如果从研究生开始，我已经进入科研领域23年了，论文发表了一些（数量不少，超过200多篇），但是绝大多数都是练习级别的，包括自己写的和后来的学生写的，都说不上是什么大成果。唯一令人欣慰的是，这些年没有一直沉迷于纯粹的为了科研而科研，而是一直致力于科研和实际相结合，创业了几家公司，分别从事不同行业的产品研发。其中一家在整个团队的共同努力下，取得了一定的成绩：北京多维视通技术有限公司。公司主要从事面向刑侦的图像视频分析产品的研发，跟我前期的研究领域小波分析及其在图像处理中的应用结合比较紧密。公司成立8年多，团队也超过了200人，产品也比较丰富，用户遍布全国除了西藏台湾之外的所有省份，在行业内尚处于相对领先的地位。由于我的能力和兴趣不是管理，所以公司的管理近几年我都没有参与，主要工作是指导学生参与公司的一些技术研发，取得了一些效果，但是效果仍然不理想，原因是多方面的，有个人能力的问题，有客观上的条件问题，但是可能还有一点很重要的问题，就是缺少对企业科研系统分析整理。
近期，公司将开展系列培训，给我安排了一个任务，谈谈在企业该如何做研发。虽然自己做的并不好，效果也不够理想，可是没吃过猪肉，也见过猪跑，读过不少优秀的企业所做的研究成果，以他们为榜样，我也可以谈谈这个问题。首先谈谈，在企业可以做那些方面的研究。理论上来说，这不是个问题，因为只要公司足够有资金支持，在企业可以做任何跟企业相关的研究，但是这个结论仅仅对盈利能力好的超级大公司有效，对于中小企业来说，由于资源受限，竞争激烈，任性的科研还没有条件进行，企业的科研总是在和时间赛跑，和竞争对手赛跑。下面就谈谈在条件受限的情况下，在企业做研究该做什么，该怎么做。这里所谈的企业也只能限于我相对熟悉的IT类型的企业，其他类型的企业由于不够了解，其情况可能完全不同。
第一种课题：原理性方法的实用化研究；
在IT领域，绝大多数研究人员集中在科研院所和大学，他们是研究的主力军。这种模式产生的原因在于欧美的科研分工模式，工业界或者军方提出问题，资助大学或者研究所进行研究，其成果大多表现为论文，少量的表现为专利，更少的数量表现为产品形态。因此，在IT领域的企业，大多数情况下，在企业做研究，更多的是参考已发表的论文和专利，来进行针对自己产品的实用化研究。这里所说的实用化指的是，大多数科研论文的方法对应用没有什么本质帮助，很多实验不能重复，这些所谓的成果作为科研训练和对教科书的内容增加理解是可以的，对于产品可能没有什么帮助。而有些论文则可能对产品有直接的帮助，但是由于科研论文强调创新性，因此很多细节或者比较工程化的内容就无法在论文中详细描述。因此，很多有借鉴意义的论文并不能直接转化成产品的一个模块或者部件，必须要做实用化研究。实用化有以下几种情况需要研究：
1、 对已有方法进行重新整合；
有的方法提出了好的模型，但是在求解模型的时候，没有采用更好的求解策略，这就需要借鉴其他更好的求解方法；同时有的方法缺少部分必要的环节，需要借鉴其他方法进行补充。这种研究相对来说比较容易，只要充分掌握现有的各种方法和技巧，对于大多数工程师来说是可以做到的。在中国的今天，大多数IT企业做的事情更多地是这种类型的科研。其本质上没有创新，如果说有，也是集成创新。将散落在不同论文中的不同工具进行有效的集成，形成某个问题的解决方案。对于企业来说，这种研发的成本并不高，只要增加一定的实验，就能够做出一些有意义的解决方案。
2、 对已有方法进行对象适应性改造；
在大多数情况下，论文描述的方法可能是假设为某一个应用场景，但是企业的产品面临的可能是另外一种场景，这就要求对方法进行对象适应性改造。这种研发的难度要有一点，其难点在于对于论文所描述的方法理解很深入，可以进行改造，同时对于研究对象有很深入的认识，从而提炼出相应的先验知识，两者结合，就可以做出适应性改造。事实上，这也是很多练习性质的科研的主要形式之一。将一个可以通用的方法结合不同的应用实际进行各种条件限制，从而产生更有针对性的方法。难度在于很多一线的工程师缺少对对象的抽象分析能力，很难提出更好的量化模型，从而无法提出更有针对性的好方法。
