Nature 最新發文：學術界正颳起一陣離職潮。這當中，處於職業中期的科學家尤甚。而他們的集體歸宿，是轉向工業界。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失去一半至三分之二的學術從業者。
疫情大流行加劇了這一趨勢，為大規模出走奠定了基礎。
社交網絡上有諸多像”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，他們不乏在裡面探討如何離開學術界。
而關於#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。在國內大批之前湧入工業界的科學家，正在重返高校……
-
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創新與產業研究院院長；
-
字節跳動AI Lab總監李磊離職，加入UCSB；
-
字節跳動副總裁、AI Lab主任馬維英，加入清華大學智能產業研究院；
-
曠視南京研究院創始院長魏秀參，出任南京理工大學教授。
……
再早一些，就是像張亞勤、張潼也從工業界重返學界。
所以，究竟為什麼會出現這樣的反差？
國外學術界颳起離職潮
先來看看 Nature 這篇文章究竟說了什麼。
首先，的確有大批學術人才湧向工業界，而且分散在各個領域，包括地球科學、生物學、心理學、數學等這種研究型也在其中。
在推特話題#leavingacademia 下發起的一個谷歌文檔。短短 20 天時間，就有超過 400 名離職學者更新。
他們的研究領域更是已經橫跨到了文史哲、音樂、社會學等領域。
但即便如此，核心領域還是那幾個：生物（包含化學）、醫學、計算機、臨床心理學等。
在這當中，在學界已經小有成就的人還不少。
知名健康博主 @子陵在唱歌，最近就發文表示：又一個做 HIV 治癒的朋友 Gilad Doitsh 離開了學術界去了工業界。而且這個人在學界曾有過重要突破：2014 年發表了篇 Nature，首次揭示了 HIV 造成免疫缺陷的最關鍵機制。
為什麼這些學者，甚至已經有所成就的人，會在此時此刻紛紛湧向工業界？大的環境背景，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，結果紛紛抱怨物價高，工資太低，比起工業界差得太遠。
在 Nature2021 年薪酬與滿意度調查中，在 1200 多名研究人員參與的情況下，有近 37% 處於職業生涯中期的研究人員對他們當前的職位不滿意，比處於職業生涯早期和晚期的研究人員佔比都高（他們分別占 32%）。
Nature 認為這些結果解釋了為何許多處於中期的學者重新思考他們的道路。
還有像個別地區的福祉制度也是影響因素。在英國，養老金的削減加劇了大學教授的罷工和辭職。
但除了大環境本身，更為本質或者更為特殊的原因，還在於有些領域確實已經在進入工業創新落地周期，即產學研轉換。
生物製藥就是當中的典型。
傳統製藥行業面臨著成本高、周期長等痛點，但 AI 的加入，就有望解決這些難題。而這一能力已經逐步得到證明。
量子位智庫分析的 AI 製藥七大趨勢顯示，不管是臨床進展，研發滲透率還是產業接納度，都在證明基於 AI 的製藥技術，成為新葯研發的必然趨勢。
而在 2024 到 2026 年，全球 AI 製藥行業將迎來兩輪爆髮式增長，到 2035 年僅國內市場規模就可以達到 2040 億。
當技術來到工業界快速、規模化地落地，勢必會吸引更多人才湧入。
人才流向和技術發展周期有關
當然，專業大佬出走工業界的例子，國內也在發生。
比如在生物計算領域，去年已有兩位行業大牛走出校園，開始創業。
被業界譽為“AI 預測蛋白質結構全球第一人”的許錦波教授，於今年 1 月在北京創立公司分子之心（MoleculeMind），旨在利用 AI 技術幫助行業專家快速識別、設計最合適蛋白質。
2016 年，由他開發的 RaptorX-Contact 方法，首次證明深度學習預測蛋白質結構的可行性。AlphaFold 正是基於他團隊前期研究成果。
另一邊，當時也參與了 RaptorX-Contact 方法開發的彭健教授，也於去年成立了華深智葯。他們想要結合自研高通量生物實驗技術，為研發人員提供微觀世界分子計算、模擬與設計的智能系統。
去年年底，其開發的 HeliXonAI 刷新 AlphaFold2 記錄。
而以上兩位教授先後踏入工業界，或許並非巧合。
受到大環境以及關鍵技術突破的影響，近兩年生物計算、生物製藥正處於發展的新風口上。行業內亟需高精尖人才引領創新，發展模式也需要不斷探索。因此，行業大牛擁抱工業界，也並不見怪。
實際上，人才流動的方向，是判斷技術創新應用的重要風向標之一。
流動規律大致如下：
-
技術創新周期，人才從學術界湧向工業界；
-
進入商業落地期后，人才再從工業圈迴流到學術圈。
以 AI 行業為例。
2012 年以後，隨着深度學習迎來爆發期，全球科技大廠都在廣納 AI 技術人才，不少行業領軍人物因此踏入了工業界。
國內方面，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《衛報》2017 年對英國頂級研究型大學的調查顯示，當時大學 AI 人才的流失甚至已經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薪資，直接放棄學業。
但隨後在 AI 開始落地到各個垂直行業，事情就發生了轉變，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“清華大學智能產業研究院（AIR）。
李飛飛也完全揮別了在谷歌的工作，選擇繼續專註學術。
騰訊 AI Lab 負責人張潼離職后，來到香港科技大學任教，同時加盟創新工場。
之後幾年內，國內大廠頻頻傳出技術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。
為什麼會有這種規律？
人才在學術界和工業界之間兜兜轉轉，其實是技術發展帶來的一種自然結果。
不管幾年前大火的深度學習、還是像當下生物製藥、被元宇宙帶火的計算機圖形學。
技術創新剛開始的時候，科學家奇貨可居，被高薪、高待遇聘請，擔當企業的首席科學家。比如當年的吳恩達、張亞勤，現在的圖形學大牛王華民等。
企業也紛紛開始建立研究院，各個大廠不用說了，騰訊阿里華為。即便那些垂直領域的企業也都有自己的研究院，比如 3D 時尚行業的凌迪。
更直接一點，那就科學家來創業，如今也成為一種風潮。
但隨着技術進入落地期，企業與科學家之間就顯現出一種難以調和的“悖論”—— 研究和產品的對抗。
畢竟企業做研究的根本目的，還是為了打造產品。
而學術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的認知，來一步步推進技術發展。
由於二者的出發點和側重面不同，矛盾與摩擦在所難免。
延伸來看，這背後更牽扯到資金方面的問題。
企業端，“唯利是圖”，請科學家造研究院最終目的是為了創造營收。而研究院作為成本中心，花錢如流水，如果不能快速實現商業變現，企業靠什麼來支撐？
但在純粹的科學家眼裡，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，一旦企業出現財務緊張或到達發展瓶頸期后，內部研究院往往會受到影響。
於是，我們經常會看到這樣一種現象，每每新技術周期來臨，科學家進入企業搞研究；但當技術趨於應用之後，他們又往往得而復失、重返學界。
這也就導致現在成功的企業研究院很稀缺，其模式可持續的也很少。就像活了二十幾年的微軟亞洲研究院，也無法實現“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