科学产业化上道路上为何总听见企业和专家的矛盾争执？
要如何促成企业和科研团队之间的合作好“姻缘”？
既了解科研技术又懂企业战略的复合人才如何培养？
“科学家在线”专访中科院计算所科研处副处长王元卓，他几乎有三分之二的时间在外奔走，为专家团队和企业合作牵线搭桥。多年工作经历，他深谙科学成果产业化道路上的风险和矛盾，更懂得要如何“量体裁衣”。
王元卓
研究员，博士生导师，中国科学院计算技术研究所科研处副处长，大数据分析系统国家工程实验室主任助理，开放知识计算研究方向负责人。
中国计算机学会杰出会员，中国计算机学会大数据专家委员会常务委员，中科院青年促进会首批成员，北京市科技新星，曾获国家科技进步二等奖、北京市技术发明二等奖等5项科技奖励。主持过国家、省部级和企业科研项目30余项，发表科研论文160多篇，申请发明专利41项，出版学术专著5部。成果应用到多家国家重要业务单位和知名企业。
近两年，科学产业化的浪潮继续翻涌，在政策环境的支持下，比起三十年前的那股创业潮来得更凶更猛。1984年创立联想的试水，让中科院计算所走在了产业化的前端，随后的龙芯、曙光和寒武纪，这些从计算所走出的公司在如今的互联网和人工智能领域里熠熠生辉。
作为计算所科研处副处长，王元卓的工作更像一名介绍人，极力促成企业和科研人员之间的“姻缘”。一个月的时间里他几乎有三分之二都在外奔走——调研企业，与业务人员沟通，为所里的科研团队寻找合适的产业化道路。多年工作经历，他深谙科学成果产业化上的风险和矛盾，对于桩桩“姻缘”的缘起缘结如数家珍，“我非常珍惜现在的工作角色。”王元卓说。
定位：成为精通业务的技术专家
被问起项目的选定，王元卓更愿意用两张图作比：一张是瓶装的矿泉水，一张是水龙头。“瓶装水再多总有喝完的时候，但水龙头下有源源不断的水源。”战略合作，便如龙头之水，“这就是我们努力的方向”。
科学家在线：从最开始的科研人员，专注科研到如今的科研处副处长，与单纯进行科学研究不同，现在的工作则更多的是促进企业和科研人员的合作，要和各色企业人士、政府人员讨论、交流，这样的身份转化是否曾有阵痛期？
王元卓：从专注科学研究到分身科研管理，确实需要定位和角色的转化，尤其是要从对本领域科学问题的深入认识到对计算所科研布局，战略方向以及各研究方向成果的整体把握和全面理解。不过这个过程对我来说并不困难。这和我的科研经历有较大关系，我的硕士阶段主要是应用神经网络模型研究人脸识别和说话人识别，博士研究生时转为研究网格计算中的资源管理与任务调度，从事博士后研究时开始研究网络传输的可靠性和安全性问题，来到计算所工作之后，开始从事网络数据分析、社交网络分析、知识图谱等方面的研究工作。
而这些科研经历恰好涉及了计算所的三大主要方向：计算机体系结构、智能信息处理和网络。因此，我相对容易理解计算所各个研究团队的技术和成果的特点，并有利于我从更高的层面去提出整体解决方案。经常与各种需求的用户直接沟通也培养了我成为精通业务的技术专家的特点，很多时候我对业务问题的判断可能比纯业务人员还要准确，所以我也经常充当用户单位规划引导者的角色，帮助用户单位做项目规划，其中如果有适合计算所做的项目，我就会拿回来，适合其他科研机构的，我也会帮忙把好关。
科学家在线：您目前从事的科研管理工作角色最重要的是需要具备什么样的能力？
王元卓：我目前的这个角色，既要有对技术的理解，对战略的把握，还要善于和业务人员沟通，了解整个行业业务的症结何在，量体裁衣。
一方面，要非常了解科研团队的主要研究领域，擅长做的项目类型，还要尽可能了解科研人员的当前的研究工作和最新成果，并帮助科研人员规划这样的技术成果可能在什么方面有可能得到应用。
