洪小文：微軟亞研院不缺人才, 黃埔軍校永遠是「現在進行時」
今年是微軟成立 20 週年。
作為微軟公司在美國以外最大的研究機構，微軟亞洲研究院自 1998 年建院以來，歷經了李開復、張亞勤、沈向洋、洪小文四任院長，培養了數十位學術大牛與近百位科研骨幹。
與此同時，作為 IT 業界的「黃埔軍校」，從微軟亞洲研究院出來的人才幾乎佔據了中國科技圈的半壁江山。
而作為微軟亞洲研究院的現任院長，洪小文曾在十幾天前的一封致敬信中回憶自己與研究院結緣併為之付出職業生涯的大部分時光的整個過程，也詳細列舉了迄今為止這家基礎研發機構在技術方向取得的重大突破。
但在他的眼中，微軟亞洲研究院對全球科技界最大的影響與啟示莫過於「基礎研究對一家公司的重要性」。
他很佩服比爾蓋茨當年不但想成立研究院，而且是成立一個研究院去專門做基礎研究，因為他看到如果計算機界的基礎技術不往前走，高科技能夠得到更多的商業機會就一定會變少。
「現在做應用的有，『割韭菜』的有，但做基礎研究的很少了。也不能說每個公司都應該做基礎研究，但是我覺得一個公司發展到一定地步，在業界處於領先地位，都應該做一些東西。」
除了能為微軟的各種應用及產品層指明方向，微軟亞洲研究院還是業界名副其實的「黃埔軍校」。洪小文覺得這是對微軟亞洲研究院的一種褒獎，就像清華、北大、哈佛跟劍橋這樣的學校，他們永遠不怕招不到好學生。
「你可以把它看作是一種畢業機制，有人才走，也有人才源源不斷地流入。如果只是人才流失但又培養不出新的人才，那才是最可怕的事情。而我們是『現在進行時』，不是『過去式』。」
而對於中美之間關於「AI 競爭」的說法，洪小文認為一些報道過於片面。因為本來人類社會就是有競爭，又有合作的。作為科技工作者應該以平常心看待：
「其實我們在民間，包括學術界、工業界，其實更多強調的是合作關係。不要因為 AI 紅，就把 AI 炒得好像是 AI 是造成中美貿易戰的起因。AI 何德何能可以造成一場戰爭。」
以下是基於採訪整理的對話內容：
問：微軟亞洲研究院做的是非常前沿的、基礎的研究。在成立的時候，同時代的外企，包括 IBM、朗訊他們其實也在中國有研究院。你覺得是什麼可以讓微軟亞洲研究院沒有成為一個非常面向市場的研究機構？而是做最基礎的核心研究？
洪小文 ：我想首先這個東西還是要謝謝微軟公司，以及我們的 CEO 薩提亞，當年成立研究院的時候我的老闆 Dan Ling（凌大任）跟 Rick Rashid，再到比爾蓋茨。我覺得是因為他們的遠見，沒有微軟對長遠研究的支援就沒有我們。
首先這個基礎研究，我覺得在今天，到底什麼東西該發展，什麼應該自主研發，其實大家忽略了一個重點，那就是基礎研究，我希望你們能夠多報道的是基礎研究，沒有東西是一觸可及的，萬丈高樓從地起，基礎研究是最底層，最基本的東西。
我們說站在巨人的肩膀會看得更遠，我們人類歷史做出的成果都要感謝前人，不只是要感謝計算機，更要感謝物理、化學、更基礎的數學等等，人類文明就是這樣發展起來的，這叫基礎研究。基礎研究這個盤子太重要了，沒有人從石頭蹦出來一個 idea 可以單獨存在。
以 AI 為例，人工智慧現在紅得不能再紅了，紅透了。但是，人工智慧這個字眼早在 1956 年就出現了，沒有這 60 多年走過的路，怎麼會有今天的 AI。
AI 也有過冬天，AI 冬天的時候，大家都不投資 AI。我當年研究生是做 AI 的研究，我們畢業的時候都不敢講我們做 AI，做 AI 都找不到工作，我們講做語音識別，做計算機視覺，不要跟 AI 沾邊。現在跟 AI 無關的都要跟 AI 沾邊。
所以，我跟大家解釋基礎研究的重要性，而且基礎研究這 60 多年來，有無數多的研究，而且很多研究是在微軟亞洲研究院成立之前就有的，因為我們微軟亞洲研究院才 20 年，微軟整個研究院成立到現在也不到 30 年。包括我的導師，那時候 1966 年，是很寂寞的，畢業還要躲著不要做 AI。
所以，基礎研究就是這麼回事，今天我們會講到愛因斯坦，講到牛頓。即使愛因斯坦都說，我的工作都是基於前人的東西。所以，這就叫基礎研究。
我講這麼多意思就是說，基礎研究、基礎科學如果沒有往前提升，就沒有高科技，沒有計算機，沒有這些東西。所以，為什麼我說其實我是鼓勵你們，多去學校報道，因為學校做的很多是基礎研究。對於公司來講，你開一個公司，說做一個東西要 60 年以後才有結果，大部分都說我現在不要投資，開公司的人這樣想是很合理的。
但是，微軟在 1991 年的時候，當時我們還是一個小公司，1991 年是什麼樣的概念，Windows 還沒有出來，Office 也沒有，只有一個東西叫 DOS。所以我們很佩服比爾蓋茨當年不但想成立研究院，而且是成立一個研究院做基礎研究，要參與基礎研究，因為他看到如果計算機界的基礎技術不往前走，高科技能夠得到更多的商業機會一定會變少，所以他知道基礎研究的重要性。
基礎研究需要做，但是公司也得做，歷史上，IBM 也好，或者朗訊、貝爾實驗室，都是做基礎研究，現在都報道得少了。
