Die untertägigen Strömungen im Wettlauf um KI-Talente: Wer finanziert die Ursprungsinnovation?
Was ist der Wert eines AI-Doktoranden?
Ein Angebot mit einem Jahresgehalt von Millionen, das rücksichtslose "Widernamen" zwischen Tech-Riesen oder die Versprechen von Anteilen an Start-ups im Bereich der Großmodelle?
Im globalen Talent-Landschaft der Spitzenkämpfer in der Künstlichen Intelligenz werden chinesische junge Talente zu einer Kernkraft in der theoretischen Grundlageninnovation und der technischen Umsetzung. Der "AI Index Report 2024" der Stanford University zeigt: 61,1 % aller Weltpatente in der Künstlichen Intelligenz stammen aus China. In den weltweit führenden AI-Teams, seien es die algorithmischen Durchbrüche bei OpenAI oder die wissenschaftlichen Entdeckungen bei Google DeepMind, fehlen chinesische Gesichter nicht im Kernteam.
Angesichts dieser Marktsüche haben junge chinesische Forscher, die am Ursprung der Innovation stehen, die Wahl: Sollten sie in die Industrie gehen und ihre Ergebnisse schnell monetarisieren, oder sollen sie sich in der Wissenschaft festsetzen und jahrelang an den Grundlagenforschungsprojekten arbeiten, um sich an noch ungelösten, langfristigen wissenschaftlichen Fragen zu versuchen? Diese globale Berufswahl betrifft nicht nur die Zukunft der Einzelnen, sondern auch die Innovationskraft der gesamten Branche.
Am 11. September auf dem InTech Young Pioneers Forum und der Preisverleihung der 2025 Ant InTech Awards auf der Shanghai Bund Summit haben junge Wissenschaftler tiefergehende Einblicke gegeben und uns damit ein Beispiel zur Analyse dieser Fragen geliefert.
01. Die Expedition in die vier vordersten "Niemandsgebiete"
Diese Diskussion über die Zukunft konzentriert sich auf die vier echten Problemfelder, die das InTech Award in den Blick nimmt - es sind die Gebiete, in denen der globale Technologiewettbewerb am heftigsten ist und die am meisten langfristige Investitionen erfordern.
Die allgemeine Künstliche Intelligenz (AGI) ist das "rote Meer" in diesem Wettlauf. Die starke Nachfrage der Industrie nach Großmodellen saugt eine große Anzahl von Talenten an. Die Nachfrage der Industrie ist dringend, aber es besteht auch die Gefahr, dass Talente in eine Art "Schwarzes Loch" geraten und sich eher mit kurzfristigen Engineering-Aufgaben als mit grundlegenden Innovationen befassen. Wie Lan Zhenzhong, Leiter des Forschungszentrums für allgemeine Künstliche Intelligenz der Ant Group, Gastwissenschaftler an der Westlake University und Gründer von Westlake Mindstars, in seinem Vortrag sagte: "AGI soll die Grenzen der Intelligenz erweitern. Es geht nicht nur um die kommerzielle Nutzung, sondern darum, dass wir vorankommen wollen und dass chinesische AI in der Lage ist, die globale AGI zu führen. Das ist unsere Aufgabe." Lan Zhenzhong ist auch Preisträger des 2024 InTech Science Award.
Lan Zhenzhong, Preisträger des 2024 InTech Science Award, gibt einen Vortrag vor Ort
Die Embodied AI ist der nächste Ausbruchspunkt. Nachdem Roboter auf der chinesischen Neujahrsfeier zu sehen waren, erwartet die Industrie, dass sie sich in die physische Welt integrieren können. Bevor dies möglich ist, muss das Grundproblem der "Allgemeinverallgemeinerungsfähigkeit auf menschlicher Ebene" gelöst werden.
Die digitale Medizin ist zweifellos ein hochwertiger Bereich, aber es ist auch ein klassisches Gebiet, in dem man "Freunde mit der Zeit" sein muss. Die technologische Umsetzung muss zahlreiche Hürden in Bezug auf Daten, Ethik und Vorschriften überwinden, was die Geduld und die Fähigkeit der Forscher zur interdisziplinären Arbeit auf die Probe stellt. Die Datenverarbeitung und die Sicherheit und Privatsphäre sind die "Schranken" in der gesamten AI-Ära. Je größer die Modelle und je schneller die Entwicklung, desto wichtiger werden diese Aspekte, die als "Wachter" hinter allen AI-Anwendungen stehen.
Diese Themen zeichnen zusammen ein Bild der AI-Technologie. Die Preisträger des InTech Awards sind die "Pfadfinder" in diesem Bild.
02. Die Beispiele der Pfadfinder: Zwei Anziehungskräfte, eine enge Pforte
Tatsächlich waren Wissenschaft und Industrie seit Beginn der dritten AI-Welle nicht zwei parallel verlaufende Linien. Sie sind eher ein komplexes Feld von Anziehungskräften, in dem sich beide gegenseitig anziehen und durchdringen. Die Wahl der jungen AI-Wissenschaftler ist im Grunde eine Reaktion auf zwei verschiedene Anziehungskräfte.