同时，还需要了解科研团队缺什么。有些团队不缺纵向项目，想找到技术成果的应用出口，需要找到对应的企业合作项目。有些团队的横向做得多，但需要凝练学科方向提升成果的影响力，则更希望参与国家级科技项目研发。
所以要想做好科研管理有针对性的争取资源，一方面要对重要的企业和行业用户有着深刻的认识，又要对所里的科研团队也十分了解才行。
科学家在线：在众多企业和行业用户中，您更倾向于找哪些企业和机构来与计算所合作？
王元卓：我曾经在一次讲座上画过两张图，一个是瓶装矿泉水，一个是水龙头。再多的矿泉水，总有用完的时候，不过，如果把水龙头建好，就能源源不断有水了。单个项目的合作就像瓶装水，可能体量比较大，但总有做完的时候，而围绕某些方向的战略合作就可以把合作长期、可持续的进行下去。
我主推的思想是，科研人员要成为某个领域的业务专家，需要了解这个领域深层次的问题是什么，用户的需求是什么。我在与大企业和国家重要业务部门谈的合作，大多是战略合作，计算所科研人员有限，“一女不能嫁几家”，因此我的主要着眼点是是否存在需要持续解决的行业问题，并且有较为稳定经费来源。这也恰恰符合计算所“科研为国分忧，创新与民造福”的指导思想。
我们与大企业的战略合作项目一般可以分为三类：
一是项目经费体量最大的，紧耦合企业的产品线；
二是经费次之，以原型类研发为主，科研人员一般只负责核心技术攻关和原型系统的开发；
最后一类项目经费体量不会很大，通常用来支持企业关注的前瞻性技术的探索。
牵线：一个困难两个瓶颈如何跨越
“一段姻缘，最关键的是需要合适，并能够相应做些调整。”工作做多了，王元卓总结产业化的难点：一个困难和两个瓶颈。除了要有共同语言，科研人员和企业还需调整思想。
科学家在线：您也说过，与用户的业务人员的交流会有一段磨合期。在这个合作过程中最大的困难何在？
王元卓：最大的困难是双方要有彼此理解的语言去交互。而通常情况下，科研人员更多是从技术先进性的角度来谈，比如讲他的论文有多好，成果多领先。但首先企业则会质疑，这些论文和成果在实际落地后还能不能这么好？在场景泛化过程中还能不能这么牛？
第二，你的算法再好，能不能带动产品整体性能和功能的提升？因为企业的产品很多是系统化的，不是单靠某个技术就可以，而是需要很多工程化的步骤和整合，基于此，企业不会立刻就对科研团队产生很大的信任。
第三，企业通常会更加关注资金投入产生回报的周期，企业首先要考虑这个系统再开发成产品后是否还是市场的主流，对企业的价值还有多大，这个项目经费的投入是否还有必要等等。然而，科研人员通常考虑的却是如何把技术作的更先进或者把系统做得更通用，但这恰恰可能距离市场越来越远了。
不光是企业，在和国家业务的合作也是如此，因为很多业务部门的管理人员了解具体技术，通常得目标是是能否采用“最先进”的技术帮助业务人员解决现实问题。因此，要促成大企业或业务部门与科研团的合作，就需要有人能够充分理解双方所想，然后“翻译”给对方，从而实现技术人员和业务人员的无损沟通。
科学家在线：如上所说，科研人员关注的是技术的精细和先进，企业更注重收益，这样的矛盾要如何调和、归并？
王元卓：一个好的项目合作，需要双方知己知彼，既了解对方的需求，也要明确自己的要求。
首先，企业要明确作学术研究和做工程研发是不同的，有些科研团队希望把学术研究的成果推广到实际应用中，就会非常渴望有企业或者用户机构的横向合作。但也有很多人，不想跟企业合作，只想踏踏实实做科研，这个时候是怎么都不可能把合作促成的。
其次，要进行应用研究的科研团队，除了拥有核心技术外，还要具有系统化、产品化开发的其他辅助技术的积累，也就是需要科研团队具备一定的工程化发开和运维的能力。如果是做学术研究，可能带一两个博士生就能做出很多好的成果，但做工程项目，没有足够的人手和时间是完不成的，这里面需要有很多测试和分析。
