肖哥，申博申硕之前以及期间做的科研（比如跟着学界老师做科研），对将来在业界做科研的工作，有帮助吗

哇，这个问题实在是太漂亮了，这是一个非常好的问题。

为了说清楚这个问题，我们先要说清楚两个东西，第一，就是学界科研和业界科研的相同点和不同点；第二，就是做学界科研对于找业界科研的工作，是否有帮助

一、学界科研和业界科研的相同点和不同点

1.相同点：科研工作的本质都是创造新知识。

举个例子，比如2015年Kaiming He的Deep Residual Learning for Image Recognition横空出世，从此世界上有了ResNet这个模型，然后大家就学会了这个模型以及模型内部的一些知识点（例如skip connection这种结构很好用）。

这就是Kaiming He为世界带来的新知识，供大家学习。然后，很多AI researchers会基于Kaiming He的ResNet去做进一步的优化、探索、尝试。

2.不同点

（1）学界科研任务：只要一个东西值得研究，那这个东西就有科研价值，然后学界就有可能会去探索它、创新它。更多的时候，researcher会focus在如何创新、如何把这个东西变得更牛逼、如何把这个东西变得前无古人后无来者，而不太需要过多的关心其商业价值（注意，不是完全不关心商业价值，而是不过多关心商业价值）。

举个例子，比如视觉问答 VQA（Visual Question Answering）这个领域的商业落地其实不太好（基于VQA的商业产品少之又少），但是并不妨碍学界的很多老师和科研工作者对这个领域怀有热情。做VQA的人大部分都来自学界，这些人更多想的是如何把这个问题解决的更完美、更创新、效果更好，而不是太关心到底这个东西应该如何变为商业产品、如何为公司变现。

（2）业界科研任务：业界的科研一般是在公司内部的research部门（由大量的research scientist组成），这种部门的精力更多是放在既有科研价值、又有商业价值（甚至后者更重要）的领域。也就是说，如果一个东西仅仅是值得研究，那其实并不会让公司决定研究它，但是如果这个东西研究完后能够为公司带来好多好多钱（或者节省好多好多钱），那公司就会使劲往里投入人力物力财力，去把这个东西搞出来。

举个例子，hmmmm，其实这个例子举不好的话容易得罪人。。。我的意思是，比如，如果我说的例子是这样的：「比如公司X有科研部门，本来是主要做A和B两件事，但是因为A这个事情的成果迟迟无法为公司增加收入或者降低成本，然后公司X就把科研部门里做A这件事的人都裁了」，那么就容易让做A这件事的人觉得我在黑他们所以这个例子我还是不举了。。。。

我只说一种大概的感觉吧。在业界做科研，大概的那种感觉就是，需要时刻思考这个东西如果搞出来了，其新产生的知识、以及这个东西本身，应该如何变现、如何为公司赚钱。如果你那个思路走下去不能为公司赚钱，你和你的团队就有点危险，因为公司会认为你没有价值，你在公司里的地位就有点尴尬。其实这种尬的感觉，与，https://www.xiaogeedu.net/sys-nd/95.html‍ 这个文章里的2 （即，security在engineering team里的地位不是太好），有一定相似的地方。

所以那种业界的senior research scientist甚至head of research department这种人经常头疼的问题之一，如何证明自己的部门是有商业价值的。如果迟迟无法让公司看到这个东西的商业价值，那自己的部门就容易被裁，所以自己需要经常给公司画大饼，让公司相信自己的部门、相信自己做的东西是有美好的未来以及商业前景的。

总结一下：

二、做学界科研对于找业界科研的工作，是否有帮助

通过上面的分析，我想你应该知道这个问题的答案了。

那就是，如果你在学界做的科研任务有商业价值，那就对找业界科研的工作很有用。

但是，有一点你需要注意，就是我说的「科研任务有商业价值」并单单指的是这个任务在业界/在商业世界里也做，而且还指的这个任务的解决方案也和业界近似。

这是什么意思呢嗯。。。我再举个例子好了，不过这个例子是简化版的例子（简化的意思是，现实世界与这个例子不一定100%一样，但是我这里只是为了传达一种观点，所以简化版的例子虽然缺失一些细节，但是足以令我表达清楚我的观点、也可以让读者更容易理解。所以我就是用简化版的例子哈）。

这个例子是：假设某个大学，有一个实验室，在搞自动驾驶技术。但这个大学的经费有限，所以无法真的买一个特斯拉作为实验工具，可能只能买一个普通汽车。甚至有的时候，买普通汽车的经费也没有。就只能使用一些非常简单的实验环境（例如一些单片机、或者一些简易的嵌入式系统）来模拟自动驾驶系统的硬件与软件，然后实现自动驾驶的一些解决方案（比如，障碍识别、行车线识别等）。但是这种方案可能和自动驾驶公司的技术团队搞出来的方案（比如，障碍识别、行车线识别等），从头到尾完全不一样——从数据处理、到模型选择以及优化、到最终的路测等等，都不太一样。 所以，虽然这个大学的学生也在这个实验室搞自动驾驶技术，但是自动驾驶的公司可能看了这个实验室的学生与老师搞的方案之后，会皱眉头————业界不是这么解决这个问题的啊，他们学界用的这个方法、思路、模型等，应该没有自动驾驶公司会用吧？

所以，在学界做科研的时候，最好做的那个东西本身就是业界的任务、甚至这个科研任务 直接就是学界业界共同合力合作完成，这种可能会让自己的solution的技术细节会更符合业界solution。

总结一下：