摘要：国际电气与电子工程师协会会士（IEEE Fellow）齐国君教授近日回国加盟西湖大学执教。他此前在中国科学技术大学和美国伊利诺伊大学香槟分校完成学业，曾任职于IBM研究中心和美国高校，之后出任华为美国研究中心技术副总裁兼首席AI科学家，随后创立OPPO西雅图研

5.19

知识分子

The Intellectual

图源：西湖大学

编者按

国际电气与电子工程师协会会士（IEEE Fellow）齐国君教授近日回国加盟西湖大学执教。他此前在中国科学技术大学和美国伊利诺伊大学香槟分校完成学业，曾任职于IBM研究中心和美国高校，之后出任华为美国研究中心技术副总裁兼首席AI科学家，随后创立OPPO西雅图研究中心。

二十余年职业生涯，几乎完整地覆盖了中美两国顶尖的学术机构与前沿科技企业。丰富的经历，让他得以在实践中深入观察和比较两种科研与创新体系的演变与差异。在《知识分子》此次对话中，齐国君教授结合自身跨国学术与产业经历，深入探讨了中美两国AI创新体系的差异。

在本次对话中，齐国君没有将目光只停留在学术层面。在他看来，AI领域OpenAI等公司的成功，并非单纯源自基础研究的领先，而是把资源投入到了正确的地方，选定了具有社会和商业价值的应用场景。

这样的判断和行动，往往不仅依赖科研人员的敏感度，也和企业的组织方式、投资人的耐心有关。OpenAI等公司将技术优势与市场嗅觉相结合、实现自我造血的能力，得益于美国成熟的投资环境对创新的支持与市场机制的优胜劣汰。而在中国，学术、产业与资本之间，如何建立起有效的连接，依然是一个挑战。

这些经验并不是简单的比较，而更像是齐国君对自身长期经历的一次梳理：在不同体系中，什么样的环境能真正支持科研与技术的成长？怎样的人才机制能让创新不断发生？这些问题，在今天人工智能快速演进的背景下，显得尤为迫切。

我们希望通过这场对话，为理解当下全球人工智能发展的格局，提供一个更立体、更贴近实践的视角。

撰文 | 张天祁

AI公司的关键，

是找到自我造血的商业模式

《知识分子》：您曾在美国工作多年，在企业和高校都有长期的工作经验。从您的观察看，美国AI相关的学术研究和产业之间的互动有什么特点？

齐国君：“学术”、“产业”虽然看起来是不同的领域，但在美国，界限没有那么清晰。高校确实更偏重基础研究，但企业在AI方向上的基础研究投入也非常大，这部分其实也可以视为“学术”工作。

美国高校里，有不少教授在校外的公司任职，或者自己创办、合伙创办企业。整个产学研的循环环境相对比较完善，并且是以市场化运作为主导。这意味着从企业的创办、发展到融资上市，虽然市场力量起着主导作用，学术界在这个过程中其实也深度参与了进来。

当然，美国政府也有一些资助渠道，比如国家科学基金会（NSF），类似于中国的自然科学基金委（NSFC），也提供大量资金支持。相对来说，这些政府资助的市场化运作导向更强。例如，NSF本身就有很多支持中小企业的联合项目。同样，像DARPA及其他军种的国防项目，也有很多直接资助企业的实例。

这点跟中国不太一样，中国的自然科学基金一般更多是由高校、研究机构来申请，企业直接参与相对较少。总体来看，美国国家层面的项目资助，其对于市场化的导向是比较明确的。

《知识分子》：国内AI初创公司很多创始人有高校背景，而美国似乎有更多非学术背景的创业者。为什么会出现这个区别？

齐国君：国内AI领域确实有提到的这种情况。美国虽然也有高校老师出来创办公司，但更多的创业者其实并没有高校背景。这与美国的整体创业环境有关，多年积累下来，他们的风险投资行业非常成熟。

特别是经历了2000年互联网泡沫后的恢复期，以及2008年金融危机之后，美国的投融资环境尤其活跃。这背后有几个因素：一是美联储长期维持极低的利率；二是移动互联网等技术的突破性进展；三是在2018年贸易战之前，中美之间相对融洽的经贸关系及全球化红利，使得美国即便在低利率“大放水”的情况下，通胀率也长期保持在很低水平。

这种低利率、低通胀的环境，对投资非常有利。风险投资机构手握大量资本，同时美国的教育和社会文化也相对鼓励年轻人去冒险、去创新。因此，VC大量投资于信息技术、AI、生物技术等新兴领域。可以说，美国人固有的冒险精神，加上过去十几年宽松的宏观经济环境，共同催生了以硅谷为代表的那个时期的创业繁荣。

