美企开始放弃研发:谁该为企业研究买单?

2023-12-16 01:10

本文主要是介绍美企开始放弃研发:谁该为企业研究买单?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

全文共3718字,预计学习时长10分钟

美企开始放弃研发:谁该为企业研究买单?

图源:unsplash

 

很长一段时间以来,美国企业一直处于科学技术前沿:美国通用电气公司、杜邦公司和AT&T贝尔实验室等公司都推动了20世纪的重大进步,引领了集成电路、塑料还有合成纤维等的创新发展,这些创新反过来又成为经济发展的强大推动力。

而今,情况发生了变化。美国企业是否还像过去那样具有创新精神呢?杜克大学福库商学院的教授们在最近发表的一篇论文中提出,从正式的企业研究向由初创企业和大学驱动的更分散的创新生态系统的转变,导致了美国创新能力和经济增速的下滑。

马克与福库商学院教授Ashish Arora和Sharon Belenzon讨论了企业研究实验室的消亡、创新在新的生态系统中是如何发挥作用的,以及为什么解决复杂问题(包括2019新型冠状病毒引起的问题)变得越来越困难。

美企开始放弃研发:谁该为企业研究买单?

通用电气研究实验室 | 图源:The LIFE Picture Collection

 

马克:近几十年来,美国商业上的创新有什么变化?

Ashish Arora:20世纪早期美国工业的研究投资规模小、不均衡,而且集中在大公司上。在某种程度上,这反映了美国大学制度的弱点。在当时,美国大学系统的方法是非常实用的——为各州的农民、小制造商和矿工提供了服务。

第二次世界大战后,我们进入了美国企业研究的黄金时代。美国电话电报公司(American Telephone & Telegraph)、杜邦公司、通用电气公司、柯达公司和许多其他公司都开展了大规模投资。

从20世纪80年代中期开始,钟摆开始回落,许多公司开始退出研究,只有少数例外。其中最著名的是微软,它建立了一个非常重要的研究业务。

如今,企业研究少之又少,除了人工智能和机器学习领域(比如谷歌和Facebook在这两个领域都有重大投资),以及某种程度上的生物制药领域。有一些公开上市的生物技术公司仍在进行投资研究,但是总的来说,美国企业部门在继续退出研究的漫长过程中。

然而在更广泛的生态系统中,美国大学进行了大量的研究,培养了大量训练有素的科学家,使我们看到一个充满活力并且有着许多初创企业的生态系统。这一方面明确了大学和初创公司之间的分工;另一方面,现有的公司也可以使用这些发明。但是这个新的生态系统有一些缺口。虽然这种方法在某些地方效果不错,但在某些领域可能收效甚微。

美企开始放弃研发:谁该为企业研究买单?

图源:unsplash

 

这些缺口是什么?

Ashish Arora: 我认为我们遇到的麻烦是更复杂的革新,比如寻找新的半导体材料。可能会有一些初创公司致力于解决这个问题,但如果像IBM、英特尔和谷歌这样的大公司不进行重大投资,就很难有太大的突破。一部分原因在于规模,还有一部分原因在于问题的范围。

例如,我们复杂的气候问题的开发技术解决方案需要硬件、化学、电子设备,更重要的是在实施过程中改变法规。大公司需要不断地应对监管,但对于一个风投支持的初创公司来说,说服国家监管机构改变对设备的监管方式是非常困难的。

Sharon Belenzon: 我和Ashish有异议的地方就是,公司与科学挂钩是否有意义,我认为答案是肯定的。Ashish倾向于一种生态系统,在这种生态系统中,公司和部门更加专业化,并更契合创新过程中的不同活动。

但我对历史的解读是,唯有那些很早便意识到欲要成功,必须深入理解有关自然现象,从而领先对手一步的公司,才能成为20世纪的赢家。令我担心的是,如果美国公司仅仅依靠创新体系的其他部分来发展其业务的科学基础,他们可能会失去自身的科学优势,并因此失去主导竞争地位。

美国公司正逐步退出研究,我不认为大学和小公司进行的科学研究可以弥补这一点。业内领先的经济学家认为,美国的独特之处在于多样化的资本主义制度所产生的技术和科学之间的紧密联系。参与研发的机构的多样性是关键。我担心,我们正在失去这种多样性,只为了换取专业化带来的更高效率。

多样性丧失背后的原因是什么?企业又是为什么不再愿意从事研究?

美企开始放弃研发:谁该为企业研究买单?

