人物|Nature 证实：学术界刮起离职潮大批学者涌向工业界( 二 ) Nature|证实：学术界刮起离职潮

但除了大环境本身，更为本质或者更为特殊的原因，还在于有些领域确实已经在进入工业创新落地周期，即产学研转换。
生物制药就是当中的典型。
传统制药行业面临着成本高、周期长等痛点，但 AI 的加入，就有望解决这些难题。而这一能力已经逐步得到证明。
量子位智库分析的 AI 制药七大趋势显示，不管是临床进展，研发渗透率还是产业接纳度，都在证明基于 AI 的制药技术，成为新药研发的必然趋势。
而在 2024 到 2026 年，全球 AI 制药行业将迎来两轮爆发式增长，到 2035 年仅国内市场规模就可以达到 2040 亿。
当技术来到工业界快速、规模化地落地，势必会吸引更多人才涌入。
人才流向和技术发展周期有关
当然，专业大佬出走工业界的例子，国内也在发生。
比如在生物计算领域，去年已有两位行业大牛走出校园，开始创业。
被业界誉为“AI 预测蛋白质结构全球第一人”的许锦波教授，于今年 1 月在北京创立公司分子之心（MoleculeMind），旨在利用 AI 技术帮助行业专家快速识别、设计最合适蛋白质。

文章图片

2016 年，由他开发的 RaptorX-Contact 方法，首次证明深度学习预测蛋白质结构的可行性。AlphaFold 正是基于他团队前期研究成果。
另一边，当时也参与了 RaptorX-Contact 方法开发的彭健教授，也于去年成立了华深智药。他们想要结合自研高通量生物实验技术，为研发人员提供微观世界分子计算、模拟与设计的智能系统。
去年年底，其开发的 HeliXonAI 刷新 AlphaFold2 记录。

文章图片

而以上两位教授先后踏入工业界，或许并非巧合。
受到大环境以及关键技术突破的影响，近两年生物计算、生物制药正处于发展的新风口上。行业内亟需高精尖人才引领创新，发展模式也需要不断探索。因此，行业大牛拥抱工业界，也并不见怪。
实际上，人才流动的方向，是判断技术创新应用的重要风向标之一。
流动规律大致如下：

技术创新周期，人才从学术界涌向工业界；
进入商业落地期后，人才再从工业圈回流到学术圈。

以 AI 行业为例。
2012 年以后，随着深度学习迎来爆发期，全球科技大厂都在广纳 AI 技术人才，不少行业领军人物因此踏入了工业界。
国内方面，2014 年吴恩达宣布加入百度，担任首席科学家职位。

文章图片

同年，阿里巴巴成立阿里达摩院前身 ——iDST 。前美国密歇根州立大学终身教授金榕，就是在那时加盟阿里，担任 iDST 首席科学家和副院长。
海外方面，2013 年，深度学习之父 Geoffrey Hinton 加入谷歌，Yann LeCun 受聘为 Facebook 首席 AI 科学家。
2017-2018 年，李飞飞作为斯坦福大学教授，兼顾了谷歌副总裁、谷歌 AI / ML 首席科学家的职位。
据《卫报》2017 年对英国顶级研究型大学的调查显示，当时大学 AI 人才的流失甚至已经影响到了正常的研究和教学。
伦敦帝国理工学院的一位教授表示，自己的一名博士生为了苹果开出的六位数薪资，直接放弃学业。
但随后在 AI 开始落地到各个垂直行业，事情就发生了转变，最明显的就是 2019 年。

人物|Nature 证实：学术界刮起离职潮 大批学者涌向工业界( 二 )

人物|Nature 证实：学术界刮起离职潮大批学者涌向工业界( 二 )