回顧｜從大廠重返高校，理想與現實各自安放

將門十周年特別策劃的線上閉門交流，我們分別聊過以及第五場，我們把焦點轉向了。 第六場，我們聊的是另一群“跨界者”——曾經在工業界待過，又重新回到學術界、站上講臺的人。

將門十周年·線上閉門交流第六場，由香港中文大學校長助理教授薛天帆擔任特邀主持人與四位老師——香港中文大學副教授成宇、北京交通大學教授靳瀟杰、卡耐基梅隆大學副教授李磊、香港科技大學助理教授徐英豪——圍坐線上，聊了兩個多小時。

這五位也是將門技術社區相識很久的老朋友，話題從“當初為什么離開工業界、又為什么回來”開始，一路延伸到回到學界是否符合預期、未來 2~5 年 AI 往哪走、學生該不該去大廠實習，乃至“學術界到底要堅守什么使命”這樣的終極思考。我們不一定要通過一場圓桌讓所有人都達成共識，更重要是分享基于不同的性格、經歷、理想而給出的多樣回答。

以下是本次閉門交流的文字回顧，整理自現場逐字稿，保留原味，內容經嘉賓確認后分享。

??文字整理：將門編輯部

一、從大廠回到講臺：每個人都有自己的“回流”理由

五位老師的履歷都很豐富，但他們“回流”的路徑和動機各不相同。主持人天帆老師讓每位先做了自我介紹，也順勢追問了每個人離開工業界、回到學界的真實想法。

成宇：在微軟研究院、MiniMax 之后，落回港中文同時身兼多職

成宇 2018 年就與將門結識。他此前在西雅圖的微軟研究院，2023 年決定離開工業界、回到學術界；因為跨國搬家中間過渡了將近兩年，期間加入 MiniMax 參與前期工作，2024 年年底才正式回到香港中文大學，開始帶學生、寫 funding、教書的生涯。他坦言「回到學術界的，各種感受還是不錯的。」

目前成宇老師身兼多職，在港中文做老師、在昆侖萬維做首席科學家、同時還在上海人工智能實驗室和創智帶學生。他笑言「在大模型時代大家都卷到極致了，其實有很多工具和技巧可以把時間管理得很好。」

在他看來，回到學界后保留一份業界的兼職很重要：「可以保持你的對業界的一些觀察能力和思考。不能說業界所有的事情都是好的，但是它真的會面向用戶和真實的需求，所以就會對你的研究有比較好的錨定作用。不會做著做著發現做了一件沒有太大意義、不是一個真實需求的研究。」

徐英豪：從一開始就想當老師，工業界只是“體驗一下”

徐英豪今年 4 月剛加入香港科技大學 CSE 系做助理教授。和前面幾位不同，他明確且堅定地說自己「從一開始就是想去做 professor 的」，斯坦福博士后一年半，之后在螞蟻靈波做了一年 research lead 更像是「體驗工業界的經驗」。

他回顧自己在斯坦福做博后很重要的一點是「你跟你的老板是否 match 這件事情蠻重要的」，他很感謝自己當時的導師，除了讓他能夠參與管理之外，還希望他能做出更多有代表性的工作。「博士畢業前后一兩年，是整個 research 能力最巔峰的時候，一定要多花時間去做自己獨立的 research。」另外他也分享自己對于選題的思考，「一定要想清楚這個問題對于你整個 research career 有多大的幫助，是否值得探索，能帶給你更新的思考方式。」

他也將在斯坦福培養起來的管理能力遷移到螞蟻靈波，「很慶幸的是我想做的事情和公司高度契合，有足夠多的資源和人跟你一起做。從0-1 搭建團隊從 0-1 去做前沿探索，整個過程都非常 enjoy。在公司學到最多的東西，就是用足夠多的資源去最大化它的價值。」

李磊：回到學界，想做更基礎的研究、培養人才

李磊現任卡耐基梅隆大學計算機學院語言技術研究所副教授，研究方向一是大語言模型（推理、編程、翻譯、安全），二是 AI 制藥（蛋白質生成模型）。他回到學術界時帶著清晰的期待：「當年我對于學術界的期望是能做兩方面，一方面是做更基礎的研究，另一方面是在人才培養方面可以做更多事情。這兩點一部分是符合預期的，當然也有很多挑戰。」