所以，研究院是在那個環境下成立的，我們跟人家的差別就在這裡。即使今天回看全世界，真正有公司願意花大把金子去做，甚至鼓勵別人去做，還跟學校合作做基礎研究的公司沒有多少了。
做應用的有，「割韭菜」的有，當然我們是說好意的「割韭菜」，不是惡意的「割韭菜」。我覺得也不能說每個公司都應該做基礎研究，但是我覺得一個公司發展到一定地步，在業界處於領先地位，都應該做一些東西。所以，也因為這個微軟才有後來的研究院。
而且在研究院做基礎研究，你就要放權，意思就是要由下往上，基礎研究一定要由下往上，基礎研究不是說政府，或者學校某個領導 60 多年前說，我要做 AI 了，不是。
當時為什麼說 John McCarthy，他召集了一些教授來開個會，說我們決定做 AI，要怎麼做。所以基礎研究一定是由下往上。所以，這是為什麼微軟亞洲研究院從第一天開始就是由下往上，讓對未來最有願景的人來這邊，給他們放權，讓他們去做。
所以，我繼續回答你這個問題，不要說是 20 年前，即使今天有多少公司願意這樣去做，都值得思考。所以越多公司願意去談做基礎研究，我覺得都是好事，我覺得這裡也奠定了微軟亞洲研究院成功的背景。所以，我們從第一天就不是隻是從牟利的角度，或者從產品的角度。
當然去做這個研究院，我覺得定位已經很不一樣了。今天如果有人告訴你說，我做研究院的目的就是要百分之百有產出，要留住那個東西，我只能說他可以做，但是這個東西並不是我們所謂講的最前沿的研究、前瞻性的研究。
當然公司不可能說我只是搞一些人來做基礎研究，不需要獲得任何益處，這當然也不可能。這也是為什麼我覺得微軟亞洲研究院有利的地方，如果我們只講基礎研究，我們可以去學校，學校自由，只要有經費，愛做什麼做什麼，可以做一百年以後的事情。
公司不一樣的地方是說，因為我們也瞭解計算機是一個很應用型的技術，並不是數學、物理、化學，不是真的完全基礎科學。
所以，尤其今天更不要說大資料。一個真正的創新，尤其老百姓能夠了解的創新，最後一定是他們摸得到，碰得到的東西。就是一定在產品上能夠幫助他們，這也是你們報道的，這個也很重要，因為你真正能夠改變這個世界的還是要通過產品，產品也包括很多東西，包括你說萬有引力這個東西有什麼道理，他可以發展火箭，可以上月球，這就是應用，人征服了宇宙，可以去月球，這就是應用，物理上是這些萬有引力的推算。
所以任何東西都有應用，如果你沒有到應用層面，這個科技只是在初始階段。
所以像我，還有微軟亞洲研究院絕大部分的員工，為什麼到微軟亞洲研究院不到學校去，就是因為我們可以跟產品部門一起用產品的模式去改變這個世界，去讓我們的使用者享受到。
所以，微軟做研究院，一方面我們做最基礎，由下往上的研究，同時當我們有任何成果，我們可以在最快的時候跟我們的產品部門合作，我們不做產品，我們跟產品部門合作，讓產品受益於我們的技術，包括 AI、生產力的工具，像 Windows、Office、Xbox 各種舉不完的例子，這就是我們很特殊的定位。
問：微軟亞洲研究院其實剛開始建立的時候，條件並不是非常好，當然現在有很多公司也建立研究院，他們的條件比過去是好太多了。你們當時一直走過來，在這個過程中，有沒有想過它為什麼做得比較好，有哪些經驗尤其值得今天其他公司建立研究院的時候可以去考慮的？
洪小文 ：當時的條件看你怎麼看，不能說不好，甚至於從今天角度來看，可能很好。首先，微軟給我們的資源從來沒有少過，首先感謝微軟，當時給我們的資金是不缺的，絕對沒有什麼不好。你可以說，任何人，任何公司，當初決定在這裡做，一開始要放多大，這個問題應該放在當時跟今天都一樣，今天成立一個新的東西，任何東西都有一個正像反饋的東西，你做得好，我就長得越大。
總不能說，我一開始放一萬個人去做，所以這個到不能說當年條件不好。所以，我覺得微軟給我們的支援從來沒少過，這個條件來講。
但是，你可以說當年的條件在中國的確，20 年前的中國跟今天不一樣了，當年在中國能不能做實際工作的研究，當時是一個問號。
但是，今天所有國際頂級的會議都有中國的論文。所以，微軟亞洲研究院第一個標杆，第一個成就，就是說我們證明了，我們跟中國一起走到國際的舞臺，證明了我們可以做。所以，這是我們很了不起的一件事情。這個條件只能說不一樣，這個其實在當時是一個挑戰，也是一個好的方面。因為大家對我們的企盼不知道應該怎麼企盼。
今天標準高了，你當然可以做這個，大家往下一個做什麼東西，甚至於說，今天中國成立公司，這跟中國成立公司也很像，當年在中國成立的這些新的公司，今天你就要跟 BAT 去比，所以環境有這樣的不同。
除此之外，當年還有一個我們其實是得利的，微軟亞洲研究院當年要做技術，要做最前沿的科技，又有最自由的環境，也僅此一家，當時除了學校以外沒有什麼科研單位。
所以，當年人才的競爭比較少，今天選擇多了，一個大學生還沒畢業，就有多少人要招你。有國內類似 BAT 這樣的公司，有國內這些獨角獸，還有國外的公司，國外 Facebook、Google 等，國內、國外都成長起來了，需要大量的教師。
