回顾｜当高校老师聊起科研、焦虑与未来：那些不会写进论文的人生答案|冯晨|学术界|学界|工业界

将门十周年特别策划的线上闭门交流，前四场我们分别聊了以及第五场，我们把镜头转向另一群人——高校老师。

将门十周年·线上闭门交流第五场，特邀主持人、香港中文大学（深圳）副教授韩晓光与四位嘉宾——纽约大学副教授冯晨、西湖大学助理教授修宇亮、哥伦比亚大学助理教授李昀烛、清华大学交叉信息研究院助理教授徐梦迪——围坐线上，聊了两个多小时。

这五位都是将门技术社区的老朋友，老师们一开场就自发地开始回忆起与将门结识的渊源。冯晨老师分享道，大概是 17 年自己刚刚拿到 NYU 的 offer 还没有走马上任，就接到了将门的邀请，成为了将门非常早期的 Talk 分享嘉宾，见证了社区一路走来的发展。李昀烛老师最为“高产”，先后来社区分享过三次最新的工作。徐梦迪老师在23年底作为谷歌实习生期间的工作发布时来到将门，高质量的分享成为了当时的社区“流量担当”。修宇亮老师则早在16年读硕士、深度学习第一波大火的时候就加入将门社区了解资讯，读博期间又主动找到将门做首篇工作的宣讲。韩晓光老师更是将门群友的熟悉面孔，台前台后都给了将门莫大的帮助和支持。正如老师们所言，“彼此相互见证，这是一个很宝贵的旅程。”

整场交流没有滤镜和光环，几位老师坦诚地分享了那些真实感受——关于从头找场地找算力找经费的焦虑，关于不同年级的学生可能面临的困惑和焦虑，关于学术界仍然应该坚守的宝贵特质。

以下是本次闭门交流的文字回顾，整理自现场逐字稿，保留原味，内容经嘉宾确认后分享。

✍️文字整理：将门编辑部

本场的特邀主持人是香港中文大学（深圳）的韩晓光老师。他一上来就先给全场松了松弦——笑言自己的学生听说要主持这期都替他捏把汗：「他们觉得说可能老师们都会比较闷，不一定会那么活跃。」但他不信这个邪：「我觉得老师们都是可能说的只是比较害羞，所以我相信今天大家就是放开了聊就行，因为是闭门的嘛，什么都能聊！」

一、从 PhD 到 AP：每个人都有自己的“为什么”

四位老师都有漂亮的学术履历，但他们走向教职的路径各不相同。晓光老师把第一个问题抛给了徐梦迪：「你是一直就想当老师吗？还是中间有过一些转变？因为在你博士或者博后毕业的这个阶段，我相信工业界的诱惑会更大一点。」

徐梦迪：纠结过，最后还是被“自由度”留住

徐梦迪去年 9 月才入职清华大学交叉信息研究院，是几位中最“新”的 AP。她坦言：「中间确实纠结过，尤其是在 23 年的时候到谷歌那边去实习了，一年之后，就当时也在想，是不是有机会留到那边。」

但最终让她拍板回国的，是国内学界给的自由度：「从我自己的角度出发的话，其实我非常在意的一件事情是长久来看，我自己做研究的自由度到底有多大……有自由度去选择并且研究我心里觉得重要的问题，对我来说是非常重要的，所以综合下来还是选择了国内的学术界。」

不过预期也有被打破的地方。「尤其是第一年，是相对来说比较困难的阶段，因为要从头开始搭场景、硬件包括带学生，跟学生磨合，导致时间上会有一些分散。」

而这其中，最大的焦虑也是集中在前六个月。「焦虑主要是来自于一些资源上的寻找，包括场地、硬件、资金、算力，最起码前半年我觉得最让我头疼的一个点。但是逐渐到位之后，也不断的在适应，目前整体向好。」

李昀烛：从 UIUC 到哥大，家庭和地理位置各占一半

李昀烛从北大出发，MIT 读博、斯坦福做博后，从 UIUC 任教，再到哥大。晓光老师点出了一个大家可能都会比较好奇的问题「为什么离开 UIUC、去往哥大？」。

李昀烛的选择先是出于家庭原因，但到了纽约之后，他却意外收获了更便捷的科研交流：「好的地理位置，很大程度上能帮助你和工业界进行更好的交流合作，进一步拓展研究的边界。之前在 UIUC 的时候，有 visitor 想来我的实验室都得先从芝加哥转机才能过来。到了纽约之后，感觉就是每周都有 visitor，可能都不止一组。」这种地理位置带来的 ecosystem，也成为他探索创业的起点。

