在当前的人工智能和大数据时代，科技公司和高校都在相关领域展开了的许多科学研究，特别是很多企业更是有相当多的应用产品落地。企业在获取数据和计算资源方面占有很大的优势，且针对主流的人工智能研究问题，很多大企业都专门成立了研究院、有专门的研究人员在做研究。另一方面，高校的教师也承担了一部分科研任务，在学术前沿的自由探索方面做出了自己的贡献。两相碰撞，在大数据AI融合发展的时代背景下，学术界和产业界谁是影响力的C位担当？两者又应该如何把握自身的优势、如何通过交流合作去促进双方和领域的良性发展？ 以此为背景，2020年8月22日上午，CCF YOCSEF武汉举办了“大数据AI融合发展背景下，学术界和产业界谁是影响力的C位担当？”观点论坛，从以下三个方面展开了思辨和探讨：
（1）怎么样界定高校和企业各自的科研影响力？
（2）高校、企业如何提升自己的影科研响力？
（3）高校和企业怎样开展合作，发挥自身优势，促进行业发展，寻找合适各自的研究方向？
本次观点论坛，邀请了阿里巴巴美洲达摩院高级算法工程师王丕超、京东零售技术与数据中心共享技术部高级算法工程师安山、武汉科技大学副教授朱子奇、湖北第二师范学院副教授甘胜丰、南京理工大学教授魏秀参、中国地质大学（武汉）孙琨、山东大学副教授孔兰菊、栋科软件吴永鹏等企业界和学术界有影响力的专家学者，一同参与论坛思辩，畅所欲言，为人工智能和大数据领域的发展建言献策。
“优势互补方能开启校企共赢的新模式”。来自阿里巴巴美洲达摩院的王丕超工程师从人工智能四大研究领域“计算智能、感知智能、行动智能、理解智能”和三大要素“算法、数据和算力”入手，详细分析了高校和企业的各自特点和优势、国内各城市研究院校和机构的特点、AI人才流动的情况，提出了校企共赢的多种途径。
来自京东的安山工程师也认为，学术界与企业界在人员项目构成、科研任务等方面具有诸多不同，应用场景已是人工智能研究中不可或缺的要素。“AI≠产品，目前的AI仍不具备通用性。”他又以负责的AR试妆项目，分析了学术界和企业界在研发方向方面选择的差异，指出企业界更注重商业价值和效能价值。
武汉科技大学朱子奇老师从高校科研工作者的角度提出了新AI时代下如何开展科研的一点思考。他总结了人工智能的发展进程，阐述了AI领域科研的新特点，分析了高校和企业科研团队的特色，总结了高校科研中存在的问题，最后对高校的科研工作进行了如下定位：寻求特色和力所能及的研究方向、合理规划经费、应用需求为导向、软件硬件相结合；对高校和企业的合作提出了如下思考：加深交流、互信互利。
最后，来自湖北第二师范学院、有诸多服务于重工业企业经历的甘胜丰老师，谈了他十年间对企业服务和工业中AI应用程度的变化的体会。他感觉到，企业和高校之间有时间差，企业技术人员与高校科研人员存在各方面不一致、保持高校科研和企业技术之间的流动性对二者的发展十分重要。通过举例工业中AI应用程度的变化、理想与现实之间的差距，他强调：工业对AI的需求巨大，但主体设备的全面替换很难；暂从工业服务出发逐渐替换，以小搏大，才能实现普通工业都用得起的AI技术。
大数据AI融合发展背景下，学术界和产业界谁是影响力的C位担当？来自两界的专家学者积极思辨，观点频现。
思辨点1：高校和企业如何界定各自的科研影响力？
（1）在高校和企业对有影响力的科研工作认知一致吗？
（2）大数据+AI大热之下，高校和企业的科研影响力是此消彼长还是齐头并进？
秀参：业界和学界认识并不一致，例如小样本学习，业界更愿意购买数据，学界对于推理非常感兴趣，但业界并不一定有兴趣。
