新型態的科學成為必然。
AI 的範式轉移
AI 不是一個可以附加到現有工作流程的工具。它是科學知識體系的一次轉移。當一個語言模型可以綜合一萬篇論文的文獻，當一個視覺模型可以比受過訓練的人類更快讀懂顯微鏡圖像，當一個自動化實驗室可以在沒有人類干預的情況下設計並執行實驗，科學家的角色正在改變。
而科學管理者的角色也在隨之改變。
管理者的工作不再只是採購設備和聘用人員。而是設計人類好奇心與機器驅動發現之間的介面。如何建立一個能加速而非取代的自動化實驗室？如何評估一個模型，不是看基準分數，而是看它是否產生了更好的科學？如何為一位花一半時間訓練模型的 researcher 重新設計職業路徑？
這些不是技術問題。它們是披著技術外衣的組織設計問題。
加速不等於賦能
一個反覆出現的觀察：我們常把讓科學變快和讓科學成為可能混為一談。一張更好的 GPU 加速了現有的模擬。一個共享設施讓一條原本無處可去的研究路線找到了家。這是兩種不同的價值。
我密切參與的一個計劃之所以有趣，正是因為它試圖同時做到這兩件事。它資助基礎設施（加速），但也資助協調層（賦能）。問題是協調層是否能得到它應得的關注，因為它更難衡量，更難在預算會議中辯護，更難歸功於自己。
從這個角度來看，科學管理是一門捍衛無形的藝術。是建立協調層並讓它看起來毫不費力。是跨越組織邊界連結人員，不是因為有人叫你這麼做，而是因為科學本身要求如此。
我正在學習的
我對這些的理解並非來自理論，而是來自實踐：來自設計新的研究基礎設施、協調跨機構網絡、管理實驗室運營的日常工作。每一次利益相關者會議、每一個經費截止日期、每一張設備訂單，都教會了我槓桿點究竟在哪裡。
三個觀察塑造了我目前的思考框架：
第一，槓桿在連結中，不在節點上。科學管理者做的最有價值的事，是把本該對話的人連結起來。不知道大學有同樣能力的國家實驗室。不知道經費機會存在的 PI。那些專業知識可以解決樓上問題的技術人員。這些連結不會自動發生；它們需要刻意的基礎設施。
第二，AI 範式轉移獎勵通才。專家（領域專家）不可或缺。但那些能跨領域觀察的人，能在材料科學和機器學習語言之間翻譯的人，能在看似雜亂無章的經費圖景中看出模式的人，這些人將塑造接下來發生的事。科學管理是通才的工作。
第三，機構慢但持久。新創公司可以快速行動。大學以共同治理的速度運轉。這很令人沮喪，但這也是它的優勢。我們今天建立的基礎設施，如果我們建對了，將會比經費計劃、政治週期和炒作浪潮都更長久。問題是我們是否有耐心為持久性而非即時影響而建設。
未來的工作
在 2026 年的荷蘭大學管理科學，意味著同時承載多重張力：國家野心與本地現實、加速與賦能、AI 的迫切性與機構變革所需的耐心。
我沒有一個統一的理論。我有一套實踐、一組問題，以及與一群深切關心如何把事情做對的人共事的特權。
這個網站是我思考的場所，關於我正在學習的一切。文章、觀察、值得分享的信號。如果有任何打動你的地方，我很樂意與你交流。