科技巨头巨额研发面临变现考量华为2年落地网络优化专利

小Lin说

科技研发商业化依赖底层数据与短反馈链支持，工业界通过专利保护与技术落地解决长期研发与短期回报的天然矛盾。

AI-assisted summary of 科技研发的商业化之路【附清华美女博士访谈分享】 — original source. Check the original for full context.

Source published: 2022-06-08

Detailed notes

## Background 本视频由UP主“小Lin说”于2022年6月8日发布于Bilibili平台。视频主要探讨了科技大厂每年投入巨额资金进行科技研发背后的商业逻辑与商业化之路，并特别邀请了清华大学美女博士、华为研究员进行访谈分享。

## TL;DR 视频首先通过亚马逊、华为等巨头的研发投入以及波士顿动力的多次易主案例，剖析了高额科研投入与商业化变现之间的矛盾与逻辑。随后介绍了技术商业化的三个阶段及硅谷早期的估值方法。最后，通过对话清华博士、华为研究员正希，从第一视角展现了工业界与学术界在科研周期、数据资源上的差异，并分享了专利与技术秘密的区别及对理工科学习者的建议。

## Atmosphere & style 整体基调通俗易懂、生动有趣且兼具专业深度。小Lin以其招牌式的轻松幽默和宏观视角展开引入，随后切换至与清华博士正希的对谈，氛围真实而接地气。既有大厂商业博弈的冷静客观，又有前线科研人员谈及技术落地时的激情与干劲，给观众带来兼具启发性与亲和力的观看体验。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=0s) 科技巨头（如亚马逊、华为）每年在研发上投入巨额资金，研发预算常占收益10%以上甚至超越净利润。 - [00:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=0s) 高额科研投入未必能直接转化为商业成功，波士顿动力因偏离变现、回报周期过长而屡遭谷歌等资本巨头转手。 - [05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 技术商业化遵循“基础研究 → 应用研究 → 开发”三阶段模型，大厂更倾向于收购靠近应用与开发端、可融合业务的项目。 - [05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 在极早期的无产品、无专利阶段，硅谷对科技初创公司的估值通常直接按照科研人才的人头与级别粗暴计算。 - [05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 清华博士科学家正希在华为从事无线通信领域网络优化研究，通过调优在不增加资源的情况下提升用户网络体验。 - [05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 相比高校面向10年后的理论研究，工业界科研具备更短的研发落地周期（如2年实现商业化）与海量底层数据资源支撑。 - [08:31](https://www.bilibili.com/video/BV1G94y1U7n8?t=511s) 正希团队打造了大型网络仿真平台 SRConSim，该成果由包含4个基础技术的专利包所构成。 - [08:31](https://www.bilibili.com/video/BV1G94y1U7n8?t=511s) 专利通过向社会公开技术方案换取知识产权保护以促进行业发展，而技术秘密则完全不对外公开具体逻辑细节。 - [09:56](https://www.bilibili.com/video/BV1G94y1U7n8?t=596s) 现代前沿科研极度依赖跨学科能力，如无线网络优化需要结合数学、通信理论、AI算法及编程能力。 - [09:56](https://www.bilibili.com/video/BV1G94y1U7n8?t=596s) 理工科能为年轻人构建坚实的技术能力底座，为未来跨领域转型或深入科研提供极强的通用适应力。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=0s) 巨额科研投入与波士顿动力的商业化困境

科技巨头每年都会在研发上投入难以想象的巨额资金。例如，研发投入位居全球第一的亚马逊达到了 225 亿欧元，华为以 175 亿欧元紧随其后位列第二，随后则是微软、三星、苹果和 Facebook 等公司。这些头部企业往往会拿出自身收益的百分之十以上投入科研，这一数字甚至超过了许多公司的净利润。

然而，高昂的研发投入并不直接等同于商业成功，网红机器人公司波士顿动力（Boston Dynamics）就是一个极为典型的案例。该公司由麻省理工学院（MIT）的教授于 1992 年创立，2009 年凭借在 YouTube 上发布的机器人走跑、翻跟头、遭踢打后保持平衡等视频迅速爆红。2013 年，谷歌看中其技术潜力并将其收入麾下，同时也收购了另外 8 家类似公司，希望将自身强大的软件与数据能力同硬件结合，打造出具有颠覆性的超级机器人产品。但上市公司的身份决定了谷歌必须追求资本效率与短期股东回报，无法承受长时间无底洞般的烧钱。