《知识分子》： 对比美国，中国的投资环境如何呢？

齐国君：中国的风险投资环境，对于像OpenAI这样真正需要长期投入、风险极高的颠覆性初创公司来说，可能不是特别友好。坦率地说，国内大部分风投机构可能更着眼于短期利益，尽管口头上说支持长期主义。

另一方面，中国的整体金融市场，与美国相比，成熟度还有差距。在美国，无论是初创公司在一级市场的融资，还是后续在二级市场的上市、交易乃至退市，整个体系相对更规范和透明。这使得真正有潜力的颠覆性技术和公司，能够通过市场机制获得支持并脱颖而出。

美国有非常健全的破产和退市制度，不管是企业财务造假被发现，还是技术或商业模式被市场淘汰，市场会做出选择，让其自然代谢。过度保护落后的或经营不善的公司，实际上是在积累不良资产，对整个社会经济不利。

美国每年都有大量上市公司退市或股价归零。所谓“一鲸落，万物生”，让失败的企业退出，才能把资源和空间腾出来给新的、更有活力的创新者。国内的情况我了解不多，但A股市场的退市机制似乎不够完善，每年真正退市的公司寥寥无几。不让这些落后的公司退场，反而占据资源，那整个生态就没办法更新。

《知识分子》：中国AI产业的发展是不是起步时间相对更晚一些？

齐国君：以OpenAI的ChatGPT为代表的这一轮生成式AI热潮来看，中国的起步确实要晚一些。当然，国内AI领域的投资行为早在2012年深度学习兴起时就开始了，中国也有一些公司兴起。

但真正的市场化成功，应该是公司能够创造利润，实现自我造血和发展，不需要持续依赖外部融资来维持循环。这需要清晰的商业化路径，不能只相信技术，技术本身是会扩散的。

国内AI领域，我个人的观察是一些公司的商业路径不是特别明确。是不是能做大做强，能不能自己养活自己，而不是靠融资、靠国家支持来维持运行，这些都还是问号。这可能是中美在学术和产业结合方面一个比较大的差别。

《知识分子》： OpenAI和其他的国外AI公司，有找到您说的自我造血的商业模式吗？

齐国君：AI技术本身能否作为一个独立的、纯粹的商业模式成功运作，目前看来还很难说。坦率讲，相对于OpenAI巨大的融资规模和当前估值，它目前的这点盈利是远远不够的。而且，我并不能断言OpenAI就一定能成功活下去，它中途失败的可能性是存在的。

现在OpenAI的主要商业模式是向用户收取订阅费。与此同时，像Perplexity这样的公司也在尝试做AI搜索。整体来看，大家还都处在探索阶段，目前AI的商业化路径不清晰。比较受关注的方向之一是AI搜索。它的特点是能自动整合信息，用对话的形式直接给出答案，相比传统搜索引擎，用户体验上会更顺畅一些。

但这里面有一个问题，传统搜索是靠广告赚钱的。它们通过搜索结果将用户导流到不同的网站，这些网站通过广告和电商赚钱，然后搜索引擎从中抽成。而AI搜索直接给出整合后的答案，用户就不再需要点击进入原始网页。这对内容创作者来说是毁灭性的打击。没有了流量，他们就失去了创作和维护内容的动力，长此以往，整个互联网的内容生态就会萎缩甚至死亡。

所以，谷歌在这方面非常谨慎，因为它的商业帝国建立在繁荣的互联网内容生态和广告模式之上，不能轻易革自己的命，破坏这个根基。

另一个探索方向是所谓的“AI Agent”（AI智能体）。它的理念是整合各种互联网服务。比如，现在你想订外卖需要打开美团或饿了么的App进行一系列操作。未来，你或许只需要对AI Agent说一句“帮我订一份午餐”，它就能自动帮你比较不同平台的优惠、使用优惠券，然后完成下单，无需你再操心细节。

无论是AI搜索还是AI Agent，它们的成功都必须建立在一个已经存在且繁荣的互联网应用和服务生态基础之上。AI只是一个工具，能不能商业化，还是看它嵌在哪个系统里，是不是有场景、有需求、有盈利方式。

中美之间的共性大于差别

《知识分子》： 从企业对创新的贡献角度，一直有一种说法，认为美国企业擅长从0到1的颠覆式创新，而中国企业更擅长从1到10的应用、优化和规模化。您觉得在AI时代，这个说法还适用吗？

齐国君：关于这个说法，我觉得在比较中美双方时，我们往往过于关注差异，但实际上两者之间的共性可能远远大于差别。

例如，AI领域的兴起，特别是像ChatGPT这样的颠覆性技术，无论是在中国还是美国，都不是由原有的大公司率先做出来的。

当一个企业发展成熟并取得巨大成功后，它往往很难再做出可能颠覆自身核心业务的创新。大公司之所以“大”，是因为它有成熟且成功的业务模式，这些业务通常非常赚钱。既然现有业务如此成功，公司不会冒险去开发可能威胁甚至摧毁这些业务的新技术或新模式。

