AI Researcher 共研社

在做具身/机器人方向的 researcher 请举手！🙋🏻‍♀️ 想和大家一起聊聊： 为什么机器人领域都在弄具身智能了，感觉中间跳了一大步？2016 年的自动驾驶 vs 2026 年的具身智能，这次有什么不一样？ 世界模型（World Model）和 VLA，谁更可能成为机器人的基础能力？具身智能会走向「把大模型装进机器人」，还是「机器人原生智能」？ 数据飞轮会成为具身智能时代的新护城河吗？真机数据、仿真数据、合成数据分别承担怎样的价值？ 机器人公司的竞争，最后拼的是算法还是供应链？未来三年，机器人行业最大的变量是什么？ …… 对这些问题大家有哪些见解？朋友们还有什么感兴趣的问题？近期想组一场线上 coffee chat，想参加的话欢迎留言或者 DM 我~

感谢分享~ 很有意思的点就是最后说的，其实新产品都是在解决特定问题，那么都有机会转变成新研究。非常期待在把研究变成出海增长新渠道上的探索和经验~

一、开场：为什么想聊“工作中的问题，也能变成研究吗？” 李夏涵： 昨天我也去听了一场分享，是一位清华大学博士的讲座，我自己听完以后确实很有收获。今天本来就是一个 Coffee Chat，所以我也不想讲得特别正式，更多是把我自己的经历和一些想法拿出来，大家一起交流。 我以前在香港的应用研究机构工作时，观察到一个非常明显的东西：政府和企业关注的问题不完全一样。 政府比较关心长期价值、产业能力、公共利益和战略方向；企业更关心客户、成本、效率和短期回报。两边都很合理，但它们之间经常会发生冲突。 这个冲突对实际工作有什么影响？我想给大家看一个比较具体的例子，就是香港政府的研究资助体系。 二、香港的应用研究：政府为什么要资助科研？ 李夏涵： 我以前所在的香港应用科技研究院，本身就是香港创新科技体系中的研发机构。所以我想从政府的角度给大家看一下：政府是怎样看待研究，以及怎样通过资助政策去配置创新资源的。 香港的 ITSP 里面有几类不同的项目。大家在 PPT 上看到的是 Seed Project、Platform Project 和 Collaborative Project。 先看 Platform Project。它本身就是产业导向的，强调具有商业化潜力的应用研发项目。这里会出现一个在纯学术研究里不太常见的概念，就是业界赞助。例如，如果按项目总成本的 10% 来理解，一个一千万港币的项目，业界需要投入一部分资源，政府再去支持其余部分。 研究机构这一边可能提供高级研究员、中级研究员、博士等研究人员；业界提供资金，或者在符合规则的情况下提供项目所需要的资源。 Seed Project 就更接近探索性的研究。它可以理解成有一点像“风险投资”的早期阶段：这个想法还没有被充分验证，政府先给你一笔相对有限的资源，让你探索一下。它并不要求一开始就证明这个东西一定能做成一个大企业。 再往后是 Collaborative Project。它的周期更长，业界需要承担更大比例的投入，知识产权和产业方的关系也更深。这个阶段就明显不是“我自己关在研究室里想一个 idea”，而是科研机构和业界真正共同承担研发风险。 编者注：现场为了说明三类项目的差异，口头举了若干资助比例、知识产权和“现金/实物投入”的例子。具体比例、可计入的实物类型与知识产权安排会受项目类别和当期官方规则约束，实际申请应以香港创新科技署最新指南为准。 这里其实可以追问一个很基本的问题：政府为什么要推动科研？ 政府和企业不一样，它本身不直接靠出售产品来盈利。政府的收入很大程度上来自税收，而本地企业如果技术能力增强、产业发展得更好，长期来说会带来就业、税收、产业竞争力和一些无形资产，比如技术和专利。 所以从这个角度看，政府给科研投入资源，有一点像一个加速器：我帮助本地企业和研究机构发展技术，企业发展以后，整个地区也会受益。 这也是为什么我一直想强调：科研并不是只有博士在读、只有顶尖大学才有资格做。