2021年10月17日，智源研究院理事長張宏江博士在清華大學交叉資訊學院與“智90班”（2019級清華“智班”）同學們做了主題為《漫話職業規劃》的報告與交流。在報告中，他介紹了個人經歷，對人工智慧研究與投資趨勢進行了分析，並把他對職業的思考融入其中。
本文對報告內容進行了不改變原意的整理。
大師的故事
不知同學們是否認得圖片中的人物？
從上到下，從左至右依次為Nikola Tesla、Alan Turing、John von Neumann、Claude Shannon、Marvin Minsky、Jim Gray以及Geoffrey Hinton。
大家可能都知曉這些名字，卻未必熟悉這些時代開創者的面孔和故事。比如左下角的人工智慧的奠基人之一Marvin Minsky，Marvin有個經驗：我們該把偉大的思想家內化到自己的頭腦裡，讓他們不斷思考，從而幫助自己思考。希望在座的同學們，讀一讀他們的故事。
Shannon、Turing、John von Neumann，這三位計算機領域的奠基人都是數學家，理論非常強；Tesla則既是一位創新者也是一位企業家，理論與實踐結合得非常好。Geoffrey Hinton大家都知道，是2019年的圖靈獎的獲得者，深度學習的領導者。
我尤其建議同學們讀一讀Jim Gray的故事，他是我在微軟的同事，因為在資料庫領域的貢獻，1998年獲得圖靈獎，他既擅長理論亦擅長系統。在今天的計算機領域，尤其中國的計算機領域，非常缺少Jim Gray這種大師級別的程式設計師——絕不要認為動手能力強是因為理論技術不好；同樣也不要覺得理論很強，就可以忽視動手能力——這是我在一開始，就希望同學們謹記的觀點。
成功的關鍵因素
01 好運氣，大趨勢與選擇
跟這些大師們相比，我差得太遠，但既然站在同學們面前，還是想談談自己的經歷和體會。我上學那年正好文革開始，11歲就隨著父母去了三線，到農村上小學四年級時，一個屋子兩個班，老師給一個年級的班佈置完作業後，再到另一個年級的班講課。
從小學到高中，我基本上沒經歷過嚴格意義上的考試。唯一一次有挑戰的考試是高考，我因此成為新中國恢復高考後的第一批大學生。
大學畢業以後，我很幸運地到電子部五十四所工作，並很快被推薦到丹麥留學。丹麥是一個小國，在那裡的生活非常舒適。我的本科和博士專業都是電子工程，偏系統，博士研究方向是遙感影象處理。但我的興趣在讀博時發生了非常大的轉變，我想朝計算機方向發展。
在丹麥取得博士學位後，我面臨著選擇，要麼繼續在丹麥生活，要麼另謀他處轉換方向。最終，我畢業後決定去新加坡，我當時拿到了新加坡幾個學校的offer，其中一個是新加坡國立大學系統研究所，在那裡我轉向了計算機。
我在新加坡做了三年多的研究，並且在自己的學術研究領域稍微做出了點成績。之後我進入工業界，加入了矽谷的惠普實驗室。在這期間，中國透過十幾年的改革開放，取得了矚目的成就，於是我在1999年決定回國，加入了微軟。這裡我想強調的是先後順序，首先我決定回國，然後是選擇加入微軟。先是看中了大趨勢，其次才是平臺的選擇。在微軟工作12年之後，我又加入了金山，擔任金山CEO。
回顧經歷，好像我每一步的點踩得都很好。從1999年到現在，尤其在中國加入WTO以後，是中國經濟騰飛的二十年。彼時微軟亞洲研究院也開始起飛，中國的教育，中國的平臺也在起飛。在這個平臺上，我的好運才得以體現——這種好運很大程度上依靠國運。但是，請注意，從博士畢業到微軟研究院這期間依然有過許多選擇，比如是去新加坡還是留在丹麥，去新加坡後是繼續留下去還是再去美國，是選擇去學術界還是工業界，是在美國還是在中國……
回過頭來看，很多人對我說“你回國真是明智”，不過在彼時，很多美國留學生朋友都斷言我最多回國一年，還將重返美國。但我在1998年回國幾次以後，就看到了國內起興的徵兆。那之後我便開始著手準備。
02 持續苦幹
當運氣到來，很重要的一點是有選擇的能力。然而即使能做出正確的選擇，卻未必能到好成果。這裡的另外一個關鍵點，在於能否持續苦幹——我們不能寄望於運氣，如果你沒準備好，或者不能持續苦幹，機會來了也會錯過。