Die Anziehungskraft der Industrie liegt in den unersetzlichen Produktionsmitteln. Massive Datenmengen, leistungsfähige Rechenkapazitäten und reale Anwendungsfälle sind die wertvollsten Brennstoffe für die Weiterentwicklung der AI-Forschung, die häufig den Hochschul-Labors fehlen. Wie Prof. Wang Limin von der Nanjing University in seinem Vortrag erwähnte, gibt es auch einen Vorteil bei der Zusammenarbeit zwischen Hochschulen und der Industrie: "Verschiedene Unternehmen haben möglicherweise unterschiedliche technische Anforderungen oder Probleme. In der Hochschule können wir diese manchmal neu kombinieren, was in Zukunft ein wichtiger Entwicklungstrend sein könnte."
Die Anziehungskraft der Wissenschaft liegt in der Freiheit, in den "Niemandsgebieten" zu forschen. Sie ermöglicht es den Forschern, sich von kurzfristigen kommerziellen Zielen und den Unternehmens-OKR-Beschränkungen zu befreien und sich an risikoreicheren, langfristigen, aber möglicherweise bahnbrechenden Problemen zu versuchen.
Das Passieren dieser "enge Pforte", die von diesen beiden Anziehungskräften gebildet wird, erfordert nicht nur die individuelle Entscheidung der jungen Wissenschaftler, sondern auch die Reife der gesamten Innovationsökosysteme. Die Preisträger des InTech Awards zeigen uns einige typische Wege für die effiziente Umsetzung von Forschungsergebnissen in Praxis.
Der erste Weg ist, dass Forscher jahrelang in den "Niemandsgebieten" der Grundlagenforschung arbeiten und später genau die Kernprobleme der industriellen Expansion lösen.
So ist es bei Prof. Zhang Fan von der University of Electronic Science and Technology of China. Seine Forschung konzentriert sich auf die Diffusions-Magnetresonanztomographie (dMRI), die lange Zeit eine "langsame" Technologie war, da der Verarbeitungsprozess mehrere Stunden dauerte. Bei Krankheiten ist "langsam" jedoch fatal. Die von Zhang Fan entwickelte Open-Source-Software SlicerDMRI hat die Verarbeitungszeit auf wenige Minuten reduziert und so die "Goldene Stunde" für das Leben gewonnen. Als das Thema "AI + Medizin" zur Marktführung kam, wurde diese aus der Wissenschaft hervorgegangene und langsam verfeinerte Technologie schnell von der Harvard Medical School, der University of Pennsylvania, dem MIT und mehreren Spitzenkrankenhäusern in China eingesetzt.
Genauso hat Prof. Wang Xiang von der University of Science and Technology of China die "Großmodell-Vergessens"-Technologie entwickelt, was eine vorausschauende Strategie war, bevor die industrielle Nachfrage explodierte. Mit der breiten Implementierung von Großmodellen taucht ein schwieriges Problem auf: Was tun, wenn das Modell mit falschen Daten, voreingenommenen Inhalten gefüttert wird oder wenn Benutzer ihre persönlichen Daten löschen lassen wollen? Wang Xiangs "Null-Raum-Beschränkungs"-Technologie für das Wissensbearbeiten ermöglicht es, veraltete oder sensible Informationen in Großmodellen gezielt "zu vergessen" und geht damit direkt auf das Problem der Compliance und Sicherheit in Großmodellen ein.
Ihr Erfolg beweist, dass die Spitzenforschung in der Wissenschaft letztendlich die Industrie vorbereitet und Risiken beseitigt.
Der zweite Weg ist, dass Wissenschaftler in der Industrie Erfahrungen sammeln und dann mit einem tiefen Verständnis der realen Probleme zur Wissenschaft zurückkehren, um sich an den Grundlagenproblemen zu versuchen.
Prof. Li Meng von der Peking University ist ein typisches Beispiel. Er hat vier Jahre bei Meta (früher Facebook) gearbeitet und die Entwicklung eines Hardware-gerichteten Algorithmus-Optimierungswerkzeugs geleitet. Ziel war es, große AI-Modelle effizient und ressourcensparend auf AR/VR-Produkten und Endgeräten mit begrenzter Rechenleistung laufen zu lassen. Diese Erfahrungen in der großangelegten Praxis haben ihm ein besseres Verständnis für die realen Probleme in der Industrie vermittelt: Im Modell der Cloud-Verarbeitung werden die Privatsphäre der Benutzer und die Kosten für die Modellimplementierung zu zwei Schlüsselproblemen.