靳瀟杰：從字節跳動美國研究院，因家庭與個人發展回國

靳瀟杰 2018 年博士畢業于新加坡國立大學，隨后最早一批加入字節跳動美國研究院。2025 年從字節離職回國，加入北京交通大學。他直言原因很個人：「主要是個人發展和家庭的因素，選擇回國。」研究方向集中在計算機視覺、多模態，最近兩年尤其關注世界模型。

二、回到學界，符合預期嗎？

“自由”是大家離開工業界時最向往的詞，但真回來了，感受卻很復雜。天帆老師問大家：現在的學術界，和當年回來之前的期望一樣嗎？

李磊：自由度符合預期，但培養學生是另一重挑戰

李磊在 UCSB 和 CMU 兩所學校都待過，最肯定的就是自由度：「在教學和培養人才方面，老師有非常大的決定權利，如果說你需要 propose 一個新的課或者做比較大的改動，基本上都是由老師來主導的。」他的很多想法都能在過程中去實驗和改進。

但帶學生比管員工難：「對于員工，可以用績效考核、可以用一些管理手段。但是對于學生來說，尤其是博士生，他們更加獨立，想法可能未必和你一樣，這個時候如何既能夠給他們提供比較好的指導，又能夠尊重每個學生的興趣、特長，讓他成長得比較好，這是比較大的挑戰。」

成宇：把預期拉低，回來后“沒有太多抱怨”

成宇的心態很務實：「既然決定回到學校，想的很清楚，學校缺的是什么——沒卡，很難做出有非常高影響力的工作。這些我會接受。現在是年輕人的時代，我回來當老師其實是想培養更多的 phd，讓他們去成功，或者說讓他們更符合大模型時代的特點，成為兼備學界和業界的洞察力和實踐能力的優秀的博士人才。」目前來說，他培養的學生或者開設的課程，效果都是不錯的。

靳瀟杰：“時間很自由，但是沒時間”

被問到“學術界是不是真的更自由”時，靳瀟杰用十個字精準總結了自己的狀態：「時間很自由，但是沒時間。」

他解釋，自由是真自由：「從我的選題、招生、項目，我想籌劃的事情，沒有任何的阻礙，我全部都可以掌控」；但正因為自由，事情也無窮多，需要極強的自我管理：「你也會去思考、去探索之前沒做過的事情，這也會消耗很多的時間。公司本質上還是一個高度結構化的機構，會給每個人設定好自己的崗位，所以每個人都是在權限內做或大或小的事情。但是在學校里你相當于自己當老板，自己來定方向，在有限的資源里拿到最想要的東西。」——自由的另一面是要對自己有更強的目標管理。

天帆老師追問“會不會覺得計算資源是一種限制？”

靳瀟杰老師回答要分兩種情況，一類如果確實不可避免需要大量算力，那就去找資源；但另一方面「如果我們往前多想幾步的話，做一些前沿方向的探索不一定需要那么多資源。既然在學術界，就有責任去做一些更前沿、更深入的方法探索，也許對資源的需求并沒有想象中那么大。」

三、前沿判斷：未來 2~5 年，AI 往哪走？

成宇：大模型已收斂到“數據”，更關心交互方式如何通向 AGI

成宇判斷，大模型在架構和范式上已經逐步收斂：「路線在大語言模型上面，如果我們不改變今天的架構和范式，它其實還挺收斂的，其實就是不斷地去擴張數據的邊界和它的質量。」

他最近更在琢磨一件“非主流”的事：「怎么去通過定義交互方式的模式，去逐步地去發展 AGI 這件事情。之前的那種 LLM 的交互，其實是一個被動性的交互，你去 trigger 一下，它才有 response。而具身是一個很快速的交互，輸入不同的 action，根據狀態去預測。最近在想有沒有一種介于這兩者之間的、類似一種慢交互、或者叫主動式的交互？」

