企业领跑AI科技创新高校如何追赶？

游戏天地 2025年09月05日 10:39 1 admin

近年来，全球计算机科学领域出现了一场人才迁移潮。“毕业后去企业还是去高校？”这一引发全球计算机博士生讨论的常见问题的答案，正随着人工智能技术的爆发式发展出现前所未有的倾斜。

大学实验室是孕育技术革命的摇篮。从神经网络理论的奠基到深度学习框架的突破，学术界始终扮演着原始创新的引擎角色。然而当ChatGPT、Gemini、Claude等基础模型从企业中破土而出，人们才发现，AI研究的三大核心要素：人才、算力和数据在近20年间已经被企业掌控。

创新重心转移正在引发学术界的深层焦虑：如果最聪明的大脑都聚集在企业的研发中心，如何确保AI研究朝着正确的方向前进？

倾斜的天平

随着深度学习成为过去十余年推动AI革命的技术，天平开始向工业界倾斜，这一倾斜的根源是令人难以置信的资源不对等，如今，Microsoft、Google、OpenAI等科技企业已经取代了曾经位于AI前沿的高校。

科技企业对新技术投资巨大这一点尽人皆知，然而与学术界的投资规模相比依然令人震惊——科技巨头动辄将数十亿美元砸入新的AI模型上，大学则要争夺数百万美元的拨款：2021年，美国政府向学术界的AI研究投资了15亿美元，而Alphabet仅在DeepMind上就花费了15亿美元。同年，全球AI行业花费了3400亿元。

AI模型规模越大，训练和推理所需的计算资源也随之飙升。近年来，科技巨头斥巨资建设AI算力平台，坐拥海量用户数据和充足的算力基础，更易开展前瞻性的算法和应用研究。学术界的算力现状却令人担忧，Nature杂志近期的一则报道指出，许多大学研究者因可用的算力资源不足而感到挫败。科研人员需要提交任务并排队等候，项目高峰期等待时间更长，如果不隶属于资金雄厚的实验室，获取资源的机会更加有限。

人才在哪儿，创新就会在哪儿蓬勃发展。AI创新从企业中爆发的背后，是过去的20年间计算机研究人员从大学向企业的流动。2017年，英国《卫报》（The Guardian）对排名靠前的研究型大学进行的调查发现，科技公司在以惊人的速度高薪招聘AI研究人员。如今，大约70%的AI博士进入企业工作，而20年前这一比例为20%。

学术界的人才进入企业，造成的影响绝不仅仅局限于学术界本身，这就像会下金蛋的鹅被企业买走了——顶级AI研究人员的研究成果将以商业机密、专利等形式留存在少数几家企业，无法扩散。只有将创新扩散、传授给更多人，而不是集中在少数几家公司，才能减轻AI有可能带来的巨大破坏和负面影响。

科学：无尽的前沿

学术界的核心竞争力，在于能够开展突破认知边界的基础性、长周期研究，这种不受短期效益约束的探索自由将引发创新。大学的研究通常处于早期阶段，可以专注于行业目前可能不感兴趣的问题，这使得学术研究能将公共利益置于商业利益之上，更关注长期的社会影响。

在人类知识生产体系中，大学的元功能是开展“新奇驱动”的基础研究，即所谓的“象牙塔研究”。1887年，德国物理学家海因里希·鲁道夫·赫兹（Heinrich Rudolf Hertz）率先用实验证明了电磁波的存在，当闻讯而来的记者们采访赫兹时，他说出了一句将来会无数次打自己脸的话：“我不认为我发现的那些无线电磁波能有任何实际的应用。”这正是基础研究的魅力与艰难的来源——基础研究的成果往往和实际应用相去甚远——即便是科学家本人，往往也不知道自己的成果到底会有什么用处。

根据联合国教科文组织的定义，基础研究主要是为了获得关于客观现象和可观察事实的基本原理的新知识所进行的实验性或理论性的工作，它不以任何专门或具体的应用或使用为目的。这一定义是由美国科学研究与发展办公室的负责人范内瓦·布什（Vannevar Bush）提出的。

二战后，美国联邦政府为大学和研究机构的科研活动提供了慷慨的财政支持，科学事业尽显蓬勃生机。促使政府下决心在科学事业上大规模投资的是一份名叫《科学：无尽的前沿》的报告，报告的作者正是范内瓦·布什。