Als er mit diesem tiefen Verständnis aus der Praxis zurück an seine Alma Mater kehrte, konzentrierte er sich sehr gezielt auf die Endgeräte-Deployment und die Privatsphäre-Computing, um die brennenden Probleme in der Branche anzugehen. Sein Verständnis von der Zusammenarbeit zwischen Wissenschaft und Industrie ist auch sehr aufschlussreich: "Egal, ob man in der Industrie bleibt oder an die Hochschule geht, das Ziel ist dasselbe, nämlich die Dinge, an denen man interessiert ist, umzusetzen. Im Jahr 2022 bin ich von der Industrie an die Peking University zurückgekehrt, um an langfristigen und risikoreichen Projekten in einer freieren Umgebung zu arbeiten. Aber auch an der Hochschule bin ich nicht wirklich von der Industrie getrennt und darf nicht im luftleeren Raum arbeiten."
Am häufigsten ist der dritte Weg - die Grenzen zwischen Wissenschaft und Industrie verschwimmen zunehmend, und es entsteht eine Art "kooperative Evolution, in der sich beide ineinander integrieren".
Prof. Li Yonglu von der Shanghai Jiao Tong University arbeitet an der Erforschung, Produktion und Nutzung von Embodied-Daten sowie an der Infrastruktur von Embodied-Modellen für das Verständnis und die logische Schlussfolgerung in der physischen Welt. Er will Roboter nicht nur dazu bringen, menschliche Bewegungen zu lernen, sondern auch, die Gründe und Logik hinter diesen Bewegungen zu verstehen. Diese sehr schwierige Forschung wird in Zusammenarbeit mit modernen Unternehmen wie Qiongche Intelligence betrieben und ist ein wichtiger Schritt, um Roboter in die komplexe menschliche Umwelt zu integrieren. "Die Embodied AI braucht wahrscheinlich noch lange Zeit, bis es eine explosive Entwicklung gibt", sagte Li Yonglu. "Als der Transformer entwickelt wurde, konnte niemand ahnen, dass er zu etwas wie ChatGPT führen würde. Deshalb müssen wir uns auch heute geduldig an der Basisarbeit machen und die Bausteine für die explosive Entwicklung der Robot Learning legen. Ich interessiere mich persönlich eher für Daten und Modelle, aber ich werde mich gerne mit vielen Menschen aus der Industrie zusammenschließen, um gemeinsam zu entwickeln."
Auf dem InTech Young Pioneers Forum der 2025 Bund Summit diskutieren junge Wissenschaftler mit 36Kr über die zukünftige Berufswahl
Auch Prof. Zhang Feng von der Renmin University of China hat in der Grundlagenforschung großen industriellen Wert geschaffen. Seine Theorie und Technologie der direkten Berechnung mit komprimierten Daten bieten eine neue Lösung für die effiziente Verarbeitung von Big Data. Noch wichtiger ist, dass seine fortschrittlichen Ergebnisse im Bereich der Datenkompression schnell in der realen Industrie Anwendung fanden: Er hat für die Ant Group ein komprimiertes Graphenanalyse-System entwickelt, das die Ergebnisse wiederverwenden kann, und für das Projekt "Zhi Xing Tong 2.0" von Alibaba technische Unterstützung geleistet, was zu einer Kostensenkung von 14 % führte.
Diese Beispiele deuten alle auf einen Trend hin: Der erfolgreichste Transfer zwischen Wissenschaft, Forschung und Industrie geht von einer einseitigen Technologietransferrichtung hin zu einer kooperativen Schaffung von Wert. Es ist nicht mehr einfach "wer hilft wem", sondern eine Partnerschaft, in der beide Seiten einander anregen und gemeinsam evolvieren.
03. Die Ambitionen von Ant Group in der AGI und die Talent-Strategie aus der Perspektive des InTech Awards
Diese Geschichten der "Pfadfinder" werfen eine tiefere Frage auf: Da es einen natürlichen Konflikt zwischen der "Schnelligkeit" der Industrie und der "Langsamkeit" der Forschung gibt und der Marktmechanismus nicht alle Probleme lösen kann, was ist die Logik hinter der Beteiligung von Technologieunternehmen wie Ant Group über das InTech Award in Form einer gemeinnützigen Initiative?
Zuerst stellt das InTech Award außerhalb der Marktheiße einen klaren Wertbezug für die Grundlagenforschung auf, die langfristige Investitionen erfordert. In diesem Jahr hat das InTech Award erstmals ein Stipendium für 10 Spitzen-Doktoranden eingerichtet. Dies ist nicht nur materielle Unterstützung, sondern auch eine vorausschauende Wertinvestition.
Zweitens stimmen die vier Bereiche, auf die sich das InTech Award konzentriert, gut mit der eigenen Technologiestrategie von Ant Group überein. Von den Investitionen in die allgemeine Künstliche Intelligenz bis hin zur Erforschung der Embodied AI und der Umsetzung in vertikalen Anwendungsbereichen wie digitaler Medizin und Finanzrisikomanagement bemüht sich Ant Group, eine umfassende Fähigkeit von den Grundlagen bis hin zu den Anwendungen in der AGI-Ära aufzubauen.