冯晨：一直想当老师，工业界只是没找到教职前的过渡

冯晨的经历最“非典型”——武大摄影测量本科、密歇根博士、三菱电机研究所三年，2018 年到 NYU 任教，两年前拿了 tenure，今年初又 part-time 加入 Amazon 做 Amazon Scholar。

关于方向为什么从摄影测量一路切到 CV、再到具身，他归因为兴趣驱动。

晓光老师的问题带着点调侃：「为什么从工业界选择到学术界，是因为钱赚够了吗？想有新的体验吗？」冯晨的答案很干脆：「我是一直想做老师的。大概从大学开始就想，到现在还觉得professor is one of the best job in the world。」工业界那三年，更像是在没拿到合适教职前的积累：「三菱电机研究所算是个半工业界半学术界的机构，那里的感觉其实非常像学术界。」

他也点出一个常被忽略的真相：带一个 lab，本质上和开一家 startup 没两样：「做一个实验室确实就很像做一个 startup，literally one person startup，你是既要管人、要管钱，还要管技术，还要管各种所有事情都要管。对人的锻炼非常大。」

修宇亮：被导师“分手”的博士生涯

修宇亮去年 4 月加入西湖大学，博士是在马普所（Michael Black 组）完成的。但在此之前，他因博士导师黎颢突然离开 USC 而被迫重新申请。

晓光老师和他相熟，问题也问得直接：「你现在回过头来想这件事情，你觉得当时没有跟黎颢读完，然后换到 Michael Black，你觉得是遗憾多一点还是机遇多一点？」

修宇亮先“纠正”了前提：「这个事不是我主动选择的，我是被分手的那一方。黎颢突然有一天在社交媒体上 announce 说我要离开 USC 了，我们也是从社交媒体上看到这件事情。」他后来想通了，这既是遗憾也是机遇：「一方面确实很遗憾，我当时就是冲着黎颢去的，他是一个 outlier，我很喜欢和这种 outlier 在一块；但同时也是一个机遇，后来重新申请到马普所读，感觉到 Michael 和 Hao 是个完全不一样的人。Michael 是一个很稳、很中正的人，黎颢是天马行空的那种人，两种风格都感受一下，也不能算是不好的事情。」

他也没有走博后这一步，直接任教。理由很个人：「我觉得人永远没有 ready 的时候。」更关键的是家庭：「从开始读博开始，我和我太太就是两国分居了……回国对我来讲不是一个需要过分论证的事情。」

二、具身智能“进入家庭”还有多远？——悲观派、乐观派、中立派

本场绕不开具身智能。晓光老师抛出一个引发不同观点的问题：「许华哲老师去做家庭机器人，说进入家庭可能是具身智能的一个最终极的目标，那离这个终极目标，目前具身智能的状态还有多远？」

冯晨：具身的终极目标不是进入家庭，是“星辰大海”

冯晨先“吐槽”了一下：「具身智能对我来讲，终极目标绝对不是进入家庭，但是我觉得进入家庭很重要，是能够获得很多商业化机会的。我为什么想做具身智能，真正的原因是有点中二，就是一个词“星辰大海”，我觉得具身智能一定是要帮助人类拓宽生存边界的事，就是比方说要去各种极端环境帮助我们做制造和建造，这是它真正的使命所在。为了达到这一点，中间发展出来的技术可以进入家庭。但我对于进入家庭这件事儿，没有这么大的执着。」

关于“多久进家庭”，他个人比较悲观：「我觉得没有那么快。在 5 年之内我是没有希望看到机器人进我家，帮我们家做各种家务。可能过两年会被打脸，但我是比较悲观的。」

徐梦迪：泛化还很弱，但 3~5 年能看到突破点

徐梦迪相对乐观，但先泼了冷水：「大家的 demo 看起来会觉得很厉害，但是仔细想一想它真正展现出来的能力，泛化能力还是非常弱的。」

不过她观察到国内外、大厂或者创业公司都在认真推进前沿的探索，让机器人的泛化能力、多任务的处理能力变得更强，「我觉得我们在 3~5 年之内能看到一个突破点，或者说 3-5 年之内，我们能够对这个事情有更清晰的一些认知。」

