李凱，1977年畢業於吉林大學，1981年畢業於中國科學技術大學研究生院，1986年於耶魯大學取得博士學位，後於普林斯頓大學任教。
在科研領域，1980年代中，李凱提出了分佈式共享內存技術，開創了新的研究方向，成為1990年代國際計算機系統結構領域研究的熱點，而他本人也在1998年當選為ACM Fellow；在創新領域，2001年，李凱與合夥人共同創辦了Data Domain公司，研製出世界上第一款商用重複數據刪除產品，2009年這家公司被EMC以24億美元收購。因為這次收購，李凱也被媒體冠以“身價較高的華人教授”。由於在科研與創新領域均作出突破性貢獻，2012年李凱當選美國工程院院士。
科研是將金錢轉換為知識的過程，而創新則是將知識轉換為金錢的過程。
很多團隊轉向做“反向工程”或“山寨”產品，卻沒有創造核心知識產權。
對政府而言，應該投資在科研上，而不應當扮演風投的角色。
美國工程院院士、普林斯頓大學講席教授李凱經常被問到這樣一個問題：您認為中國計算機領域的高科技創新如何？
李凱的回答略顯直白：“不行。”
他以運轉了28年的“863計劃”為例：近年來國家每年投入的經費達到20億美元，但是在高科技創新方面，尤其是在計算機領域，卻找不到一個通過承擔863項目產生核心知識產權並且佔領國際市場的成功商業案例。
“如果從培養人的角度來説，863計劃是培養出了一批人才，但是，如果從科研創新的角度而言，我認為它是失敗的。”李凱説。他的評價基於三個標準：第一，是否產生顛覆性技術；第二，是否在某個領域的國際市場上佔據領頭羊地位；第三，是否通過核心知識產權創造出很高的毛利。
有人認為李凱定的標準太高，但李凱不同意：“這是世界工業界公認的標準，不是我的標準。”
去年，為了紀念《中國計算機學會通訊》出版100期，作為中國計算機學會的海外理事，李凱系統梳理了這個思考多年的問題，應邀寫了一篇長文《促進中國高科技科研創新的想法》。在這篇文章中，他尖鋭地指出當前教育和科研製度的弊端，尤其是科研製度將科研和創新混為一談。
雖然知道直言不諱地道出這樣的結論會讓一些人不快，可李凱依然堅持做《皇帝的新衣》裏那個説真話的孩子，因為“在科學與工程領域，想要成功，首先要實事求是”。
在學術界與工業界的成功跨界經歷，李凱對科研與創新的聯繫有深入的思考和親身的體會。
近日，在接受中國青年報記者專訪時，李凱再次重申自己的觀點：“你不實事求是，就看不清自己的位置；你要想真正前進，發現新知識、創新，必須實事求是，否則就達不到目的。你要衡量做得有多好，要同一領域的評價，而不是政府來評或者領域外的人來評。”
科研和創新不是一回事
過去幾年中國一直在增加科研投入。2013年，中國的科研支出達2580億美元，雖然佔GDP的比例還低於歐美、日韓與以色列等發達國家，但科研投入總量已居世界第二，比美國少36%。在高科技產業領域，中國佔全世界高科技產品的出口份額從2000年的6.5%一路攀升到2013年的36.5%。與此同時，中國也躍升為世界論文第一大國。
一個不容迴避的核心問題是——政府對高科技創新的投入有多大效果？
“如果向國際高科技界詢問這個問題，大多數會回答：並不有效。”李凱説，根據科技部披露的數據，2011年中國出口高科技產品份額中，82%由外資企業或合資企業生產。
作為世界第二大經濟體，高科技發展是中國從製造大國向基於核心知識產權的高價值經濟體轉型的關鍵。一個明顯的事實是，相當多的學者已經學會了如何把錢換成“紙”，也就是書面的論文，但是還不太擅長如何把書面的論文，也就是“紙”轉換成金錢。
為什麼政府在高技術領域的科研經費投入效果很差？為什麼論文第一大國掌握不了“紙變錢”的遊戲規則？在李凱看來，原因主要在兩個方面。第一個方面就是科研與創新合二為一的政策，並對所資助的研究性項目提出不切實際的商業成功要求。
“從表面上來看，科研與創新合二為一的政策對政府和宣傳是很有吸引力的，但其實這是混淆了科研與創新的基本概念。”李凱對第一個原因闡釋道。
以發明即時貼聞名世界的3M公司的傑弗裏·尼科爾森博士曾經對兩者給出明確的定義：“科研是將金錢轉換為知識的過程”，而“創新則是將知識轉換為金錢的過程”。
“如果把金錢轉化成金錢，就去華爾街，不需要找科研人員。”李凱直言。
李凱認為，將科研資助與創新資助混為一體所帶來的問題顯而易見。
第一個明顯問題是此舉會帶來兩種激烈的衝突。李凱舉例，一個受到資助的團隊必須發表新知識來衡量他們的研究是否成功，但同時又要保護他們的知識產權以實現商業成功。這在知識產權保護還較弱的環境下是非常困難的。
另一個衝突是大學會變成營利機構。當一所大學擁有了公司，它將成為產業界的競爭者。這樣的利益衝突偏離了大學的主要目標——培養學生。
李凱認為，第二個明顯的問題是要在2～3年內既要產出成功的科研成果又要實現成功的創新產品是不現實的。
“即使不考慮發表論文，哪怕是擁有了一支有經驗豐富的高素質工程師團隊，要想在這麼短的時間內開發出在市場上獲得成功的高科技產品已經是非常困難的，更何況這支團隊是由沒有產品開發經驗的研究生新生組成的。”李凱説。
