Nature證實：學術(shù)界刮起離職潮，大批學者涌向工業(yè)界，互助文檔日均20個學者離職

楊凈 明敏 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

Nature最新發(fā)文：學術(shù)界正刮起一陣離職潮。

這當中，處于職業(yè)中期的科學家尤甚。

而他們的集體歸宿，是轉(zhuǎn)向工業(yè)界。

事實上，這種趨勢由來已久。早在2018年一項研究預測顯示，高等教育將在五年內(nèi)失去一半至三分之二的學術(shù)從業(yè)者。

疫情大流行加劇了這一趨勢，為大規(guī)模出走奠定了基礎(chǔ)。

社交網(wǎng)絡(luò)上有諸多像”The Professor is Out”、“博士媽媽”私人互助小組，在過去一年中成員從幾百、一千增至上萬，他們不乏在里面探討如何離開學術(shù)界。

而關(guān)于#leavingacademia的話題，熱度只增不減。

但這跟我們這幾年聽到的恰恰相反。

在國內(nèi)大批之前涌入工業(yè)界的科學家，正在重返高?！?/p>

• 京東副總裁、AI大牛周伯文加入清華電子系；
• 螞蟻AI首席科學家漆遠加盟復旦大學，擔任AI創(chuàng)新與產(chǎn)業(yè)研究院院長；
• 字節(jié)跳動AI Lab總監(jiān)李磊離職，加入UCSB；
• 字節(jié)跳動副總裁、AI Lab主任馬維英，加入清華大學智能產(chǎn)業(yè)研究院；
• 曠視南京研究院創(chuàng)始院長魏秀參，出任南京理工大學教授。

……

再早一些，就是像張亞勤、張潼也從工業(yè)界重返學界。

所以，究竟為什么會出現(xiàn)這樣的反差？

國外學術(shù)界刮起離職潮

先來看看Nature這篇文章究竟說了什么。

首先，的確有大批學術(shù)人才涌向工業(yè)界，而且分散在各個領(lǐng)域，包括地球科學、生物學、心理學、數(shù)學等這種研究型也在其中。

在推特話題#leavingacademia下發(fā)起的一個谷歌文檔。短短20天時間，就有超過400名離職學者更新。

他們的研究領(lǐng)域更是已經(jīng)橫跨到了文史哲、音樂、社會學等領(lǐng)域。

但即便如此，核心領(lǐng)域還是那幾個：生物（包含化學）、醫(yī)學、計算機、臨床心理學等。

在這當中，在學界已經(jīng)小有成就的人還不少。

知名健康博主@子陵在唱歌，最近就發(fā)文表示：又一個做HIV治愈的朋友Gilad Doitsh離開了學術(shù)界去了工業(yè)界。

而且這個人在學界曾有過重要突破：2014年發(fā)表了篇Nature，首次揭示了HIV造成免疫缺陷的最關(guān)鍵機制。

為什么這些學者，甚至已經(jīng)有所成就的人，會在此時此刻紛紛涌向工業(yè)界？

大的環(huán)境背景，主要還是薪資和工作滿意度造成的。

杜克大學陳怡然教授就分享了這樣一件工作趣事：教授群里討論工資，結(jié)果紛紛抱怨物價高，工資太低，比起工業(yè)界差得太遠。

在Nature2021年薪酬與滿意度調(diào)查中，在1200多名研究人員參與的情況下，有近 37%處于職業(yè)生涯中期的研究人員對他們當前的職位不滿意，比處于職業(yè)生涯早期和晚期的研究人員占比都高（他們分別占32%）。

Nature認為這些結(jié)果解釋了為何許多處于中期的學者重新思考他們的道路。

還有像個別地區(qū)的福祉制度也是影響因素。在英國，養(yǎng)老金的削減加劇了大學教授的罷工和辭職。

但除了大環(huán)境本身，更為本質(zhì)或者更為特殊的原因，還在于有些領(lǐng)域確實已經(jīng)在進入工業(yè)創(chuàng)新落地周期，即產(chǎn)學研轉(zhuǎn)換。