當你作出正確的選擇，接下來的就是苦幹，持續的苦幹。考出國，我失敗了兩次才成功，有了這個經歷，我對堅持和苦幹的意義有深刻體會。在座的同學都非常聰明，多數人免試入學，還有不少各地狀元。然而即使具備如此好的天分，在技術突飛猛進發展時，在選擇了自己的事業後，如果不能持續苦幹，這個機會仍然可能不屬於你。
剛才我們提到Geoffrey Hinton。他的學術路程歷程非常艱辛——研究生物學出身，早年在英國求學，對神經網路感興趣之後，就持續地研究和追求。因為這個領域美國做得最好，所以他首先選擇去了CMU。
CMU以做系統著稱，有很多美國國防部和海軍研究專案，但由於Hinton的背景，在那裡申請研究經費非常困難，所以之後他轉往了多倫多大學。但他依然在追求自己的選擇，即使是無法獲得充裕經費的時候，即使是他的文章還不太受待見的時候，他依然選擇持續刻苦努力。
另外一個例子是2019年的圖靈獎獲得者Yann LeCun，他讀博士時開始研究神經網路，但他的導師對神經網路並不瞭解，LeCun只能靠自己探索。另外，他進入這個領域的時間點也不好，當時正好是第二波人工智慧浪潮的末尾，人們已經逐漸看到神經網路的侷限，開始減少研究經費。他博士畢業後在Hinton那裡做博士後，之後也是輾轉多地，最後到貝爾實驗室才有了充足的經費與計算資源。後來我們看到了，在那裡，LeCun繼續追尋他的神經網路的夢，發明了卷積神經網路。
總的來說，當你選擇一件事之後，接下來就要持續苦幹，耐得住寂寞，這個逃不掉。以我自己的經歷為例，當我來到新加坡決定做影片檢索時，我在1993年發表了一篇文章，這是對前面兩年工作的總結，這篇文章基本奠定了這個領域的框架。之後我的15年學術生涯，所有工作都沿著這一個方向，從各個角度嘗試定義和解決其中的問題，無論是影象分析，人臉識別，相關反饋等。只有這樣堅持，持續苦幹之後，所做的結果才能夠逐漸呈現給同行，被大家接受，成為主流。
大部分人所做的紮實的、矚目的工作，往往是在他不知名時完成的。其實，成名之後的人很容易犯一個錯誤——只想做非常重要的工作，只想做了不起的題目，於是很容易在不斷尋覓了不起的題目的過程中，一個專案也沒完成。
03 做好手頭事
持續在一個領域耕耘，工作才會有積累，才會逐漸有影響力。很多自信的年輕人把“追尋Passion”掛在嘴邊，“這個方向我不喜歡，所以我不做”；“這個職業我不喜歡，我也不做”。但假如問他要做什麼，又說不出清晰的答案。
我想告訴大家，先forget about your passion，你需要做的第一件事，就是把現在的工作做好，比之前所有人更好。假如每門計算機課程都學不好，卻在談自己的Passion，這樣走下去很容易一事無成。
我所從事影片檢索領域，既有過1990年代的轟轟烈烈，也有過2000年之後的低潮。其中的關鍵問題，直到深度學習出現後才得到較好的解決。但這並不影響我們所做的推動，也不影響我們在這個領域的貢獻。也正是因為這種持續的努力，我們才能搭建起一個領域的框架，不斷地發現新的可研究的問題，讓後人來用更先進的方法解決問題。
當我2005年離開學術界，投身微軟工程院時，許多人認為這是簡單的產品研發工作，會比在研究院容易許多。但做好這件事，一點也不比研究簡單。所以在2010年我獲得IEEE“技術成就獎” 後接受人民網採訪時，我提到做工程院，做系統，做技術，做產品很大程度上是依靠每件事進取，點點滴滴積累。
做大事和做好手頭的“小事”不矛盾，持續認真刻苦地去做“小事”是在為“大事”打基礎。認真地做小事，或許有更高的機率去發現做“大事”的機會 。
科研的內涵
接下來我講講什麼叫研究，研究的內涵是什麼，以及怎樣做研究。
01 找定方向
做研究，找定方向最重要，其中包括領域科學的發展方向，工程的發展方向，以及產業的發展方向。三十多年前，我找對了影片檢索方向，對我的事業發展助益良多。