图源:unsplash

 

Ashish Arora: 主要有两大因素。一是现在有许多其他的知识来源,比如大学系统和初创公司;而另一大因素就是研究在公司内部是一种非自然的活动。企业的成立主要是为了生产并向市场提供商品和服务,而不是让没有明确可交付成果的活动进行,期限为4至6年,而不是6至18个月。

在企业研究的黄金时期,杜邦公司开发尼龙产品等早期成功案例得到了很多商誉。由于这些早期的成功,企业同意继续注资。但到了某个时候,这种商誉就会消失。

微软就是一个很好的例子。在某种程度上,微软研究院是一个投资于基础研究的大企业,这是因为比尔·盖茨对它有个人的热情。盖茨之后,史蒂夫·鲍尔默也是这个最初系统的产物,然后他将其发扬光大。但当萨蒂亚•纳德拉担任微软首席执行官时,微软研究作为一个大型大学式系统终结了,因为他希望微软的研究更专注于将新技术为消费者所用。

这些东西有着自然的生命周期。考虑到企业面临的压力,一个典型的公司很难维持研究活动。AT&T可以投资研究一段时间,因为他们实际上是受监管的垄断企业,其研究是社会交易的一部分,但垄断停止后,AT&T基本就要不得不放弃他们的实验室。

那么,这些大型企业是否有这样一种感觉:他们不需要自己的实验室,因为他们可以将研发工作外包给初创企业的生态系统和大学?

Ashish Arora:我们不应该称它为外包,因为外包意味着我给你一份合同,你替我做,但这种感觉也确实存在。

我们也不应该称它为“研发”。研究和开发是两种完全不同的活动,开发是具有可管理端点的标准活动,研究才是问题所在。研究通常占研发的5%到20%,所以大部分研发都是开发,开发是很“酷”的,在制药公司,开发意味着对任何临床试验进行操作。而研究是指研究蛋白质的形式,或者研究疾病的活性部位是什么,然后这又是如何转化为治疗帕金森氏症的药物的,这就是开发问题。

在您的论文中,您谈到了“技术不确定性”和“商业不确定性”之间的区别,以及它是如何影响创新的。您能解释一下吗?

Ashish Arora: 在制药行业中,主要的不确定性就是“它会奏效吗?” “某种分子或疫苗会像预期的那样起作用吗?” 这便主要是技术上的不确定性。在数字应用程序中,编写应用程序不是问题,而问题在于,“人们会喜欢它吗?”这就主要是商业上的不确定性。

我们的假设是,当只出现上述两种不确定性中的一种时,当前的系统仍可运行良好。但如果同时出现两种不确定性,情况就会变得棘手,而当前的劳动分工并不能很好地解决在两个维度上都存在不确定性的问题。

美企开始放弃研发:谁该为企业研究买单?

图源:unsplash

 

这在应对新型冠状病毒爆发方面是如何发挥作用的?您是否认为解决方案同时兼备解决高度的技术和商业不确定性的能力呢?

Sharon Belenzon:在我看来,我们对不同病毒的行为、传播方式、它们如何停止以及它们如何在我们体内相互作用还没有充分的科学解释。显然,从经济的角度来看,为发展这样的科学理解投入任何资金是合理的,因为这笔投资基本不可能大于我们所遭受的巨大经济和人员损失。

所以真正的问题是,我们为什么还未进行这项投资?我们的创新生态系统在过去三十年中发生了变化,使其更加为盈利能力所主导,这就是我们需要政府的原因。我是市场的坚定支持者,但也意识到了市场的不足。对个别企业有利的未必对社会有利——市场通常青睐实用性强的企业。

Ashish Arora: 我同意Sharon的观点,科学是困难的,但是最大的问题在商业方面。以检测或疫苗为例,谁愿意为检测买单? 很多有风险患病的人不想支付检测费用,但我们希望他们接受检测,所以现在我们需要通过一些手段来解决这个商业问题。我认为这不是我们已经讨论过的通过企业研究可以解决的问题,但我们通过市场来引导创新的制度会导致这样的问题。

在美国,是军队在长期资助疟疾研究,这很合理,因为我们的士兵会去热带国家,容易患上疟疾。

Sharon Belenzon:这是一个很好的观点:政府是新技术的第一大消费者,特别是在电子领域。

美企开始放弃研发:谁该为企业研究买单?

图源:unsplash

苏联解体前的某种情景再现了,中美之间的疫苗竞赛有可能成为下一个太空竞赛,但我不认为这已经发生,想想发明一种疫苗所带来的声望以及潜在的拯救生命的成果。

政府以补贴的形式提供了很多支持,但是我们还没有厘清政府资助研究和主动参与市场的下游研究发明之间的区别。只是给你钱让你做任何你想做的事情,与让你开展一个你知道受众很广项目是不同的。

历史上的一些案例表明,当企业可以依靠政府购买他们找到的任何东西时,它们便真的可以承担巨大的科学挑战,但市场本身通常不足以激励人们去解决非常不确定的问题。

美企开始放弃研发:谁该为企业研究买单?