《知识分子》： 国内的大型企业在基础研究方面表现如何？

齐国君： 国内的头部科技公司，实际上也有研发投入，包括一些基础性研究。但是，可能在几个方面与美国顶尖公司存在差距。一是吸引全球顶尖人才方面，国内大厂的吸引力可能还稍显不足，Transformer的核心贡献者有不少来自于其他国家。

再一个是整体投入规模也有差距。即便是阿里、腾讯这样的头部企业，它们的投入也没有达到谷歌那种级别。谷歌为什么能做出Transformer这样的架构？除了有技术积累，跟它背后雄厚的盈利能力也有关系。它能持续地投，而且能接受比较长周期、产出不明确的研究。

我觉得美国企业在包容创新这件事上，容忍度会更高，尤其是对技术人员的发展路径。在美国，哪怕你35岁还在做工程师，没有转去做管理也完全没有问题。技术人员也有明确的晋升通道，可以专注技术做到很高的级别。但在中国，如果这个年龄你还没当上管理层，似乎就意味着职业天花板了。

《知识分子》：这点会让国内的AI领域在创新上落后一步吗？

齐国君：我一直觉得，计算机科学本质上还是应用科学。任何真正有价值的研究，最终都应该是能落地、能解决问题的。

OpenAI 为什么能做出 ChatGPT？最关键的一点是他们明确选择了“对话机器人（ChatBot）”这个方向，这是一个非常清晰的应用目标。它要做一个端到端的完整系统，是一个全新的应用场景，这个场景足够大，足够复杂，也足够有价值，所以他们才敢于押注。

谷歌没有能力做出来吗？当然有，它开发了BERT，在完成传统NLP任务上很优秀，比如分词、语法结构的处理。但实际上，传统的NLP任务发展了很多年，已经是计算机科学里的一个比较成熟的领域。这些任务相对来说还是比较学术化的，也不是新问题了，应用场景没有ChatBot那么强，等于是把资源投给了错误的场景。

另外，搜索引擎是谷歌的核心业务，一旦往这个方向走，可能就是对自己业务的自杀，所以哪怕内部有人意识到了，也很难推动起来。

《知识分子》： 也就是说，如果没有找对应用场景，学术上的领先未必能转化为改变世界的商业成功？

齐国君：是的，好的技术一定需要有价值的应用场景作为载体，这个场景需要具备足够高的社会价值或商业价值，而不是空中楼阁的虚幻概念。OpenAI能做出颠覆性的突破，很大程度上就在于此。

ChatGPT 本身并没有提出什么新的原理，它的技术路线其实大家都知道。关键是你有没有信心去把这条路走到底。这其实就是一种判断、一种信念。在当时来看，是有很大风险和不确定性的。

这里面可能包含了一种“技术信仰”或者说直觉判断。科学家有时候做事，不会像计算数学题那样精确，会依靠多年的积累形成的判断和直觉。

《知识分子》： OpenAI是先有了打造这种对话系统的想法或目标，然后才去整合技术实现它，而不是依靠研究上的领先吗？

齐国君：实际情况可能更复杂，OpenAI最早成立时的目标是实现开放、有益的通用人工智能（AGI），这其实相当宏大和模糊。他们自己当时也未必完全想清楚了具体要做成什么样，但像马斯克这些早期投资人就在这种情况下投入了资金。

这就是美国那种创业土壤有意思的地方，同样的情况在那个时间点的中国可能很难发生。他们是在探索过程中不断迭代，逐渐聚焦到ChatGPT这样的产品形态上的。我相信他们最初的目标肯定不是去优化那些传统的NLP任务指标。

单打独斗还是团队作战？

《知识分子》：您在中美的高校都工作过，觉得这两边的科研环境有什么结构上的差别吗？

齐国君：美国高校普遍实行终身教职（Tenure Track）制度，国内高校近年也在学习引入。但实际运作可能有所不同。美国的制度更鼓励教授成为PI（Principal Investigator），单打独斗或者带领自己的小团队。而国内更多是大团队为主。

在美国，高校基本是PI制，也就是每位教授独立带团队，大家是“单打独斗”的状态。这种结构决定了它很难形成特别大的、协同规模化的科研项目。而且独立的PI很难整合足够资源去做复杂的大项目或直接运营企业，高校里也不会特别要求教授去做产业化。我在那边写NSF的项目，申请资助，从来没有哪个表格要求我填写“转化了多少”“创造了多少产业价值”。

但国内很不一样。国内的项目申报，尤其是一些人才类的项目，经常会涉及“成果转化”、“社会效益”、“经济效益”等评价指标。但如果鼓励研究人员做颠覆性研究，是很难去做产业化的。