应用研究和真实产业之间，其实比很多人想象的结合得更紧密。 三、一个研究院内部的现实问题：为什么大家更愿意申请 Seed Project？ 李夏涵： 我们研究院曾经出现过一个情况：大家非常依赖 Seed Project。很多人都去申请种子项目，但 Platform Project、Collaborative Project 相对少。 我自己在研究院里观察到的一个原因是：Seed Project 的形式和很多博士、研究人员过去熟悉的研究方式非常接近。 大家读博士、做研究生的时候，本来就很熟悉“提出一个 idea—做实验—写论文”这种路径。种子项目允许你做更前瞻、更探索性的东西，也不需要一开始就拿到大量业界反馈，所以研究人员的路径依赖会很强：我过去就是这样做研究的，那我继续这样做最熟悉。 但政府会有顾虑。我们以前就遇到过创新科技部门的人直接跟研究院说：一个大组几十个人，Platform 或 Collaborative 项目只有一两个，其他人全都去申请 Seed Project，这和政府对应用研究机构的期待并不完全一致。 因为政府真正希望的不是研究人员只做自己最熟悉的研究，而是希望研究能够进一步进入产业、提升本地的科研和产业能力。 这又回到了刚才说的那个两难。 企业想做的事情，通常希望很快落地、很快看到收益；有时企业也希望借研究机构的品牌去增强产品宣传。但政府可能觉得，这里面没有足够的研发价值，所以不愿意投。 反过来，政府想支持一些长期的、和产业战略甚至国家或地区战略相关的研发，但企业又会觉得：这个投入太长期，短期看不到回报，我为什么要做？ 简单来说就是： 政府想做的事情，企业觉得没有短期价值；企业想做的事情，政府又觉得没有真正的研究价值。 应用研究经常就卡在这里。 所以我后来越来越觉得，应用研究并不是跟业界分开的。恰恰相反，它必须非常深入地和真实产业发生关系。 回到 PPT 上看，这三类项目其实可以理解成一条逐渐推进的路径： ·Seed Project：先探索这个方向值不值得做； ·Platform Project：开始考虑商业化潜力，尝试进入现实环境； ·Collaborative Project：研究机构和业界共同投入、共同承担风险。 所以研究从“探索”走向“应用”，并不是一下跳过去的，而是在一步一步降低不确定性。 四、什么样的工作问题，值得研究？ 李夏涵： 我自己的理解是，首先它应该是一个反复出现的问题。 如果一个事情只发生一次，它可能只是偶然。但如果它一次又一次发生，历史虽然不是简单重复，却总有惊人的相似，那么我们就可以去问：这些看起来不同的事情，背后是不是有共同的原则？ 第二种情况，是两个合理的目标发生冲突。 比如企业既想追求短期业绩，又想要长期竞争力；既想马上提高效率，又希望员工真正成长。如果现实中这两个目标很难同时满足，那就值得研究。 第三种情况，是我们其实不知道为什么。也许背后存在一个还没有被理解清楚的机制。 我觉得 AI 出现以后，这类不确定性反而更多了。 现在 AI 有很多“单点突破”：销售人员用 AI 提效，程序员用 AI 提效，很多个人任务都可以做得更快。但我们还没有完全进入一种像当年电气化或者福特生产线那样，全组织、全产业结构都被彻底重构的阶段。 所以 AI 时代其实有很多值得探索的问题。我们可以暂时从日常工作“马上解决任务”的视角跳出来，问一些更长期的问题。 五、从工作问题，到研究问题 李夏涵： 我一般会把这个过程理解成： 工作问题→ 反复出现的现象 → 两个合理目标的矛盾 → 猜测可能机制 → 提出可以回答的问题 → 找到最小证据。 这里还有一个我自己感受到的区别。 有一些传统学术研究，特别是在做文献回顾的时候，会从“现在还有什么没有被研究”出发。比如发现某个理论和某个场景没有人结合，或者“还没有人把 AI 和 X 放在一起”，于是去填这个 literature gap。 