回顾｜从大厂重返高校，理想与现实各自安放

将门十周年特别策划的线上闭门交流，我们分别聊过以及第五场，我们把焦点转向了。 第六场，我们聊的是另一群“跨界者”——曾经在工业界待过，又重新回到学术界、站上讲台的人。

将门十周年·线上闭门交流第六场，由香港中文大学校长助理教授薛天帆担任特邀主持人与四位老师——香港中文大学副教授成宇、北京交通大学教授靳潇杰、卡耐基梅隆大学副教授李磊、香港科技大学助理教授徐英豪——围坐线上，聊了两个多小时。

这五位也是将门技术社区相识很久的老朋友，话题从“当初为什么离开工业界、又为什么回来”开始，一路延伸到回到学界是否符合预期、未来 2~5 年 AI 往哪走、学生该不该去大厂实习，乃至“学术界到底要坚守什么使命”这样的终极思考。我们不一定要通过一场圆桌让所有人都达成共识，更重要是分享基于不同的性格、经历、理想而给出的多样回答。

以下是本次闭门交流的文字回顾，整理自现场逐字稿，保留原味，内容经嘉宾确认后分享。

✍️文字整理：将门编辑部

一、从大厂回到讲台：每个人都有自己的“回流”理由

五位老师的履历都很丰富，但他们“回流”的路径和动机各不相同。主持人天帆老师让每位先做了自我介绍，也顺势追问了每个人离开工业界、回到学界的真实想法。

成宇：在微软研究院、MiniMax 之后，落回港中文同时身兼多职

成宇 2018 年就与将门结识。他此前在西雅图的微软研究院，2023 年决定离开工业界、回到学术界；因为跨国搬家中间过渡了将近两年，期间加入 MiniMax 参与前期工作，2024 年年底才正式回到香港中文大学，开始带学生、写 funding、教书的生涯。他坦言「回到学术界的，各种感受还是不错的。」

目前成宇老师身兼多职，在港中文做老师、在昆仑万维做首席科学家、同时还在上海人工智能实验室和创智带学生。他笑言「在大模型时代大家都卷到极致了，其实有很多工具和技巧可以把时间管理得很好。」

在他看来，回到学界后保留一份业界的兼职很重要：「可以保持你的对业界的一些观察能力和思考。不能说业界所有的事情都是好的，但是它真的会面向用户和真实的需求，所以就会对你的研究有比较好的锚定作用。不会做着做着发现做了一件没有太大意义、不是一个真实需求的研究。」

徐英豪：从一开始就想当老师，工业界只是“体验一下”

徐英豪今年 4 月刚加入香港科技大学 CSE 系做助理教授。和前面几位不同，他明确且坚定地说自己「从一开始就是想去做 professor 的」，斯坦福博士后一年半，之后在蚂蚁灵波做了一年 research lead 更像是「体验工业界的经验」。

他回顾自己在斯坦福做博后很重要的一点是「你跟你的老板是否 match 这件事情蛮重要的」，他很感谢自己当时的导师，除了让他能够参与管理之外，还希望他能做出更多有代表性的工作。「博士毕业前后一两年，是整个 research 能力最巅峰的时候，一定要多花时间去做自己独立的 research。」另外他也分享自己对于选题的思考，「一定要想清楚这个问题对于你整个 research career 有多大的帮助，是否值得探索，能带给你更新的思考方式。」

他也将在斯坦福培养起来的管理能力迁移到蚂蚁灵波，「很庆幸的是我想做的事情和公司高度契合，有足够多的资源和人跟你一起做。从0-1 搭建团队从 0-1 去做前沿探索，整个过程都非常 enjoy。在公司学到最多的东西，就是用足够多的资源去最大化它的价值。」

李磊：回到学界，想做更基础的研究、培养人才

李磊现任卡耐基梅隆大学计算机学院语言技术研究所副教授，研究方向一是大语言模型（推理、编程、翻译、安全），二是 AI 制药（蛋白质生成模型）。他回到学术界时带着清晰的期待：「当年我对于学术界的期望是能做两方面，一方面是做更基础的研究，另一方面是在人才培养方面可以做更多事情。这两点一部分是符合预期的，当然也有很多挑战。」

靳潇杰：从字节跳动美国研究院，因家庭与个人发展回国

靳潇杰 2018 年博士毕业于新加坡国立大学，随后最早一批加入字节跳动美国研究院。2025 年从字节离职回国，加入北京交通大学。他直言原因很个人：「主要是个人发展和家庭的因素，选择回国。」研究方向集中在计算机视觉、多模态，最近两年尤其关注世界模型。

