点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
来源 | 中国青年报
美国工程院院士、普林斯顿大学讲席教授李凯经常被问到这样一个问题：您认为中国计算机领域的高科技创新如何？李凯的回答略显直白：“不行。”
他以运转了28年的“863计划”为例：近年来国家每年投入的经费达到20亿美元，但是在高科技创新方面，尤其是在计算机领域，却找不到一个通过承担863项目产生核心知识产权并且占领国际市场的成功商业案例。
“如果从培养人的角度来说，863计划是培养出了一批人才，但是，如果从科研创新的角度而言，我认为它是失败的。”李凯说。他的评价基于三个标准：第一，是否产生颠覆性技术；第二，是否在某个领域的国际市场上占据领头羊地位；第三，是否通过核心知识产权创造出很高的毛利。有人认为李凯定的标准太高，但李凯不同意：“这是世界工业界公认的标准，不是我的标准。”
为了纪念《中国计算机学会通讯》出版100期，作为中国计算机学会的海外理事，李凯系统梳理了这个思考多年的问题，应邀写了一篇长文《促进中国高科技科研创新的想法》。在这篇文章中，他尖锐地指出当前教育和科研制度的弊端，尤其是科研制度将科研和创新混为一谈。虽然知道直言不讳地道出这样的结论会让一些人不快，可李凯依然坚持做《皇帝的新衣》里那个说真话的孩子，因为“在科学与工程领域，想要成功，首先要实事求是”。
在学术界与工业界的成功跨界经历，李凯对科研与创新的联系有深入的思考和亲身的体会。在接受专访时，李凯再次重申自己的观点：“你不实事求是，就看不清自己的位置；你要想真正前进，发现新知识、创新，必须实事求是，否则就达不到目的。你要衡量做得有多好，要同一领域的评价，而不是政府来评或者领域外的人来评。”
科研和创新不是一回事
过去几年中国一直在增加科研投入。2013年，中国的科研支出达2580亿美元，虽然占GDP的比例还低于欧美、日韩与以色列等发达国家，但科研投入总量已居世界第二，比美国少36%。在高科技产业领域，中国占全世界高科技产品的出口份额从2000年的6.5%一路攀升到2013年的36.5%。与此同时，中国也跃升为世界论文第一大国。
一个不容回避的核心问题是——政府对高科技创新的投入有多大效果？
“如果向国际高科技界询问这个问题，大多数会回答：并不有效。”李凯说，根据科技部披露的数据，2011年中国出口高科技产品份额中，82%由外资企业或合资企业生产。
作为世界第二大经济体，高科技发展是中国从制造大国向基于核心知识产权的高价值经济体转型的关键。一个明显的事实是，相当多的学者已经学会了如何把钱换成“纸”，也就是书面的论文，但是还不太擅长如何把书面的论文，也就是“纸”转换成金钱。
为什么政府在高技术领域的科研经费投入效果很差？为什么论文第一大国掌握不了“纸变钱”的游戏规则？在李凯看来，原因主要在两个方面。第一个方面就是科研与创新合二为一的政策，并对所资助的研究性项目提出不切实际的商业成功要求。
“从表面上来看，科研与创新合二为一的政策对政府和宣传是很有吸引力的，但其实这是混淆了科研与创新的基本概念。”李凯对第一个原因阐释道。
以发明即时贴闻名世界的3M公司的杰弗里•尼科尔森博士曾经对两者给出明确的定义：“科研是将金钱转换为知识的过程”，而“创新则是将知识转换为金钱的过程”。
“如果把金钱转化成金钱，就去华尔街，不需要找科研人员。”李凯直言。李凯认为，将科研资助与创新资助混为一体所带来的问题显而易见。
第一个明显问题是此举会带来两种激烈的冲突。李凯举例，一个受到资助的团队必须发表新知识来衡量他们的研究是否成功，但同时又要保护他们的知识产权以实现商业成功。这在知识产权保护还较弱的环境下是非常困难的。
另一个冲突是大学会变成营利机构。当一所大学拥有了公司，它将成为产业界的竞争者。这样的利益冲突偏离了大学的主要目标——培养学生。
李凯认为，第二个明显的问题是要在2～3年内既要产出成功的科研成果又要实现成功的创新产品是不现实的。
“即使不考虑发表论文，哪怕是拥有了一支有经验丰富的高素质工程师团队，要想在这么短的时间内开发出在市场上获得成功的高科技产品已经是非常困难的，更何况这支团队是由没有产品开发经验的研究生新生组成的。”李凯说。
这样的后果就是——很多团队转向做“反向工程”或“山寨”产品，却没有创造核心知识产权；很多聪明的研究人员开展影响力不大的研究项目，开发没有市场竞争力的产品；很多发表的论文或者只有一些小的改进，或者根本没有新的想法。