* **头部企业研发投入**：亚马逊（225 亿欧元，全球第一）、华为（175 亿欧元，全球第二）。 * **波士顿动力发展轨迹**：1992 年 MIT 学者创立 $\rightarrow$ 2009 年视频爆红 $\rightarrow$ 2013 年被谷歌收购 $\rightarrow$ 2017 年卖给软银 $\rightarrow$ 2021 年转手给现代汽车。 * **谷歌卖出原因**：波士顿动力的使命在于做像人类一样灵活的机器人以丰富生活，偏离变现；Google X 负责人表示无法接受每年消耗 30% 预算却投给 10 年内看不到收益的项目。 * **软银接盘与估值**：高知名度的“网红”高科技公司估值可比普通公司高出十几倍；软银愿景基金（Vision Fund，规模 1000 亿美金）当时以 1.65 亿美金收购波士顿动力，但随后因投资 WeWork、OneWeb 等项目严重亏损，最终又将其转卖给现代汽车。

---

[05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 技术商业化的三个阶段与硅谷人才估值法

从一个技术想法（idea）到最终变成能够商业化的产品，其链路非常漫长，这与企业商业化的盈利需求存在天然矛盾。一般而言，技术的商业化逻辑会经历三个阶段：**基础研究**（如基础数学，意在扩大学科知识，无特定商业目标，因此极少有企业资助）、**应用研究**（解决特定问题，如网络优化模型或转基因理论，可产生专利成果）以及**开发**（基于理论成果做实验并做出直接卖钱的产品）。后两个阶段离商业化更近，大厂通常会选择收购与自身业务融合度高且有前景的项目。

> "假设你要什么也没有……逛了一堆 PhD，咱也有办法……最值钱的就是这些科研人员科学家，那我就直接按人头来估。假设十个人，一人一百万，直接公司一千万估值；或者中间有一个超级大牛，直接这个人值五百万元。"

* **技术商业化三阶段**：基础研究 $\rightarrow$ 应用研究 $\rightarrow$ 开发。 * **早期科技公司粗暴估值法**：在无产品、无市场、无专利的极早期阶段，直接按科研人才头数估值（如普通 PhD 算 100 万/人，顶级大牛算 500 万/人）。

---

[05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 专访清华博士科学家：工业界科研与学术界的差异

为了从从业者的第一视角解读科研，节目邀请到了清华大学本科及博士毕业、现任华为研究员的青年科学家正希。正希不仅获得了今年“华为十大发明”的提名，其主要研究方向为无线通信领域的网络优化。她解释道，手机经常遇到的信号差、网络卡顿等问题，正是通过网络优化技术，在不增加任何资源和开销的前提下进行调优，从而提升用户的上网体验。

谈及毕业后选择工业界而非留在高校的原因，正希表示工业界能提供更短的反馈链和更丰厚的资源支持。在高校做研究，一项技术可能要到 10 年后的理论阶段才会被用上；而在华为，她参与研发的技术仅用 2 年时间就完成了商业化落地应用，能带来极强的及时激励。此外，如今 ICT 与 AI 领域的顶级研究极度依赖海量数据挖掘，相比高校存在门槛的数据获取难度，大厂能够提供至关重要的底层数据与生产资料。

* **研究领域**：无线通信领域的网络优化（无线网络调优）。 * **工业界 vs 高校**： * **时间尺度与反馈**：高校研究往往面向 10 年后的未来；工业界技术（如正希团队的项目）研发 2 年即成功商业化应用。 * **数据资源**：大厂具备收集与挖掘海量数据的底层能力，而高校通常需要依赖公共数据集。

---

[08:31](https://www.bilibili.com/video/BV1G94y1U7n8?t=511s) 专利成果 SRConSim 与专利 vs 技术秘密

正希团队研发的重磅成果已经搭建起了一个针对大型网络进行仿真的平台，称为 **SRConSim**（Simulated Reality of Control Function Network）。该技术并非单一专利，而是一个由 4 个最基础技术构成的专利包。

