Nature证明：学术界刮起到职潮，大批学者涌向工业界，互助文档日均20个学者到职

清馨

原标题：Nature证明：学术界刮起到职潮，大批学者涌向工业界，互助文档日均20个学者到职  
杨净 明敏 发自 凹非寺   
量子位 | 大众号 QbitAI   
Nature最新发文： 学术界正刮起一阵到职潮。   
这傍边，处于职业中期的迷信家尤甚。  
而他们的个人归宿，是转向工业界。  


事实上，这类趋向由来已久。早在2018年一项钻研预测显示，初等教育将在五年内失去 一半至三分之二的学术从业者。   
疫情大盛行加剧了这一趋向，为大范围出奔奠定了根底。  
社交网络上有诸多像”The Professor is Out”、“博士妈妈”公家互助小组，在过来一年中成员从几百、一千增至上万，他们不乏在外面讨论如何分开学术界。  
而对于 #leavingacademia的话题，热度只增不减。   


但这跟咱们这几年听到的偏偏相同。  
在国际大批以前涌入工业界的迷信家，正在重返高校……  
京东副总裁、AI大牛周伯文参加清华电子系；  蚂蚁AI首席迷信家漆远加盟复旦大学，负责AI翻新与产业钻研院院长；  字节跳动AI Lab总监李磊到职，参加UCSB；  字节跳动副总裁、AI Lab主任马维英，参加清华大学智能产业钻研院；  旷视南京钻研院开创院长魏秀参，出任南京理工大学传授。    ……  
再早一些，就是像张亚勤、张潼也从工业界重返学界。  
所以，到底为何会泛起这样的反差？  
国外学术界刮起到职潮   
先来看看Nature这篇文章到底说了甚么。  
首先，确实有大批学术人材涌向工业界，并且扩散在各个畛域，包罗地球迷信、生物学、心思学、数学等这类钻研型也在其中。  
在推特话题#leavingacademia下发动的一个谷歌文档。短短20地利间，就有超过400名到职学者更新。  
他们的钻研畛域更是曾经横跨到了文史哲、音乐、社会学等畛域。  


但即使如斯，中心畛域仍是那几个：生物（包孕化学）、医学、计算机、临床心思学等。  
在这傍边，在学界曾经小有成绩的人还不少。  
出名安康博主 @子陵在唱歌，比来就发文表现： 又一个做HIV治愈的敌人Gilad Doitsh分开了学术界去了工业界。   
并且这集体在学界曾有太重要冲破：2014年颁发了篇Nature，初次暴-露了HIV形成免疫缺点的最症结机制。  


为何这些学者，乃至曾经有所成绩的人，会在此时此刻纷纭涌向工业界？  
大的环境配景，次要仍是 薪资和任务满意度酿成的。   
杜克大学陈怡然传授就分享了这样一件任务趣事：传授群里探讨工资，后果纷纭埋怨物价高，工资过低，比起工业界差得太远。  


在Nature2021年薪酬与满意度考察中，在十二00多名钻研人员参预的状况下，有近 37%处于职业生涯中期的钻研人员对他们以后的职位不满意，比处于职业生涯初期和晚期的钻研人员占比都高 （他们分别占32%）。   
Nature以为这些后果解释了为什么许多处于中期的学者从新思考他们的路途。   
还有像 个别地域的福祉轨制也是影响要素。在英国，养老金的增添加剧了大学传授的歇工和辞职。   
但除了大环境自身，更加实质或者更加特殊的缘故，还在于有些畛域的确曾经在进入工业翻新落地周期，即 产学研转换。   
生物制药就是傍边的典型。  
传统制药行业面临着本钱高、周期长等痛点，但AI的参加，就无望解决这些困难。而这一才能曾经逐渐失掉证实。  
量子位智库剖析的 AI制药七大趋向 显示，不论是临床停顿，研发浸透率仍是产业接收度，都在证实基于AI的制药技术，成为新药研发的必定趋向。   
而在2024到2026年，寰球AI制药行业将迎来两轮发作式增长，到2035年仅国际市场范围就能达到2040亿。  
当技术来到工业界疾速、范围化地落地，必将会吸引更多人材涌入。  
人材流向和技术开展周期无关   
固然，专业大佬出奔工业界的例子，国际也在产生。  
好比在生物计算畛域，去年已有两位行业大牛走出校园，开始守业。  


2016年，由他开发的RaptorX-Contact办法， 初次证实深度学习预测蛋白质构造的可行性。AlphaFold恰是基于他团队后期钻研效果。   
另外一边，过后也参预了RaptorX-Contact办法开发的 彭健传授，也于去年成立了 华深智药。   
他们想要结合自研高通量生物试验技术，为研发人员提供宏观世界份子计算、摹拟与设计的智能零碎。  
去年年底，其开发的HeliXonAI刷新AlphaFold2记载。  