然而，为了继续获得未来的经费支持，不仅每个团队都必须宣传自己的项目是成功的，而且经费管理机构也必须宣传他们资助的大多数项目是成功的。
“也许这就是为什么‘863计划’资助了28年后，所资助的项目仍然是在‘追赶’而不是做真正的创新。”李凯说。
政府不要扮演风投的角色
对科研进行5年规划的方式，导致资助的研究方向与高科技领域的快速变化出现大量脱节，是李凯认为的导致政府对科研高投入却效率不高的第二个原因。
也曾经有国内的科技部门主管官员向李凯咨询：我们要做5年规划，您在信息科学方面有什么建议？
李凯直言：脱离5年计划。“针对未来5年设立的项目，大多数方向很快会过时，这会在国家层面上造成时间和金钱的极大浪费。”他实事求是地告诉这位官员，“任何人不知道信息技术类会发生什么变化。你们不如拿一部分钱支持5年计划，更大的一部分钱支持不是5年计划的项目。这样支持的项目才有可能产生推动型的科研成果。”
“当政府经费管理机构确定科研与创新方向时，他们认为这些方向将会对中国经济有利。但是，因为没有产品开发与管理的经验，他们也不了解市场需求。同样，一些权威科学家建议设立某些方向，多数科学家自己也没有创业经历，也不了解市场需求。”李凯说。
在李凯看来，其中最大的问题是：“计划的决策大多是由技术驱动的，而那些大型成功企业的决策是由市场主导的。”
美国也曾经有过这方面失败的案例。美国政府设立一个叫“SBIR”的计划用来为技术转化提供种子资金支持。这个计划年度预算相当大,但成功的案例很少。科研与创新混为一体的一个弊端是“要求政府经费资助机构充当风险投资公司角色，但他们并没有遴选创业公司的经验”。
李凯认为，对政府而言，“应该投资在科研上，而不应当扮演风投的角色。”
科研与创新分离的优点大于缺点
当然，科研与创新分离也有缺点。资助研究的政府机构在短期内无法看到研究成果商业化和创造就业机会的结果。但是，李凯说，科研与创新分离的优点大于缺点。
首先，这能鼓励研究人员专注于影响力巨大的新技术新发现，而不必担心商业化；其次，将科研与创新分离，创业人员与投资者也更可能成功；另外，因为他们没有短期成果的压力，政府的经费资助机构拥有更多的资源来资助有大影响力的想法和潜在的颠覆性想法。
李凯个人经历就验证了这一点。2001年，他选择“no paid leave”（即我们常说的停薪留职），暂时离开普林斯顿大学，一个学生也没带，就来到位于西海岸的硅谷创业。因为知道自己擅长技术而不擅长管理，所以他与几个合伙人从一开始就积极寻找了一名合适的CEO，并在摸清市场需求后，再找一批很好的人来做技术。
公司刚刚起步的时候，李凯还记得，做一个小的演示，用五千到一万行程序代码就可以解决了；2004年，第一个产品推出来的时候，需要30多万行程序代码；2011年，一个产品的程序已经是500多万行代码了。
“谁来写两个数量级中间的东西？”李凯问，“只能是找最好的人。”而早在2004年，李凯公司的创新已经“颠覆了这个市场”。
“如果我当时还坚持在普林斯顿大学，一边做科研，一边做公司搞创新，就是我们常说的脚踩两只船：可能一艘船比较快，就会掉到河里了；如果两边都做，只能让两边走得都不快。”李凯说。
慢慢来不是创新的态度
要取得科研和创新的成功，也必须改革现有的衡量标准。
李凯到国内的一些学校访问，发现他们在介绍自己的科研成绩时喜欢用同一个指标：科研经费。一所高校计算机学院的院长在介绍学院发展时说：现在院里很好，科研经费超过亿元。
李凯忍不住问：你最主要的科研成果是什么？对方说不出来。李凯直言：我认为拿的钱越少，做出的成果越多越好。研究与创业类似，都应该追求用最少的钱做出有价值的工作，在硅谷一个只会拉风投而不能把企业做大的CEO没人愿意雇佣。他们说，你说的很对。只过了5分钟，对方又开始说某位教授做得有多好，拿了多少经费。
文章也是国内高校介绍科研成果时一个常常挂在口头的指标。李凯忍不住自嘲：如果按照现在的规定，博士期间只发表了一篇文章的自己根本没有办法毕业。
李凯的建议是：政府不要设定统一的衡量标准来约束所有的大学和研究机构，应该下放权力给大学和研究所，要相信他们的判断力，并让他们自行制定合适的衡量标准。
李凯有些着急：“863计划执行到现在已经有28年了，你可以说中国的事情要慢慢来，可是还需要多慢？慢慢来的态度就不是创新的，创新就要颠覆以前的事情。成功不是在一个受保护的市场里，而是在国际市场上。”
“我相信如果这样的改革能实施，我们将会看到高校与研究机构培养出大批有天赋的科研人员和有才能的企业家。”李凯说。
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~