在谈到知识产权时，正希科普了“专利”（Patents）与“技术秘密”（Trade Secrets/Know-how）的区别： * **技术秘密**：完全不公开，不让外界知道内部具体的实现逻辑与细节。 * **专利**：选择将技术方案向社会公开并转化为知识产权，从而让更多研究人员能够在此基础上继续深入研究，进而促进整个产业的发展。

---

[09:56](https://www.bilibili.com/video/BV1G94y1U7n8?t=596s) 科研人的职业素养、压力与理工科建议

正希透露自己在这个领域已经深耕了 9 年，并表示会一直坚持做科研。她认为科研绝非单一学科的机械工作，它要求研究者具备极其丰富的跨学科背景，同时要对整体问题有宏观把握。在无线通信网络优化领域，不仅需要扎实的数学知识和无线通信理论，还必须融合最前沿的 AI 算法以及强大的编程能力。

面对即将高考或面临专业选择的学生，正希站在理工科人的角度给出了建议： * **坚实的技术底座**：理工科能建立起非常坚实（solid）的能力基础，就像“万金油”一样，未来即便是想转向其他感兴趣的方向也更容易实现。 * **工作压力与环境**：科研压力确实很大，“天天有一个中国工程院院士在那盯着你干活，压力特别大”，但这项事业充满乐趣与成就感。 * **结语寄语**：欢迎大家报考清华大学，也欢迎大家未来加入华为。

## Notable quotes > [05:00](https://www.bilibili.com/video/BV1G94y1U7n8?t=300s) 假设你要什么也没有……逛了一堆 PhD，咱也有办法……最值钱的就是这些科研人员科学家，那我就直接按人头来估。假设十个人，一人一百万，直接公司一千万估值；或者中间有一个超级大牛，直接这个人值五百万元。

> [09:56](https://www.bilibili.com/video/BV1G94y1U7n8?t=596s) 天天有一个中国工程院院士在那盯着你干活，压力特别大 — 正希

> [09:56](https://www.bilibili.com/video/BV1G94y1U7n8?t=596s) 欢迎大家报考清华大学，也欢迎大家未来加入华为。 — 正希

## Mentioned 小Lin说, 亚马逊, 华为, 微软, 三星, 苹果, Facebook, 波士顿动力, Boston Dynamics, 麻省理工学院, MIT, YouTube, 谷歌, Google X, 软银, 软银愿景基金, Vision Fund, WeWork, OneWeb, 现代汽车, 清华大学, 正希, SRConSim, 中国工程院

## 弹幕氛围 (Danmaku mood) — 1800 条弹幕整体氛围非常热烈且欢快，充满幽默、调侃与对颜值与才华的赞叹。开头观众沉浸在对小Lin及美式英语发音的喜爱中，随后因视频内容引发了对华为、小米等科技公司研发投入的激烈讨论；后半段清华美女博士嘉宾登场，弹幕瞬间陷入沸腾，纷纷刷屏赞美与玩梗，同时也围绕高考志愿和行业选择展开了接地气的互动。

**整体情绪**：😊 正面 75% · 😐 中性 18% · 😞 负面 7%

**热议点** - **对小Lin和清华女博士颜值与才华的赞美与狂热表白** —— “颜值真的很高” - **关于各大科技公司（华为、小米、腾讯等）研发投入与模式的争议和吐槽** —— “华为研发投入全球第二！” - **针对波士顿动力机器人的调侃、变现困难及“机器狗摔倒”搞笑剪辑的爆笑互动** —— “哈哈哈哈哈哈这一跤摔得真应景” - **对“欢迎报考清华/劝退某些专业”的凡尔赛与自嘲式调侃** —— “我不报考清华大学是因为我不想报吗？” - **对小Lin标志性口头禅“what/瓦特”与视频音效的打卡共鸣** —— “每集必瓦特！”

**代表弹幕** > 低情商，小lin颜值更棒 /高情商，两位美女真棒

> 夸会说英语的是咋回事hhh，小lin可是在哥大读的研啊

> 叫老婆的那个你给我站住，拔剑吧！

> 每集必瓦特！

> 愿景基金-俗称冤大头

> 哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈

> 我不报考清华大学是因为我不想报吗？

> “知网是什么”哈哈哈哈哈哈怀疑在内涵

[Source](https://www.bilibili.com/video/BV1G94y1U7n8)

