企業科研該怎么做

　　如果從研究生開始，我已經進入科研領域23年了，論文發表了一些（數量不少，超過200多篇），但是絕大多數都是練習級別的，包括自己寫的和后來的學生寫的，都說不上是什么大成果。唯一令人欣慰的是，這些年沒有一直沉迷于純粹的為了科研而科研，而是一直致力于科研和實際相結合，創業了幾家公司，分別從事不同行業的產品研發。其中一家在整個團隊的共同努力下，取得了一定的成績：北京多維視通技術有限公司。公司主要從事面向刑偵的圖像視頻分析產品的研發，跟我前期的研究領域小波分析及其在圖像處理中的應用結合比較緊密。公司成立8年多，團隊也超過了200人，產品也比較豐富，用戶遍布全國除了西藏臺灣之外的所有省份，在行業內尚處于相對領先的地位。由于我的能力和興趣不是管理，所以公司的管理近幾年我都沒有參與，主要工作是指導學生參與公司的一些技術研發，取得了一些效果，但是效果仍然不理想，原因是多方面的，有個人能力的問題，有客觀上的條件問題，但是可能還有一點很重要的問題，就是缺少對企業科研系統分析整理。

　　近期，公司將開展系列培訓，給我安排了一個任務，談談在企業該如何做研發。雖然自己做的并不好，效果也不夠理想，可是沒吃過豬肉，也見過豬跑，讀過不少優秀的企業所做的研究成果，以他們為榜樣，我也可以談談這個問題。首先談談，在企業可以做那些方面的研究。理論上來說，這不是個問題，因為只要公司足夠有資金支持，在企業可以做任何跟企業相關的研究，但是這個結論僅僅對盈利能力好的超級大公司有效，對于中小企業來說，由于資源受限，競爭激烈，任性的科研還沒有條件進行，企業的科研總是在和時間賽跑，和競爭對手賽跑。下面就談談在條件受限的情況下，在企業做研究該做什么，該怎么做。這里所談的企業也只能限于我相對熟悉的IT類型的企業，其他類型的企業由于不夠了解，其情況可能完全不同。

　　第一種課題：原理性方法的實用化研究；

　　 在IT領域，絕大多數研究人員集中在科研院所和大學，他們是研究的主力軍。這種模式產生的原因在于歐美的科研分工模式，工業界或者軍方提出問題，資助大學或者研究所進行研究，其成果大多表現為論文，少量的表現為ZL，更少的數量表現為產品形態。因此，在IT領域的企業，大多數情況下，在企業做研究，更多的是參考已發表的論文和ZL，來進行針對自己產品的實用化研究。這里所說的實用化指的是，大多數科研論文的方法對應用沒有什么本質幫助，很多實驗不能重復，這些所謂的成果作為科研訓練和對教科書的內容增加理解是可以的，對于產品可能沒有什么幫助。而有些論文則可能對產品有直接的幫助，但是由于科研論文強調創新性，因此很多細節或者比較工程化的內容就無法在論文中詳細描述。因此，很多有借鑒意義的論文并不能直接轉化成產品的一個模塊或者部件，必須要做實用化研究。實用化有以下幾種情況需要研究：

　　1、 對已有方法進行重新整合；

　　有的方法提出了好的模型，但是在求解模型的時候，沒有采用更好的求解策略，這就需要借鑒其他更好的求解方法；同時有的方法缺少部分必要的環節，需要借鑒其他方法進行補充。這種研究相對來說比較容易，只要充分掌握現有的各種方法和技巧，對于大多數工程師來說是可以做到的。在中國的今天，大多數IT企業做的事情更多地是這種類型的科研。其本質上沒有創新，如果說有，也是集成創新。將散落在不同論文中的不同工具進行有效的集成，形成某個問題的解決方案。對于企業來說，這種研發的成本并不高，只要增加一定的實驗，就能夠做出一些有意義的解決方案。

　　2、 對已有方法進行對象適應性改造；

　　在大多數情況下，論文描述的方法可能是假設為某一個應用場景，但是企業的產品面臨的可能是另外一種場景，這就要求對方法進行對象適應性改造。這種研發的難度要有一點，其難點在于對于論文所描述的方法理解很深入，可以進行改造，同時對于研究對象有很深入的認識，從而提煉出相應的先驗知識，兩者結合，就可以做出適應性改造。事實上，這也是很多練習性質的科研的主要形式之一。將一個可以通用的方法結合不同的應用實際進行各種條件限制，從而產生更有針對性的方法。難度在于很多一線的工程師缺少對對象的抽象分析能力，很難提出更好的量化模型，從而無法提出更有針對性的好方法。