今天深度學習發展到了哪個階段，未來方向在何處？深度學習經過十幾年的發展，已經進入了依靠大算力、大規模工程化的階段，所以才產生了GPT-3模型、悟道大模型。同時，對研究者的能力要求與之前也不一樣。能否夠找到深度學習中的痛點，能否利用大規模的計算能力，利用大規模資料的資源，對這些問題的思考比以往任何時候更重要。今天，大規模智慧模型已成為AI技術新正規化。
02 重視方法論
第二點是所謂的方法論，我們知道，方法是隨著研究本身或者產業發展而改變的。
在圖靈時代，一個應用數學家只需要做很少的實驗，就能驗證很多設想。
圖靈主要是做密碼機的研究，實際上是數學問題；John von Neumann是個邏輯數學家，他提出的計算機框架實際上也是個數學問題。而今天的深度神經網路已經不是簡單的數學問題。網際網路經過二三十年的發展，給我們提供了一個很好的機會，一種新的研究方法——把想法從一開始就放到網際網路上，放到開源庫裡，和大家分享。從一開始就和其他人一起建系統，用資料來驗證想法。這就是所謂的Deloyment-Driven Research這種方法是最有效的研究，也是最有效的推廣方法。
長期從事研究的人都知道，一流高手提問題，很多情況下比解決一個問題更重要。30多年前影片檢索、分類領域只有幾個人在做，我們實際上就是提出問題的人。尚不能理解語義時，能否分析影片架構、段落形式，是我們當時提的問題。
這個問題提出後，就有一系列學者開始用各自的演算法嘗試解決。包括一開始影片結構化，後來的相關反饋、自適應內容傳遞，以及如今被反覆提到的Attention Model。我們把這些問題推到同行面前，讓大家認識到這些問題的重要。
03 鍛鍊觀察力：透過現象看本質
再往下推，就是我們能不能夠透過現象看本質。
很多人問我怎麼投資AI，我會先問他什麼叫AI公司？一個AI公司要有能夠吸引使用者的產品，使用者和它互動產生資料，然後用資料改善產品。產品靠AI演算法驅動，在這個過程中間不斷產生資料，不斷改善演算法。只有達到這種迴圈，才是稱得上真正的AI的公司，這種迴圈轉不起來，要麼賣技術，要麼靠諮詢。大家知道，諮詢公司是做不出高估值的，拿到一單做一單，沒有所謂的產品。
位元組跳動就是成功模式的代表，因而能達到4000億美元估值。從前人們在搜尋引擎尋找資訊，而如今有一條新聞或者短影片，則會在使用者的空間上尋找誰是最可能的受眾，然後透過推薦演算法釋出——將搜尋問題變成了反向搜尋問題，將搜尋引擎變成了推薦引擎。
再看自動駕駛，大家知道有L2-L5不同等級，L5指全自動駕駛，非常困難，但也許大家並沒有從經濟學的角度思考過是否需要L5？它與L4的重要區別在於關鍵時刻有控制員介入。今天我們談起Robo-Taxi，也就是自動駕駛出租車，都將是L4，有人計算，假如每位控制員能夠監督1.7輛車，那麼自動駕駛出租車的運營成本就會低於今天的計程車公司。到那一天，計程車公司就變成了自動駕駛的公司。當極具便利的低成本L4成為主流，除了鍾愛駕駛的人，還會有人會買車嗎？L5至少十年以後才能實現，它的未來在何方？而L4四到五年就能落地，所以現在L5想爭取投資非常困難。
所以分析問題、看本質的能力非常重要。鑽研技術，可以追求夢想；但是作為投資、做產業、運營公司則還需要想清楚未來的產業在何方。
打造自己的朋友圈
我們人生很重要的一點，就是要有自己的朋友圈。我有導師、Mentor的朋友圈，早期同行的朋友圈，有多媒體學術領域的朋友圈，有微軟研究院的朋友圈。建立朋友圈的目的，不是吃吃喝喝，重要的是彼此交流，獲得反饋、支援、信任與合作。
合作的秘訣在於具備同理心，消除嫉妒心，這樣才能夠建立起廣泛合作的朋友圈，你需要非常大方的把credit分享給同事，分享給朋友，分享給你的上下級。
交流環節
在交流環節，張宏江博士解答了聆聽演講的同學們提出的問題:
Q1：這波人工智慧技術的極限預計在哪裡？一些人工智慧企業的鉅額虧損是否反應了AI背後的泡沫？