这种方法当然有它的价值。 但我们做应用研究时，起点可能反过来：先从真实工作中出现的问题出发。 比如我们从业务数据、客户反馈、产品使用、日常工作中先发现问题，然后把它变成一个能够回答的研究问题，再去看现有文献有没有解释。如果没有，那么这里就可能同时构成现实问题和研究问题。 六、一个自己的例子：AI 销售训练 李夏涵： 我举一个我现在创业时遇到的简单例子。 销售是一个非常广泛的岗位：房地产销售、保险销售、汽车销售，很多行业都有。 一个很普遍的问题是，新人明明已经学过销售知识，但真正面对客户的时候还是不会讲，或者一紧张就不知道怎么做。大家考试可能也有类似经验：纸上写得很好，但真正做的时候不一定做得出来。 那可能的机制是什么？ 也许缺的不是知识，而是练习。真实客户不可能无限次给新人试错，主管也不可能一直陪练。 所以最开始这是一个产品问题：AI 角色扮演能不能增加练习机会？ 但它可以继续变成更一般的研究问题： AI 在提高人的当前表现时，会不会同时减少人真正形成能力的练习？ 这样一来，它就不只是销售的问题了。 比如我的英语不好，我长期依赖 ChatGPT 帮我写英文，我仍然可以和外国客户进行非常高质量的文字沟通，甚至写得比以前专业得多。但如果长期所有语法、句子、单词都是 AI 帮我处理，有一天客户真的上门，要面对面跟我讲话，我可能突然发现自己不会说。 也就是说，即时表现提升和长期能力形成不一定是一回事。 这个时候，一个产品痛点就可以进一步变成一个值得研究的问题。 七、普通人没有“大研究条件”，怎么办？ 李夏涵： 当然，我们这里大多数人不是全职学者。可能少部分人有硕士、博士学历，但很多人并没有完整的研究训练，也没有大型实验室和几百人的样本。 那怎么办？ 我觉得不需要一开始就做“大研究”。 你可能只有十个用户、二十段对话、一次小型测试，甚至只是一些已有业务数据。你完全可以先做 exploratory study（探索性研究）或者 pilot study（初步/试点研究）。 它的目的不是说“十个人就能证明一个普遍规律”，而是先看：这个现象到底有没有？方法有没有明显问题？值不值得继续投入？ 所以普通人并不是没有能力做研究。很多时候真正的门槛，反而不是样本和方法，而是：你到底愿不愿意把时间和资源投入进去。 八、如果已经能赚钱，为什么还要冒险研发？——张雪机车案例 李夏涵： 这就回到我 PPT 上那句话： 如果已经能赚钱，为什么还要冒险研究、冒险研发？ 这里我举张雪机车的例子。 张雪在创立张雪机车以前，已经参与经营凯越机车，是一家已经在市场上跑起来的公司。但他非常坚持要投入自主高性能发动机研发，这件事和原有经营思路之间产生了很强的冲突。 另一方的逻辑其实完全可以理解：我们现在用已有技术和商业模式，也已经能赚钱。自主研发发动机投入巨大、周期很长，而且可能失败。为什么一定要承担这个风险？ 张雪的选择则是：他还是希望做自主研发，最后离开原来的体系，创立新的公司继续做。 我觉得这个故事最有意思的地方，不是简单判断“谁对谁错”。 张雪本人也不是传统博士研究员，他很早就进入摩托车行业。大家看他以前的经历，会感受到他对赛车和摩托车这件事情有非常强的热情。哪怕早期没有条件，他也会想各种办法去接近自己的目标。 现实中其实很多人、很多企业，在已经能稳定赚钱以后会更愿意追求确定性。包括一些做实业白手起家的老板，赚到第一笔钱以后，可能会把资金转到房地产、金融或者更快变现的领域。这个选择从商业角度也未必不合理。 所以我真正想说的是： 普通人做研究、做研发最大的门槛，很多时候并不是“我有没有研究能力”，而是“我愿不愿意为了一个不确定的结果，牺牲一部分已经确定的收益”。 短期商业理性和长期技术理想都可能是合理的，正因为两边都合理，选择才困难。 九、小研究怎么慢慢长大？会议为什么重要？ 李夏涵： 当然，并不是非黑即白：要么完全不研发，要么像张雪那样把全部资源押进去。 一个小研究可以慢慢长大。 