二、回到学界，符合预期吗？

“自由”是大家离开工业界时最向往的词，但真回来了，感受却很复杂。天帆老师问大家：现在的学术界，和当年回来之前的期望一样吗？

李磊：自由度符合预期，但培养学生是另一重挑战

李磊在 UCSB 和 CMU 两所学校都待过，最肯定的就是自由度：「在教学和培养人才方面，老师有非常大的决定权利，如果说你需要 propose 一个新的课或者做比较大的改动，基本上都是由老师来主导的。」他的很多想法都能在过程中去实验和改进。

但带学生比管员工难：「对于员工，可以用绩效考核、可以用一些管理手段。但是对于学生来说，尤其是博士生，他们更加独立，想法可能未必和你一样，这个时候如何既能够给他们提供比较好的指导，又能够尊重每个学生的兴趣、特长，让他成长得比较好，这是比较大的挑战。」

成宇：把预期拉低，回来后“没有太多抱怨”

成宇的心态很务实：「既然决定回到学校，想的很清楚，学校缺的是什么——没卡，很难做出有非常高影响力的工作。这些我会接受。现在是年轻人的时代，我回来当老师其实是想培养更多的 phd，让他们去成功，或者说让他们更符合大模型时代的特点，成为兼备学界和业界的洞察力和实践能力的优秀的博士人才。」目前来说，他培养的学生或者开设的课程，效果都是不错的。

靳潇杰：“时间很自由，但是没时间”

被问到“学术界是不是真的更自由”时，靳潇杰用十个字精准总结了自己的状态：「时间很自由，但是没时间。」

他解释，自由是真自由：「从我的选题、招生、项目，我想筹划的事情，没有任何的阻碍，我全部都可以掌控」；但正因为自由，事情也无穷多，需要极强的自我管理：「你也会去思考、去探索之前没做过的事情，这也会消耗很多的时间。公司本质上还是一个高度结构化的机构，会给每个人设定好自己的岗位，所以每个人都是在权限内做或大或小的事情。但是在学校里你相当于自己当老板，自己来定方向，在有限的资源里拿到最想要的东西。」——自由的另一面是要对自己有更强的目标管理。

天帆老师追问“会不会觉得计算资源是一种限制？”

靳潇杰老师回答要分两种情况，一类如果确实不可避免需要大量算力，那就去找资源；但另一方面「如果我们往前多想几步的话，做一些前沿方向的探索不一定需要那么多资源。既然在学术界，就有责任去做一些更前沿、更深入的方法探索，也许对资源的需求并没有想象中那么大。」

三、前沿判断：未来 2~5 年，AI 往哪走？

成宇：大模型已收敛到“数据”，更关心交互方式如何通向 AGI

成宇判断，大模型在架构和范式上已经逐步收敛：「路线在大语言模型上面，如果我们不改变今天的架构和范式，它其实还挺收敛的，其实就是不断地去扩张数据的边界和它的质量。」

他最近更在琢磨一件“非主流”的事：「怎么去通过定义交互方式的模式，去逐步地去发展 AGI 这件事情。之前的那种 LLM 的交互，其实是一个被动性的交互，你去 trigger 一下，它才有 response。而具身是一个很快速的交互，输入不同的 action，根据状态去预测。最近在想有没有一种介于这两者之间的、类似一种慢交互、或者叫主动式的交互？」

靳潇杰：世界模型不会“取代”语言模型，但会是“更高智能的 pillar”

靳潇杰直言技术发展很难预测，他分享了自己主攻的世界模型方向——尤其关注“从最原始的观察（如视觉信号）里压缩出智能”。「大语言模型压缩的是语言，人类经过几万年把语言创造出来；而一个更自然的智能，它可能像自然和人类生命的早期，能够直接压缩它看到的周边的一切，把这个东西压缩出智能来，这样更符合智能的本质。世界模型不光是物理规律，还包括推理和规划的能力，如何让它能够在观察中自动的学习出来，其中最大的瓶颈我觉得还是在学习方法。」

既然说到了语言，天帆老师追问：「你觉得世界模型会取代语言模型成为下一代基模型吗？」

靳潇杰的核心判断是——世界模型不会“取代”语言模型：「语言本身就是世界的一部分，但还不够全面。语言是我们人创造的，已经过了人的加工，它并不反映整个世界的全貌，甚至很多时候还反映的是人的局限，如果我们想要突破这样的局限，一定要有更强大的智能。」

他坚信世界模型的意义不可替代：「世界模型一定会成为，更高智能的一个 pillar，因为它能学习这个世界的规律。一个智能，我们最终希望它能够在真实世界里面产生影响，它就需要对真实世界有很好的理解，这一部分恰恰就是世界模型核心要解决的问题。」

李磊：学习的“信号”从哪来，以及物理层面的模拟模型

李磊分享了最近关注的两个方向：

一是学习的“信号”与常见的 reward hacking 现象：「对于模型，学习本身，它的信号从哪里来？如果用强化学习来做，需要给一些 reward，但是这个 reward 从哪里来。很多时候 reward 太弱了，这就导致他训练效率不是很高」

