產學互為表裏，攜手方見大道：華為雲AI院長峯會的價值思考_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2021-10-27 20:28
去年年底國家工業信息安全發展研究中心發佈的《人工智能與製造業融合發展白皮書2020》顯示，目前中國人工智能人才缺口已經達到了30萬。加強本科教育與產學研聯合人才培養，是滿足人工智能人才需求的核心方式。
在這一強勁的時代需求引導下，2018年4月，教育部研究制定了《高等學校引領人工智能創新行動計劃》，並研究設立人工智能專業。2019年3月，全國有35所高校獲得了首批“人工智能”專業建設資格 。僅僅過去了兩年，目前全國已經有超過300所高校成立了人工智能專業或人工智能學院。
“忽如一夜春風來”的規模化建設之後，高校人工智能學院如何持續發展？產學研一體化如何推動AI技術前進？最新的AI技術成果如何與高校科研、教學結合？等等一系列問題有待於產學各界攜手解答。10月23日，全國30餘所頂尖高校的40多名院長、專家、教授齊聚成都，共同參加了華為雲AI院長峯會，探索如何加速人工智能前沿理論成果轉化，以及建設複合型人才培養和學科的新模式。
相比於眾多產學結合方向的AI峯會，這次活動具有很多顯著不同。比如院長們與華為雲的AI專家、企業負責人，討論的不僅僅是基礎的產學合作、產學共建。而是更多聚焦於最前沿的AI技術和平台如何進入學校中深化發展，推動AI人才培養與AI賦能科研應用的全面發展。比如盤古大模型、知識計算、AI求解器這些全新技術能力在高校與學術領域的落地應用與合作搭建。
或許從中可以看出，AI領域的產學研合作已經來到了新的階段，合作正在逐步深化與立體。在這次峯會當中，我們可以重新理解AI產學合作的一系列全新價值，以及各方攜手推動AI前進的大道維常。
高校與產業，攜手共建AI的大勢所趨
AI是時代機遇，也是家國重器。從“新基建”體系到數字中國行動，AI技術與產業都被放在首屈一指的位置上。AI專業與AI學院在中國的高速建設，足可見國家與社會對這一領域的極大重視。
也正因為新一代人工智能的戰略契機至關重要，這一領域應該融會貫通各方力量，確保發展效率與發展方向萬無一失。只有各方統籌兼顧，才能形成取長補短，互通有無的戰略格局。
中國工程院院士、鵬城實驗室主任、北京大學信息科學技術學院院長高文院士，在峯會致辭中重申了中國AI發展的四個長板與四個短板。
四個長板是中國有非常好的政府政策支持、豐富的數據資源、豐富的應用場景、大規模的青年人才羣體；四個短板包括原創算法有差距、傳感器方面較弱、缺乏有國際影響力的AI開放開源平台，以及高端人才不足。
想要實現中國AI的揚長避短，就不可避免需要推動產學研高度結合，高效配合。比如揚長方面，青年人才羣體需要高校來培養，而企業能夠提供數據資源與應用場景幫助人才培育；避短方面，企業可以推動算法、平台方面的產業進步，而這些能力匯聚於高校，又可以推動高校人才教育、基礎科研與高端人才培養能力的加強。
這種視野下，產學研各界的“一盤棋”思維是中國發展新一代人工智能體系的制勝所在。AI的出路在於將不同學科、不同行業、不同產學研區位的力量整合起來，這也都需要不斷加強高校與企業的合作與交流。
浙江大學計算機學院教授、教育部人工智能協同創新中心主任莊越挺認為，高校培養AI人才是義不容辭的責任，也肯定是AI人才培養的主戰場。浙江大學對AI人才培養設置了本科的人工智能專業；搭建了高端人才培養AI+X模式，推動AI的交叉人才教育；同時也從科技產業中吸收來自應用的驅動力。
華為雲Marketing部部長董理斌認為，華為有架構方面的頂層科學家，有博士“天團”，有預訓練大模型、知識計算等相關能力。但也需要將行業人才和AI人才結合起來，才能夠完成應用落地，這個過程中，光靠華為公司是不行的。華為希望把能力開放出來，生成一系列平台，實現能力工具化，推動AI從作坊式開發到工業化開發，降低AI的使用門檻。
可以看到，越來越多的高校開始重視AI基礎人才培養、AI跨學科建設與產學研合作。在這樣的大背景下，華為雲的AI技術與AI平台正在形成新的紐帶，推動構築產學研一體化的AI發展新範式。
華為雲AI成果的高校落地
推動AI技術的產學研交流，可以説是各大科技企業的“標準動作”與必要社會責任。華為雲在其中始終保持着極大的產學研合作熱情，並且不斷探索更加多樣性、深度化、立體化的合作可能。
華為雲人工智能領域首席科學家、IEEE Fellow田奇介紹，華為雲AI的目標是持續創新，打造人工智能黑土地，使能大規模、可複製的AI行業應用。目前，華為雲在AI領域聚焦幾個方面，包括知識計算/預訓練大模型等。
