• 当前位置
  • 首页
  • IT资讯
  • 文章正文

学术界刮起离职潮_Nature 证实_大批学者涌向工业界_互助文档日均 20 个学者离职

  • 作者:自动秒收录
  • IT资讯
  • 发布时间:2022-06-04T13:21:38
  • 热度:

Nature 最新发文:学术界正刮起一阵离职潮

这当中,处于职业中期的科学家尤甚。而他们的集体归宿,是转向工业界

事实上,这种趋势由来已久。早在 2018 年一项研究预测显示,高等教育将在五年内失去一半至三分之二的学术从业者。

疫情大流行加剧了这一趋势,为大规模出走奠定了基础。

社交网络上有诸多像”The Professor is Out”、“博士妈妈”私人互助小组,在过去一年中成员从几百、一千增至上万,他们不乏在里面探讨如何离开学术界。

而关于#leavingacademia 的话题,热度只增不减。

但这跟我们这几年听到的恰恰相反。在国内大批之前涌入工业界的科学家,正在重返高校……

……

再早一些,就是像张亚勤、张潼也从工业界重返学界。

所以,究竟为什么会出现这样的反差?

国外学术界刮起离职潮

先来看看 Nature 这篇文章究竟说了什么。

首先,的确有大批学术人才涌向工业界,而且分散在各个领域,包括地球科学、生物学、心理学、数学等这种研究型也在其中。

在推特话题#leavingacademia 下发起的一个谷歌文档。短短 20 天时间,就有超过 400 名离职学者更新

他们的研究领域更是已经横跨到了文史哲、音乐、社会学等领域。

但即便如此,核心领域还是那几个:生物(包含化学)、医学、计算机、临床心理学等。

在这当中,在学界已经小有成就的人还不少。

知名健康博主 @子陵在唱歌,最近就发文表示:又一个做 HIV 治愈的朋友 Gilad Doitsh 离开了学术界去了工业界。而且这个人在学界曾有过重要突破:2014 年发表了篇 Nature,首次揭示了 HIV 造成免疫缺陷的最关键机制。

为什么这些学者,甚至已经有所成就的人,会在此时此刻纷纷涌向工业界?大的环境背景,主要还是薪资和工作满意度造成的

杜克大学陈怡然教授就分享了这样一件工作趣事:教授群里讨论工资,结果纷纷抱怨物价高,工资太低,比起工业界差得太远。

在 Nature2021 年薪酬与满意度调查中,在 1200 多名研究人员参与的情况下,有近 37% 处于职业生涯中期的研究人员对他们当前的职位不满意,比处于职业生涯早期和晚期的研究人员占比都高(他们分别占 32%)。

Nature 认为这些结果解释了为何许多处于中期的学者重新思考他们的道路。

还有像个别地区的福祉制度也是影响因素。在英国,养老金的削减加剧了大学教授的罢工和辞职。

但除了大环境本身,更为本质或者更为特殊的原因,还在于有些领域确实已经在进入工业创新落地周期,即产学研转换

生物制药就是当中的典型。

传统制药行业面临着成本高、周期长等痛点,但 AI 的加入,就有望解决这些难题。而这一能力已经逐步得到证明。

量子位智库分析的 AI 制药七大趋势显示,不管是临床进展,研发渗透率还是产业接纳度,都在证明基于 AI 的制药技术,成为新药研发的必然趋势。

而在 2024 到 2026 年,全球 AI 制药行业将迎来两轮爆发式增长,到 2035 年仅国内市场规模就可以达到 2040 亿。

当技术来到工业界快速、规模化地落地,势必会吸引更多人才涌入。

人才流向和技术发展周期有关

当然,专业大佬出走工业界的例子,国内也在发生。

比如在生物计算领域,去年已有两位行业大牛走出校园,开始创业

被业界誉为“AI 预测蛋白质结构全球第一人”的许锦波教授,于今年 1 月在北京创立公司分子之心(MoleculeMind),旨在利用 AI 技术帮助行业专家快速识别、设计最合适蛋白质。

2016 年,由他开发的 RaptorX-Contact 方法,首次证明深度学习预测蛋白质结构的可行性。AlphaFold 正是基于他团队前期研究成果。

另一边,当时也参与了 RaptorX-Contact 方法开发的彭健教授,也于去年成立了华深智药。他们想要结合自研高通量生物实验技术,为研发人员提供微观世界分子计算、模拟与设计的智能系统。