计算所一直以来都是以大工程能力见长，集中力量做大事，是计算所的传统。但即使这样，在大工程项目研发过程中还是会经常遇到人力、能力等方面的问题。科研人员自视甚高的科研能力跟实际应用上复杂和精准的产品化能力之间的矛盾是一个瓶颈。另外一个瓶颈，是企业对项目的需求和科研人员对项目的理解之间的矛盾。想找科研人员合作的企业一定是希望在某个点技术或者功能上有所突破。很多科研人员与企业接触几次了，可能都还没抓住企业的真正需求，而同时，企业也可能会开始质疑科研人员的地专业水平。在规范化的系统开发项目里，做需求分析、概要设计、详细设计、功能测试、性能测试等等都需要严格规划，且保证文档的规范和齐全。但很多科研项目、尤其是由学生为主参与的项目，更多关注意放在是否完成了项目结果，而忽略了项目的过程管理和质量管理，到最后交付项目时就有可能会出现问题。当用户要求修改时，可能负责开发工作的研究生都已经毕业了。
因此，科研人员要想承担横向合作项目，就必须提高对项目实施过程中的管理能力，注视过程管理。企业也要认清与科学家合作，和与其他企业合作的不同之处，一个好的战略合作，科研机构不但可以企业解决目前面临的问题，还能在相关领域的发展方向上帮助企业制定战略规划，在未来的竞争中获得主动。
科学家在线：如今国家政策鼓励科学产业化，科研人员离岗创业保留3年岗位。这个政策在实践过程中是否会遇到一些问题？
王元卓：离岗创业确实是给很多人一个定心丸，帮助创业的科研人员留了一条后路，但其实创业本就是一条不归路。全力以赴创业尚且“九死一生”，如果创业的过程中还要兼顾科研那可以说基本上是“十死无生”。而无论生死，结束创业后再回到科研体制内，是很难再做出出众的研究成果的，因为思维方式已经不一样了，缺少学术成果、缺少科研项目，那样在激烈的学术领域的竞争中也同样是举步维艰，甚至可能不如一些刚刚出道的青年学者。
培养：大数据复合人才的缺口如何填补？
除了产业化之外，王元卓还在推动大数据人才的培养。从课程体系到生态体系，培养复合人才，填补国内大数据人才的缺口。
科学家在线：基于您曾经在大数据上的研究经历和在产业化上的实践经历，现在大数据领域的行业现状如何？
王元卓：现在大数据领域的人才缺口越来越大。2016年全国大数据人才仅46万，未来3-5年内大数据人才缺口将高达150万；截止2017年12月，大数据及人工智能岗位人才需求量比2016年猛增6倍多。
大数据人才可以分成三类，大数据工程师、大数据分析师和数据科学家。目前这三类都是缺乏的，中国大数据人才培养体系还没有真正建立起来。对于企业来说，他们更缺乏大数据工程师和大数据分析师，很多大数据相关的人才放到市场上，分分钟就被抢走。因此，我作为中国计算机学会大数据专家委员会教育工作组的召集人正在努力推动中国大数据学科建设、组织系列课程教材的编写，并推动建设中国大数据人才培养的良性生态体系。
在课程教材体系上，大数据教材编委会规划了“1+3+X”的教材体系。以《大数据导论》为基础，并有针对性的设置《大数据管理》、《大数据处理》和《大数据分析》等关键技术课教材。在“X”系列里面，会包含面向各行各业的大数据应用的介绍，比大数据安全、生物医疗与健康大数据、金融大数据、工业大数据等，让学生可以从业务需求入手，接触完背景知识之后，再针对性的应用大数据的专业技术知识，解决行业问题，而且“X”系列教材会根据行业实践的发展进行更新迭代。
另一方面，还需要建立大数据人才培养的生态。首先，人才培养要有载体、学校，开设大数据的专业，或者作为一门课来教授。此外，我们也希望能够和企业深度合作，比如有些企业缺乏大数据人才，我们可以定制化，和企业紧耦合。例如企业可以把案例需求和就业人才需求都给学院，所有的课程和考核都和企业结合，考核的问题，就是企业的需求，一步步培养面向行业的大数据复合型人才。
（本文仅代表个人观点，不代表中科院计算所。）