3、 对已有方法进行计算可行性改造；
大多数情况下，创新性的成果强调想法的原创性，而忽视在实际应用中的其他要求，其中很重要的一点是计算可行性。在图像处理和视频分析领域，这种现象非常普遍，大多数已经发表的论文更强调模型的重要性，至于模型的求解则喜欢采用一些时髦的方法，这些方法在理论上和科研仿真上没有问题，但是计算复杂度可能非常高，在很多情况下不能被大多数要求计算效率的应用所采用。比如，非常有名的图像压缩算法JPEG2000，其压缩效率比现在依然常用的JPG压缩方法要高接近一个数量级，并且具有其他更多良好的特性，但是JPEG2000的标准提出十几年来，这个图像新格式并没有成为主流，甚至大多数专业的图像显示和编辑工具都不支持这个格式，主要原因在于其计算复杂度太高，以至于一般的计算平台在用户可接受的时间内完不成解码工作，这对时间观念很强的现在来说，是不可以接受的。当然，情况在发生改变，现在很多新版本的图像处理工具开始支持这个格式，主要原因在于其复杂的计算过程在工程化的过程中得到了有效的优化，当然，计算平台性能的提高也是功不可没。
很多算法的计算过程本身并不高效，需要借助于新的数据结构技术，新的快速计算方法进行改造才能得到有效的应用。
4、 对已有方法进行平台适应性改造；
有很多算法在提出的时候，只考虑当前所有工具中最容易实现的技术路线，并不考虑实际某个应用的平台限制。有些只能在PC端进行离线处理，而对于移动应用或者嵌入式应用就不合适，有些只能进行串行处理，不能用于并行平台或者芯片级应用。这里面有很多工作需要做，比如，串行算法的并行化，浮点运算的整点化，软件运算的硬件化等，这些工作有的相对容易，用经验就能够解决，但是有些算法就需要做深入的研究。比如，在机器人导航领域常用的距离变换的计算方法，教科书上的方法是串行的，但是其实时效率很低，无法在实时计算的场景中实现。经过多年的研究，该方法终于有了完全并行化的方法，计算效率大大提高。另一个算法也比较有代表性，小波域的阈值去噪早就成熟，但是由于阈值不容易选取，模型参数不容易确定，在使用中就遇到障碍。惠普公司的科研人员就提出了一种基于前期学习训练的方法，不仅仅提高了计算的效率，而且效果也得到了提高。这样的科研往往最受企业欢迎，最贴近实战，效果也好。当然，这样的研究比较困难，有时候即便某些企业有了很好的解决方案，也不愿意在第一时间就公开，毕竟这样的算法和商业关联度比较高。由于这些方法本身的技巧型很高，要求工程师的研究能力也很高，因此大多数企业做不到提出类似的算法。
5、 对已有方法进行技术性的升级。
很多算法由于侧重于原理性的创新，对于很多细节并不靠虑完备，因此，在具体应用的过程中，需要做必要的升级，比如，某些环节需要调整，有些过程需要反复，有些过程需要好的用户界面等等。这些升级有的就是很好的研究，可以提高效果或者效率，但是可能并没有什么科学价值。例子很多，大多数企业也是这么做的。当然做得好坏，取决于研发工程师自身的素质。
第二种课题：复杂方法的低成本化研究；
低成本化一直是提高性价比的主要方法，用更低的成本实现类似的质量。这种方法主要是寻找等价的计算过程，用更低的成本实现已有的算法。这在FFT变换、DCT变换等通用的领域表现比较明显。为了实现低成本化，就要考虑所有的计算过程的整体优化，比如，DCT变换本来已经够简单的，但是在很多大量使用DCT变换的应用中，这个变换的速度就成了瓶颈，为了降低计算开销，需要进行定制化的优化处理。这种研发在硬件研究领域比较多见，追求器件使用数量的降低，主频的提高等。这种研究往往比较困难，要求对算法，对所能够使用的资源有深入的认识，同时还有复杂问题低成本化的各种数学化的手段的熟练掌握。一个好的优化结果和原有的原理性的结果往往效果一致或者接近，但是计算效果，或者成本可以降低三个数量级以上。这种带有强烈知识产权效应的方法大多数时候埋没于各种产品，少量出现在专利中，更少量出现在论文中。因此，企业希望在论文和专利中找到最高效的实现方法，往往只能是靠运气，但是运气往往并不好。