中文简报

科技巨头巨额研发面临变现考量：华为2年落地网络优化专利科技研发商业化依赖底层数据与短反馈链支持，工业界通过专利保护与技术落地解决长期研发与短期回报的天然矛盾。视频首先通过亚马逊、华为等巨头的研发投入以及波士顿动力多次易主的案例，剖析了高额科研投入与商业化变现之间的矛盾与逻辑。随后介绍了技术商业化的三个阶段及硅谷早期的估值方法。最后，通过对话清华博士、华为研究员正希，从第一视角展现了工业界与学术界在科研周期、数据资源上的差异，并分享了专利与技术秘密的区别及对理工科学习者的建议。亚马逊与华为等科技巨头年研发投入高达数百亿欧元，常占总收益10%以上，但波士顿动力因商业化周期过长而屡遭转手的经历表明，高科研投入未必能直接变现。 (0:00) 技术商业化遵循基础研究、应用研究与开发三阶段路径，在无专利与产品的极早期阶段，硅谷资本往往直接按照科研人才的人头与级别对初创团队进行粗暴估值。 (5:00) 华为研究员、清华博士正希指出，相比高校面向未来的长周期理论探索，工业界依托海量底层数据支撑，仅用2年便能推动无线网络调优算法实现商业化落地与快速反馈。 (5:00) 正希团队打造了包含4个基础技术专利的 SRConSim 大型网络仿真平台，并阐释专利通过公开方案换取保护以推动行业演进，而技术秘密则对具体逻辑完全保密。 (8:31)

Reading summary

科技巨头虽投入数以百亿计的巨额资金研发，但技术创新与商业变现之间存在周期错配与天然矛盾；在工业界，通过聚焦应用研究与数据驱动，科研成果可以实现更快的落地与转化。高额研发与变现困境：波士顿动力的流转案例 (0:00) 头部科技企业每年在研发上投入巨资，例如亚马逊研发支出达225亿欧元位居全球第一，华为以175亿欧元位列第二，微軟、三星和苹果等公司投入也超过其收益的10%。然而，高额科研投入并不直接等同于商业回报。1992年由MIT学者创立的网红机器人公司波士顿动力便体现了这一矛盾：谷歌于2013年将其收购以期结合软硬件打造颠覆性产品，但因上市公司面临股东回报与资本效率压力，Google X负责人无法接受每年消耗30%预算却投向十年内无收益的项目，最终将其出售。此后软银以1.65亿美元接盘，又因投资亏损在2021年将其转手给现代汽车。技术商业化三阶段与早期人才估值逻辑 (5:00) 从技术构想走向产品落地通常经历三个阶段：基础研究（如基础数学，旨在拓展学科知识，无特定商业目标，极少获企业资助）、应用研究（解决网络优化或转基因等特定问题，可产生专利）以及开发（通过实验转化成直接可销售的产品）。大企业通常倾向于收购与自身业务契合度高的后两阶段项目。在企业既无产品也无市场的极早期阶段，硅谷往往采用粗暴的“按人头估值法”，以科研人员的人力资本作为核心定价依据，例如普通PhD按每人100万元估值，顶级专家按每人500万元计算。工业界与学术界的研发机制差异：以华为网络优化为例 (5:00) 清华大学博士毕业、入职华为的青年研究员正希从从业者角度对比了高校与工业界的研究生态。她指出，高校科研多面向10年后的理论探索，而工业界的反馈周期更短，其团队参与的无线网络优化技术仅用2年时间便完成了商业化落地应用。在资源获取上，ICT与AI领域的顶尖研究极度依赖海量底层数据，工业界大厂在数据挖掘与基础设施上的优势显著高于依赖公开数据集的高校。该团队研发的SRConSim（大型网络仿真平台）已形成了包含4项基础技术的专利包，通过专利公开促进产业发展，而非采用完全保密的技术秘密（Know-how）策略。科研人才跨学科要求与理工科底座价值 (9:56) 在工业界从事前沿科研需要复合型能力，如无线网络优化不仅要求扎实的数学与通信理论，还需结合最新的AI算法与编程实现。正希认为，尽管面临高强度的考核与研发压力，理工科训练能够为从业者打下极具弹性的坚实技术底座，在职业路径转向时具备更强的适应性与通用性。技术的商业化依赖于科研周期与资本诉求的平衡；工业界依托数据资产与应用导向缩短了转化链条，但在前沿硬科技研发中，平衡长期探索与短期盈利仍是各类企业面临的持续挑战。