所以，現在來講，一個優秀的學生，現在我們的競爭跟以前不能比了，當然我們還是很欣慰，還是有很多的學生，很多的員工願意選擇我們。所以，時空背景不一樣，好和不好各有利弊。
問：中美之間的 AI 競爭我看過一篇文章，他覺得現在 AI 競爭讓中國和美國之間，有點扭轉了像以前那麼緊密的連線，無論學術界也好，還是工業界也好，覺得這種競爭會導致大家越來越疏離，因為大家都知道合作會好的，你怎麼看待中美在這個所謂的 AI 領域這種趨勢。這種競爭的走向如何？
洪小文 ：我覺得這個氛圍不是很健康的，很多這種報道，其實我們這個社會，這個世界除了中美還有很多國家，中美加起來人口也沒超過一半。中國好像佔 1/4 人口，再加上美國佔 1/3 可能都不到。所以，除了中美還有其他國家，我們置其他國家於何處？
其實人類社會是又競爭，又合作的。包括你們媒體之間也是有競爭，但你們也合作，我們將心比心，在社會上，不能總是每天說這一家和那一家比，這個世界真的不是這樣，我們還有很多東西是合作的。
我們回到 AI，AI 60 年來，每天都在那邊討論 MIT 對斯坦福麼？不是的。AI 60 多年來更多的是合作。所以，學術上本來就是合作，更不要說站在巨人的肩膀上看的更遠。
所以，你剛才說中美合作，的確在科技上的合作非常多，而且這都是好事。不要講國家，我們看看企業，現在也有很多文章都在比較公司，但有沒有同比性呢？大家其實各有優勢，在不同的方面都很強。
我覺得特別從出版界，包括寫書、寫文章，我們該怎麼去看待這個東西。這事實上是要平常心看待，你說中國跟美國有沒有競爭？當然有競爭，貿易上當然有競爭，今天中國生產的東西，或者中國要做的這個東西當然要超過競爭對手，每個人都要這樣，但是不會因為這樣，就變成我要超你，你要超我。我們要以平常心看待。
所以，我更希望從這個角度去看，其實我們在民間，包括我們在學術界，甚至在工業界，我們其實更多強調的是合作關係。
所以，我覺得其實是很多東西大家在社會上都可以扮演更多的力量。更不要說 AI，AI 只是某一個技術，你如果說大家真的 care 公司跟公司，國家跟國家之間的競爭，那是其他所有東西的總和，尤其說貿易，貿易裡面 AI 只是佔這一塊，還有別的，比如金融業、生命科學、醫藥等等各個東西。
所以，我覺得不要因為 AI 紅，把 AI 炒的好像是 AI 造成中美真的要打貿易戰，要真的打 AI 戰，我覺得是我們所有從事 AI 的工作者，包括公司，包括寫文章的媒體，寫書的都要負責任的，AI 何德何能可以造成一場戰爭。對不起，我的回答可能很不傳統。
問：2018 世界人工智慧大會上，沈向洋副總裁說微軟亞洲研究院要在上海成立一個分院，同時跟上海儀電合作，這個大概什麼時候會落地，以及為什麼會選擇上海？
洪小文 ：第一，微軟亞洲研究院這 20 年來都一直在北京，我們第一次走出去，我們是不輕易做這樣的事情的。
我們當然也是看到有一個機會，一個是我們成立分院在上海，另外我們跟儀電做一個新的嘗試，叫微軟-儀電人工智慧創新院，我們希望做最後一里路的 R&D，因為微軟一直是一個平臺公司，我們高科技遇到的機遇叫數字化轉型，等於所有公司不管在哪一行都要善用數字化，善用雲端計算，善用 AI，善用這個東西幫助你做數字化轉型。
意思就是說，從某個角度來看，每家都會變成資料公司，都必須要善用資料，每個都要變成軟體公司。微軟也因為這些獲益，因為我們是做平臺的公司，事實上我們服務的物件最廣。
而且我們不做什麼應用，這個在報道上是吃虧的，因為報道就是應用層面的多，你說微軟做不做無人車，好像沒做，微軟做不做網際網路金融，也沒有做。
事實上微軟是在後面幫助每個公司讓他們做這個，因為我們不做應用，反而這些公司告訴我們現在最喜歡跟微軟合作，因為跟微軟合作，微軟不會來搶他們的飯碗。
但是，在這方面我們發現，特別是人工智慧，最後一里路的創新還沒有那麼容易。所以，為什麼微軟我們希望叫做把 AI 可以徹底給它普及化。
我們一方面要做普及化，當然很多人等不及，在一些不同的領域裡面，我們決定說我們有很多機會可以跟這個領域的領軍公司，我們的夥伴一起做一個最後一里路的創新，我們可以拿我們的技術，特別是 AI 技術，跟行業裡領軍的公司，結合他們的行業的知識，加上他們的資料結合，做最後一里路的創新。
所以，我們基本上特別是創新院就是做這個東西的。而且在這個過程，也是讓 AI 普及化，在這個上面所做的一些對 AI 技術的培訓、認證的工作，因為不是每個公司都有 AI 儲備的人才，怎麼讓他們能夠懂足夠的 AI，能夠把這個東西做到他們的專業的產品裡面去。所以，這個是我們在上海成立創新院的初衷。
尤其昨天主席講長三角一體化會變成國家的政策，我們也看到上海的商業，而且我們本來非常多的夥伴公司、客戶在上海，然後加上上海政府領導，所以我們三方的合作，我們真的很看好這個。