先从现实问题开始，做小规模探索，拿到初步证据，然后去会议交流。在会议上得到同行的批评、认识新的合作对象，再一步一步变成更完整的研究。 前面有些听众可能听过之前关于顶级会议的分享。顶会当然很重要，尤其对走学术职业的人来说，顶级会议、顶级期刊会直接影响职称、tenure，或者国内常说的“非升即走”等职业评价。 所以在这样的体系里，大家很容易把“顶会录用与否”本身看得非常重要。 但我想提醒一点：会议首先是会议。 它最核心的作用之一仍然是交流。 普通会议当然不能和顶级会议在学术含金量上简单等同。如果一个人未来要走纯学术教职，普通会议对职业评价的作用可能很有限。 但对应用研究者来说，你有了一个想法、有了初步证据，就可以去遇到来自其他国家、其他机构的人。别人可能告诉你：他们正在做相似的事情；你的设计哪里有问题；有没有可能合作；你所在国家还没有做的东西，在别的国家已经有人开始了。 这本身就是会议的价值。 我自己这段时间也连续投了几场会议，有录用，也有被拒。对我来说最重要的不是把“录用了几篇”本身当成绩，而是通过会议得到批评、合作和新的方向，让小研究逐步变成更完整的研究，最后也可能去挑战更高水平的会议。 另外，研究也可以成为产品和创业的一种现实检验。 如果研究结果最后证明我的判断是错的，那也是有价值的。它可能让我提前避免把更多钱、更多时间投入一个自己想错了的方向。 所以研究不是给产品盖章。 十、正式分享的收束：研究是一种处理未知的方法 李夏涵： 所以今天真正想留下来的，并不是“怎么发论文”。 绝大多数人没有博士身份、没有大型实验室、没有五百人的样本，这都没有关系。 我们可以从最基本的东西开始： ·有一个你真正想知道答案的问题； ·愿意检验自己可能是错的； ·一点一点积累证据。 我更愿意把研究理解成一种处理未知的方法： 把经验变成问题，把问题变成可以检验的知识。 我觉得在 AI 时代这尤其重要。AI 现在已经有大量应用，但整个社会和产业还远没有完成最终形态的重构，所以还有很多真正值得研究的东西。 最后我想留三个问题给大家： 1. 过去半年，有什么问题在你的工作或生活中反复出现？ 2. 它背后有没有两个都合理、却相互冲突的目标？ 3. 如果未来一年只能认真研究一个问题，你最想知道什么答案？ 有了这些问题以后，哪怕不是博士、哪怕是在企业或创业，也可以试着去找会议、找学者交流。我们在业界接触到的一些真实数据和经验，很多时候也是大学教授在自己的环境里很难直接得到的。 当然，普通会议也要判断是否值得参加，比如组织是否稳定、是不是已经举办多年、有没有正规的 proceedings、有没有 DOI 或长期可检索的发表记录，以及最重要的——有没有真正值得交流的人。 对我来说，做应用研究还有一个意义：我们真正竞争的未必是大学教授，而是行业里那些完全不愿意研究、只满足于现有做法的组织。如果我们既有机会接触真实数据，又有能力用研究的方法去理解它，为什么不做？ 好，我正式分享的部分就讲到这里。谢谢大家，接下来进入讨论时间。 十一、Q&A 1：能不能举一个你自己真实做过的研究？ 听众 A： 谢谢，刚才讲的更多是比较高层、整体的层面，我觉得很有启发。不过我还是想请你举一个具体例子。 比如，你自己的研究问题是什么？用了什么研究方法？是自己做，还是和别人合作？ 你有一页讲到了研发，我感觉“研发一个产品”和做数据分析、调研、小实验这些研究还是不太一样。所以我想具体了解一下，你自己的研究是怎么做的。 李夏涵： 可以。我拿我最近发表的一个很小的研究做例子。我直接把论文给大家看一下可能会更直观。 这个是在 亚太职业发展协会相关会议上发表的。这个组织已经办了很多年，我之前也参加过它在马来西亚、郑州等地的活动。 我当时做的研究，中文简单解释，可以理解成：设计一个 AI 辅助的职业生涯规划师。 说得生活化一点，有一点像“AI 版的张雪峰”。既然 AI 已经能帮助我们做这么多事情，那它能不能承担职业规划师的一部分工作？ 