生物制藥就是當中的典型。

傳統(tǒng)制藥行業(yè)面臨著成本高、周期長等痛點，但AI的加入，就有望解決這些難題。而這一能力已經(jīng)逐步得到證明。

量子位智庫分析的AI制藥七大趨勢顯示，不管是臨床進展，研發(fā)滲透率還是產(chǎn)業(yè)接納度，都在證明基于AI的制藥技術(shù)，成為新藥研發(fā)的必然趨勢。

而在2024到2026年，全球AI制藥行業(yè)將迎來兩輪爆發(fā)式增長，到2035年僅國內(nèi)市場規(guī)模就可以達到2040億。

當技術(shù)來到工業(yè)界快速、規(guī)?；芈涞?，勢必會吸引更多人才涌入。

人才流向和技術(shù)發(fā)展周期有關(guān)

當然，專業(yè)大佬出走工業(yè)界的例子，國內(nèi)也在發(fā)生。

比如在生物計算領(lǐng)域，去年已有兩位行業(yè)大牛走出校園，開始創(chuàng)業(yè)。

被業(yè)界譽為“AI預測蛋白質(zhì)結(jié)構(gòu)全球第一人”的許錦波教授，于今年1月在北京創(chuàng)立公司分子之心（MoleculeMind），旨在利用AI技術(shù)幫助行業(yè)專家快速識別、設(shè)計最合適蛋白質(zhì)。

2016年，由他開發(fā)的RaptorX-Contact方法，首次證明深度學習預測蛋白質(zhì)結(jié)構(gòu)的可行性。AlphaFold正是基于他團隊前期研究成果。

另一邊，當時也參與了RaptorX-Contact方法開發(fā)的彭健教授，也于去年成立了華深智藥。

他們想要結(jié)合自研高通量生物實驗技術(shù)，為研發(fā)人員提供微觀世界分子計算、模擬與設(shè)計的智能系統(tǒng)。

去年年底，其開發(fā)的HeliXonAI刷新AlphaFold2記錄。

而以上兩位教授先后踏入工業(yè)界，或許并非巧合。

受到大環(huán)境以及關(guān)鍵技術(shù)突破的影響，近兩年生物計算、生物制藥正處于發(fā)展的新風口上。

行業(yè)內(nèi)亟需高精尖人才引領(lǐng)創(chuàng)新，發(fā)展模式也需要不斷探索。

因此，行業(yè)大牛擁抱工業(yè)界，也并不見怪。

實際上，人才流動的方向，是判斷技術(shù)創(chuàng)新應用的重要風向標之一。

流動規(guī)律大致如下：

• 技術(shù)創(chuàng)新周期，人才從學術(shù)界涌向工業(yè)界；
• 進入商業(yè)落地期后，人才再從工業(yè)圈回流到學術(shù)圈。