Source quotes

[5:00] 假设你要什么也没有……逛了一堆 PhD，咱也有办法……最值钱的就是这些科研人员科学家，那我就直接按人头来估。假设十个人，一人一百万，直接公司一千万估值；或者中间有一个超级大牛，直接这个人值五百万元。 [9:56] 正希: 天天有一个中国工程院院士在那盯着你干活，压力特别大 [9:56] 正希: 欢迎大家报考清华大学，也欢迎大家未来加入华为。

Original transcript

[0:00] 嗨科研方面投入了225亿欧元位居全球第一华为则是175亿欧元位居第二然后是微软三星苹果Facebook这前几名的公司都拿出来自己公司百分之十几的收益是投资做科研这可能已经超过了很多公司自己的利润也就是说他们投入科研的钱比他们赚的钱都要多所以今天咱们就来一起聊一聊科研和他的商业逻辑而且今天小林还特意请到了一个大牛朋友她是清华大学的本科和博士现在华为做科研他今天也会站在一个从业者的角度给咱们分享一下科研是什么样的所以你要是好奇或者想了解一下未来的工作方向都可以参考一下最关键的是他是一个美女你可千万别急往后滑听我慢慢讲我先来给大家说个公司我相信你一定也看到过这种机器人或者机器狗它可以说是全球文明的小网红了什么各种开关玩跑酷翻跟头跳舞真的是无所不能我第一次看他们就真的把我给惊到了甚至呢感觉有一点脊背发凉开发这个机器人的公司呢叫波士顿动力Boston Dynamics他是一个MIT的大神在1992年的时候创立的2009年的时候啊他在YouTube上发布了第一条视频然后迅速就穿升成了一个小网红因为你看他那感觉哈不像我们平时看到的那种机器人就感觉死死板板的而感觉他更像一个动物就是能走能跑你甚至推他一下啊他还能亮相一下之后啊2013年的时候谷歌就把他收入麾下这家公司啊就发展迅速当然具体的技术我是不太懂了反正在一个外行看来啊这个机器人机器狗就在迅速进化我相信啊大部分人看到这些成果的时候肯定都跟我一样觉得谷歌那是捡到宝了钱力巨大呀可谁知道呢在2017年的时候谷歌竟然把波士顿动力给卖了What为什么这么牛的一家公司谷歌要卖呢对吧它又不缺钱这个就是我想说的问题谷歌呢它毕竟是一个上市公司而且又是个美国的上市公司所以虽然它不缺钱但是它每投入一分钱肯定都要考虑这分钱之后的收益公立点说呢就是我这个钱投到哪能让股价上涨咱们之前聊上市退市的时候就说过一个上市公司它面临的一个非常大的问题就是容易被短期的利益绑架我这账本上的每一块钱或者每一百万不管投到哪儿我不光赚钱就行了我得追求它赚的最多给企业带来最大的回报来最优资本的使用效率就比如你去一家超市你看门口放的是不是都是一些什么水果礼盒或者是那种有机精品蔬菜就老板呢他也会想把利润率高同时又不怎么占地方的东西放在最显眼的地方这叫做最大化空间的资源使用效率其实是一个意思其实2013年谷歌买波士顿动力的时候他不光买了这一家公司当时又买了八家类似的公司他当时想的也挺美的因为谷歌的强项就是数据软件他就心想着我这些机器能有个什么突破然后和我软件一结合整出来个特别厉害的机器人那不就是一个超级大未来了吗可是接下来几年的发展谷歌就发现波士顿动力它的项目是真有意思也真的是很酷炫但是呢太烧钱了而且这钱烧的吧也没个头那谷歌自己就意识到了这个机器人虽然看着也很酷炫但是离最后那种比较成熟的一个比较大的消费级产品还是有很大差距的你说我投了这么多钱整出来一个牵手观音那也太童趣了吧你看啊这个就是波士顿动力自己的企业目标挺长的大概意思呢就是说我们要做出来那种特别特别棒的机器人来丰富人们的生活他要像人类一样的敏捷灵巧你看这个使命啊听着确实是挺宏大挺有意思挺好玩的但是好像跟赚钱没什么关系所以呢就连谷歌自己旗下那个专门负责研发的部门Google