　　3、 對已有方法進行計算可行性改造；

　　大多數情況下，創新性的成果強調想法的原創性，而忽視在實際應用中的其他要求，其中很重要的一點是計算可行性。在圖像處理和視頻分析領域，這種現象非常普遍，大多數已經發表的論文更強調模型的重要性，至于模型的求解則喜歡采用一些時髦的方法，這些方法在理論上和科研仿真上沒有問題，但是計算復雜度可能非常高，在很多情況下不能被大多數要求計算效率的應用所采用。比如，非常有名的圖像壓縮算法JPEG2000，其壓縮效率比現在依然常用的JPG壓縮方法要高接近一個數量級，并且具有其他更多良好的特性，但是JPEG2000的標準提出十幾年來，這個圖像新格式并沒有成為主流，甚至大多數專業的圖像顯示和編輯工具都不支持這個格式，主要原因在于其計算復雜度太高，以至于一般的計算平臺在用戶可接受的時間內完不成解碼工作，這對時間觀念很強的現在來說，是不可以接受的。當然，情況在發生改變，現在很多新版本的圖像處理工具開始支持這個格式，主要原因在于其復雜的計算過程在工程化的過程中得到了有效的優化，當然，計算平臺性能的提高也是功不可沒。

　　很多算法的計算過程本身并不高效，需要借助于新的數據結構技術，新的快速計算方法進行改造才能得到有效的應用。

　　4、 對已有方法進行平臺適應性改造；

　　有很多算法在提出的時候，只考慮當前所有工具中最容易實現的技術路線，并不考慮實際某個應用的平臺限制。有些只能在PC端進行離線處理，而對于移動應用或者嵌入式應用就不合適，有些只能進行串行處理，不能用于并行平臺或者芯片級應用。這里面有很多工作需要做，比如，串行算法的并行化，浮點運算的整點化，軟件運算的硬件化等，這些工作有的相對容易，用經驗就能夠解決，但是有些算法就需要做深入的研究。比如，在機器人導航領域常用的距離變換的計算方法，教科書上的方法是串行的，但是其實時效率很低，無法在實時計算的場景中實現。經過多年的研究，該方法終于有了完全并行化的方法，計算效率大大提高。另一個算法也比較有代表性，小波域的閾值去噪早就成熟，但是由于閾值不容易選取，模型參數不容易確定，在使用中就遇到障礙。惠普公司的科研人員就提出了一種基于前期學習訓練的方法，不僅僅提高了計算的效率，而且效果也得到了提高。這樣的科研往往最受企業歡迎，最貼近實戰，效果也好。當然，這樣的研究比較困難，有時候即便某些企業有了很好的解決方案，也不愿意在第一時間就公開，畢竟這樣的算法和商業關聯度比較高。由于這些方法本身的技巧型很高，要求工程師的研究能力也很高，因此大多數企業做不到提出類似的算法。

　　5、 對已有方法進行技術性的升級。

　　很多算法由于側重于原理性的創新，對于很多細節并不靠慮完備，因此，在具體應用的過程中，需要做必要的升級，比如，某些環節需要調整，有些過程需要反復，有些過程需要好的用戶界面等等。這些升級有的就是很好的研究，可以提高效果或者效率，但是可能并沒有什么科學價值。例子很多，大多數企業也是這么做的。當然做得好壞，取決于研發工程師自身的素質。

　　第二種課題：復雜方法的低成本化研究；

　　 低成本化一直是提高性價比的主要方法，用更低的成本實現類似的質量。這種方法主要是尋找等價的計算過程，用更低的成本實現已有的算法。這在FFT變換、DCT變換等通用的領域表現比較明顯。為了實現低成本化，就要考慮所有的計算過程的整體優化，比如，DCT變換本來已經夠簡單的，但是在很多大量使用DCT變換的應用中，這個變換的速度就成了瓶頸，為了降低計算開銷，需要進行定制化的優化處理。這種研發在硬件研究領域比較多見，追求器件使用數量的降低，主頻的提高等。這種研究往往比較困難，要求對算法，對所能夠使用的資源有深入的認識，同時還有復雜問題低成本化的各種數學化的手段的熟練掌握。一個好的優化結果和原有的原理性的結果往往效果一致或者接近，但是計算效果，或者成本可以降低三個數量級以上。這種帶有強烈知識產權效應的方法大多數時候埋沒于各種產品，少量出現在ZL中，更少量出現在論文中。因此，企業希望在論文和ZL中找到最高效的實現方法，往往只能是靠運氣，但是運氣往往并不好。