張宏江：這一波人工智慧的極限就是深度學習演算法和系統的極限，我覺得目前還沒有達到。最近一系列新的深度學習模型，包括智源的悟道大模型，去年釋出的GPT-3，谷歌釋出的BERT模型等，我們還遠遠沒有達到深度學習的極限，還有很長的路要走，無論是在學術上、演算法上，還是在系統上、工程上，當然更多是在產品上。
至於鉅額虧損，有很多原因。很大程度上是商業模式沒有定義好，產品的形態沒有定義好，業務的發展沒有做好。一個公司的成功，當然依賴技術，但技術不是唯一因素，不能成為公司唯一的競爭力。一些AI公司的估值相當高，但沒有形成正迴圈，有泡沫很正常。
快速發展的新興技術，投資泡沫一定存在。我們希望的是泡沫能把好的公司推出來。幾年前特斯拉是不是有泡沫？自動駕駛是不是有泡沫？今天中國的新能源車是不是有泡沫？一定有。但不要受這些泡沫干擾，作為一家公司，要想清楚自己的核心競爭力，產品開發路線圖，產業發展方向。
Q2：有人說，清華的同學，有幸得到了中國最好資源的培養、應該去做一些“大”事——非常難的事，或者正向影響力非常大的事。您如何看待這種觀點？
張宏江：清華的同學們，任何一個行業都沒問題，只要這個行業對社會有利，能夠推動技術的發展。當然我想更多的是展開一下：我們要立志去做大事，很重要一點就是要找到能夠對我們所在的領域裡面有重大影響的工作。但是不要忘了一點：無論將來是從事科研、工程、產品、設計，還是創業，大事都是從小事做起的。尤其是還在學校的時候，我們應該多花點時間，想想怎麼能夠判斷大事，從而去有意識地培養自己的技能，培養自己的判斷力。如果能夠從眾多的小事中看出大趨勢，從今天的技術看到明天的技術發展趨勢，從今天的商業模式看到未來的商業模式，培養出自己的判斷力，判斷技術、產品、商業模式、市場的發展，能判斷一個技術怎樣會影響整個產業，技術怎樣能影響其他相關領域的技術，這點我想非常重要。
Q3：我們在沒有目標的時候往往會做讓自己出路最廣的選擇，比如去讀博。但現在有很多人開始說：“讀博不適合所有人，沒想清楚就不要讀。”該怎麼做選擇？
張宏江：讀博士完全是個人的選擇。今天我們的問題在於要面對周邊環境，有太多的世俗壓力。
很多同學上大學前的成績非常好，到清華後成績也很好，然後讀博士、博士後。這樣一路走來，也許回頭才突然發現，好像這不是自己的選擇，而是因為自己的學習能力很強，被推到了這個位置上。
我建議大家在學習過程中，在自己思考職業發展的過程中，經常要花些時間停下來看一看，到底什麼是自己的特長。我們培養的博士人數並不少，甚至可能已經很多超過美國了。我們不妨問一下，這些博士，是不是真正達到了博士的標準？是否能夠也成為領域內所研究問題的專家？如果達不到，為什麼要讀這個博士呢?
當然，在計算機、AI領域，讀博士是一個很好的選擇，因為計算機領域的問題非常多，有很好的問題值得解決。但這一定得是你自己的選擇，是你和你的導師，和你的同學，和你能找到的，在這方面能夠跟你一起分享思考的人共同討論的結果，而不應該是隨大流，因為世俗的要求去讀博，更不應該是僅僅為了拿一個學位而去讀博。
讀博士未必適合每個人。不適合讀博士的人，未必是IQ有問題，或者是學習成績有問題。有些人的熱情就在於在實際的工作中解決實際的問題，這點我覺得沒有任何問題，這是他自己的選擇。而且，我們社會也需要更多的像各位一樣有資質的工程師。如果沒有大量的工程師作為AI發展的中堅力量，技術也無法向前發展。
寄語年輕人：我最想看到更多極客
在交流最後，張宏江博士對在場的學子們提出了自己的期待:
張宏江：今天我看到了許許多多自信的年輕面龐，我更想看到各位未來能夠成為各自領域的極客。我所說的“極客”是什麼？他們有情懷、有能力、陽光開放。情懷很重要，開源軟體運動就是一批有情懷的人從事的偉大事業；這樣的極客還要有程式設計、架構、產品、研究、找方向、看本質的能力；陽光和開放連在一起的，開放的心態是如此的重要，如果沒有開放的心態，我們就不可能有Linux、開源資料庫，不可能有中國二十多年的經濟成就。作為個人，就不可能有自己的朋友圈。
在座的各位都是佼佼者，不僅僅是高中同學中的佼佼者，也是清華的佼佼者，希望你們未來腳踏實地，立大志，從小事做起，追求極致。
來源：智源社群