X他们的负责人也说了啊就是他们实在没办法接受每年要花掉30%的预算然后投到一个10年都见不着收益的公司而同时呢这个波士顿动力又成了一个大网红知名度极高来我来考考你的商业秀卷你说它知名度极高意味着什么呢没错就是它的估值会很高能卖个好价钱同时呢也有很多人愿意买尤其是对于这种做高科技就是短期变现能力不太强的公司你如果是网红就要比那种不是网红的估值要高出来十几倍那你想的不正好吗对谷歌来讲这个选择就显而易见了我得把它卖掉它卖给谁来接盘呢他当时就找到了软银软银的vision fund就是愿景基金就100个billion美金就1000亿美元征愁找不着好项目呢花了1.65亿美金买了这个波士顿动力我不指着你五年之内给我赚点小钱我要投的是一个未来的巨无霸软银这话还没说完呢自己的日子就开始急转直下你看wework还有当时 [5:00] 把卫星公司叫湾外都把软银害得极惨大股东沙特王子也不高兴了我给你投几百个亿啊你亏成这副德行然后现在还要去买什么玩具狗的公司当然这我想象才这么说的所以2021年软银又转手把波士顿动力卖给了现代所以你看这就是波士顿动力这个公司面临的问题就是商业化和不赚钱很多那种搞技术搞研发的团队都面临着这个问题就是从开始的一个研发想法一个idea到最后变成一个能商业化的产品其实这个链路是非常漫长的而这个呢就和企业商业化的需求形成了一个矛盾我们看啊任何一个技术它的商业化逻辑一般会经历三个阶段基础研究应用研究开发基础研究呢就是扩大这个学科的知识它没有什么一个特定的商业化的目标最典型的啊比如说基础数学所以你很难看到一个企业去资助一些数学家搞研究你很难看到有人资助伪神对吧就说明这个阶段它其实是离商业化很远的而应用研究一般来讲它是要解决某一个问题相关的研究就比如说网络优化相关的一些模型研究转基因食品的基础理论等等开发就很好理解了基于刚才所有理论研究的基础我去做实验做出来那个产品来解决最后的需求很显然后面两个阶段离商业化更近了就比如说应用研究这边我可以做出来一些专利成果之后可以商业化变现而第三阶段开发出来那个成果呢就是我们直接能看到的产品来卖钱这大厂呢一般也会选择去把一些和自己业务融合度比较高同时呢又很有前景的项目哎收进来你知道硅谷是怎么给那些早期科技公司估值吗假设啊你要有产品有市场那好说我可以按照产品市场现金流折回来给你算假设你要什么也没有除非非常早期没有产品没有专利逛了一堆PHD咱也有办法咱刚刚不是说最值钱的就是这些科研人员科学家吗那我就直接按人头来估假设十个人一人一百万直接公司一千万估值或者中间有一个超级大牛直接这个人值五百万那就一千五百万不对一千四百万你看是不是极其的简单粗暴这就在科研界人才才才是最重要的小林这不就把人才给咱们请到了吗你听我哔哔了半天是不是都忘了开头我们提到了什么呢我们就赶紧请出来这位美女人才她呢是比我小一届的学妹吧先在华为做科研同时也获得了今年华为的十大发明的提名还是很厉害的今天他也来给大家分享一下科研到底是什么样的哈喽正希你这个甜美的笑容非常给力你现在是在隔离酒店是吧是的刚从国外回来我上半年在韩国搭了有三个多月你是在那儿出去玩吗没有上半年韩国艺情特别严重我都没有时间出去玩大家好叫正希我现在在华为公司做研究员我的研究方向呢主要是无线通信领域的网络优化因为其实这个手机经常会遇到一些信号不好网络很卡的问题我们做的事情呢就是要把这个网络在不增加任何资源不增加任何开销的前提区下把它调得更好让大家不管等到哪里都有一个更好的一个上网体验我挺好奇的正希当时你毕业的时候是不是也有可以留校的选择就一般博士毕业可