　　第三種課題：個性化實際需求的自主研究；

　　由于應用的場景和條件是千變萬化的，大多數情況，我們可能根本找不到類似的科研成果，這就需要企業自己尋求解決方案，這里分成兩種情況，一種是企業很快就能解決的，另外一種是企業自身沒有能力解決，需要尋求外部專門從事相關領域研究的專業人員進行合作。跟企業的能力有關，這些所謂的新問題很多并不是很難，其難點往往在于問題的抽象和提煉。大多數情況下，我們的企業工程師不大會自己建模，因此即便存在很簡單的解決方案，也無法自主找到。比如，某企業從事探測設備的研發，由于傳感器的不一致，導致得到的圖像出現各種條紋。企業花了大量的時間去進行傳感器的篩選和現場調試，效果依然不理想。這個問題可以在圖像端獲得很好的解決，關鍵是需一個恰當的模型，有了模型，很多人都會解決方法。這種現象在工業界非常普遍，在IT公司也非常常見。我們培養的學生往往能夠記住別人提出的模型，但是很少自己能夠提出新的模型來解決實際問題，即便這些問題本身并不困難。

　　第四種課題：行業難點的突破性研究；

　　在任何一個領域，殊途同歸，大多數企業都會遇到很多當前解決不了的問題。我們也一樣，在警察實際辦案的過程中，相當一部分的圖像或者視頻很難處理，這說明我們現在很多方法還有很大的限制，不能真正解決很多實際復雜問題。比如，圖像模糊了，我們非常希望圖像能夠變得清晰，但是這個問題研究了三十多年，好的方法依然屈指可數，很多實際問題還是不能有效地解決。如果遇到行業的難點問題，大多數企業選擇了等待，少數有條件的企業選擇跟外界合作以期能夠在問題取得突破的時候能夠優先使用科研成果，還有些企業進行自主研發。一般情況下，具有戰略眼光的企業，更具有進取心的企業，往往更愿意自己布局做一些有挑戰的研究，因為這些問題的解決可能就很快確立新產品的領先優勢。前面所有的企業面臨的問題，大多數優秀的企業都可以做的不錯。但是，面對行業共性的難題，只有極少量的企業愿意投入。在中國，愿意投入行業難點的企業還非常少。但是在領先的國際性大公司，他們更愿意投入資源去做這些挑戰性的難題，他們的不斷創新，不斷地擁有壟斷的利潤，起源也在于他們一直可以擁有領先的技術，而這些技術有些并非來自于科學界的貢獻。這種研究對科研人員的要求非常高，即便是在頂尖的科研團隊，能夠解決這樣問題的人也可遇而不可求。

　　第五種課題：新領域的布局研究；

　　任何企業都不會躺在原來的技術上可以一輩子吃老本，現在是信息社會，尤其在中國，技術的擴散速度非常快，一個企業擁有的技術很快由于技術人員的流失，導致部分關鍵技術的擴散，從而很快就有競爭的產品出現。因此，謀篇布局就變得非常重要。這里所說的布局，是指新的產品方向，新的技術方向。這些新方向由于目標還不清晰，問題互相交織，往往不容易下手。很多科研人員不能勝任這個工作，因為大多數科研人員缺少類似的訓練。這些工作往往需要具有整體解決能力的人進行規劃，在研究的過程中，對所謂的問題進行分揀，對方向進行動態的調整。這樣的人才在世界上都是缺少的，我們國家尤其如此。

　　說了很多，其實在企業，最大的感覺是，技術的無力感。從事純研究的人總覺得已經有了這么多科研成果了，似乎可以研究的問題很少，但是企業的感覺恰恰相反，這么多的問題沒有辦法解決，似乎人類還很愚蠢。盡管，我們擁有很多優秀的工程師和科學家，但是在解決很多實際問題上，我們還顯得非常幼稚。上面談到的一部分科研，僅僅是個人的一點點看法，還不能包括全部情況，請有識之士提出建議，以豐富我即將進行的講座。