孙琨：两个方面思考：一方面，高校认为人才培养非常重要，包括工程人才和科研人才；另一方面，为了培养人才，需要一定的科研前瞻性。二者对于有影响力存在分歧，高校的指标包括：师生数量、经费和论文等；企业包括：研发经费、销售数量、创收、有效发明专利、应用价值等。
安山：AI发展需要高校和企业的协同发展，AI发展中的痛点也需要学界来解决，没有必要此消彼长。
丕超：高校和企业一定是齐头并进。AI发展潜力大，蛋糕够大，能够容纳高校和企业的共同发展，两者的合作更需要加强。但有些趋势值得注意：资源不均衡，AI人才主要集中在名校。像没有几篇顶会论文就很难进阿里，而非名校很难产出顶会论文。
唐厂：论文发表的引用率是否代表科研的影响力？
丕超：每年顶会论文数量很多，引用数是影响力的一个非常重要的指标。
秀参：企业和高校着眼点不同，能够齐头并进。
兰菊：企业发表论文的动机是什么？
丕超：企业发表论文的动机：增强在竞标时的技术储备，增加个人影响力。
思辨点2：高校、企业如何提升自己的科研影响力？
（1）新形势下，二者在科研影响力方面各自的优劣势是什么？
（2）在大数据AI领域，前沿问题交给高校，力气活交给企业，说法是否认可？
永鹏：学术界成果有门槛，时间周期偏长，容易造成相比企业界落后的错觉。
包云岗：科研聚焦是高校科研的优势，长期研究能够产生具有商业价值的研究成果。
子奇：大企业应该勇敢出来占据C位，企业资源丰富，且能更快速的调度。
秀参：高校更为自由，企业有生存压力，高校做长远的方向，企业负责技术落地。高校和企业都存在人才培养问题，侧重点不同，高校用科研项目训练学生，培养基本科研素养，源头创新是重点。企业聚焦于工程师的维度，主要在于场景中落地的能力。两者可以人才互补。
云岗：科研“重工业模式”的执行，起点未必需要大量人力投入，重在持续积累和投入。
思辨点3：高校和企业怎样开展合作，发挥自身优势，促进行业发展，寻找合适各自的方向？
（1）合作模式哪种更合理：前沿探索允许失败？技术成熟产品应用？
（2）高校和企业的人才流动机制哪种更有效：吸取国外学术休假方式（高端人才直接交流）？通过校企合作培养学生（高校培养人才向企业输送）？通过项目合作发挥各自优势？
天亮：需要建立高校和企业的人才交流机制。
兰菊：校企合作过程中，高校的人才怎么样映射进去，怎么样把企业的问题投射出来？企业工程性要求比较高，对产品的稳健型要求比较高，积极打造自己平台，但可能会缺各类人才，需要高校作为核心支撑。
欧阳：细分领域有很多中小企业，也有很多校企合作的机会。
孙琨：中小企业的需求和高校科研人员之间信息不对称，缺乏相互了解的渠道，合作之间临界点不好把握。我们的国外合作伙伴，原来都是高校的教授，基于某种技术创业，然后在细分的领域做到隐形冠军。个人认为，学术界还是可以关注更多的细分领域。
天亮：校企合作，信息不对称，企业作为需求方，然后寻找高校目标明确，但高校不知道企业需求什么。企业举办挑战赛模式不错，有助于搭建企业和高校科研人员之间的桥梁。
大数据AI融合发展背景下，学术界和产业界在影响力的认知、优势等方面各有不同。加强工业界和学术界的联系，携手并进、协同发展、资源共享，在国际大竞争的环境下能够推动整个AI产业的更好地发展。条条大路通罗马，校企合作的渠道非常多。高校找好自己的优势定位、拥抱业务需求，企业加强人才流动、打破信息不对称，有助于二者开展合作、发挥优势，共促行业发展。
京公网安备 11010802032778号