彭思龙：企业科研该怎么做
来源：高科技与产业化（ID:hitechcas)
作者：彭思龙(中国科学院自动化研究所)
本文由作者授权转载
近期，公司安排我谈谈在企业该如何做研发。首先谈谈在企业可以做那些方面的研究。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。下面我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。这里所谈的只限于我相对熟悉的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
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，大多数情况下做研究，更多的是参考已发表的论文和专利，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增加对教科书的内容理解是可以的，但对研发产品可能没有什么帮助。有些论文则可能对产品有直接的帮助，但由于科研论文强调创新性，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，必须做实用化研究。实用化有以下几种情况需要研究：
对已有方法进行重新整合
有的方法提出了好的模型，但在求解模型时，没有采用更好的求解策略，这就需要借鉴其它更好的求解方法；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，对大多数工程师来说是可以做到的。在今天的中国，大多数IT企业做的事情更多是这种类型的科研。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集成，形成某个问题的解决方案。对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。
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，但企业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。这种研发难点在于对论文所描述的方法理解很深入，可以进行改造，同时对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。
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，至于对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。
很多算法的计算过程本身并不高效，需要借助新的数据结构技术，新的快速计算方法进行改造才能得到有效的应用。
对已有方法进行平台适应性改造
有很多的算法在提出时，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，但有些算法就需要做深入的研究。
当然，这样的研究比较困难，有时即便某些企业有了很好的解决方案，也不愿意在第一时间公开，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性很高，要求工程师的研究能力也很高，因此大多数企业提不出类似的算法。
对已有方法进行技术性的升级
很多算法由于侧重原理性的创新，对于很多细节并不考虑完备，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。这些升级有的就是很好的研究，可以提高效果或者效率，但可能并没有什么科学价值。
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，就要考虑所有计算过程的整体优化，比如，DCT变换本来已经足够简单，但在很多大量使用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，同时还有对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埋没于各种产品中，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
由于应用场景和条件千变万化，大多数情况下，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。这与企业的能力有关，这些所谓的新问题很多并不是很难，其难点往往在于对问题的抽象和提炼。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。
第四种课题：行业难点的突破性研究
在任何一个领域，大多数企业都会遇到很多当前解决不了的问题。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优先使用科研成果，还有些企业进行自主研发。
具有战略眼光、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，可能会很快确立了自己新产品的领先优势。前面所有的企业面临的问题，大多数优秀的企业都可以做得不错。面对行业共性的难题，只有极少数企业愿意投入。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一辈子吃老本，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，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，对方向进行动态调整。这样的人才在世界上都是缺少的，我们国家尤其如此。
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，似乎可以研究的问题很少，但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，但在解决很多实际问题上，我们还显得非常幼稚。