范内瓦呼吁成立一个能得到充分拨款的独立的新型国家机构，以督促推进包括军事和民用，生物学、医学和物理学，基础和应用，理论和实验在内的所有研究。经过多年辩论后，1950年，美国国会通过了《国家科学基金会法案》，成立了美国国家科学基金会（NSF）。

如今，《科学：无尽的前沿》已被视为美国科学政策的开山之作，它为二战后美国的科学研究绘制了蓝图。在政府合同资助和既定目标指导下的科学家们通过大规模的协同努力，取得了一系列成果，包括青霉素等可大规模使用的抗生素、雷达、高性能飞机、用于引爆弹药的近炸引信，以及原子弹。

范内瓦支持基础研究的论点至今仍在引起共鸣：“基础研究是一个长期的过程——如果指望短期支持就能立竿见影，那它就不再是基础研究了。”范内瓦认为，大学中存在一种独一无二的科研环境，以及极大程度的个人知识自由，科学家们可在一种相对没有成规、偏见或商业需求等不利压力的氛围下开展工作。

利益驱动的风险

对于企业而言，要承担此类研究几乎不可能，因为短期内无法带来直接收益。企业的经营目标本质上是追求利润最大化，并不是为了公共利益。通常情况下，如果一项研究在短期内没有明显的经济回报，企业会认为是浪费资源。企业通常不会主动承担短期回报偏低、风险较高的长期研究，只有当盈利能力远超常规水平时，企业才有可能将资源投入那些不以短期盈利为目标的科研活动中。

那么当顶尖研究人员进入企业后，他们的研究还能否保持新奇性和高影响力？今年，一项名为“企业囤积AI研究人员将对科学有什么影响？”的研究发现，隶属于顶尖大学的年轻、高引用率的研究人员对公司（尤其是科技巨头）最具吸引力，并且最有可能退出学术界进入企业。在进入企业之后的几年里，他们的科学表现显著下降：随着进入企业的时间增加，研究人员产生的被引用、颠覆性和新颖的科学成果会减少。

2020年，著名AI研究员、AI道德团队负责人蒂姆尼特·格布鲁（Timnit Gebru）被Google解雇。在蒂姆尼特的论文中，对大语言模型的固有偏见和资源消耗提出了担忧，导致与管理层发生冲突，最终被解雇。这一事件在美国社会引发了激烈讨论，有观点认为，这可能预示着一个更大的趋势，那就是进入企业的顶级研究人员被雇主压制。随着越来越多的AI研究人员从大学进入企业，会出现一些经济学家所说的“错误的人工智能”潜在风险。

为学术界提供资源

AI研究的竞争环境中不能没有学术机构。如何让科研阵地也能获得足够的计算资源，成为了学界和业界普遍关注的焦点——学术界不受市场力量的影响，其从事的AI研究可以真正惠及大众。

为了让高校与企业并肩站在AI研究的前沿，美国联邦政府在2023年的一份关于人工智能的行政命令中授权建设全国人工智能研究资源共享试点（NAIRR），为AI创建共享的研究基础设施，作为帮助学术研究人员获得计算资源的枢纽。NAIRR试点由美国国家科学基金会牵头，联邦机构和非政府合作伙伴共同提供资源。

麻省理工科技评论文章认为，NAIRR试点行动将引发学术AI研究和创新浪潮。大学里雄心勃勃的研究人员有许多不同的想法，却往往因资源匮乏而搁置，为大学提供足够的算力资源将使学术界能够对工业界的研究予以补充。在这种情况下，学术界可以成为技术进步、推动跨学科合作、培养人才以及下一代人工智能先驱、促进智能向善的中心。

戏剧性的是，2025年1月，白宫撤销了2023年的人工智能行政命令。4月，联邦政府的一系列举措引发了美国科学界的剧烈震荡。美国国家科学基金会也遭受了重创，不得不终止数百个正在进行的研究项目。联邦政府要求美国国家科学基金会将2026年的预算削减55%，并解雇1700名员工中的一半——这意味着半个多世纪以来，联邦政府对科学研究界的慷慨资助至此告一段落。

美国计算机研究协会（Computing Research Association）表示，在美国国家科学基金会的预算和人员大幅缩减的情况下，NAIRR试点计划面临着新的挑战，前景令人担忧。

来源：《中国教育网络》2025年5月刊

作者：陈茜