国内因为有大团队。比如一个老板下面很多小老板，小老板带很多学生，去运作一个大的项目或者大的产业化的场景，但是在美国高校里面就不太可能。它没有这样的一个组织架构，一个教授和一个新入职的AP(Assistant Professor)是平等的，不能去指挥这个AP做什么事。

《知识分子》： 除了团队结构，在研究内容上，您觉得中美高校有区别吗？

齐国君： 研究内容的选择，很大程度上受到学术评价体系的影响。美国这边，评价不太看重论文的数量，更看重研究成果的“重要性”，这主要基于同行评议。当然，同行评议并不是完美，有人的地方就有江湖，资深教授的影响力、学术圈的话语权确实存在。

但在计算机科学这样的应用型学科，一项研究如果真的效果好，或者在商业上有很大影响力，最终还是会被认可的。像深度学习的先驱辛顿早期被迫出走加拿大，但当技术证明了威力后，辛顿携DeepLearning杀回来的时候，那些逼走他的人是很尴尬的。

相比之下，国内的评价体系可能更看重“数量”，比如发表论文的篇数。我不是说数量完全不重要，但如果过于强调数量，可能会抑制那些需要长期探索、风险较高但可能更具颠覆性的研究。美国的评价体系相对不那么看重数量，可能就更鼓励学者去做一些真正创新的工作。

《知识分子》： 您这次选择回国加入西湖大学，是怎样一个契机？是您所说的平台选择和自由流动，还是国内或者西湖大学有什么特别吸引您的地方？

齐国君：这就是一个自由选择的过程，没有什么特别的单一原因。对我来说，有足够的资源和承诺。因为我既在企业界做了多年，也在学术界做了多年，可能和纯粹从学术圈出来的人想法不太一样，我不太追求长期的稳定。

《知识分子》： 西湖大学提供的自由度主要体现在哪些方面？

齐国君：西湖大学的整体环境和运作模式，无论是同事之间的氛围，还是施一公校长的理念，都更贴近我所熟悉和了解的模式。这对我来说是一个更容易适应和发挥的环境。

选择AI还是非AI，

比选择去哪个国家更重要

《知识分子》：过去很多在美国AI领域发展的华人，轨迹通常是在美读博然后留美工作，现在这种人才流动的方向和形式有变化吗？

齐国君：这个情况是分阶段看的。三四十年前和现在完全不同。随着中国过去二十多年的高速发展，国内确实涌现了许多机会和成熟的企业，这对海外人才的吸引力比几十年前大大增强，在某些特定领域肯定是有吸引力的。

但我更倾向于将人才流动视为一个动态过程。对我个人而言，生命就是一个不断选择和经历的动态过程。今天哪里有好的平台和机会能发挥我的专长，就去哪里把事情做好。人才的自由流动是很正常的现象，哪里有资源、有平台能让个体实现价值，人就会流向哪里，这个也是一个健康并鼓励创新的社会应该支持的。

《知识分子》： 对于现在的学生来说，在国内读AI相关的博士，相比出国读博，吸引力是否有所提升？

齐国君：现在两者都有。我了解到，现在顶尖的学生里，仍有不少倾向于先出国留学“镀金”。但同时，选择在国内读博，认为也是很好选择的人也很多。最终决定取决于个人的规划和想法。毕业后，无论留在中国还是美国，计算机/AI领域的机会都相对较多，薪酬待遇在各自国家内部也都处于较高水平。所以对很多人来说，选择可能更多的不是中国或者美国，而是计算机与非计算机，AI与非AI。

《知识分子》： 但目前的中美关系，是否会对这种人才自由流动造成不便？比如这两年对华裔学者的审查问题。

齐国君：中美关系确实会带来一些影响。比如在美国，华裔学者可能面临一些额外的审视或特殊对待，这是客观存在的。但是，机会并非仅仅局限于学术界。对于AI领域的人才来说，无论是去工业界工作，还是自己创业，都有大量的机会，这些机会的吸引力不见得比学术界差。私营企业更关心的是你能否为它创造价值、解决问题，通常不会有类似学术界那种明显的针对性。

《知识分子》： 在AI人才培养的思路上，您觉得国内外高校有大的差别吗？

齐国君： 培养模式的差别，最终还是会体现在导师或教职人员的导向上。你的导师是倾向于让你多发论文冲数量，还是鼓励你去做更有意义、创新性更强的研究，这自然会导致培养思路和结果的差异。

《知识分子》： 最后，如果请您用一句话总结，您觉得在AI发展方面，中美双方最应该向对方学习什么？

齐国君：中美两国在AI以及其他很多领域，“合则两利，斗则两伤”。世界本来就是丰富多彩的，没有必要将所有事情都放在对立的角度来看待。

来源：知识分子