以AI行業(yè)為例。

2012年以后，隨著深度學習迎來爆發(fā)期，全球科技大廠都在廣納AI技術(shù)人才，不少行業(yè)領(lǐng)軍人物因此踏入了工業(yè)界。

國內(nèi)方面，2014年吳恩達宣布加入百度，擔任首席科學家職位。

同年，阿里巴巴成立阿里達摩院前身——iDST。前美國密歇根州立大學終身教授金榕，就是在那時加盟阿里，擔任iDST首席科學家和副院長。

海外方面，2013年，深度學習之父Geoffrey Hinton加入谷歌，Yann LeCun受聘為Facebook首席AI科學家。

2017-2018年，李飛飛作為斯坦福大學教授，兼顧了谷歌副總裁、谷歌AI/ML首席科學家的職位。

據(jù)《衛(wèi)報》2017年對英國頂級研究型大學的調(diào)查顯示，當時大學AI人才的流失甚至已經(jīng)影響到了正常的研究和教學。

倫敦帝國理工學院的一位教授表示，自己的一名博士生為了蘋果開出的六位數(shù)薪資，直接放棄學業(yè)。

但隨后在AI開始落地到各個垂直行業(yè)，事情就發(fā)生了轉(zhuǎn)變，最明顯的就是2019年。

當時，張亞勤從百度“退休”，正式加盟清華大學，受聘清華大學“智能科學”講席教授，牽頭籌建“清華大學智能產(chǎn)業(yè)研究院（AIR）。

李飛飛也完全揮別了在谷歌的工作，選擇繼續(xù)專注學術(shù)。

騰訊AI Lab負責人張潼離職后，來到香港科技大學任教，同時加盟創(chuàng)新工場。

之后幾年內(nèi)，國內(nèi)大廠頻頻傳出技術(shù)大牛離職重返學界的消息，包括漆遠、馬維英、李磊、王長虎、周伯文……

今年2月，TensorFlow技術(shù)主管Pete Warden突然離職，選擇重返斯坦福讀博。

在個人博客里，他闡述了離職的原因。他表示，自己一直鼓勵用TensorFlow Lite Micro嘗試各種各樣的TinyML項目。

此前他也在谷歌嘗試過實驗，但谷歌的新硬件設(shè)備不僅昂貴耗時多，如果失敗了還會帶來負面影響。

因此，時隔20多年，他決定重返校園回去攻讀博士學位。

為什么會有這種規(guī)律？

人才在學術(shù)界和工業(yè)界之間兜兜轉(zhuǎn)轉(zhuǎn)，其實是技術(shù)發(fā)展帶來的一種自然結(jié)果。

不管幾年前大火的深度學習、還是像當下生物制藥、被元宇宙帶火的計算機圖形學。

技術(shù)創(chuàng)新剛開始的時候，科學家奇貨可居，被高薪、高待遇聘請，擔當企業(yè)的首席科學家。比如當年的吳恩達、張亞勤，現(xiàn)在的圖形學大牛王華民等。

企業(yè)也紛紛開始建立研究院，各個大廠不用說了，騰訊阿里華為。即便那些垂直領(lǐng)域的企業(yè)也都有自己的研究院，比如3D時尚行業(yè)的凌迪。

更直接一點，那就科學家來創(chuàng)業(yè)，如今也成為一種風潮。

但隨著技術(shù)進入落地期，企業(yè)與科學家之間就顯現(xiàn)出一種難以調(diào)和的“悖論”——研究和產(chǎn)品的對抗。

畢竟企業(yè)做研究的根本目的，還是為了打造產(chǎn)品。

而學術(shù)大牛往往更期待可以有足夠自由的空間做科研，可以按照自己對專業(yè)的認知，來一步步推進技術(shù)發(fā)展。

由于二者的出發(fā)點和側(cè)重面不同，矛盾與摩擦在所難免。

延伸來看，這背后更牽扯到資金方面的問題。

企業(yè)端，“唯利是圖”，請科學家造研究院最終目的是為了創(chuàng)造營收。而研究院作為成本中心，花錢如流水，如果不能快速實現(xiàn)商業(yè)變現(xiàn)，企業(yè)靠什么來支撐？

但在純粹的科學家眼里，探索最前沿的問題是一件長期的事情，應該不計成本，不計營收，又能容許自己的研究為了“短期”利益而降格？

更為直觀的是，一旦企業(yè)出現(xiàn)財務緊張或到達發(fā)展瓶頸期后，內(nèi)部研究院往往會受到影響。

于是，我們經(jīng)常會看到這樣一種現(xiàn)象，每每新技術(shù)周期來臨，科學家進入企業(yè)搞研究；但當技術(shù)趨于應用之后，他們又往往得而復失、重返學界。

這也就導致現(xiàn)在成功的企業(yè)研究院很稀缺，其模式可持續(xù)的也很少。就像活了二十幾年的微軟亞洲研究院，也無法實現(xiàn)“自我造血”。

參考鏈接：
[1]https://weibo.com/2199733231/LvMtu6BmC
[2]https://www.nature.com/articles/d41586-022-01564-8
[3]https://docs.google.com/spreadsheets/d/1IrG0bdMzA02Mj7KThJyltVs8HFSGO9topxClG-b4ROY/edit#gid=1940707896
[4]https://twitter.com/search?q=%23leavingacademia&src=recent_search_click