然後你講落地時間，我們已經積極在落地了，但是具體的地點，上海市政府在幫我們籌劃一個地點，我們正在蓋，真正到落成、裝修好，可能要到明年暑假，但是因為我們上海也有既有的地點，微軟也好，或者儀電也好，我相信即便沒有揭牌，大部分就可以弄起來了，所以基本上在明年，明年就會把這些東西給落實，我們是充分的期待，把這個新的研究院，以及創新中心做好。
問：第六期的長城計劃，以及跟往期相比，主要的差異在哪兒？
洪小文 ：我們從 2002 年開始到現在跟教育部，基本上把我們跟中國高校合作的所有東西都合在一起，變成叫做「長城計劃」。
到現在剛好做了五期，我們開始做第六期，其實我們會做這個東西，因為時代的變化很大。
一方面，就算你工作的專案沒有變，但是做的東西會變。比如說，我們就講課程，以及我們與研究的合作。剛剛講到 AI 的落地，還有 AI 最後一里路的創新，裡面包括這些平臺，然後開源，特別是開源。
我們已經開始跟四個學校，中科大、北大、浙大、西交大，我們跟四個學校做了新一代人工智慧開放科研教育平臺，這個東西已經開始有一些成就。
所以，我們很希望利用這個開放的平臺，一起來跟中國的高校，做科研，做教育，發展出一些課程，甚至相關配套的一些東西能夠推動，特別在學術界的發展以及教育上面能夠得到更好的實現。
所以，這只是個例子，我們還與教育部在新工科方面有合作，因為 AI 的普及性，將來怎麼教 AI，怎麼教計算機專業，怎麼教其他的學工程，學理科的，甚至普及到中小學，我們也在做新工科的一個探討。
那麼，我們還有計算思維，甚至於怎麼把計算機程式設計，因為這些跟 AI 都是相關的。所以，這只是一個例子。我們這次跟教育部推出第六期未來會有更多的資訊給你們報道，我們已經有一些很初步的很大的這些想法了，很多東西也開始在落實了。
我想不斷希望透過「長城計劃」把現在高校裡面他們最關心的一些方向跟專案能夠發揮我們微軟在業界的力量，一起合作把這個東西做好。
中國是一個非常好的環境，一方面我們跟學校 20 年來的夥伴關係，給我們奠定了一個很好的合作基礎。
同時中國也很需要，教育部叫新工科其實是蠻好的，因為這一波的這些 AI 為主的這些創新，一方面需要像我們做研究的，一方面跟公司，跟工業界的實用非常相關的，這些東西跟學校的參與，因為畢竟公司不是教育單位，學校也不是工業界，更不要說學校的學生 99% 畢業以後都是到工業界服務，所以讓他們繼續保持他們的相關性，這樣學校訓練出的學生可以更容易的進入到工業界，工業界也高興，從國家角度，這些人也可以學以致用，不會造成脫節。
所以，在這些方面，我們繼續對教育部的合作充滿了很大的熱情跟信心。
問：人才教育會成為未來科研發展的基礎嗎？具體應該是怎麼做？是產學研結合嗎？
洪小文 ：對，其實你看我們 MSRA 20 年來做的事情，人才是很大的一塊，因為有人才有科研。這個道理太簡單了，兩方面：
第一方面，科研永遠是靠人的腦袋，而不是靠人多，所以人才非常重要，人才的培養才會有好的科研。
第二，學校就是培養人才，工業界，今天高科技佔了這麼大的比例，20 年前我們就知道，我們知道有更多人投入高科技，所以一定需要學校能夠培養更多，更適合未來的這些人才。
所以，為什麼我們跟學校在人才方面的合作是非常重要。我想發展 AI 更不要說了，AI 的人才很缺，所以怎麼樣培養 AI 的人才，人才永遠是發展一個技術產業，今天叫 AI，如果把 AI 換成一個晶片，也是一樣的，這些高科技的東西都是靠人的好的思維和人的好的腦袋想出來的東西，跟人才絕對是脫不了關係的。
問：微軟被稱為「中國 AI 人才的黃埔軍校」，你覺得他怎麼樣能夠吸引這些一流的人，而且現在有很多競爭在，怎麼樣持續的再吸引研究院員，或者是優秀的人才也好，你覺得為什麼他會成為新的土壤？
洪小文 ：昨天我發表了一篇文章，文章裡面我特別提到這個東西，因為每次講到「黃埔軍校」，剛開始是五味雜陳，很多人講微軟留不住人才。
後來我徹底想清楚了，這件事情你們今天在談，甚至五年前，甚至更早，十年前就有人這樣談，現在還有人這樣談。所以，這個東西不是過去時，至少是現在進行時，你們學中文的應該學過這個東西。
所以，這是一個褒獎。為什麼？如果我們只是單純的留不住人才，很容易就變成過去時，人才如果流失，又不能培養新的人才，這肯定是像真正的黃埔軍校，最後都不存在了，是過去時了。
但是我們這件事情顯然是現在進行時，現在還在發生，代表什麼？我們可以源源不斷的培養人才，要不然不可能做成這樣的事情。所以，至少顯現出下面幾層意義。
第一，我們的確有人才走，但是這很自然，其實你看高科技業，不管是 BAT，美國的 Google，人才流動非常大，不是隻有微軟這樣，都是這樣。這代表這個領域非常的紅火，大家都要爭取最好的人才，其實反映的是這個事情。
所以，人才流失一直都有，但是一定還有好的人才加入我們，而且好的人才在我們這邊培養，而且在中國，我們僱的大部分其實都是應屆畢業生，應屆的這些博士生。而且我們的人才進來，還可以培養他，幾年以後變成將才，有的人走了。這代表我們培養的機制很正確，要不然也培養不出來，我告訴你這個結果，我想你會同意。