這樣的後果就是——很多團隊轉向做“反向工程”或“山寨”產品，卻沒有創造核心知識產權；很多聰明的研究人員開展影響力不大的研究項目，開發沒有市場競爭力的產品；很多發表的論文或者只有一些小的改進，或者根本沒有新的想法。
然而，為了繼續獲得未來的經費支持，不僅每個團隊都必須宣傳自己的項目是成功的，而且經費管理機構也必須宣傳他們資助的大多數項目是成功的。
“也許這就是為什麼‘863計劃’資助了28年後，所資助的項目仍然是在‘追趕’而不是做真正的創新。”李凱説。
政府不要扮演風投的角色
對科研進行5年規劃的方式，導致資助的研究方向與高科技領域的快速變化出現大量脱節，是李凱認為的導致政府對科研高投入卻效率不高的第二個原因。
也曾經有國內的科技部門主管官員向李凱諮詢：我們要做5年規劃，您在信息科學方面有什麼建議？
李凱直言：脱離5年計劃。“針對未來5年設立的項目，大多數方向很快會過時，這會在國家層面上造成時間和金錢的極大浪費。”他實事求是地告訴這位官員，“任何人不知道信息技術類會發生什麼變化。你們不如拿一部分錢支持5年計劃，更大的一部分錢支持不是5年計劃的項目。這樣支持的項目才有可能產生推動型的科研成果。”
“當政府經費管理機構確定科研與創新方向時，他們認為這些方向將會對中國經濟有利。但是，因為沒有產品開發與管理的經驗，他們也不瞭解市場需求。同樣，一些權威科學家建議設立某些方向，多數科學家自己也沒有創業經歷，也不瞭解市場需求。”李凱説。
在李凱看來，其中較大的問題是：“計劃的決策大多是由技術驅動的，而那些大型成功企業的決策是由市場主導的。”
美國也曾經有過這方面失敗的案例。美國政府設立一個叫“SBIR”的計劃用來為技術轉化提供種子資金支持。這個計劃年度預算相當大，但成功的案例很少。科研與創新混為一體的一個弊端是“要求政府經費資助機構充當風險投資公司角色，但他們並沒有遴選創業公司的經驗”。
李凱認為，對政府而言，“應該投資在科研上，而不應當扮演風投的角色。”
科研與創新分離的優點大於缺點
當然，科研與創新分離也有缺點。資助研究的政府機構在短期內無法看到研究成果商業化和創造就業機會的結果。但是，李凱説，科研與創新分離的優點大於缺點。
首先，這能鼓勵研究人員專注於影響力巨大的新技術新發現，而不必擔心商業化；其次，將科研與創新分離，創業人員與投資者也更可能成功；另外，因為他們沒有短期成果的壓力，政府的經費資助機構擁有更多的資源來資助有大影響力的想法和潛在的顛覆性想法。
李凱個人經歷就驗證了這一點。2001年，他選擇“no paid leave”（即我們常説的停薪留職），暫時離開普林斯頓大學，一個學生也沒帶，就來到位於西海岸的硅谷創業。因為知道自己擅長技術而不擅長管理，所以他與幾個合夥人從一開始就積極尋找了一名合適的CEO，並在摸清市場需求後，再找一批很好的人來做技術。
公司剛剛起步的時候，李凱還記得，做一個小的演示，用五千到一萬行程序代碼就可以解決了；2004年，第一個產品推出來的時候，需要30多萬行程序代碼；2011年，一個產品的程序已經是500多萬行代碼了。
“誰來寫兩個數量級中間的東西？”李凱問，“只能是找較好的人。”而早在2004年，李凱公司的創新已經“顛覆了這個市場”。
“如果我當時還堅持在普林斯頓大學，一邊做科研，一邊做公司搞創新，就是我們常説的腳踩兩隻船：可能一艘船比較快，就會掉到河裏了；如果兩邊都做，只能讓兩邊走得都不快。”李凱説。
慢慢來不是創新的態度
要取得科研和創新的成功，也必須改革現有的衡量標準。
李凱到國內的一些學校訪問，發現他們在介紹自己的科研成績時喜歡用同一個指標：科研經費。
一所高校計算機學院的院長在介紹學院發展時説：現在院裏很好，科研經費超過億元。
李凱忍不住問：你最主要的科研成果是什麼？對方説不出來。李凱直言：我認為拿的錢越少，做出的成果越多越好。研究與創業類似，都應該追求用最少的錢做出有價值的工作，在硅谷一個只會拉風投而不能把企業做大的CEO沒人願意僱傭。他們説，你説的很對。只過了5分鐘，對方又開始説某位教授做得有多好，拿了多少經費。
文章也是國內高校介紹科研成果時一個常常掛在口頭的指標。李凱忍不住自嘲：如果按照現在的規定，博士期間只發表了一篇文章的自己根本沒有辦法畢業。
李凱的建議是：政府不要設定統一的衡量標準來約束所有的大學和研究機構，應該下放權力給大學和研究所，要相信他們的判斷力，並讓他們自行制定合適的衡量標準。
李凱有些着急：“863計劃執行到現在已經有28年了，你可以説中國的事情要慢慢來，可是還需要多慢？慢慢來的態度就不是創新的，創新就要顛覆以前的事情。成功不是在一個受保護的市場裏，而是在國際市場上。”
“我相信如果這樣的改革能實施，我們將會看到高校與研究機構培養出大批有天賦的科研人員和有才能的企業家。”李凱説。
聲明：文章收集於網絡，版權歸原作者所有，為傳播信息而發，如有侵權，請聯繫小編刪除，謝謝！
文章來源：未名讀書
《Python數據處理實戰：基於真實場景的數據》高效的數據處理技能已經成為工作中必不可少的技能之一了。熟練掌握和運用Python對數據進行高效的處理，可以大大提高數據分析和數據挖掘的效率。