而以上两位传授前后踏入工业界，也许并不是偶合。  
遭到大环境以及症结技术冲破的影响，近两年生物计算、生物制药正处于开展的新风口上。  
行业内亟需高精尖人材引领翻新，开展模式也需求不停探究。  
因此，行业大牛拥抱工业界，也其实不怪罪。  
实际上，人材活动的标的目的，是判别技术翻新运用的首要风向标之一。  
活动法则大抵如下：  
技术翻新周期，人材从学术界涌向工业界；  进入商业落地期后，人材再从工业圈回流到学术圈。    以 AI行业为例。   
20十二年当前，跟着深度学习迎来发作期，寰球科技大厂都在广纳AI技术人材，不少行业领军人物因此踏入了工业界。  
国际方面，2014年 吴恩达宣告参加百度，负责首席迷信家职位。   


同年，阿里巴巴成立阿里达摩院前身——iDST。前美国密歇根州立大学一生传授 金榕，就是在那时加盟阿里，负责iDST首席迷信家和副院长。   
海内方面，2013年，深度学习之父Geoffrey Hinton参加谷歌，Yann LeCun受聘为Facebook首席AI迷信家。  
2017-2018年，李飞飞作为斯坦福大学传授，统筹了谷歌副总裁、谷歌AI/ML首席迷信家的职位。  
据《卫报》2017年对英国顶级钻研型大学的考察显示，过后大学AI人材的流失乃至曾经影响到了正常的钻研和教学。  
伦敦帝国理工学院的一名传授表现，本人的一位博士生为了苹果开出的六位数薪资，间接保持学业。  
但随后在AI开始落地到各个垂直行业，事件就产生了转变，最显著的就是 2019年。   
过后， 张亚勤从百度“退休”，正式加盟清华大学，受聘清华大学“智能迷信”讲席传授，牵头筹建“清华大学智能产业钻研院（AIR）。   


李飞飞也彻底挥别了在谷歌的任务，选择持续专一学术。   
腾讯AI Lab担任人 张潼到职后，来到香港科技大学任教，同时加盟翻新工场。   
之后几年内，国际大厂频频传出技术大牛到职重返学界的动静，包罗漆远、马维英、李磊、王长虎、周伯文……  
往年2月，TensorFlow技术主管 Pete Warden忽然到职，选择重返斯坦福读博。   
在集体博客里，他论述了到职的缘故。他表现，本人始终激励用TensorFlow Lite Micro尝试各种各样的TinyML名目。  
此前他也在谷歌尝试过试验，但谷歌的新硬件装备不只低廉耗时多，假如失败了还会带来负面影响。  
因此，时隔20多年，他抉择重返校园回去攻读博士学位。  
为何会有这类法则？   
人材在学术界和工业界之间兜兜转转，实际上是技术开展带来的一种天然后果。  
不论几年前大火的深度学习、仍是像当下生物制药、被元宇宙带火的计算机图形学。  
技术翻新刚开始的时分，迷信家囤积居奇，被高薪、高待遇延聘，担当企业的首席迷信家。好比当年的吴恩达、张亚勤，当初的图形学大牛王华民等。  
企业也纷纭开始建设钻研院，各个大厂不必说了，腾讯阿里华为。即使那些垂直畛域的企业也都有本人的钻研院，好比3D时尚行业的凌迪。  
更间接一点，那就迷信家来守业，如今同样成为一种风潮。  
但跟着技术进入落地期，企业与迷信家之间就浮现出一种难以和谐的“悖论”—— 钻研和产品的反抗。   


毕竟企业做钻研的基本目的，仍是为了打造产品。  
而学术大牛往往更期待能够有足够自在的空间做科研，能够根据本人对专业的认知，来一步步推动技术开展。  
因为两者的登程点和着重面不同，矛盾与磨擦在劫难逃。  
延长来看，这面前更牵扯到资金方面的问题。  
企业端， “利欲熏心”，请迷信家造钻研院终究目的是为了发明营收。而钻研院作为本钱核心，花钱如流水，假如不克不及疾速完成商业变现，企业靠甚么来撑持？   
但在纯正的迷信家眼里，探究最前沿的问题是一件长时间的事件，应该不计本钱，不计营收，又能答应本人的钻研为了“短时间”利益而降格？  
更加直观的是，一旦企业泛起财务紧张或抵达开展瓶颈期后，外部钻研院往往会遭到影响。  
因而，咱们常常会看到这样一种景象，屡屡新技术周期降临，迷信家进入企业搞钻研；但当技术趋于运用之后，他们又往往得而复失、重返学界。  
这也就致使当初胜利的企业钻研院很稀缺，其模式可继续的也很少。就像活了二十几年的微软亚洲钻研院，也无奈完成“自我造血”。  
— 完—   
「人工智能」、「智能汽车」微信社群邀你参加！  
欢送关注人工智能、智能汽车的小火伴们参加咱们，与AI从业者交流、切磋，不错过最新行业开展&技术停顿。  
ps.加好友请务必备注您的姓名-公司-职位哦~   
点这里 ?关注我，记得标星哦～   
一键三连「分享」、「点赞」和「在看」  
科技前沿停顿日日相见~