所以，我很欣慰，我們其實有一套機制，有點像學校，你也知道全世界好的學校，哈佛、MIT、劍橋、中國的清華、北大，學校裡面你要了解學生畢業就走了，這些學校為什麼好？他了不起的地方是他走了還會有人，好的再進來。然後又培養出來，又很好，所以繼續很好。
所以，從這個角度，我們很像學校。我是很正面來看這件事情，如果是這樣，其實說句老實話，你知道清華、北大、哈佛跟劍橋，它永遠不要怕招不到好學生。
所以，你這樣想，我就最後覺得人家這樣想我們都是褒獎。所以，這是好事，我們要正確的看這件事情，雖然每個離開我們的人，我都希望他不要離開，但是你不能擋住別人。所以，我把它看成一個正面的事情。
現在說為什麼。其實道理很簡單，我們肯定科研做的好，比如說，我就問你，今天你是學生，或者將來兒子、女兒長大了，要去報考哈佛、清華、北大，人家問你，為什麼要送小孩去，或者你兒子、女兒為什麼要去清華、北大、哈佛？哈佛好，你一定會這樣說。
這個不是我自己老王賣瓜自賣自誇，而且這個是一定的。所以，一定是我們任何時刻，現在我們所做的研究，我們做的這些東西肯定得到大家的肯定，沒有想加入一個做不好事情的人。
第二，這個地方好，我進去以後可以提升，學習到東西。我們曾經看到一個人跳槽，其實你看到的是一個「果」，大家從個人角度來看，其實每個年輕人，包括你們，你們在座的這麼年輕，我不知道你們加入了多少公司，你今天在這個公司，只要會長期待下去，你肯定在這個公司覺得有所提升，你也學習到東西了。
尤其今天這個國家，這個世界，你今天大學學的東西，或者今天學的東西，五年以後，十年以後都落伍了，還要重學。所以，我們要不斷學習，提升自己，覺得每天都更充實，每天我覺得市場價值更高，就是學習，感覺上你有所增進，而不是到一個地方我只是貢獻。
比如今天有一個人僱你去，你是貢獻了，但是自己沒有成長，沒有你的同事可以刺激你想新問題，你這個想法很好，讓我學習到一個東西。
所以，我們的這個環境，我們出去的這些人，都很懷念在微軟亞洲研究院那段時間，為什麼？因為他們覺得在微軟亞洲研究院他們得到成長了，這個很重要。就像一個哈佛的一個清華、北大的學生，大一進去的時候大四出來，一定覺得他學到很多東西，他成長了，他畢業之後還會懷念清華、北大，還會懷念哈佛，所謂的校友會，我們叫院友會，還願意回來，以當年是清華、北大的學生為榮，因為他當年在清華、北大得到了成長。
包括你今天如果對你的公司很滿意，我相信你將來離開的這個公司的時候，你會覺得我在這個地方得到了成長，你一定會推薦給下一個人。
問：其實微軟在智慧研究上是比較前沿的，在您看來，這波因為在神經網路深度學習方面興起的這些創業公司，尤其是中國的公司會面臨的市場機遇有多大，又有哪些困境？
洪小文 ：每一行有每一行自己的甘苦。創業公司跟科研公司還不待一樣，沒有一個創業公司說我的生產就是技術，歷史上其實從來沒有發生過。就算髮生了，他也一定要賣這個技術。
因為你有投資者，投資者要看到產出，要能夠賺錢，要能夠成長，或者看到使用者量增加，很清楚。所以，創業公司他的目標是得到商業，商業上可以是錢，真金白銀，可以是使用者，可以是資料。所以，他們要爭取的是那個。
所以，他們遇到的挑戰大部分也是那個，當然技術也有挑戰，如果你能做到那個東西，全世界只有你可以做，這是很難的。
說句老實話，深度學習，尤其科技，好的東西大家就可以去學習，大家就可以去用，今天全世界有哪一個人可以講出這個東西只有我可以做。
當然，他們有很多挑戰，當然是技術的挑戰。但是你說技術公司，技術好不一定是商業獲勝的那一方，你們是年輕人，你們都沒有用過磁帶，你們都沒看過，歷史上太多例子了。就是技術好的那個不一定贏。這就是很無情的，商業就是這樣，商業就是商業。
問：市場機遇呢？
洪小文 ：市場機遇就不應該問我了，我們真的不做市場。我覺得市場這個東西，而且更不要說還有運氣，你這個創業公司他有他的甘苦，尤其東西還沒有出來，他們很努力，真正把東西做出來，做成功了，事後來講都很容易，在那個當口，都不是那麼簡單。
問：微軟亞洲研究院肯定是個一流的科研機構，你覺得為什麼可以產生那麼多的成績，能不能說一下你的祕密所在？
洪小文 ：其實我後來在那篇文章裡面寫說，人才正確、文化正確、單位組織正確，其實我是很誠心的。
第一，我們的母公司微軟好，能夠很健全的活著，甚至有增長。有了這個以後，這個公司還要給予我們機會，要能夠看到基礎研究，長期研究的重要性，這個組織要好，單位要好。
然後，人才好。我們要挑最好的人才，我們在選人才、培養人才肯定有我們獨到之處，特別是能夠從長遠來看。因為今天中國這個社會，大家看到短期的成功，沒有看到長期的耕耘，長期的耕耘是非常重要的。包括學校，教育是百年大計，很多人說要辦學，你說今天的清華、北大、哈佛能夠成為好學校，大家看到的是長期的耕耘。今天辦一個學校，辦一個公司，三年之內超英趕美，很容易講，但做起來大概沒有那麼簡單的。
