一位能源類工科博士在讀，正在面臨工業(yè)界和學術界的抉擇，想知道兩者的區(qū)別，以便提前做好準備。科研狀態(tài)自我感覺挺舒適，習慣了自由自在，沒有太大約束的生活，但是感覺自己做的東西浮在空中，落地會摔粉碎。學術圈目前應該是越來越難了吧，人才多，評職稱艱難。隔壁實驗室的講師每天走得比我還晚（一般12點走)，所以很想知道工業(yè)界又是怎么樣一種狀態(tài)?

這里給大家精選了幾個優(yōu)質回答，希望對你有所幫助，歡迎評論區(qū)留言探討。

sen2020回答：

我的背景更偏學術界，我對兩邊都有了解，我談一點自己粗淺的看法。我的討論范圍限定在（1）機器學習領域，（2）能力在前10%~50%的正常人，不討論改變世界的大神。

簡單粗暴的結論：

（1）高校的研究能力在工業(yè)界很有用，但是高校的成果幾乎（99.9%）在工業(yè)界都沒有用。或許高校的education的作用更大，期望高校做出改變工業(yè)界的學術成果不太現(xiàn)實。

（2）工業(yè)界的研究院其實屬于學術界，本質跟高校區(qū)別不大。他們比高校做的東西更有用，但是研究院做的不是核心技術，只是外圍、邊緣的技術而已。

先說說高校的科研。

高校絕大多數(shù)的研究都是各種問題的corner case，在公開的數(shù)據(jù)集上跑幾個實驗，claim自己是SOTA，發(fā)篇論文。但這些東西在工業(yè)界用途非常非常小。我舉幾個例子。

近年來學術界搜索、推薦的論文不少，但在工業(yè)界能用的幾乎沒幾個。學術界的做法是“改進模型，在MovieLens等數(shù)據(jù)集上做個實驗，提升幾個點，發(fā)表論文”。但學術界的成果在工業(yè)界幾乎都不work。在工業(yè)界真正能改進模型效果的方法大多是標注數(shù)據(jù)、處理數(shù)據(jù)、調特征、修bug。少數(shù)能用的學術成果都是Google等公司發(fā)表的。

最近幾年聯(lián)邦學習很熱門，每個會議都有上百篇聯(lián)邦學習的投稿。這些文章中90%以上都是在解決corner case，比如XXX設定下的收斂、XXX設定下的XXX差分隱私方法、用XXX方法防御XXX假設下的拜占庭錯誤。有腳指頭想想也知道，這些corner case在工業(yè)界是沒有用的。工業(yè)界用的是簡單、好調、scalability能上得去的方法，而且要考慮自身系統(tǒng)平臺的支持。

最近一兩年，有N篇基于vision transformer的論文，都是對vision transformer做一點改進，在公開數(shù)據(jù)集上top-1 accuracy提升一點點。在絕大多數(shù)工業(yè)應用里面，沒人在乎一點點準確率的提升。好好處理數(shù)據(jù)、標注數(shù)據(jù)、再加點小trick，帶來的提升比模型大得多。說實話，ResNet之后所有的模型帶來的提升全加起來，還沒JFT一個數(shù)據(jù)集帶來的提升多。

工業(yè)界里重要的問題非常多，但是沒有足夠的人力去解決，只能挑收益最大的做。而高校烏央烏央的人扎堆擠到一些很小的問題上，研究各種各樣的corner case，比如上面討論的幾個問題。這就是為什么我打算離開高校。

再說說工業(yè)界的研究院。

工業(yè)界研究院有一部分人做純科研，做出了非常牛逼的工作。Google、Deepmind、MSR、NVIDIA等公司的研究院都有非常厲害的成果。Transformer、AlphaGo這些成果確實改變了世界。其余影響力小一些的論文也起到了PR的作用。

工業(yè)界研究院有相當多的人在為業(yè)務、技術部門服務?？上У氖茄芯吭鹤龅耐ǔ２皇呛诵募夹g，而是可有可無的邊緣技術。研究院的人看不到完整的核心技術。舉幾個例子：