第三种课题：个性化实际需求的自主研究；
由于应用的场景和条件是千变万化的，大多数情况，我们可能根本找不到类似的科研成果，这就需要企业自己寻求解决方案，这里分成两种情况，一种是企业很快就能解决的，另外一种是企业自身没有能力解决，需要寻求外部专门从事相关领域研究的专业人员进行合作。跟企业的能力有关，这些所谓的新问题很多并不是很难，其难点往往在于问题的抽象和提炼。大多数情况下，我们的企业工程师不大会自己建模，因此即便存在很简单的解决方案，也无法自主找到。比如，某企业从事探测设备的研发，由于传感器的不一致，导致得到的图像出现各种条纹。企业花了大量的时间去进行传感器的筛选和现场调试，效果依然不理想。这个问题可以在图像端获得很好的解决，关键是需一个恰当的模型，有了模型，很多人都会解决方法。这种现象在工业界非常普遍，在IT公司也非常常见。我们培养的学生往往能够记住别人提出的模型，但是很少自己能够提出新的模型来解决实际问题，即便这些问题本身并不困难。
第四种课题：行业难点的突破性研究；
在任何一个领域，殊途同归，大多数企业都会遇到很多当前解决不了的问题。我们也一样，在警察实际办案的过程中，相当一部分的图像或者视频很难处理，这说明我们现在很多方法还有很大的限制，不能真正解决很多实际复杂问题。比如，图像模糊了，我们非常希望图像能够变得清晰，但是这个问题研究了三十多年，好的方法依然屈指可数，很多实际问题还是不能有效地解决。如果遇到行业的难点问题，大多数企业选择了等待，少数有条件的企业选择跟外界合作以期能够在问题取得突破的时候能够优先使用科研成果，还有些企业进行自主研发。一般情况下，具有战略眼光的企业，更具有进取心的企业，往往更愿意自己布局做一些有挑战的研究，因为这些问题的解决可能就很快确立新产品的领先优势。前面所有的企业面临的问题，大多数优秀的企业都可以做的不错。但是，面对行业共性的难题，只有极少量的企业愿意投入。在中国，愿意投入行业难点的企业还非常少。但是在领先的国际性大公司，他们更愿意投入资源去做这些挑战性的难题，他们的不断创新，不断地拥有垄断的利润，起源也在于他们一直可以拥有领先的技术，而这些技术有些并非来自于科学界的贡献。这种研究对科研人员的要求非常高，即便是在顶尖的科研团队，能够解决这样问题的人也可遇而不可求。
第五种课题：新领域的布局研究；
任何企业都不会躺在原来的技术上可以一辈子吃老本，现在是信息社会，尤其在中国，技术的扩散速度非常快，一个企业拥有的技术很快由于技术人员的流失，导致部分关键技术的扩散，从而很快就有竞争的产品出现。因此，谋篇布局就变得非常重要。这里所说的布局，是指新的产品方向，新的技术方向。这些新方向由于目标还不清晰，问题互相交织，往往不容易下手。很多科研人员不能胜任这个工作，因为大多数科研人员缺少类似的训练。这些工作往往需要具有整体解决能力的人进行规划，在研究的过程中，对所谓的问题进行分拣，对方向进行动态的调整。这样的人才在世界上都是缺少的，我们国家尤其如此。
说了很多，其实在企业，最大的感觉是，技术的无力感。从事纯研究的人总觉得已经有了这么多科研成果了，似乎可以研究的问题很少，但是企业的感觉恰恰相反，这么多的问题没有办法解决，似乎人类还很愚蠢。尽管，我们拥有很多优秀的工程师和科学家，但是在解决很多实际问题上，我们还显得非常幼稚。上面谈到的一部分科研，仅仅是个人的一点点看法，还不能包括全部情况，请有识之士提出建议，以丰富我即将进行的讲座。
本文作者：中国科学院自动化研究所研究员 彭思龙。
企业科研该怎么做 |
收藏
分享
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