靳瀟杰：世界模型不會“取代”語言模型，但會是“更高智能的 pillar”

靳瀟杰直言技術發展很難預測，他分享了自己主攻的世界模型方向——尤其關注“從最原始的觀察（如視覺信號）里壓縮出智能”。「大語言模型壓縮的是語言，人類經過幾萬年把語言創造出來；而一個更自然的智能，它可能像自然和人類生命的早期，能夠直接壓縮它看到的周邊的一切，把這個東西壓縮出智能來，這樣更符合智能的本質。世界模型不光是物理規律，還包括推理和規劃的能力，如何讓它能夠在觀察中自動的學習出來，其中最大的瓶頸我覺得還是在學習方法。」

既然說到了語言，天帆老師追問：「你覺得世界模型會取代語言模型成為下一代基模型嗎？」

靳瀟杰的核心判斷是——世界模型不會“取代”語言模型：「語言本身就是世界的一部分，但還不夠全面。語言是我們人創造的，已經過了人的加工，它并不反映整個世界的全貌，甚至很多時候還反映的是人的局限，如果我們想要突破這樣的局限，一定要有更強大的智能。」

他堅信世界模型的意義不可替代：「世界模型一定會成為，更高智能的一個 pillar，因為它能學習這個世界的規律。一個智能，我們最終希望它能夠在真實世界里面產生影響，它就需要對真實世界有很好的理解，這一部分恰恰就是世界模型核心要解決的問題。」

李磊：學習的“信號”從哪來，以及物理層面的模擬模型

李磊分享了最近關注的兩個方向：

一是學習的“信號”與常見的 reward hacking 現象：「對于模型，學習本身，它的信號從哪里來？如果用強化學習來做，需要給一些 reward，但是這個 reward 從哪里來。很多時候 reward 太弱了，這就導致他訓練效率不是很高」

二是構建物理/化學/生物層面的模擬模型：「如果有比較好的物理、化學、生物模型和生成模型結合，它可以用來模擬物理規律、發現更好的藥物分子、預測化學反應的變化。這是我覺得未來 5 年可以大力投入的方向。」他強調「光靠生成模型不行，目前是我直接的感受，因為生成模型本質上只是去 fit 概率，找到最大似然的點，但最大似然的并不一定最代表物理規律。」

徐英豪：視覺自監督與“壓縮”，是計算機視覺被忽視的底層問題

徐英豪從視覺角度切入：「視覺自監督是一個非常有趣的問題。」他認為語言模型成功，是因為人類已經把智慧壓縮進了 token；而視覺信號冗余、壓縮出來的 token 密度太低，「導致在相同 compute 情況下，你能 emerge 出來的智能上限很低」。在他看來，「怎么去得到一個密度極高的壓縮」是計算機視覺表征學習里最重要的問題，「現在大家可能也不太喜歡去做這個問題了，但我其實思考了很久。」

薛天帆：把感知與世界模型融合，做“預測性感知”

薛天帆也分享了自己的思考：如何把當前的感知系統與世界模型等預測系統融合，做“預測性感知”，比如視覺、觸覺底層信號的感知。他舉了個神經學上的經典例子——人有時會“幻覺”口袋里的手機震了，其實是因為大腦會預先預測接下來要發生什么，「如果未來的事情跟現實對齊了就 ok，沒對齊就會出現奇怪的情況」。「怎么把現在的這種感知的系統跟預測系統能夠融合在一起，去做一個預測性感知，我覺得這對未來包括 robotics、提升整個智能系統的感知能力，是一件很重要的事。」

四、給學生與青年老師的真心話

到了“真實困惑”環節，幾位老師結合自己的經歷，給不同階段的同學和青年老師坦誠分享。

高考選專業：AI 不是專業，是“基礎技能”

被問到“高考要不要選 AI？”

薛天帆反而“勸退”式地建議：「并不一定是說從高考選專業一定要去選 AI 專業，未來人工智能不再是一個專業，是一個基礎技能，就像外語一樣。無論你是什么專業，你都會需要大量使用，就像大家都會用電腦但是大學不一定學計算機。很多真正的有突破性的工作，反而是其他領域+AI 做出來的。」