二是构建物理/化学/生物层面的模拟模型：「如果有比较好的物理、化学、生物模型和生成模型结合，它可以用来模拟物理规律、发现更好的药物分子、预测化学反应的变化。这是我觉得未来 5 年可以大力投入的方向。」他强调「光靠生成模型不行，目前是我直接的感受，因为生成模型本质上只是去 fit 概率，找到最大似然的点，但最大似然的并不一定最代表物理规律。」

徐英豪：视觉自监督与“压缩”，是计算机视觉被忽视的底层问题

徐英豪从视觉角度切入：「视觉自监督是一个非常有趣的问题。」他认为语言模型成功，是因为人类已经把智慧压缩进了 token；而视觉信号冗余、压缩出来的 token 密度太低，「导致在相同 compute 情况下，你能 emerge 出来的智能上限很低」。在他看来，「怎么去得到一个密度极高的压缩」是计算机视觉表征学习里最重要的问题，「现在大家可能也不太喜欢去做这个问题了，但我其实思考了很久。」

薛天帆：把感知与世界模型融合，做“预测性感知”

薛天帆也分享了自己的思考：如何把当前的感知系统与世界模型等预测系统融合，做“预测性感知”，比如视觉、触觉底层信号的感知。他举了个神经学上的经典例子——人有时会“幻觉”口袋里的手机震了，其实是因为大脑会预先预测接下来要发生什么，「如果未来的事情跟现实对齐了就 ok，没对齐就会出现奇怪的情况」。「怎么把现在的这种感知的系统跟预测系统能够融合在一起，去做一个预测性感知，我觉得这对未来包括 robotics、提升整个智能系统的感知能力，是一件很重要的事。」

四、给学生与青年老师的真心话

到了“真实困惑”环节，几位老师结合自己的经历，给不同阶段的同学和青年老师坦诚分享。

高考选专业：AI 不是专业，是“基础技能”

被问到“高考要不要选 AI？”

薛天帆反而“劝退”式地建议：「并不一定是说从高考选专业一定要去选 AI 专业，未来人工智能不再是一个专业，是一个基础技能，就像外语一样。无论你是什么专业，你都会需要大量使用，就像大家都会用电脑但是大学不一定学计算机。很多真正的有突破性的工作，反而是其他领域+AI 做出来的。」

升学与职业：用“倒推法”看长远

被问到“大三申请博士是为了去大厂还是做教职？”

靳潇杰建议做决定时想得更远：「可以再想得长远一点。10 年、20 年后，我想成为什么人、想有什么样的生活，根据这个目标倒推，可能能够更好地来决定是要去大厂还是做老师。」他也承认短期内没有明确目标也很正常，「很多时候没有目标，也代表着有很多的可能」，不必焦虑，走过的路都不白走，本着“去学习、去成长”的思路选当下最好的即可。

成宇：最好有一段“frontier lab”经验，大厂只会越来越卷

成宇反复强调业界经历的价值：「不管你后面要做什么，都希望你们有一些 frontier lab 的经验，因为你会看到学校经历不到的东西，包括怎么定义一个问题、怎么有大规模的协作式科研活动。」

但他也泼了盆冷水：AI 研究职业圈子正在“quant 化”（像当年的量化行业一样收敛到小核心团队），「后面会逐渐收敛到可能只有一个很小的核心团队」，所以「一直待在大厂，路径后面会越来越卷」，创业或高校可能是更适合大部分同学的选择。

学术界 vs 工业界：想清楚自己要什么，all in

徐英豪的答案很直接：「学术界自由、工业界钱多，这是一个亘古不变的难题。但我觉得这个选择其实很简单，想清楚自己干什么，去做就好了。如果你非常的 care 钱，那你本来就不适合在学术界当老师；如果你真的想当老师的时候，大家根本就不会 care 钱。」他一直以来的逻辑是：「想清楚自己干嘛，all in 去做这一件事，一定能做好。」他从大一开始就想做老师，「本质上我觉得当老师最大优点是可以培养很多人，公司很难培养人，更多的是招最有性价比的员工。但对于我来说，我觉得可能把自己的知识或者一些所谓的人生经验可以分享给其他人，加速他们的人生进程，让他们变得更成功，是我更 care 的事情。」

成宇和天帆老师也从更现实的角度补充：过去学术界和业界的待遇差距可能是几倍（比如 5 倍以内），但在如今的大模型时代，很多同学面临的是几十倍甚至上百倍的差距，在巨大的数量级差异面前动摇是非常现实和可以理解的。

学生实习：李磊强调“相关性”，成宇拒绝“打杂”

对于“老师是否支持自己的学生去实习”，李磊的态度是「暑假时间本质上是属于他自己的」，但建议「去做和他们博士课题相关的事」，不值得为了获得工程的经验或者挣工资而去实习。