李昀烛：从结构化到非结构化，半结构化环境会先落地

李昀烛把问题拆解：「它其实整个是一个向着 fully structured environment（完全结构化环境）到一个 unstructured environment（完全非结构化环境）里面的一个转变。」他认为，在机器人能真正“像人一样”进家庭之前，必然会先在 semi structure environment 半结构化环境（产线、仓库、餐厅、酒店）里稳定应用。

他的预测比冯晨还要更长：「冯老师预测的是 5 年，可能我的预测会比这个时间还要更长一点。」核心原因在于——这是系统工程，「任何在真实世界里面工作的机器人一定是一个系统，所有环节都是需要考虑的。处处都是挑战」。

修宇亮：看看自动驾驶的历史，可能先来的是“L2.99999”

修宇亮做的数字人被很多具身的朋友称之为“人形数采”，其实也不算严格意义上的局外人。针对这个问题他也引用了一个自动驾驶专家王乃岩的类比：「我们如果要预测未来，我们可以看一下历史，如果要预测具身的发展，可以看一下，比如说自动驾驶是怎么发展的。」十年前自动驾驶公司都在讲 L4，如今却是 L2 遍地：「那我觉得很有可能，就我个人看法，可能具身也会是这个样子。再过 10 年，可能还是一些有限的局部场景会有真实的商业落地。」

三、把问题还给学生：科研焦虑与困惑

既然是学术场，绕不开“科研焦虑”。晓光老师干脆自己“入戏”：「我想把自己化身成一个不同阶段的学生的状态，然后问各位老师一些问题。」于是他一人分饰多角，把一个个真实的困惑抛给老师。

大三还没论文，怎么申博士？（问徐梦迪）

徐梦迪先安抚：确实很卷，但我看的是 potential：「包括我现在的博士生，他们也不都是大三的时候就已经有文章发表的，我在招学生的时候更多看的是，这个学生是不是有想法。」她建议学生做 literature review、把兴趣变成可落地的东西，「想做这个事儿是基本上在我心里等价于他的 potential，因为大家都是聪明人，就你只要肯做这个事情肯下时间，你的 potential 一定是很强的。」

晓光老师总结为，「还是要 self-motivated。」

博一选题太卷，能不能先选小众保毕业、然后再去做热门方向？（问修宇亮）

修宇亮的方案是“双线并行”：「我觉得这两个不矛盾，你可以同时做两篇。一个相对安全保底的 project，另一方面，还可以有一个更探索些的。」现在由于 AI 生产力已经有质的提升，相对于古法编程来说，现在同时兼顾一两个项目也不是难事。」

博二要不要去大厂实习？（问冯晨）

冯晨非常鼓励，但有前提：「我是非常鼓励我们组的学生去大厂实习的，但是我建议同学在联系这些大厂的岗位的时候，一定要非常注重 topic 的选择，我是不太支持学生出去做一些纯工程导向的问题的，因为时间是最宝贵的事情。」他给的时间建议是：「在你过 qualifying exam 之前，先应该 focus 把你的研究走上正轨……再出去实习你是获得额外的加成，而不是去消耗你的积累。」

博三做的方向被大模型“抹平”了，怎么办？（问李昀烛）

晓光老师提了一个很现实的问题，“假设我选择了一些 specific 的任务是大模型还做不好的，我设计了一些算法、得到了一些效果，但是架不住之后大模型升级了，那以前做的东西可能就毫无意义。那这种情况下，我还要不要选择这样一种 specific topic？”

李昀烛的回答很直：「我的意见可能你就不应该去做这样的一些 topic。」他解释，在模型能力持续变强的时代，做“小改进、小魔改”意义有限。他给出了两个具体的方向建议，一方面是「develop a fundamental understanding of the model that remains applicable across different model generations.」，另一方面可以去看看「一些相关的方向，比如机器人和具身智能，做一些交叉和结合」。

博士毕业，选学界还是工业界？（问冯晨）

冯晨说这早已不是非此即彼，他观察到越来越多年轻老师会推迟一年入职先去工业界体验，同时保持发论文的状态。「虽然你人不在这个学校，但不等于你就不在学术圈了。你只要保持在各种学术活动上出现的状态，然后一直在发论文，其实也不会影响你回来找教职，甚至有可能你在工业界做得非常好，可能还是你的一个优势。」