很快就会碰到一个问题：职业规划和心理咨询有点像，人和 AI 之间一定有边界。哪些事情 AI 可以替代，哪些事情不能替代，其实没有那么容易说清楚。 我当时联系了日本的一些大学教授，他们对这个提案也比较感兴趣。后来我们做了一个很小的学生实验。 基本设计是： 前测→ 学生和一个固定 prompt 设计的 AI 职业规划师对话 → 后测。 前后使用职业规划领域的量表进行测量。这个逻辑有点像你吃饭前量一次体重、吃饭后再量一次，当然研究本身不是测体重，只是这个比喻比较容易理解：看干预前后是否发生变化。 因为当时资源和时间有限，最终完成完整前后测、进入分析的只有 5 名学生。 这是一个非常小的研究。我并没有用五个人去证明“AI 职业规划普遍有效”，而是把它作为一个初步验证，拿到会议上和大家交流。 我希望这个例子能回答你的问题：所谓小研究，确实可以非常具体，就是一个明确的问题、一个非常小的设计、一点初步数据，然后进入同行交流。 听众 A： 明白。那这个是你长期研究方向的一部分，还是当时单独做的一个小研究？ 李夏涵： 一开始我确实考虑过创业做 AI 辅助职业规划师，这个方向得到过一定的初步验证。 后来因为创业环境和产品方向的一些变化，我现在做的是 AI 辅助销售培训。这个其实和刚才 演讲 里讲到的问题是连起来的：新人接受了销售培训，但“知道”和“真正做出来”之间仍然有距离。 所以我现在也在继续研究这一类问题，只是产品场景发生了变化。 听众 A： 好的，谢谢。 十二、Q&A 2：政府、企业、学术之间的合作怎么形成？研究公开会不会损害竞争优势？ 听众 B： 我想问两个问题。 第一，你做研究的时候会不会涉及企业、政府和学术之间的合作？这种合作一般是怎么形成、怎么架构的？ 第二，如果研究和创业绑定，研究成果发表以后就变成 public information 了。如果所有人都知道，会不会对商业竞争产生不好的影响？ 李夏涵： 这两个问题都很好。 先说第一个。我刚才主要讲了香港，其实我在新加坡做自动驾驶研究的时候，也经历过非常典型的政府—大学—企业合作。 自动驾驶本身和政府关系就很紧密，因为车辆要上公共道路，一定涉及交通监管和基础设施。我们当时做的项目关注的是：如果未来自动驾驶大规模应用，在那之前是不是要对现有基础设施进行一些改造？ 这里会同时涉及不同类型的机构。 例如 LTA（新加坡陆路交通管理局）负责公共道路和交通体系；URA（新加坡市区重建局）涉及城市规划和土地使用；某些停车场或者具体物业可能属于私人开发商；车辆和系统本身又可能来自 ST Engineering（新科工程）这样的技术企业；大学和研究机构负责研究设计和分析。 所以你看，一个“自动驾驶基础设施”项目天然就把政府、大学、产业方串起来了。 在这种项目里，政府可能负责发起、出资、审批和验收；大学和研究机构提供研究人员与研究能力；企业则可能提供资金、车辆、设备或者其他项目资源。 这就是我自己亲身经历过的一种合作架构。 至于企业投入，有些资助制度会允许符合规则的实物贡献。比如一个企业有项目真正需要的自动驾驶车辆，与其一次拿出大量现金，有时它更愿意提供已有设备或车辆，因为企业本身也有现金流压力和库存压力。 编者注：现场用“十辆自动驾驶车、每辆估值五十万”等数字做了直观示例。该例子用于解释实物投入的商业逻辑，不应理解为对任何具体资助计划现行规则的完整说明。 第二个问题，你问“研究发表以后大家都知道了，会不会削弱竞争优势”。 我觉得需要区分：什么应该公开，什么不应该公开。 比如可口可乐的配方当然不会公开。企业真正需要保密的 trade secret，不一定要写进论文。 我以前也申请过发明专利。专利本身也是一种公开：你把技术方案公开，但换取法律规定下的一定期限保护。 论文则不一样。论文公开以后，可以证明你比较早地提出、研究了某个问题，也可能帮助你建立这个方向上的专业影响力和标准。