外媒Nature报道称中国AI企业在人才竞争中尤为激烈。实际上随着人工智能行业鼎盛时期的到来，人工智能企业除了人才竞争，还在学术产出、产品创新、市场份额等多个维度互相较量。近日，清华教授施一公就对我国论文数量多但整体质量堪忧的现象，公开发表意见：“有些文章，通俗点叫‘垃圾文章’，就是纯粹为了发文而发文，这种情况太多了。”施一公认为，这主要源于评价体系，而且造成的负面影响非常大。那么，在当前炙手可热的人工智能领域，情况会是如此吗？
数量第一不代表质量第一
据全球最大的文摘和索引数据库Scopus的数据，中国在人工智能领域的研究呈现井喷式发展，中国的研究人员在2011年至2015年创下了发表超过41000篇论文的记录。发表量中国排名世界第一，但在加权引用影响力排行榜上仅名列第34位。在SCI 收录的人工智能领域论文里，中国学者的论文数量从2014年就已经成为全球第一。然而数量第一并不代表质量第一，在论文全球引用量这个指标上，美国依然占据首位。
Scopus和SCI 的数据在一定程度上反映了在人工智能领域，来自中国学者的论文数量多但质量和影响力方面略逊一筹的事实。就这一问题，曾经投出过旷视科技Face++、第四范式、地平线等一批AI独角兽的创新工场董事长李开复认为，“人工智能不只是写论文的游戏，虽然我们的论文数字追上了，但专利是非常重要的。而在专利的背后还隐含着顶级的研究，如果看顶级期刊论文或看图灵奖，这些特别顶级的科研专家排名，还是美国、欧洲、加拿大在前，然后才轮到中国。另外，AI工程师的数量和AI科学家的数量，中国也是不足的，所以教育方面的加强特别重要。”
一方面优秀的AI人才供不应求，另一方面论文从每年暴涨。事实上AI领域和其他领域大体类似，真正能够产生深远影响、对实践有指导价值的出色论文在数量上基本不会有大幅度变化，许多论文是在随大流、挖坑灌水、解决细枝末节的问题，产生的真实价值并不大。针对目前中国学术论文爆发增长的局面，我们必须尽快实现从数量向质量的战略转移，对学术评价从简单量化向品质评价转移。要推动人工智能的发展，就要把基础学术研究的品质提高上来，把技术研究的应用价值凸显出来，把基础研究与实践紧密结合起来。
旷视科技：学术创新应服务于产业应用
李开复最早投资的一家计算机视觉领域的独角兽——旷视科技Face++，就是基础学术研究和实践结合的一个典范。在推动人工智能过程产业化的实践过程中，旷视科技Face++始终认为，理论创新、技术创新、工程创新和场景创新缺一不可。旷视目前所有基础研究和产品规划的最终目的都是为了实现产品和技术的协同创新，将数据价值最大化，促进人工智能技术的真正落地。
在基础学术研究方面，旷视科技始终坚持与精度“较劲”，目前已累计获得15项国际人工智能技术评测冠军，拥有国内外在申及授权专利超过600件；在产业级应用和商业化落地方面，旷视已经相继解锁金融、安防、零售、手机智能、物流等领域的各个场景，是支付宝、滴滴、华为、小米等企业实现在线身份验证和刷脸解锁功能的主要技术提供商，且均收到了良好的商业效益。同时，为了促进科研成果更好地产品化和市场化，旷视与国内顶级学府西安交通大学、香港科技大学成立了联合实验室，分别针对智能芯片和3D感知领域展开深入研究。
论文数量不代表科研质量已是不争的事实。人工智能领域，基础学术研究固然重要，将学术成果和产业级应用紧紧绑定更为关键。对此，旷视科技负责人则表示，“学术研究是很严肃的事情，旷视研究院从不会为了写而写，所以旷视科技的所有的论文产出都是服务于业务需求。”
大力发展产业级人工智能，符合中国发展人工智能的特殊国情。中国拥有庞大的“数据养料”，在中国发展人工智能，要扬长避短，充分挖掘发挥数据经济优势。中国政府也相继出台了一系列政策支持产业级人工智能的发展，上升到国家战略高度。总之，发展人工智能的关键还是要看落地能力。
