各大科技公司的科研水平？

布满荆棘的人生 2022-09-17 03:08 136阅读 0赞

点上方**人工智能算法与Python大数据**获取更多干货

在右上方 **···**设为星标 ★，第一时间获取资源

仅做学术分享，如有侵权，联系删除

转载于 ：作者 | Flood Sung@知乎（已授权）

来源 | https://zhuanlan.zhihu.com/p/421951675

编辑 | 极市平台

## 1 标准 ##

在Google Scholar中输入公司关键词，然后统计citation >= 2000的人数。这个方法类似于看个人的学术水平用h-index，这里面因为一些人已经换公司但没有改掉，或者一些人没有注明公司，统计存在一定误差，但基本能反映公司对科研的重视程度。

citation>= 2000 应该算是一个比较高的标准，在国内都具备当高校教授的要求，如果是phd刚毕业就达到2000，那基本属于业界顶牛了。

比如Google：

![d398bae8eb1d61c224cbc7b337f59712.png][]

## 2 结果 ##

### 2.1 国内 ###

1.  ByteDance: 22
2.  Tencent:43
3.  Alibaba:69
4.  **Huawei:95**
5.  Baidu:37
6.  Meituan:6
7.  JingDong: 13
8.  Netease:1
9.  Xiaomi:5
10. Kuaishou:3
11. Pinduoduo:0
12. Didi:4
13. 360:1
14. byd:0
15. 旷视:5
16. 商汤:24

从国内的排名看，huawei排名最高，对科研最重视，这个从任正非的访谈中都可以看出来，并且从Google Scholar中可以看到huawei的科学家国际化程度非常高，很多老外，而tencent，alibaba还有bytedance基本都是华人。

### 2.2 国外 ###

1.  **Google: 1514**
2.  Microsoft: 586
3.  Apple: 229
4.  Nvidia: 142
5.  AMD:30
6.  Intel:344
7.  Amazon: 324
8.  Facebook: 411
9.  Tesla: 10
10. IBM:762
11. Adobe:67
12. Cisco:49
13. OpenAI:41
14. EA:1
15. Ubisoft:1
16. **Samsung:275**
17. Oracle:32
18. Epic Games: 3
19. Disney:8
20. Paypal:0
21. Netflix:23
22. Salesforce:21
23. TSMC:17
24. Sony:30
25. Visa:15
26. ASML:22
27. Oracle:32
28. Sea:3
29. Snap:12
30. Uber:20
31. AutoDesk:4
32. Twitter:12
33. Xilinx:8
34. Qualcomm:103

很明显国外的很多巨头的科研实力特别强，对比一下国内的互联网巨头差的实在有点多。这也导致了最有影响力的科研成果都来自国外，Tencent，Alibaba等对科研的投入还远远不具备和Apple，Microsoft，Alphabet，Amazon，Facebook抗衡的水平。

## 3 和市值的关系 ##

我们参考https://companiesmarketcap.com/tech/largest-tech-companies-by-market-cap/ 列一下前20科技公司的市值(市值>2000亿美金)与citation>=2000的人数关系

![8e2f7c02993f615b23ea74956ca2f178.png][]

总的来说，市值与科研不完全相关，但Top 5的公司对科研都非常重视。Tesla看起来人数很少，但这和他们小而精的团队有关，同时他们研发AI几乎不发paper，所以虽然研发实力很强，但从Scholar上没有体现。

## 4 科研对于公司来说到底重不重要？ ##

从上面的数据可以观察出一下几个特点：

**1.科研对于公司的长期发展非常重要。**

头部的巨头他们没有其他公司可以追随，所以他们只有做原创性创新，才有可能去开发全新的产品保持长期处于不败之地。但我们也发现这样的情况：比如IBM，科研人员很多，但是对于移动互联网，同样抓不住，还有商汤这样的独角兽，科研人员相对于其体量很多，但却很难做出好的产品。这说明了另外一个问题：

**2.科技趋势和科研方向不完全匹配影响公司发展。**

我们说的科研方向往往是一些比较硬核的学术研究，那么这些研究有的距离落地很远，甚至和当前的科技发展趋势不匹配。比如说移动互联网时代，开发app并不需要掌握很牛的科研技术，开发能力，工程能力是关键，这使得像IBM，Intel等老牌巨头的科研几乎排不上用场，自然被超越了。而只有AI特别是计算机视觉研究能力的商汤也不具备很强的app开发能力，它的产品依赖于AI，因此面临着产品困境。但是还有很多未来潜在的产品，是非常需要科研的。比如说家用机器人，VR/AR 元宇宙，6G通讯等等，这些方向需要很多硬核的技术，并且这些技术还有很多未被攻克，因此就需要大量的科研。这一点华为就做的比较好，它要发展通讯技术，比如5G，那么就需要科学家的长期攻关。所以，公司的科研方向一定要能匹配公司的产品发展战略，而公司的发展战略也一定要符合科技发展趋势。