但它本身并不等于专利，也不能自动阻止别人使用类似方法。 从我的观察看，很多所谓“核心技术”其实并不是一个别人永远想不到的神秘公式。真正的竞争力往往还包括工程能力、数据、执行、产品化、品牌、行业关系和长期积累。 还有一点，我现场想表达的是，自然科学或工程技术有时更容易形成可以量化、可以专利化的技术方案；而管理、教育等社会科学领域的成果，很多时候更依赖方法体系、品牌、标准和长期使用者认可。 所以对我来说，研究公开和商业竞争不是简单的二选一。你要设计好哪些知识公开、哪些作为商业秘密保留，以及公开研究怎样转化成你的专业影响力。 十三、Q&A 3：研究有没有给你带来实际合作？论文能不能成为一种“出海渠道”？ 主持人 / 听众： 评论区有一个问题：这些研究有没有给你带来过实际合作？ 李夏涵： 非常直接的商业合作，还没有。 但它给我带来的一个很重要的东西，是让我认识到很多真正有相似研究兴趣的人。 比如刚才说 APCDA，你会接触到同一个行业、不同国家里在研究相似问题的人。我觉得这个东西有时候比短期的一单生意更重要。 我相信如果持续做，到了某个临界点，商业合作是可能出现的。但前期更重要的是：你的研究先被别人看到、被同行认可，有人愿意继续和你交流，这才可能成为后面别人给你介绍合作的前提。 尤其是做出海。 你去一个人生地不熟的国家，别人为什么相信你？我们平时会说社交媒体运营、内容运营、SEO。这些内容有一个特点：发布以后可以不断被别人看到，相当于一种长期积累的被动获客资产。 那我就想：既然社交媒体内容可以这样，为什么论文不可以？ 论文也是一种高质量内容，而且它吸引到的人，往往是那些真正能够理解这个问题的人。 之前一位清华大学的博士也提到，一些大企业高管确实会关注顶级会议的新研究。当然，说一个高管因为看了一篇论文就马上投资你，这种情况非常少。但论文可以增加你的曝光、知名度和专业可信度。 所以我自己现在在尝试一个方向：能不能把论文、科研和学术会议，也当作企业进入海外市场的一种渠道？ 这条路未必一定走得通，我自己也还在实验。 比如我们进入日本这样的市场，传统陌生销售、社交媒体当然都可以做。但如果你本身做的是一个技术和研究驱动的产品，你能不能先通过英文论文和学术会议，认识那些愿意吸收国外研究、真正关心前沿问题的人？ 至少这些人理解技术的门槛会更低，也更可能把你当作一个专业研究者或者同行，而不只是一个突然来卖东西的外国供应商。 所以这是我现在尝试的路径：通过论文增加高质量线下交流和产品推广的可能性。 另一位听众： 我觉得这个方法挺有意思。尤其现在做 AI 新赛道，如果产品本身是高质量、科研驱动的，确实需要海外有一批真正能认可产品技术的人。相比传统行业，这种方式可能更适合科技产品。 十四、延伸讨论：学术会议、海外增长和研究型社群 主持人 / 组织者： 我们其实也跑过几次类似的学术或技术活动。我们希望通过这种学术影响力做一些增长，吸引一些认可度高的核心用户、学者或者论文作者，然后通过线上线下讨论提供价值，再慢慢形成裂变。这也是我们想做的。 李夏涵： 我自己的感觉是，现在整个环境也越来越重视应用研究。比如我听说国内博士培养和毕业评价也在探索更多元的方式，不一定只看论文，也可能出现更强调产品、实践成果的专业学位或者培养方向。不过这个我没有系统核实，只是听过类似趋势。 编者注：此处主讲人明确说明“没有系统核实”。本文保留该不确定性，不将其作为已确认政策事实。 我还有国内朋友在做一个事情，就是帮助年轻研究人员和真实企业需求进行对接。 现在很多年轻学者研究能力、学术能力很强，但他们可能从本科、硕士、博士一路读上来，没有真正的企业工作经验，所以对工业界的需求并不了解。 反过来，他们也会担心和不靠谱的企业合作，浪费时间、知识成果甚至引发纠纷。研究院里我们也听过类似的合作失败案例，所以这种担心并不是完全没有依据。 因此，如果有人能够真正做好研究人员和企业真实需求之间的连接，我觉得是有价值的。 