阿里云周文超：放弃“终身教职”，站在技术与商业的交汇处丨“浙里”青年科学家

周文超觉得，AI离实现真正的变革很近了，但还差一层窗户纸。

这个判断来自于他在行业一线的观察和经验。周文超在阿里云负责数据库和AI搜索两条线，每天在技术和商业之间来回切换。作为浙江省青年高层次人才协会的副理事长，他也是少数同时站在技术前沿和商业一线的人。

在他的视野中，数据库正在从一个传统的基础设施，变成AI时代最关键的底座之一。

而他要做的，是让这个底座真正为AI而生。

放弃终身教职的人

周文超是上海人，高中毕业后保送清华，读的是计算机。他在中学时就是计算机竞赛的国家队成员。清华毕业后赴美读博，博士毕业后留在美国做教授，一待就是十几年。2018年，他拿到了终身教职，那一年他34岁。

图丨2015年周文超在美国乔治城大学（Georgetown University）任教时期（来源：受访者提供）

在美国大学的体制里，拿到终身教职之后可以申请一年的学术休假，当时摆在周文超面前的选项很多，Berkeley、Princeton都有靠谱的合作者，微软研究院也抛出了橄榄枝，但他想去一个“最不一样的地方”，从学术到工业，从美国到中国，两个维度同时切换。

他环顾了当时的中国工业界，觉得真正在做研究的地方不多，比较突出的有两个：华为和阿里。

权衡之下，2019年下半年，周文超带着两个年幼的孩子回到上海，加入达摩院做访问学者。他给自己定的比例是50%做研究、50%做商业化。

在他看来，如果在工业界只做研究，“缺点意思”，也没有把这个平台最值得学的东西学到。

然后疫情来了。各种意想不到的事情接踵而至，中美之间的频繁往返变得不可能。他开始面对一个选择：留在中国，还是回美国？

这很艰难，放弃终身教职，意味着放弃十几年积累起来的学术声誉、研究资源和生活方式。他犹豫了。

就在这时，他那位在耶鲁做教授的朋友说了一番话，朋友的意思很明确：终身教职是你上了一个台阶，但不应该因为这个台阶就把自己锁死。很多人拿到终身教职之后，反而把它当成去看更大机会的起点。

“如果对自己还有信心，在哪里做得好，都是通向更大舞台的机会。”周文超被说服了，他辞掉了美国的教职，正式留在阿里。

从老师到管理者

在阿里，周文超经历了两次跨越。

第一次是看技术的视角变了。在学术界，评价一项研究的核心标准是创新性，“前无古人”是写论文的基本门槛。但真正困扰他的是另一个问题：为什么要做这个技术？这项创新到底解决了什么实际问题？在学术界，这个问题有时候并不容易回答。

来到工业界之后，周文超发现衡量尺度完全不同。一项技术的价值不看它有多新，而看它的影响力有多大。

他最初设定的比例是50%研究、50%商业化，后来重心逐渐往商业化倾斜，事业部的团队规模也在不断扩大，几年里增长了好几倍。他自己也在商业化方面获得了巨大的成长。

图丨周文超（来源：受访者提供）

第二次跨越更大。在很多公司，像他这样的角色做的是CTO的事情，管好技术团队，把产品做到极致。但在阿里的事业部，周文超要管的远不止技术，产品的战略规划、销售策略、资源投入、客户拜访，全部都在他的职责范围内。他做的，是产品一号位该做的事。

转型过程并不轻松。周文超反复提到的一个挑战，是老师与管理者之间的根本差异。

做教授时，他的角色是帮助每一个学生成功，基于个体的特点因材施教，不会放弃任何一个人。做管理者则不同，管理者首先要对集体负责。如果一个人不适合当前的位置，为了整体利益必须做出选择，“哪怕这意味着分开”。“这个差别非常大。”周文超说。

另一个显著的不同是节奏。学术界的逻辑像孵化，写一份申请书，基金会给你三年时间慢慢做。商业化不存在这个过程，客户有一个当下的痛点，需要三个月内解决。带出去的必须是成熟的产品，没有缓冲，直接落地。

周文超用一个朴素的说法来形容这种差别：以前的KPI是论文和项目，那些东西总有办法完成。但营收是钱，“没有办法糊弄”。

但也正是因为要对结果负责，他被迫去想清楚一个问题：自己手里的技术，到底能在哪里产生最大的价值？这个问题把他引向了一个新的方向。

数据库的新使命：为AI而生

在任何行业，AI带来的第一个问题都是一样的：AI能为我做什么？我又能为AI做什么？

在数据库领域，这两个问题对应着两条不同的路线。

图丨Data+AI（来源：受访者提供）

第一条叫“AI for DB”，用 AI让数据库变得更好，比如让查询优化器更智能、让运维更自动化。学术界在这个方向上探索多年，CMU、MIT、清华都有团队投入其中。