**3. 没有强的科研能力的公司一定不会是最top的公司**

这我们从top5的情况就可以看出来了。

比如比亚迪和Tesla在自动驾驶上的科研也无法相提并论，Tesla有最顶级的科学家在研究，但是比亚迪几乎就没有这方面的人才，所以这会导致比亚迪在自动驾驶上远远落后于Tesla，只能在电动车，新能源这个领域和tesla抗衡。

**4. 没有产品只有科研是不行的**

国内AI4小龙就面临这样的困境，科研很强，却无法有好的产品，无法盈利，这也会很困难。而巨头特别是Google，科研靠它的产品带来的巨大现金流来养Google Brain和DeepMind，则非常健康。

## 5 为什么国内互联网公司对科研不够重视？ ##

有两方面的原因：

1.  国内互联网公司都是移动互联网的产物，如上节第二点提到的，基本不需要科研就能做，靠的是工程开发。
2.  国内的顶尖科研人才相比美国少太多，本身就很难有国际顶尖的科研人才加入，这导致了很难产出有影响力的工作，从而导致恶性循环：做开发好赚钱，做研究又做不起来。

所以，因为上面两点，国内互联网公司的科研实力和美国IT巨头差距很大。

## 6 是不是该重视科研实力了？ ##

当然，因为移动互联网已经到后半场了，现在我们看到几家互联网巨头就是在内卷。比如陶特和拼多多，不是技术水平的比拼，而是产品策略，营销的比拼。

这种内卷将无法拿到通往下一波科技浪潮的入场券。

机器人，元宇宙以及AI带来的领域革命，这些都非常硬核，没有科研能力只是follow几乎不可能占得先机做出顶级的下一代产品。

鉴于有些评论认为公司里不需要research，这里再用VR举个例子。

VR涉及到软硬件。硬件上主要是芯片，显示屏，定位等等，软件则涉及到图形渲染，Slam，AI。比如AI，需要研究NLP，渲染，角色动画，GPU加速等等。以上这些很多都是处于需要研发攻关的阶段。比如NLP，我们想要在VR系统中构建一个虚拟人，能自己说话，就需要NLP，怎么让虚拟人说的话和真人一样。再比如渲染，我们想要虚拟人足够真实，就需要研究虚拟人的毛发，皮肤，表情等等如何渲染得更快更真实。这些研究课题和落地直接相关，研究的水平决定了产品的效果。

Facebook就有一个顶级的Reality lab来做VR相关的研究，每年发很多篇的siggraph，这些研究最终都有可能应用到产品中，而不仅仅发了paper就完事了。

![24e7f05234cdf893eac50616ca450674.png][]

所以，总之，希望国内科技公司能够更重视科研，做出有影响力的成果，并最终在下一波科技浪潮中取得领先。

\---------♥---------

声明：本内容来源网络，版权属于原作者

图片来源网络，不代表本公众号立场。如有侵权，联系删除

AI博士私人微信，还有少量空位

![102d46ded995ecaa2dfb655e9962c3ca.png][]

![639bd0d95039b2c771fecc13bcc8cc90.gif][]

[如何画出漂亮的深度学习模型图？][Link 1]

[如何画出漂亮的神经网络图？][Link 2]

[一文读懂深度学习中的各种卷积][Link 3]

点个在看支持一下吧![e70d746bec30988f533ed03fb3812695.png][]![f9ad32c1e1d6656104c87264ef9d1aa1.png][]

[d398bae8eb1d61c224cbc7b337f59712.png]: /images/20220828/cc655f92408a4fdcba65a620b8579124.png
[8e2f7c02993f615b23ea74956ca2f178.png]: /images/20220828/794d6fe51fc54650bd585fb1ee541703.png
[24e7f05234cdf893eac50616ca450674.png]: /images/20220828/bcd85ae8a0494379b1979e4ce9ec7ef5.png
[102d46ded995ecaa2dfb655e9962c3ca.png]: /images/20220828/ed09f20a03c54b778252779847147310.png
[639bd0d95039b2c771fecc13bcc8cc90.gif]: /images/20220828/fb77651bc6b54411b4b01148a31e9461.png
[Link 1]: https://blog.csdn.net/weixin_36896856/article/details/106880438
[Link 2]: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/100918826
[Link 3]: https://blog.csdn.net/algorithmPro/article/details/108138471
[e70d746bec30988f533ed03fb3812695.png]: https://img-blog.csdnimg.cn/img_convert/e70d746bec30988f533ed03fb3812695.png
[f9ad32c1e1d6656104c87264ef9d1aa1.png]: /images/20220828/c2c9ef4bd2ed49e295f551946b0883c1.png