十五、Q&A 4：如果想组织学者参加产业活动，应该怎么做？ 听众 C： 如果希望学者出来参加一些线下活动、产业交流，怎样比较好展开？现在学术圈也比较强调圈层和彼此信任，但很多学者其实希望有人帮助他们接触真实场景。这个需求你怎么看？ 李夏涵： 根据我自己的经历，这件事情确实有一定难度。 我以前在研究院时，有时会因为项目主动和企业接触，也会有大学教授过来找我们。我当时还问过上司：是不是应该和所有这些教授进一步合作？他的建议是要谨慎。 为什么？因为学术环境里虽然当然有很多合作，但竞争也非常真实。 你是这个大学、这个研究组，我是另外一个大学、另外一个组。当产业机会出现时，有些人第一反应并不一定是“我们一起做”，而是“能不能把这个项目放到我自己的团队里做”。 另外，研究方向做到一定程度以后，本身就会越来越窄，圈子的现象确实存在。所以我自己的体感是，学术环境里很多时候竞争仍然大于合作。 当然，我个人非常希望大家少一些内耗，能把好的理论研究真正推到产业里，做一些增量的、真正有价值的东西。 但真正有这种开放心态、同时又愿意做应用转化的学者，我觉得还是比较少。如果遇到，是非常值得珍惜的。 听众 C： 那如果是年轻学者呢？他们可能还没有进入很核心的圈子。年轻学者会有什么需求？ 李夏涵： 我觉得年轻学者的机会可能更大，也更有活力。 现在很多年轻教师都有比较长的海外经历，也更愿意接触不同环境。但还是要看个人职业目标。 如果一个人非常明确，就是要在传统学术体系里一路走下去，他必然会优先考虑论文、项目、职称和“非升即走”这些评价指标。到了职业压力非常大的阶段，他也可能越来越依赖既有学术网络和资源。 但有另外一类年轻学者，他可能本来就没有决定一定终身留在学术界，也愿意未来去工业界。那么他会刻意增加对产业的理解，在理论研究之外接触企业场景。这样的人和产业合作的意愿可能更强。 所以我觉得最重要的还是看人，而不是只看年龄或者职称。 如果只是请学者来做一场报告，一般不难；但如果要真正进入产业场景、共同承担研究和转化，那就需要找到真正认可产业价值的人，而不是只为了满足评价体系临时做一点“产学合作”。 十六、结束总结 主持人 / 组织者： 今天的分享干货很多。如果大家暂时没有其他问题，我们差不多就到这里。以后也可以把今天的内容沉淀下来，继续做类似活动。

欢迎👏大家来参与讨论

2026 科学智能大会（中国科协发起，50+ 院士出席，可能是规格最高的 AI4S 领域大会），会议和论坛安排可查看下方日程链接~ 时间地点：8 月 21/22 日，北京中关村国际创新中心 参会票价 ¥2200，我这里可以链接到免费的参与渠道（有参与要求，简单的活动配合），算是咱们共研社的福利~ 感兴趣可以 DM 我了解详情，说一下你的身份，需与科学/AI 研究相关哦，届时可以线下面基

感觉一切皆插件的设计很有想象力，但是上午看讨论，好像大家觉得离现实应用比较远

感谢deepseek开源harness，值得学习👍

我觉得有两个点比较好，第一个点是AI辅助阅读论文，目前开源社区有一些技术可以把论文转pdf让AI辅助阅读。第二个点是论文成果的补充，其实提供下载链接或github repo link就可以。

这两天看到好几个相关的讨论/工作，都是说传统的论文 PDF 信息有限，不能完全适用于现在的 AI native research. 科研成果之后可能需要更 agent 友好的 artifacts 来展示，比如包含失败过程 trace 等。对应地这样也不用读论文了，agent 可以更好地自己理解并复现工作，如果是人读的话也更像是 vibe chatting，类似于在学术会议上跟作者直接对话。 初步想了下还挺兴奋的，感觉是一种新的科研范式中的一部分（不过对湿试验的学科可能没有那么容易？🤔 ）想问问大家怎么看~ 这种新型论文里需要有些啥？ 如果感兴趣的人多可以组一场 coffee chat 唠唠！