升學與職業：用“倒推法”看長遠

被問到“大三申請博士是為了去大廠還是做教職？”

靳瀟杰建議做決定時想得更遠：「可以再想得長遠一點。10 年、20 年后，我想成為什么人、想有什么樣的生活，根據這個目標倒推，可能能夠更好地來決定是要去大廠還是做老師。」他也承認短期內沒有明確目標也很正常，「很多時候沒有目標，也代表著有很多的可能」，不必焦慮，走過的路都不白走，本著“去學習、去成長”的思路選當下最好的即可。

成宇：最好有一段“frontier lab”經驗，大廠只會越來越卷

成宇反復強調業界經歷的價值：「不管你后面要做什么，都希望你們有一些 frontier lab 的經驗，因為你會看到學校經歷不到的東西，包括怎么定義一個問題、怎么有大規模的協作式科研活動。」

但他也潑了盆冷水：AI 研究職業圈子正在“quant 化”（像當年的量化行業一樣收斂到小核心團隊），「后面會逐漸收斂到可能只有一個很小的核心團隊」，所以「一直待在大廠，路徑后面會越來越卷」，創業或高校可能是更適合大部分同學的選擇。

學術界 vs 工業界：想清楚自己要什么，all in

徐英豪的答案很直接：「學術界自由、工業界錢多，這是一個亙古不變的難題。但我覺得這個選擇其實很簡單，想清楚自己干什么，去做就好了。如果你非常的 care 錢，那你本來就不適合在學術界當老師；如果你真的想當老師的時候，大家根本就不會 care 錢。」他一直以來的邏輯是：「想清楚自己干嘛，all in 去做這一件事，一定能做好。」他從大一開始就想做老師，「本質上我覺得當老師最大優點是可以培養很多人，公司很難培養人，更多的是招最有性價比的員工。但對于我來說，我覺得可能把自己的知識或者一些所謂的人生經驗可以分享給其他人，加速他們的人生進程，讓他們變得更成功，是我更 care 的事情。」

成宇和天帆老師也從更現實的角度補充：過去學術界和業界的待遇差距可能是幾倍（比如 5 倍以內），但在如今的大模型時代，很多同學面臨的是幾十倍甚至上百倍的差距，在巨大的數量級差異面前動搖是非常現實和可以理解的。

學生實習：李磊強調“相關性”，成宇拒絕“打雜”

對于“老師是否支持自己的學生去實習”，李磊的態度是「暑假時間本質上是屬于他自己的」，但建議「去做和他們博士課題相關的事」，不值得為了獲得工程的經驗或者掙工資而去實習。

成宇支持學生實習，但是「我不是太支持去做洗數據、幫忙打雜、debug 的事情，因為 junior phd 在快速的成長期，這個時候還是要去堅持核心技術和行業認知。」他給學生提的要求是「你要去做一件有意義的事情。這個事情無論跟你將來的論文是否合得來，我更想你去做比較有差異化的事，這樣對你、對整個行業的發展會有一個好的影響。」

老師創業：是被“逼”出來的，做老師也像創業

成宇點出一個現實：「國內這邊老師的創業，據我所知，大概是因為受限于高校的資源比較有限。哪怕去創業，也是為了做自己的研究，他也會有動力去做這些事情。」很多時候并不是老師多想創業，而是客觀限制逼出了這條路。

靳瀟杰則更享受這種狀態：「我覺得本身當老師就相當于是一種創業。你要自己把自己的品牌、把人員、把項目都搭建起來，本身就很像創業。」

五、學術界的使命：工業界無法替代的

最后一個話題“作為老師，我們在學術界有哪些工業界無法替代的使命”，幾位老師給出了各自的答案。

薛天帆很希望做一些“北極星式的研究”：「研究方向可能不一定是工業界現在所關心的，甚至我做出來成果不一定能夠直接被工業界使用，通過我的研究能夠告訴大家這個方向在未來是有潛力的。」他舉了一個經典例子，楊立昆在 CNN 上堅持二三十年，一直沒有被認可但是經歷了很長的時間最終把領域推起來。他希望「讓一些看上去不起眼的那些方向，它的星火一直能傳下去」。