推薦算法團隊跟研究院合作，希望“試一試”強化學習、圖神經(jīng)網(wǎng)絡這些技術。重點在“試一試”，也就是說可有可無，不是核心技術。能帶來零點幾個點的增長最好，沒有也無所謂。

技術部門發(fā)現(xiàn)強化學習在網(wǎng)約車派單上好用，收益挺大。上線之后，讓研究院做進一步的探索，目標是用更fancy的技術取得marginal improvement。

為什么工業(yè)界研究院接觸不到完整的、核心的技術？核心技術肯定在業(yè)務部門手里，重要性次一級的工具在技術中臺手里。由于利益原因，沒人愿意把自己重要的東西交給別人做，除非是自己不愿做、沒精力做、沒能力做。

說一下工業(yè)界的技術團隊。

工業(yè)界的工作并不美好，有很多臟活累活要干，沒有學術界看起來高大上，而且KPI壓力很大。有一部分人在推著技術走，這種工作的成就感會比較高。另一部分人被業(yè)務推著走，比如這個地方掉點了，那個地方有個bad case，要修一下。。。很明顯，前者的技術含量高，成長更快，在就業(yè)市場上很搶手；后者的技術含量低，是高檔人肉電池，容易被換掉。

最后說說人。

學術界的人才密度遠遠大于工業(yè)界。拿到985學校的講師（所謂助理教授）職位，比公司SP offer還難。工業(yè)界研究院里各個都是有不錯成果的博士。而工業(yè)界的技術部門里，人才密度低得多。哪里更容易出頭是顯而易見的。在跳槽的時候，研究院出身的不那么受歡迎，跟核心技術團隊的人差距巨大。

RoseofVersailles回答：

坐標美國，目前在學術界，但是一直有做工業(yè)界項目，也和工業(yè)界的人有不少交流，并且近期正在談工業(yè)界的職位，希望可以盡快談妥，脫離學術圈。我能想到的，工業(yè)界和學術界主要有如下區(qū)別：

工業(yè)界以資本為導向，作為一個上市公司，做什么大方向要聽股東大會以及其任命的CEO的。學術界以政策為導向，作為一所大學，研究什么要聽國家基金委員會的。這兩者的區(qū)別表現(xiàn)出來，一般就是工業(yè)的研究偏保守，主要是對現(xiàn)有產(chǎn)品改進。學術界研究很激進，主要探索前人的未知。

工業(yè)界上班，100%的精力都在研發(fā)上。學術界上班，至少30%的精力要放在教學和科普活動上。

至少在美國，學術界上班的工作強度至少是工業(yè)界的2倍。工業(yè)界基本上早9晚5，一周5天，每年至少再休20天年假。學術界ap的常規(guī)操作是早7晚12，一周7天，全年不休。

至少在美國，同等地位的職位，學術界的薪資最多不到工業(yè)界的1/2。比如學術界博后年薪5萬，工業(yè)界剛入職的博士研究員差不多10-12萬。學術界ap年薪8-10萬，工業(yè)界senior scientist年薪20-40萬。學術界full prof年薪18-25萬，工業(yè)界中/高層管理年薪50萬-上不封頂。

學術界做出最重大研究成果，一般第一時間在arxiv占坑，然后迅速投Nature、Science。工業(yè)界做出最重大研究成果，一般會極盡所能進行保密，連專利都不一定去申請，更不會發(fā)paper。

有些時候，學術界和工業(yè)界的研究，也是有交叉的。比如學術界也會接DARPA和NASA的活，基本上最后是要出產(chǎn)品的。工業(yè)界也會fund一些探索性項目，只要能創(chuàng)新就行，不需要盈利。但總的來講，這種交叉的情況不會太多。

學術界做出成果，受益人一般是自己（e.g. 發(fā)了paper，拿了funding）。工業(yè)界做出成果，直接受益人是股東，至于自己能從中漁利多少，取決于為人處事如何、懂不懂向上司表現(xiàn)，會哭的孩子才有奶吃?？偟膩碚f，工業(yè)界更適合躺平。