所以，人才正確、文化正確，我覺得文化真的很重要，我是鼓勵，像這個問題你應該多去訪問我們的研究員，因為你今天問我，我是一個研究員的領導，我怎麼領導他們，研究員希望有寬鬆的環境，當然這是文化。
當然文化裡面不是自由吃草，給大家自由發揮，我們怎麼有獎懲的東西，我們還是要有正向反饋，一個好公司有好產品，大家願意用，他就可以賺更多錢，放更多研發。
我們這兒也一樣，好的研究員做好東西，要得到鼓勵。所以，文化上非常重要。所以，我覺得這些東西把握住了，說起來容易，但做起來不是那麼容易。
我可以舉例，現在很多人都說要做一流的科研，我還看過一個科研的負責人說，我們今天做這個科研百分之百能夠轉化成有用的東西，我可以告訴你，如果講這樣的東西，大概是做不到的。
我想你們也聽過，愛因斯坦也好，或者富蘭克林也好，科研是 99 次的失敗加上最後 1 次的成功。你今天要做大專案，一定要跨大的腳步，要能夠容錯。
如果要求你百發百中，你射的一定是很近的，你射的遠不可能百發百中。所以，文化上真的要很清楚，這個拿捏不是那麼簡單的。
因為大家都要好東西，我也要好東西，但是就有點像，大家都看過《伊索寓言》，一個金雞會下金雞蛋，殺了以後永遠沒有金雞蛋出來。
所以，你怎麼去拿捏這個，這就是文化。這些文化怎麼去拿捏，我們是非常相信，我們講了很多原則性的東西，我也歡迎你們跟我們的研究員做更多的交流。
所以，我真的覺得做一個研究不容易，原則的東西我都講了，但是真正能夠做到，每一天就是這樣去做，包括我在判斷一個專案。
舉個例子，今天如果你是我的研究員，你跟我說，你別來煩我，一年之內我給你結果。我說好，你就去做。一年以後你跟我說，不行，還要一年，再給我一年。我說好。
一年以後你又跟我說，還不行，再給我一年。我怎麼辦？
你不能說一年又一年，但是很多時候最後那半年就要出來，作為一個領導你怎麼辦？
所以，對那個東西還是要有相當程度的瞭解，不能永遠給他機會，那不就是放牛吃草嗎？如果三年到了，不給你支援了，哪這麼簡單？所以，其實很多大的決定不是那麼簡單的，我們其實都是在對未來進行判斷，有些東西你看好，有些東西你不看好，但是有些東西你不看好，最後會出大結果，所以你怎麼平衡。
所以，其實科研這個專案不容易，真的是要長期的投入，要有長期的眼光，要做正確的判斷。我覺得把時間拉遠，今年 20 年了，我們可以講微軟亞洲研究院做的很好，肯定十年前我做的決定，不能說每一個，但是大部分決定可能也蠻對的，否認的話，我看好的最後都不成，留下一些比較差的人。我不看好的全部都跑掉了，也不行。
所以，把時間拉遠很公平，看出來是這樣，但是站在裡面的時候是最難的時候，所以怎麼能夠耐得住寂寞。
所以，科研到最後，你能夠耐得住寂寞，能夠有耐心，然後最後把這個時間走完，我覺得事後來講很公平，但是站在裡面，真不是那麼容易。所以，原則性的東西好好講。所以，說穿了，你也很難公式化。
其實說句老實話，你說研究院，包括媒體裡面也有比較成功的，我相信一定也走過這樣的路。各行各業也都有這樣。今天能夠最後做成的，最後回過頭來看一定有一段故事，有一段經驗大家可以分享，但是這個東西，就好像說成功是不是可以複製？
你如果問我，一些精神，一些原則可以傳授，但是沒有一樣成功是可以百分之百複製的，因為時空背景都不一樣。
問：如果將人工智慧分成上下半程，有一種說法說，上半場是資料、演算法、軟體，下半場就會包括硬體和實體，對這種說法您怎麼看？
洪小文 ：人工智慧也走 60 多年了，你怎麼說現在是上半場。我換一個角度去看，人工智慧還是有太多神祕的面紗？什麼叫人工智慧？你告訴我什麼不是人工智慧？我應該反問你，量子計算是不是人工智慧？有人說量子計算跟人工智慧好像很有關係。
你想想什麼東西不是人工智慧，其實很難想出來。人工智慧在學術界上事實上有比較嚴格的定義，事實上如果我告訴你，你們幾年前有一個東西叫數字挖掘，從數字去挖掘裡面的洞察這些東西，你會覺得數字挖掘是不是人工智慧？
其實，數字挖掘在學術上不是人工智慧，有人覺得很奇怪，數字挖掘也是裡面有智慧的東西把它挖掘出來，所以你們懷疑是正確的，但是在學術上會分各種不同的學科，不是一個學科。
數字挖掘是 database，資料庫的那些人搞出來的。人工智慧是另一幫人搞出來的，這兩個東西當然有交集，但是不同人搞出來就是不同的東西，像物理跟化學之間，有一個叫物理化學，還有化學物理，但是畢竟它們是不同的學科。
對老百姓來說什麼叫人工智慧？因為人工跟智慧，今天有一個想法很好，你說它是一個智慧的想法，是一個聰明的想法，假設我們兩個怎麼寫一篇文章，怎麼辦一個郊遊，突然一個好的 idea，我說很智慧的 idea，這就叫智慧。
好的東西，好的想法，你想到了，我沒想到就是智慧。今天我們一起想解一個問題，不管是什麼問題，你想到了，我沒想到，我一定會誇獎你好聰明。
人工什麼意思？今天幾乎所有的這些好的演算法、想法，我們儘量的讓它用計算機去實現，就可以幫我們做事情，不用我們自己去做，因為所有的 idea 我們人也可以去做。