四、学术界要坚守什么？

最后晓光老师抛出一问：工业界和学术界的边界越来越模糊，那有什么是高校老师必须坚守、工业界无法替代的？

李昀烛：失败是被允许的，这是最安全的环境

李昀烛认为学校最有价值的部分是拥有更大的自由和灵活性。虽然学校的资源相对来说是更少的，但是在公司里如果专门让几个 full-time 来复现那些没有被完全验证的有潜在价值的 idea，成本其实是非常高，但在学校里可以去自由探索。

「你很难找到比学术界更灵活、更安全的环境。在这个环境里面失败是被允许的，失败是被鼓励的。如果你所做的所有research 全部都成功了，可能你在 topic 的选择上有点过于保守，而这样的环境在工业界是很难实现的。」

晓光老师精准接住了这个关键词：「有个词很关键，就是失败——这件事情的代价，是学术界可以包容的。」

修宇亮：学界比较 chill，deadline 是“虚”的

修宇亮跟工业界的朋友聊起来，一个很深的感触是大家对于 deadline 的理解不太一样。「学界的 deadline 其实是个虚的 deadline，我这个 conference 没有赶上，我可以赶下一个 conference。大家永远可以往后移，没有太高的成本。」而工业界被产品周期绑架、动作容易变形，带给大家自由探索的空间就不大，很多时候只能选择一个相对直接或者安全的策略来实现产品迭代或者发布的目标。

「在学校里面还是一个相对比较安全的一个环境，你有很大的容错率，而且你也没有什么天塌了的事情。」

徐梦迪：更要培养“重新定义问题”的能力

徐梦迪非常同意上面两位老师的观点：「学术界来讲，学生做项目的时候，失败很大时候其实是被鼓励的，因为这个说明你在做一个还未被探索的问题，是 high risk 同时也是 high reward。」

她补充了另一个有价值的角度：「由于学术界的自由度高，可以培养学生对全局领域的思考，同时也会鼓励学生去发现或者重新定义一个问题。如何定义一个新的问题，我个人觉得是在博士生涯里面最重要的，或者是最需要被思考的一个事情。」

冯晨：学术界的主要产品是学生，不是 paper

冯晨回到更本质的出发点——培养人，也是学术界必须要坚守的东西。「学术界，本质上来说我们的 paper 其实不是我们的主要产品，我们的主要“产品”是学生。老师毕竟还是顶着“灵魂工程师”的 title 的，所以你的主要目标是培养人。论文当然重要，是你培养人的一个佐证。但是在工业界就没有培养人的义务了。」

除此之外，他还提到了学术界的“第三方”价值：「我们是几乎利益无关的。从私心来讲，我会更信任来自学术界的一些结果，因为工业界毕竟你背后的这个压力是不太一样的。」

五、脑洞题：最想当谁的学生？

将门准备了一道保留脑洞题：如果可以选另外三位老师当导师，你最想成为谁的学生？

李昀烛→冯晨：「从所有的回答里面都展现出了作为一个人民教师的情怀，培养学生的情怀和使命，这件事情我觉得在当前这个时代是非常宝贵的。」
修宇亮→李昀烛：「我发现李老师做的东西，我之前是没有太多认识的，所以我觉得如果跟着他念的话，我会学到很多新的东西。」
徐梦迪→冯晨：「因为我也很想去 Amazon 实习！」
冯晨→徐梦迪：「因为我还挺想去清华的，一直没有机会去清华学习；而且徐老师的研究本身也是非常感兴趣。」

六、自由开麦环节：解答真实的疑惑

几位老师就现场观众提出的问题展开回答，我们精选出几个与大家分享。

校企联合培养博士，有戏吗？（Fiona，国内大厂 AI 工程师）

冯晨答：据他所知北美没有正式 program，大多是 case by case。美国的高校直接和国内的公司有某种正式的合作，其实是非常难的，核心卡在 IP 归属。

但他非常鼓励已在工业界的人追梦读博：「在北美这边其实很多人……把公司给卖了之后已经人到中年了，又回来读 PhD，然后还做的非常好，现在是某个学校的 AP。所以这种 case 是非常有的，我希望能在国内看到越来越多这样的 case。」

建议读文科女儿用 AI，怎么保持独立判断？（谭中意）

修宇亮的办法是“多问几个 AI”：「你同样问题，几个 AI 都问一问，然后大家的意见肯定是不一致的，那你在这个过程中，你要去选择相信或不相信哪个，把判断力锻炼起来。」

冯晨补了一招“反向蒸馏”：「可以锻炼自己，在跟 AI 聊的时候像杠精一样，就是你刻意去反对他的意见。锻炼 critical question 能力，相当于把 AI 的能力蒸馏到你自己身上来。现在大家都说把人的能力蒸馏成 AI 的 skill，但你也可以反向的蒸馏。」