可以看到，這些領域具備在相當的前沿性與先進性，在科研和產學研互動方面具有廣泛的可拓殖性。比如我們可以看到，盤古大模型與知識計算已經在產學研合作領域綻放出了豐富的合作成果與示範效應。
華為雲語音語義創新Lab主任&首席科學家袁晶提出，以知識計算為核心構築認知智能的能力，涉及到很多方面的能力。知識計算要與行業深度結合，進行重點行業的探索，與客户和夥伴一起在醫療、能源、製造、金融等一系列行業進行深耕，才能理解行業問題的本質，更好地幫助客户去做AI的佈局。
盤古大模型是預訓練大模型領域的代表，包括盤古NLP大模型、盤古CV大模型、盤古多模態大模型、盤古科學計算大模型等。基於盤古大模型，開發者只需要少量行業數據就可以快速開發出精度更高、泛化能力更強的AI模型。相比傳統手工作坊式開發模式，不需要針對各個場景定製開發，就可以大幅降低開發的人力成本和算力成本。
據瞭解，華為雲與西安交通大學第一附屬醫院合作，基於華為雲盤古藥物分子大模型研發出全新的廣譜抗菌藥物，將先導藥的研發週期從數年縮短至一個月，大幅提升新藥研發效率。其中，通過華為雲盤古藥物分子大模型的結構優化器，有效提升了小分子化合物與目標抗菌靶點蛋白的結合，同時降低其與人體蛋白的結合，從而減弱了廣譜抗菌藥對人體正常細胞可能產生的毒副作用。
值得注意的是，華為雲一些先進技術成果參與科研的方式，不再僅僅是簡單的算法與算力賦能，而是深入科研機理與科研核心系統，成為科研工作中的核心手段與可複用工具。
這種深度落地高校，深度融於科研工作的產學研合作新範式，或許在目前階段值得更多關注與拖動。
三重“互性”，搭建產學研AI合作新範式
AI相比於其他技術的產學研融合工作來看，既有相當程度的共性，又有非常顯著的個性。AI的特點是數據、算力、算法、場景等諸多要素的不斷彙集與融合，這就導致企業離不開高校的基礎研究與人才供應，高校也離不開企業提供的算力支持、平台工具與應用場景。與其他學科的產學研結合更偏向長期性、社會性的特點不同，AI從各方面來看都更加依賴產學研通力合作才能有效發展，非常直觀、近距離地對產學研合作模式與效率提出了要求。
以大模型訓練為例，華為雲可以為高校訓練大模型提供充沛的算力，也可以為高校提供充足的大模型驗證與落地場景。同時，華為雲的大模型成果也可以直接作用於科研工作與教學教研，由大模型落地衍生出的很多任務需求都適合與高校研究方向緊密結合。在這一方面，我們已經看到充沛的產學研合作成果，並且在國內取得了領先的成績。
一、合作中的相互性原則。
現代社會學中，提出人與人、團體與團體合作中的相互性原則（interactive principle），或者被“相互性規範”。表現為如果你肯定別人，別人也將更肯定你。華為雲與高校的AI合作，就是一個相互肯定，不斷培養信任與共識的過程。
蘇州大學計算機學院院長、軟件學院院長張民認為，企業與高校合作是要做到雙贏的結果。一方面所有技術進步都從基礎研究開始，另一方面產業驅動提出的問題才是AI的好問題。
與華為雲合作的三年來，張民認為各方面都非常順利，不僅得到了一系列成果，還培育了充分的信任。蘇州大學方面會派最好的學生參與到與華為雲的合作中，而華為看到了學生的能力後，也積極吸納他們畢業後入職華為。這樣雙方形成了高度的認可與正向價值循環，可以説是合作中相互性原則的完整體現。
二、價值上的互補性關係。
企業與高校的技術合作，歸根結底需要雙方具備充分的價值互補性。在一門新技術的崛起過程中，各方面都有可能培育長處，同時也不可避免出現短處。只有高效配合，實現廣泛的價值生態結合體，才能最大限度克服問題。
北京航空航天大學人工智能研究院常務副院長李波認為，人工智能各方面面臨着很多問題，需要構建多維度的生態來解決。一件大事都不是一個企業能夠做起來的，華為雲作為龍頭企業與優勢高校的合作，是共同構建一個生態，從而實現開放共享共贏，相互一起完成社會職責。
從盤古大模型、知識計算等前沿技術的高校落地進程中，可以看到價值上的互補性關係是技術進步的真實動力，也是產學研合作的核心紐帶。
三、發展中的互動性方案
在合作中具有相互性，在價值上完成互補性，進而就是在發展中構築互動性。這一點也是華為雲積極推動與高校進行AI合作的關鍵所在。田奇介紹説，面對大模型這個業界關注的重點，華為雲可以從商業化目標中倒推，將大模型的發展分解成各個問題給到學術界。高校有着非常強的創新能力，在大模型領域非常適合與華為雲進行合作。
三重“互性”的相繼誕生與價值統一，推動着企業與高校的AI合作不斷深入，創造出一個又一個價值奇點與重要成果。從價值模型上看，AI有希望發展成一個產學之間的完整價值循環，雙方互為表裏，互為倚靠，最終推動新一代人工智能戰略深入落地。
維溝通以能明智，維攜手以見大道。華為雲AI院長峯會的價值，值得更多挖掘與討論。