我們現在像雲端計算這些東西，寫一個程式設計，讓計算機去做，比如現在排程這些人，包括比如北京指揮交通，今天哪一個時候紅燈應該亮，也可以派人指揮，也可以寫一個程式指揮。如果寫一個程式指揮，那就是人工，因為不是人去做。
所以，人工智慧基本上所有高科技好的東西都叫人工智慧。一般老百姓說，這個一定有智慧，一看用計算機硬體、軟體這些程式去實現，那就是人工智慧了。
從這個角度來看，顯然一百年以後，我們肯定會用計算機做很多事情，從這個角度來看，人工智慧應該不會退去，因為我們永遠會想出新的 idea，永遠會有計算機做更多的事情。
你剛剛講的資料也是，這樣講所有東西都是人工智慧。這個我們在業界叫做數字化的轉型，就是說，靠資料跟計算的能力，配合現在深度學習等等去做的這一套的東西，我們叫做數字化轉型。
我只能說這套東西才真正是上半場，因為這裡各行各業可以用的太多了，我們可以舉太多例子，而且這個東西也沒有泡沫，肯定要繼續走下去，原因很簡單，其實人做很多決定靠的不是大資料，我們甚至靠的是少資料或者無資料，人的很多智慧是這樣的。
我常常舉的例子是愛因斯坦，當年他想到引力波這樣的假說的時候根本沒有資料，因為一百年以後，勉強用儀器才測到一點一點影子，人很多時候的假說，各式各樣的假想就是一個沒有資料，先說對不對，後來被證明了。所以，人的智慧很多是這個。
但是，大資料的智慧事實上人永遠看不了那麼多資料，我今天收集那麼多資料，這對人的智力是一個加分的。比如你說下棋，他能夠自己跟自己下，他看的很多資料，人怎麼可能下那麼多盤。所以，這些東西是可以幫助人的。
所以，大資料為主的這些智慧，能夠幫助做數字化轉型，這個我覺得只是在上半場，有很多的機會。但是，人也不要妄自菲薄，人的這種小資料、靈感、idea，愛因斯坦為了找到宇宙中的定義想到引力波這個東西，我都不知道怎麼想出來的，所以，這個方面我覺得還會有什麼進展。
所以，我們也不用擔心。如果你說人類的智慧，或者機器能不能模仿人類智慧，我告訴你，連影子都沒有，不要說上半場，根本沒有開始打，所以還是有很多這樣的機會。
問：您有一張照片是研究院成立第一天拍的，有開復老師，當時他們在做什麼工作，當時成立第一天的場景是什麼？
洪小文 ：1998 年中國的確跟現在有很大的不同，你們在座可能很多還沒有出生。1998 年我記得非常清楚，我在文章裡面寫揹著機器做 Demo，還把腰給閃了，就是 11 月 5 號，現在在瑞吉酒店，在建國門那裡，那個地方還在。
其實當時可以說倉促成軍，為什麼叫倉促成軍呢？當時微軟中國銷售部門，和我們所謂現在的 R&D，當時也沒有 D，有一個 office group，有一些小的 group 做本地化的工作。
所以我們是歷史上可能僅有的，通常跨國公司，不要說跨國公司，全世界公司一定先做產品，然後有銷售部門。微軟 1975 年成立，到 1991 年 16 年才決定要成立研究院。
因為公司小，說要投資，這個 make sense，當時一個公司有三個部門，銷售部門，賣今天的產品，賺今天的錢，產品部門要賺明天的錢，研究部門就是為未來技術做儲備，不做產品，所以，要賺後天的錢。
如果今天的錢和明天的錢還沒有賺到，所以不可能去賺後天的錢。所以，沒有一個公司是先做 R 的，一般跨國公司，包括你說今天 BAT 到海外去，第一個是先去搞銷售，能夠賺錢，再看看能不能做當地開發的一些產品，然後才會放一個研究院在那邊。微軟倒著做，先做研究，然後才有開發。
大家知道比爾蓋茨先生，1995 年結婚，我有機會帶他到這邊蜜月，我想他當時真的是看到中國蓬勃發展的機會。第二，他看到中國有這麼多聰明的學生，而且學生又這麼願意做高科技、科學、工程這方面的東西。
他在 1995 年的時候就想，那時候我們研究院成立四五年，他覺得研究院要擴充。當時他就跟我的老闆商量說，我們研究院要擴充。當時我的老闆跟他說，我們來翻倍擴充。結果我們 Bill 說不對，3 倍，其實這是很了不起的。
你老闆跟你說，你的部門要擴充，然後你說好，翻一番，你老闆說翻一番不夠，翻三倍，基本上就是這樣的一個時間點。你要翻 3 倍，他們馬上就想到，翻 3 倍不能只在美國擴充，在美國可能翻 1 倍，所以他們想要到海外擴充。
所以當時想到歐洲，所以 1997 年成立了劍橋研究院，當時 Dan Ling 先生，他是一個華人，雖然在義大利出生，在美國長大，他當然也是建議中國，加上比爾蓋茨也看到中國的機會，所以他們決定在中國，基本上就是這樣的背景。
當時很了不起，跟大家分享兩件事情。
第一，這麼早微軟，尤其從最高層，比爾蓋茨就看到中國的發展機會，所以比爾蓋茨到今天也是中國的老朋友，昨天你們也看到他跟主席和主席的夫人見面。
第二，更了不起的，Bill 他在那時候就看到，雖然當時的中國跟今天沒法比，但是他看到過去一百年這個世界的創新大部分是靠歐美在做，特別是從二戰以後，很多擔子都在美國身上。他說中國，剛好我們講到中美，比爾蓋茨先生這種情懷真了不起，他到很後來才跟我講這個東西，我當時沒想到這個點。
