《未来（美国）高校大学计算机人工智能领域科研范式的改变》

我7月底在北美清华教授协会的年会上做了一个内部的主旨报告《AI教育、科研与华人学生与科研工作者（在其中所扮演）的关键角色》。报告中我谈到我最近对于美国大学计算机尤其是人工智能领域科研范式改变的观察和思考。简单讲，就是未来头部大学人工智能领域的科研将更多的受到工业界的影响，人才的流动和跨界也会越来越广泛。

我谈到由于缺乏基础理论的突破，最近十几年来人工智能技术的发展基本由工业界在引领。相关领域的研究对于计算资源和数据量的需求呈指数增长。学术界和工业界的科研条件差距越来越大，使得高校科研人员和企业的合作几乎变成了一种必须。现在招聘人工智能领域的教授，来面试的人几乎都要问两个问题：1）你们有多少GPU；2）学校允不允许教授去企业兼职，对创业的灵活性与支持力度如何。因为没有企业的支持，很多前沿领域，尤其是大模型的研究，几乎是不可能的。除了财务上的好处之外，这些要求也是为了让教授们能够有机会利用企业的一些资源做研究。

相比起前些年大家直接买断式甚至成建制的从大学挖人或者科研组，现在很多企业提供了更为灵活的科研岗位来吸引高校教授兼职（比如Amazon的Amazon Scholar），或者干脆让高校教授来兼任研究部门的管理人员或者资深科学家。很多大学也顺应而生建立了更为灵活的制度，比如允许教授有更多的时间（之前是最高20%）在企业兼职。

另一方面，美国的科研经费管理制度也在发生变化。比如美国国家科学基金最近就把以前的大中小三种项目统一拉平成一百万美元四年一种，开始走“大锅饭”的道路。好处是排名较低的学校将有更多的机会拿到科研经费。同时也逼着头部的学校开始多元化自己科研经费的来源。而把品牌变现，让企业更多的参与科研，也许是对于头部高校最直接的办法。

至于这一趋势对于已经岌岌可危、长期不受重视的人工智能领域的基础研究的长期影响，还需要更多的观察和讨论。