本科生怎么做科研，才能既有 taste 又不“水”？（李怡然，电子科大具身方向本科生）

李昀烛认为，taste 只能通过长期积累和实际操作逐渐培养：「Taste 一定需要时间去培养。无论你与 AI 进行多少对话，如果没有真正理解一个问题，或没有在实践中逐步形成自己对问题的认识，其实很难成为一名顶尖的研究者。」

他建议，科研 idea 不应依赖 AI：「Research 和做作业不一样。科研是在拓展知识的边界，在某种程度上是一种 extrapolation（外推），而不是 interpolation（内推）。AI 更擅长的是 interpolation。」

他尤其强调真实交互与交流的重要性：「你必须和真实的机器人进行交互，才能真正理解问题在哪里。此外，与领域内其他人的交流也非常重要。在不断交流的过程中，你的 taste 也会逐渐得到修正和提升。」

非社牛的同学该怎么建立学术人脉？（Wei，UIUC phd）

冯晨的回答是 topic match 优先，但已经有建立 connection 的意识本身就很可贵。

在冯晨读博期间，他自己完全没有这个意识，现在当了老师之后他给学生布置“硬任务”：「我会鼓励我的学生在开会的时候尽量不要只跟自己 lab 的或者老朋友聊，尽量多去跟不同的人聊，甚至我会给他们一些 hard task，说你今天一定要聊至少 10 个陌生人，去锻炼这种能力。不仅是在 phd 阶段，甚至是整个人生阶段都需要这种 soft skill。」

但冯晨老师也不鼓励漫无目的的社交，底线还是：「以 research 为本，辅以 connection 当然是非常有意义的。你做出了好的成果，大家自然会来跟你讨论。」

晓光老师补了一个更实在的提醒：「你已经有了这个awareness，你只要顺其自然，一定会有自己的 connection。社交这件事情需要主动，但前提是你要有自己的标签跟成果。你没有自己的标签跟成果，去 connection 是无效的 connection，因为别人还是记不住你。」

尾声

在这个被技术焦虑和狂热速度裹挟的 AI 新时代，几位高校老师展现出了一种难得的清流：极致的坦诚，以及对“人”和“传承”的敬畏。在两个多小时的真诚沟通里，他们不谈包装完美的成功学，也不避讳成长道路上的阵痛，而是用自己的亲身经历给出了一个关于科研的朴素真理——

我们不必为了迎合大模型的进化而疲于奔命。科研的真正定力，在于学会在喧嚣中慢下来，去触摸物理世界的底层规律，在无数次自我怀疑的黑夜里完成“自我说服”，最终用长期的学术 taste 浇灌出属于自己的护城河。

而这也正是将门十周年的初心所在：我们不创造盲目崇拜的偶像，只是拉开一扇窗，让大家听到更真实、更多样化的声音。我们希望这些观点能像一面镜子，帮助每一位同行者在向内探索的路上，更好地看清自己。

下一场闭门交流将于北京时间 7 月 30 日（周四）上午举行，聚焦“双重身份”——。欢迎对这个话题感兴趣的朋友们，届时来和我们继续线上聊天！

*注：本文由将门团队根据 2026 年 7 月 17 日线上闭门交流逐字稿整理，所有带「」符号的引用均来自现场发言。

载誉重返讲坛，以工程实践反哺理论之林，五位青年教授的线上闭门交流

北京时间7月28日(周三) 晚20:00截止报名

详情点击图片跳转

-The End-

扫码观看！

本周上新！

“AI技术流”原创投稿计划

TechBeat是由将门创投建立的AI学习社区（www.techbeat.net）。社区上线700+期talk视频，3000+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。

投稿内容

// 最新技术解读/系统性知识分享 //

// 前沿资讯解说/心得经历讲述 //

投稿须知

稿件需要为原创文章，并标明作者信息。

我们会选择部分在深度技术解析及科研心得方向，对用户启发更大的文章，做原创性内容奖励

投稿方式

发送邮件到

yimingzhang@thejiangmen.com

或添加工作人员微信（aceyiming）投稿，沟通投稿详情

关于我“门”

将门是一家以专注于数智核心科技领域的新型创投机构，也是北京市标杆型孵化器。公司致力于通过连接技术与商业，发掘和培育具有全球影响力的科技创新企业，推动企业创新发展与产业升级。