有的高贊答案說工業(yè)界投資更大，設備更強，人手更多，所以做科研更厲害。據(jù)我的了解，只有極少數(shù)的公司在極少數(shù)的領域是這樣的，比如量子計算，人工智能。絕大多數(shù)領域，比如物理、材料、化學，是非常吃大科研裝置的，縱使是全球500強公司，也出不起建造-維護裝置的錢。絕大多數(shù)領域的科研裝置，絕對是學術界更先進、更好。比如球差電鏡，光源，中子源，加速器，核磁。一般來講，公司如有需要，會選擇和大學合作，以使用這些科研裝置。

學術界項目失敗一般是沒事的，而工業(yè)界項目失敗一般是要有背鍋俠的。在學術界的基層人員可以多吹吹牛，而在工業(yè)界則應該根據(jù)自己能力合理的要任務，一旦past due卻實現(xiàn)不了deliverable，是真的會極大影響自己的職業(yè)生涯的。

接上一條，學術界拿了tenure，基本上屬于鐵飯碗。而工業(yè)界經(jīng)常會出現(xiàn)某個部門業(yè)績不佳，直接砍掉的情況。Tenure也算是對學術界低收入的一個補償吧。

學術界更注重開放合作，有時候沒publish的idea甚至都會在conference講。工業(yè)界則非常在乎ip，哪個idea是誰提出來的，誰做了什么，都要清清楚楚的記錄下來，以防未來有人渾水摸魚。

學術界report給誰，這些層級的關系，一般都是過過場面，不會當真（比如某ap，需要report給dean）。工業(yè)界report給誰，誰就真的是你的supervisor，一點都馬虎不得。總的來講學術界更多的是“單打獨斗”的小作坊。工業(yè)界則是等級森嚴的階級社會。

學術界的resume一般是publication和award來說話。工業(yè)界的resume一般是project的experience來說話。

學術界的工作地點有時候會很偏遠，比如los alamos，ithaca，college station。工業(yè)界的工作地點則集中在幾個重點地區(qū)，比如bay area，boston，nyc。

匿名用戶回答：

工業(yè)界：把復雜的事簡單化，貢獻！

學術界：沒有困難創(chuàng)造困難也要呻吟幾聲，然后整幾篇！

我是工科的，具體就是大機械學科，舉個最簡單的例子，國內(nèi)學術界大機械大多數(shù)做機器人或自動化裝備的研究，都在玩動力學。然而發(fā)表的動力學論文，基本都是在那幾個著名的理論上加一些條件做“應用分析”。注意我這個引用號寫的很嚴謹，因為很多條件都假設了已知條件，比如說零部件質量、比如說慣量。而這些條件反而是應用中最不容易知道的東西。換句話說，

學術界喜歡開上帝視角談應用，而遺憾的是，工業(yè)界根本開不了上帝視角。所以學術界做的絕大多數(shù)研究，上不著天（沒有真正提出新理論新方法），下不落地（沒有解決業(yè)界需要的技術問題），根本就是無病呻吟。關鍵是，學術界習慣了這種無病呻吟之后，就好像生活中有一種典型的常見“無病呻吟”的狀況一樣。

補充說明：本文默認工科的學術界和工業(yè)界對比，更具體地說是?工科 國內(nèi)學術界 和 工業(yè)界對比。其他學科如有雷同純屬巧合。

另：國外學術界或有不同，我見識有限，不能說的很清楚。但是在美國是不太一樣的 。原因是美國的工業(yè)界太特么牛B了，以至于像通用、谷歌這類公司的研發(fā)水平很高。這就造成了美國的學術界和工業(yè)界“分工”較明確，學術界只研究新的超前的技術，證明可行性之后，然后工業(yè)界完善成熟。

中國和美國是不同的，中國絕大多數(shù)公司養(yǎng)不起大量真正的研發(fā)人員，所以本來高校承擔了相當多的工業(yè)研發(fā)的角色。然而工科理科化之后，承擔工業(yè)研發(fā)這部分角色的教師逐步被“轉化”或者“淘汰”，而所謂創(chuàng)新研究的也因為得不到工業(yè)界的反饋而變?yōu)榧埳险劚?/span>所以，這其實和我國為什么要走中國特設社會主義道路一樣，片面學習美國是行不通的。

因為學術界和工業(yè)界必須相互依存才能發(fā)展的很好！

編輯：fqj