去年年底,其开发的 HeliXonAI 刷新 AlphaFold2 记录。

而以上两位教授先后踏入工业界,或许并非巧合。

受到大环境以及关键技术突破的影响,近两年生物计算、生物制药正处于发展的新风口上。行业内亟需高精尖人才引领创新,发展模式也需要不断探索。因此,行业大牛拥抱工业界,也并不见怪。

实际上,人才流动的方向,是判断技术创新应用的重要风向标之一。

流动规律大致如下:

AI 行业为例。

2012 年以后,随着深度学习迎来爆发期,全球科技大厂都在广纳 AI 技术人才,不少行业领军人物因此踏入了工业界。

国内方面,2014 年吴恩达宣布加入百度,担任首席科学家职位。

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终身教授金榕,就是在那时加盟阿里,担任 iDST 首席科学家和副院长。

海外方面,2013 年,深度学习之父 Geoffrey Hinton 加入谷歌,Yann LeCun 受聘为 Facebook 首席 AI 科学家。

2017-2018 年,李飞飞作为斯坦福大学教授,兼顾了谷歌副总裁、谷歌 AI / ML 首席科学家的职位。

据《卫报》2017 年对英国顶级研究型大学的调查显示,当时大学 AI 人才的流失甚至已经影响到了正常的研究和教学。

伦敦帝国理工学院的一位教授表示,自己的一名博士生为了苹果开出的六位数薪资,直接放弃学业。

但随后在 AI 开始落地到各个垂直行业,事情就发生了转变,最明显的就是 2019 年。

当时,张亚勤从百度“退休”,正式加盟清华大学,受聘清华大学“智能科学”讲席教授,牵头筹建“清华大学智能产业研究院(AIR)。

李飞飞也完全挥别了在谷歌的工作,选择继续专注学术。

腾讯 AI Lab 负责人张潼离职后,来到香港科技大学任教,同时加盟创新工场。

之后几年内,国内大厂频频传出技术大牛离职重返学界的消息,包括漆远、马维英、李磊、王长虎、周伯文……

今年 2 月,TensorFlow 技术主管 Pete Warden 突然离职,选择重返斯坦福读博。

在个人博客里,他阐述了离职的原因。他表示,自己一直鼓励用 TensorFlow Lite Micro 尝试各种各样的 TinyML 项目。

此前他也在谷歌尝试过实验,但谷歌的新硬件设备不仅昂贵耗时多,如果失败了还会带来负面影响。

因此,时隔 20 多年,他决定重返校园回去攻读博士学位。

为什么会有这种规律?

人才在学术界和工业界之间兜兜转转,其实是技术发展带来的一种自然结果。

不管几年前大火的深度学习、还是像当下生物制药、被元宇宙带火的计算机图形学。

技术创新刚开始的时候,科学家奇货可居,被高薪、高待遇聘请,担当企业的首席科学家。比如当年的吴恩达、张亚勤,现在的图形学大牛王华民等。

企业也纷纷开始建立研究院,各个大厂不用说了,腾讯阿里华为。即便那些垂直领域的企业也都有自己的研究院,比如 3D 时尚行业的凌迪。

更直接一点,那就科学家来创业,如今也成为一种风潮。

但随着技术进入落地期,企业与科学家之间就显现出一种难以调和的“悖论”—— 研究和产品的对抗

毕竟企业做研究的根本目的,还是为了打造产品。

而学术大牛往往更期待可以有足够自由的空间做科研,可以按照自己对专业的认知,来一步步推进技术发展。

由于二者的出发点和侧重面不同,矛盾与摩擦在所难免。

延伸来看,这背后更牵扯到资金方面的问题。

企业端,“唯利是图”,请科学家造研究院最终目的是为了创造营收。而研究院作为成本中心,花钱如流水,如果不能快速实现商业变现,企业靠什么来支撑?

但在纯粹的科学家眼里,探索最前沿的问题是一件长期的事情,应该不计成本,不计营收,又能容许自己的研究为了“短期”利益而降格?

更为直观的是,一旦企业出现财务紧张或到达发展瓶颈期后,内部研究院往往会受到影响。

于是,我们经常会看到这样一种现象,每每新技术周期来临,科学家进入企业搞研究;但当技术趋于应用之后,他们又往往得而复失、重返学界。

这也就导致现在成功的企业研究院很稀缺,其模式可持续的也很少。就像活了二十几年的微软亚洲研究院,也无法实现“自我造血”。

参考链接:

[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=#leavingacademiaamp;amp;amp;src=recent_search_click

标签: Nature学术科学家

上一篇:BLG状态LPL前三WBG不太稳Doinb透露训练赛情...
下一篇:LCK夏季赛DRX最强bin加入后BLG能排LPL前3Do...


发布评论