能有业界或者在高校做研究或者在高校教书当时你是怎么去权衡的然后这几个有什么区别呢我是在这个博士期间有一些研究经历之后觉得可能在工业界能得到更多的一些支撑你去做研究的资源我之前在学校做研究的时候研究的技术都会在Tarri在十年以后他可能能用得上更激烈是这样的一个时间尺度像我在公司里做研究的话比如说我们现在发明它是做了两年就已经商业化应用了反馈链就非常的短能得到一个很好的及时机力还有一些比较不一样的地方是公司能提供一些额外的一些生产资料比如说现在ICT领域最前沿的研究的话大部分都需要基于大量的数据去做数据挖掘去做人工智能领域各种应用那最基础的就是你首先要有能够获得数据的这样一个能力高校里面获得数据的话是相对有一些门槛这也是为什么现在高校里面在建立非常多的一些公开的数据集去供大家去研究去使用你们自己这个技术是不是也申请了一些就是专利什么的对是的我们这个技术的话其实它也不只是一个专利它是一整个专利包我们里面有四个最基础的技术合在一块之后我们就搭建了一个对大型网络去仿真的一个仿真平台我们管它叫SRConSimulated Reality of Contrification Network厉害厉害这个词直接就把我听梦了有一些公司当它有一些技术研发成果的时候会申请一个叫做技术秘密的东西专利的话它跟这个技术秘密的主要区别在于说专利它是公开的也就是说所有人看到说你这个专利员申请了什么那技术秘密它是不公开的不会让这个大众知道了这里面做了什么我们把一个技术这个公开然后变成一个知识产权之后的话就会有更多研究人员能够基于这样的一个基础实际上继续去做研究这是对促进整个产业的发展是很有好处的事情厉害厉害 [10:00] 就是想一直做科研吗就是长期职业发展对我是觉得我自己是觉得这个事还挺有意思的因为我就是一个爱做研究的人嘛所以应该会一直做而且这个领域我已经干了好多年了九年你觉得自己的工作有意思吗能支撑这么久的话肯定是觉得它是非常有意思的它不是一个单纯一个学科的问题它要求一个研究人员有一个非常富贵的这个学科背景同时你要对整体问题要有一个非常好的把握你要了解很多方面的技术前沿才能去更好去做这个研究那我们这个领域的话会要求你说会有很多的数学知识然后无线通信知识然后现在最前沿的这些AI领域的一些最新的算法的进展还有你变成能力要够强那你要把这么多很多学科的知识融合在一块之后才能在这个领域做出很好的成果就快高考了也有很多同学可能在考虑自己比如说要选什么专业或者之后要从事什么方向你怎么看你觉得理工科好不好找工作呀或者有没有一些建议什么的作为一个理工科人我当然会说理工科对于找工作是非常好的一个专业的选择对因为其实学完这个理工科之后的话其实你是建立了一个非常solid的一个这个能力的基础就像你说的是一个万金油一样的选择你之后去转哪一个方向如果你后来发现自己对另外一个方向感兴趣的话其实是比较容易去追求自己的兴趣因为现在高考季了那正希你有没有对广大的学生群体朋友们想说点什么或者建议欢迎大家报考清华大学然后欢迎大家拼拼华为OK希望今天的视频能帮助大家对科研也有个认识和了解最后也祝大家高考顺利结尾不太大了千万不要错过我想想啊就是说我想想啊接一下你觉得身为一个美女对你的工作帮助大吗谢谢那你的同学去华为的多吗博士同学多因为我们通信嘛华为就是干通信的这跟金融还不太一样金融好多那个头部公司都很好对吧那你会上那个织网吗我们还要继续往下做还要做得更好明白加油你觉得你工作压力大吗压力还是大的天天有一个中国工程医院是在那边盯着你干活压力特别大我觉得还是挺了不起的真的真的我就是真心给你剪刊

科技巨头巨额研发面临变现考量 华为2年落地网络优化专利