徐英豪把“培養人”放在第一位：「最大的使命可能還是培養人。老師的人生閱歷、經驗可以幫助年輕人，加速他們的人生進程，讓他們人生變得更成功，我覺得這件事情是最 make sense。」

李磊則把話題拉回“人生選擇”本身，提醒大家「首先你要了解清楚情況」——讀博要想清楚未來的困難，找工作找教職也要有核心競爭力。「你要把自己變成一個“想找什么樣的工作都能夠找到”的狀態，你也要具備一定的競爭力去找到合適的教職。把選擇權留在自己手里，你才能夠做選擇。」

成宇分享了一碗“心靈雞湯”，卻很真誠：當老師讓他真正理解了“只看過程不在乎結果”這件事。「在公司做管理只要選人的時候選好，之后就會很順暢，因為大家都已經被選拔過了。但培養學生就要看過程，學生在 junior 階段是一個很好的胚子，之后也會分化成不同的 style。這個時候你就要去容忍、去包容，也不能拍胸脯說培養的學生都是成功的，在這個過程中也會看到他的掙扎和猶豫，老師要做的是幫助他更好地做選擇。」

靳瀟杰呼應主持人：「學術界還是要進一步為整個 community 來承擔一部分的風險，探索一些前沿的方向」——這既是責任，也是大家對學術界的期望。

尾 聲

這場對話最有價值的，是幾位老師傳遞出來的一種“非常清醒的自知”——在理想與現實之間，彼此權衡、各自安放。這也是將門做這一系列閉門交流的初衷：不是讓大家去盲目崇拜一些大佬，而是希望讓大家聽到不一樣的聲音，通過吸收更多的觀點和認知，來更好地向內探索、更好地了解自己。

下一場閉門交流將于 8 月 13 日（周四）晚間舉行——考慮到老師們都在國內，這一場特意安排在晚上、對大家更友好。本場清一色男老師，下一場則是6 位女性高校老師專場，感興趣的朋友可以。我們也會把本場更好的 insights 整理歸納后分享給大家。

*注：本文由將門團隊根據 2026 年 7 月 30 日線上閉門交流逐字稿整理，所有帶「」符號的引用均來自現場發言。

AI 學術長跑中的女性力量與科研定力：與 6 位高校老師的線上閉門交流

北京時間8月11日(周二) 晚20:00截止報名

詳情點擊圖片跳轉

-The End-

本周上新！

掃碼觀看！

“AI技術流”原創投稿計劃

TechBeat是由將門創投建立的AI學習社區（www.techbeat.net）。社區上線700+期talk視頻，3000+篇技術干貨文章，方向覆蓋CV/NLP/ML/Robotis等；每月定期舉辦頂會及其他線上交流活動，不定期舉辦技術人線下聚會交流活動。我們正在努力成為AI人才喜愛的高質量、知識型交流平臺，希望為AI人才打造更專業的服務和體驗，加速并陪伴其成長。

投稿內容

// 最新技術解讀/系統性知識分享 //

// 前沿資訊解說/心得經歷講述 //

投稿須知

稿件需要為原創文章，并標明作者信息。

我們會選擇部分在深度技術解析及科研心得方向，對用戶啟發更大的文章，做原創性內容獎勵

投稿方式

發送郵件到

yimingzhang@thejiangmen.com

或添加工作人員微信（aceyiming）投稿，溝通投稿詳情

關于我“門”

將門是一家以專注于數智核心科技領域的新型創投機構，也是北京市標桿型孵化器。 公司致力于通過連接技術與商業，發掘和培育具有全球影響力的科技創新企業，推動企業創新發展與產業升級。

將門成立于2015年底，創始團隊由微軟創投在中國的創始團隊原班人馬構建而成，曾為微軟優選和深度孵化了126家創新的技術型創業公司。

如果您是技術領域的初創企業，不僅想獲得投資，還希望獲得一系列持續性、有價值的投后服務，歡迎發送或者推薦項目給我“門”:

bp@thejiangmen.com

點擊右上角，把文章分享到朋友圈