方向没有错，但周文超看到的问题是：场景太小了。这些功能在没有AI之前已经运转了三十年，改进的空间和对应的市场都有限。

第二条路线是“DB for AI”，让数据库的能力服务于AI，使AI变得更有效。这条路打开的空间显然大得多。

周文超的分析逻辑很清晰：大模型在训练阶段和数据库的关系并不大，但光有模型没有价值，AI要产生真实的效益，必须在推理端落地。

而一旦到了推理端，大模型就暴露出两个关键缺口。

一是私有数据，企业不会把核心数据交给大模型训练。

二是实时数据，大模型的训练周期以月计算，它不知道今天发生了什么。

这两类数据，往往存放在数据库中。当公共数据被反复使用，其边际价值不断下降，私有数据和实时数据的战略价值则持续上升。数据库在AI时代的位置，正在被重新定义。

周文超提到李飞飞近期提出的一个概念：“AI-Native DB”，即从设计之初就为AI而生的数据库。衡量标准是两个“50%”：控制面上，50%的数据库实例由Agent创建和管理；数据面上，50%的输出以Token形式被AI消费。

当数据库的用户不再只是人，而有一半是AI，整个产品逻辑都需要重构。

在此基础上，周文超负责的工作也从传统数据库延伸到了“泛搜索”。联网搜索、RAG、Deep Research，这些产品的底层能力是相似的：在大模型之外，从不同维度获取更多信息并加以整合。区别只在于对响应速度的要求。

Deep Research可以等十分钟输出一份深度报告，联网搜索则需要在一两秒内给出结果。这是从数据库到搜索的自然延伸，也是“DB for AI”逻辑的具体展开。

在所有这些技术判断背后，周文超反复回到一个认知：一项技术有没有价值，最终要看它为社会创造了多大的效益。“你不能帮助客户赚钱的话，你凭什么从客户那里赚钱？”

技术人容易把创新本身当作价值，但在工业界，创新只是手段，社会效益才是衡量标准。一项技术如果产生了真实的社会效益，它一定能以某种形式转化为经济回报。

还差一层窗户纸

周文超对AI的判断，和许多人不太一样。他认为AI已经很成功，但还离完成变革还差一层窗户纸。

“还缺一点。”缺的是一个真正的、没有AI就无法实现的落地场景。

他用飞机来打比方。飞机刚问世时做的事情很简单，缩短从A到B的时间。如果仅仅如此，它的价值有限，只是一个很好的效率工具。但正是这个效率的跃升，后来催生了商业航空、全球贸易和跨国供应链，这些全新的商业形态在飞机出现之前根本不可能存在。

AI正处在类似的阶段。它在提升效率方面已经展现出巨大的能力，但还需要催生出一个全新的、此前不可能存在的业态。那层从“效率提升”到“范式变革”的窗户纸，尚未完全被捅破。

周文超觉得那个临界点已经不远了。而在此之前，他给年轻人的建议很直接：保持开放度，保持好奇心，保持创造力。

“按部就班地做事情，AI做得比人好，24小时不累。”在他看来，知识积累本身的价值正在下降。他自己是计算机竞赛出身，但那些题目交给 AI，AI都能做。真正重要的不是一个人已经知道多少，而是能不能问对问题，快速学习，跟上变化。

“单纯的执行已经没那么重了，”周文超说，“这个时代需要的，是能做判断、做选择的人。”

回看过去这些年，周文超的每一次转折都是主动选择的结果。

他的导师是一位马来西亚人。很早之前周文超问他，你更看好中国还是美国？导师说，中国。原因很简单：中国人不比任何人笨，但比所有人都勤奋。

周文超觉得这话有道理。在美国，华人在技术领域拿着很高的薪水，但绝大多数人担任的始终是技术专家的角色。真正负责整个商业决策的华人很少，有些圈子始终进不去。

而在中国，他可以完整地经历从技术到商业的全部过程。

他选择了杭州。在他看来，杭州自身是带有创业和创新气质的城市。年轻人多，对新事物的接受度高，政府愿意支持创新，从政策到人才到产业生态形成了一个正向循环。“六小龙”都出现在杭州，不是偶然的。

而他自己，正站在数据库与AI交汇的地方，等着那层窗户纸被捅破。他不着急。他相信它很快会到来。

来源：省青年高层次人才协会

责编：叶　扬

美编：陈路漫

一审：何百岳

二审：方佳佳

三审：王陆军