成宇支持学生实习，但是「我不是太支持去做洗数据、帮忙打杂、debug 的事情，因为 junior phd 在快速的成长期，这个时候还是要去坚持核心技术和行业认知。」他给学生提的要求是「你要去做一件有意义的事情。这个事情无论跟你将来的论文是否合得来，我更想你去做比较有差异化的事，这样对你、对整个行业的发展会有一个好的影响。」

老师创业：是被“逼”出来的，做老师也像创业

成宇点出一个现实：「国内这边老师的创业，据我所知，大概是因为受限于高校的资源比较有限。哪怕去创业，也是为了做自己的研究，他也会有动力去做这些事情。」很多时候并不是老师多想创业，而是客观限制逼出了这条路。

靳潇杰则更享受这种状态：「我觉得本身当老师就相当于是一种创业。你要自己把自己的品牌、把人员、把项目都搭建起来，本身就很像创业。」

五、学术界的使命：工业界无法替代的

最后一个话题“作为老师，我们在学术界有哪些工业界无法替代的使命”，几位老师给出了各自的答案。

薛天帆很希望做一些“北极星式的研究”：「研究方向可能不一定是工业界现在所关心的，甚至我做出来成果不一定能够直接被工业界使用，通过我的研究能够告诉大家这个方向在未来是有潜力的。」他举了一个经典例子，杨立昆在 CNN 上坚持二三十年，一直没有被认可但是经历了很长的时间最终把领域推起来。他希望「让一些看上去不起眼的那些方向，它的星火一直能传下去」。

徐英豪把“培养人”放在第一位：「最大的使命可能还是培养人。老师的人生阅历、经验可以帮助年轻人，加速他们的人生进程，让他们人生变得更成功，我觉得这件事情是最 make sense。」

李磊则把话题拉回“人生选择”本身，提醒大家「首先你要了解清楚情况」——读博要想清楚未来的困难，找工作找教职也要有核心竞争力。「你要把自己变成一个“想找什么样的工作都能够找到”的状态，你也要具备一定的竞争力去找到合适的教职。把选择权留在自己手里，你才能够做选择。」

成宇分享了一碗“心灵鸡汤”，却很真诚：当老师让他真正理解了“只看过程不在乎结果”这件事。「在公司做管理只要选人的时候选好，之后就会很顺畅，因为大家都已经被选拔过了。但培养学生就要看过程，学生在 junior 阶段是一个很好的胚子，之后也会分化成不同的 style。这个时候你就要去容忍、去包容，也不能拍胸脯说培养的学生都是成功的，在这个过程中也会看到他的挣扎和犹豫，老师要做的是帮助他更好地做选择。」

靳潇杰呼应主持人：「学术界还是要进一步为整个 community 来承担一部分的风险，探索一些前沿的方向」——这既是责任，也是大家对学术界的期望。

尾 声

这场对话最有价值的，是几位老师传递出来的一种“非常清醒的自知”——在理想与现实之间，彼此权衡、各自安放。这也是将门做这一系列闭门交流的初衷：不是让大家去盲目崇拜一些大佬，而是希望让大家听到不一样的声音，通过吸收更多的观点和认知，来更好地向内探索、更好地了解自己。

下一场闭门交流将于 8 月 13 日（周四）晚间举行——考虑到老师们都在国内，这一场特意安排在晚上、对大家更友好。本场清一色男老师，下一场则是6 位女性高校老师专场，感兴趣的朋友可以。我们也会把本场更好的 insights 整理归纳后分享给大家。

*注：本文由将门团队根据 2026 年 7 月 30 日线上闭门交流逐字稿整理，所有带「」符号的引用均来自现场发言。

AI 学术长跑中的女性力量与科研定力：与 6 位高校老师的线上闭门交流

北京时间8月11日(周二) 晚20:00截止报名

详情点击图片跳转

-The End-

本周上新！

扫码观看！

“AI技术流”原创投稿计划

TechBeat是由将门创投建立的AI学习社区（www.techbeat.net）。社区上线700+期talk视频，3000+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。

投稿内容

// 最新技术解读/系统性知识分享 //

// 前沿资讯解说/心得经历讲述 //

投稿须知

稿件需要为原创文章，并标明作者信息。

我们会选择部分在深度技术解析及科研心得方向，对用户启发更大的文章，做原创性内容奖励

投稿方式

发送邮件到

yimingzhang@thejiangmen.com

或添加工作人员微信（aceyiming）投稿，沟通投稿详情

关于我“门”

将门是一家以专注于数智核心科技领域的新型创投机构，也是北京市标杆型孵化器。 公司致力于通过连接技术与商业，发掘和培育具有全球影响力的科技创新企业，推动企业创新发展与产业升级。

将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”:

bp@thejiangmen.com

点击右上角，把文章分享到朋友圈