一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

(添加小编微信:dxsxbb,加入读者圈,一起讨论最新鲜的人工智能科技哦~)

这篇关于美企开始放弃研发:谁该为企业研究买单?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/498566

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

跨国公司撤出在华研发中心的启示:中国IT产业的挑战与机遇

近日,IBM中国宣布撤出在华的两大研发中心,这一决定在IT行业引发了广泛的讨论和关注。跨国公司在华研发中心的撤出,不仅对众多IT从业者的职业发展带来了直接的冲击,也引发了人们对全球化背景下中国IT产业竞争力和未来发展方向的深思。面对这一突如其来的变化,我们应如何看待跨国公司的决策?中国IT人才又该如何应对?中国IT产业将何去何从?本文将围绕这些问题展开探讨。 跨国公司撤出的背景与

一种改进的red5集群方案的应用、基于Red5服务器集群负载均衡调度算法研究

转自: 一种改进的red5集群方案的应用: http://wenku.baidu.com/link?url=jYQ1wNwHVBqJ-5XCYq0PRligp6Y5q6BYXyISUsF56My8DP8dc9CZ4pZvpPz1abxJn8fojMrL0IyfmMHStpvkotqC1RWlRMGnzVL1X4IPOa_  基于Red5服务器集群负载均衡调度算法研究 http://ww

生信圆桌x生信分析平台:助力生物信息学研究的综合工具

介绍 少走弯路,高效分析;了解生信云,访问 【生信圆桌x生信专用云服务器】 : www.tebteb.cc 生物信息学的迅速发展催生了众多生信分析平台,这些平台通过集成各种生物信息学工具和算法,极大地简化了数据处理和分析流程,使研究人员能够更高效地从海量生物数据中提取有价值的信息。这些平台通常具备友好的用户界面和强大的计算能力,支持不同类型的生物数据分析,如基因组、转录组、蛋白质组等。

开题报告中的研究方法设计:AI能帮你做什么?

AIPaperGPT,论文写作神器~ https://www.aipapergpt.com/ 大家都准备开题报告了吗?研究方法部分是不是已经让你头疼到抓狂? 别急,这可是大多数人都会遇到的难题!尤其是研究方法设计这一块,选定性还是定量,怎么搞才能符合老师的要求? 每次到这儿,头脑一片空白。 好消息是,现在AI工具火得一塌糊涂,比如ChatGPT,居然能帮你在研究方法这块儿上出点主意。是不

企业安全之WiFi篇

很多的公司都没有安全团队,只有运维来负责整个公司的安全,从而安全问题也大打折扣。我最近一直在给各个公司做安全检测,就把自己的心得写下来,有什么不足之处还望补充。 0×01  无线安全 很多的公司都有不怎么注重公司的无线电安全,有钱的公司买设备,没钱的公司搞人力。但是人的技术在好,没有设备的辅助,人力在牛逼也没有个卵用。一个好的路由器、交换机、IDS就像你装备了 无尽、狂徒、杀人书一

研究人员在RSA大会上演示利用恶意JPEG图片入侵企业内网

安全研究人员Marcus Murray在正在旧金山举行的RSA大会上公布了一种利用恶意JPEG图片入侵企业网络内部Windows服务器的新方法。  攻击流程及漏洞分析 最近,安全专家兼渗透测试员Marcus Murray发现了一种利用恶意JPEG图片来攻击Windows服务器的新方法,利用该方法还可以在目标网络中进行特权提升。几天前,在旧金山举行的RSA大会上,该Marcus现场展示了攻击流程,

Science Robotics 首尔国立大学研究团队推出BBEX外骨骼,实现多维力量支持!

重复性举起物体可能会对脊柱和背部肌肉造成损伤,由此引发的腰椎损伤是工业环境等工作场所中一个普遍且令人关注的问题。为了减轻这类伤害,有研究人员已经研发出在举起任务中为工人提供辅助的背部支撑装置。然而,现有的这类装置通常无法在非对称性的举重过程中提供多维度的力量支持。此外,针对整个人体脊柱的设备安全性验证也一直是一个缺失的环节。 据探索前沿科技边界,传递前沿科技成果的X-robot投稿,来自首尔国立

企业大模型落地的“最后一公里”攻略

一、大模型落地的行业现状与前景 大模型在多个行业展现出强大的应用潜力。在金融行业,沉淀了大量高质量数据,各金融平台用户数以亿计,交易数据浩如烟海。利用大模型分析处理这些数据,金融机构可以预测用户行为偏好,更高效、准确评估客户风险,实时监测交易和市场波动,及时制定策略。IDC 调研显示,超半数的金融机构计划在 2023 年投资生成式人工智能技术。 在科技领域,商汤人工智能大装置为大模型企业提