他當時跟我說，中國佔了全世界 1/4 人口，對於未來的發展中國應該要負擔至少 1/4 的創新，這樣全世界也會更好。
問：我想問一下關於微軟亞洲研究院今年成立 20 週年，想知道您覺得在這 20 年裡，微軟亞洲研究院有哪些比較重要的技術節點？
洪小文 ：我講幾個點。微軟第一個節點就是說，在我們發表第一篇 SIGGRAPH 的 paper，SIGGRAPH 在計算機界有很多最好的論文，每年收的數量都是少於 100 篇，80 篇。在微軟亞洲研究院之前，中國的論文在大部分這些會議上比較少入選。
微軟亞洲研究院很大一個程度是跟著中國一起走到國際一流的計算機行業的這些頂尖會議的舞臺上。因為我們幾乎所有的 paper 都是跟學校的學生跟老師合作。所以，我們第一篇能夠上 SIGGRAPH 當時非常難，這證明了我們可以做世界一流的科研。
然後到的 2004、2005 年，SIGGRAPH 大會上的 paper 我們佔了 10%，10 篇裡面有 1 篇都是從微軟亞洲研究院出來的。從第一篇零的突破，到我們一個單位佔全世界 10%，非常了不起。也因為這樣，這是非常重要的一個點。這是 SIGGRAPH 這個例子，然後我們相對應的計算機視覺也在那時候也類似的這樣就起來了。
所以，大概就在 2001 年第一篇，2005 年達到一個 10%，在 SIGGRAPH。所以，一開始我們發展起來，我們叫做多媒體，跟計算機圖形學，視覺有關的。
第二個我們發展起來的是跟搜尋、資料探勘有關的，尤其我自己而言，我 2004 年來中國，我當時看到搜尋，今天當然大家覺得搜尋很普遍，當時在微軟事實上還沒有開始做搜尋，我已經看到做搜尋的重要性。所以，我們在微軟亞洲研究院開始做很多搜尋的一些工作，因為研究員得打第一炮。
我記得從 2007 年到 2011 年連續五年，我們在世界第一流搜尋最頂尖的學術會議上我們是每一年都佔 10%，剛剛說 SIGGRAPH 有一年達到 10%，搜尋是連續五年，在搜尋最紅的時候，跟 Google 打的最火熱的時候，我們是每一年都佔全世界的 10%，10 篇有 1 篇是我們的。
我個人當然覺得非常欣慰，等於標誌著我們第二個旗幟，而且搜尋裡面包括了資料探勘、自然語言理解等等。
同時，我們也成立了一個搜尋技術中心，在 2005 年我們成立的，而且一開始是研究院的一部分，我還親自領導，到 2007 年，當時沈向洋是院長，因為搜尋做的太好了，我們把沈向洋貢獻到搜尋部門了，所以他離開了微軟亞洲研究院，我就接院長了，所謂搜尋技術中心到今天變成我們的網際網路工程院接近 2000 人的規模。所以，2005、2007 年這個點又是一個節點。
到後來我們再做系統跟 Network，大概在 2009 年到 2013 年左右，我們做系統 Network 我們在國際一流會議，那更難，做系統跟 Network，國際上頂級大會收的 paper 更少，很多一年只收 20-25 篇，我們也做了突破，也是跟著中國一起走向世界的舞臺。
系統跟網路通常報道的少，因為它是屬於後臺的技術，很難 Demo，每一個你們現在看到了不起的，不管是社交網路，不管是搜尋，不管是什麼雲，後面都是靠系統跟網路支撐的。所以這是一個非常了不起的點。所以這又是一個節點。
最後講到今天，今年 AI 這麼紅，而且今天每個人都喊做 AI 了。但其實以前做 AI 的大部分公司都不存在，我們做 AI 至少從 1991 年到現在 20 幾年了，我們做的最久。
今年我們在機器閱讀理解，第一次達到人的水平。我們的機器翻譯也達到人類的水平，我覺得這些東西，尤其今天是多少人做，全世界每個公司都在做，今天在座的我們還要繼續保持，得到技術上的領先，這肯定也是一個節點。
更不要說我們這樣領先已經快三年了，兩年多以前我們的影象識別，拿到世界冠軍第一次超過人的水平。語音是在去年 2017 年超過人的水平。
我們不斷領先，可能還有別的人會繼續超過，學術就是這樣，但是能夠總是做到第一個，還是很有代表性的。更重要的是說，我們做了 20 年了，還不斷在創新，我相信未來一定還有無數的創新的例子可以跟大家分享。
補充幾個 AI 突破的具體資訊如下：
1、2015 年 1 月，微軟亞洲研究院開發的計算機視覺系統在ImageNet挑戰賽中首次超越了人類物體識別分類的能力。同年 12 月，微軟亞洲研究院設計發明的 ResNet（殘差網路）以前所未有的神經網路深度，在物體識別等技術方面再次實現了重大突破。
2、2018 年，在由斯坦福大學發起的 SQuAD 文字理解挑戰賽榜單上，微軟亞洲研究院的 R-NET 和 NL-NET 模型分別在 EM 值和 F1 值上率先超越人類分數。
3、2018 年 3 月，由微軟亞洲研究院與微軟雷德蒙研究院共同研發的機器翻譯系統在 newstest2017 的中-英測試中，達到了可與人類媲美的水平，這是首個在新聞報道的翻譯質量上可比肩人類的翻譯系統。