留美六年毅然归国 85 后技术 VP 金超：我想把工业智能做好

“年轻有为”、“别人家的孩子”、“海归学霸”…这些都是金超常被外人称道的标签；“为什么博士毕业后选择回国？”、“为什么选择投身不那么容易的工业智能领域？”、“为什么选择加入一家创业公司？”…这些都是金超常被问起的话题。一旦被问起，金超总会很认真地表达自己的想法：选择做什么固然重要，选择与哪些人一起做事可能更重要。这就是本期二叉树的采访嘉宾——北京天泽智云科技有限公司的技术研发副总裁金超，一个集合了所有焦点和热点的技术人。

留美六年，毅然回国

我相信个人命运和国家命运是相关的。

自本科从哈尔滨工业大学毕业后，金超就考入了美国辛辛那提大学继续攻读硕士和博士学位。在入学第二个学期，他加入了被美国工业界誉为工业大数据人才“西点军校”的 IMS（美国智能维护系统）实验室。在这里，他认识了李杰教授，那时的金超可能没想到这会是影响自己今后人生轨迹的人之一。

“最开始，我想过要留在美国。这六年，我在美国生活、学习，其实已经基本适应了美国的工作氛围，但和李杰教授的一次谈话让我的想法有了动摇。”在那次闲聊中，他们的话题指向了未来就业，金超表示自己最初的想法是毕业以后加入美国企业担任算法工程师，那时的他觉得加入一家大公司留在美国或许就一劳永逸了。但李杰教授却表示：“不要觉得进入大厂就是你人生的顶峰，其实在大公司做不了很多想干的事，别人让你做什么，你就要做什么，自由度是非常低的。”这让金超重新思考起自己未来的职业规划。

IMS 人的信条是：真正的实验室是工业现场。同样的，李杰教授并没有对金超的论文做硬性要求，但对实操要求非常严格：学生必须夏天出去实习，毕业之前必须与企业合作做项目。这样训练下来，一位博士生从入学到毕业，平均要承担 10 个以上来自不同企业的项目，在至少 3 家公司实习过。

在这个过程中，金超接触到了很多国内的工业智能项目，开始频繁在中国和美国之间往返，由于时差以及中美之间不同的办公氛围，整个沟通链路大大变长。在美国，开个碰头会至少要提前一周协调时间，而在国内，大部分人习惯通过钉钉、微信这种即时通讯工具办公，甚至客户随时会打电话过来咨询技术问题。

“我很遗憾没能早一点回到中国，如果当初可以离国内市场更近，那么对国内客户需求的了解速度会更快，推进技术落地的方式也会更加成熟。”为了不让遗憾继续，博士毕业后的金超毅然决定归国，投入国内工业智能的建设中。

在这期间，一位哈佛大学教授的演讲更加坚定了他回国的想法。金超表示很认同这位教授用 Relationship 来定义幸福，回到国内，离父母更近、离朋友更近、离市场更近，这会让金超的幸福感更高。

影响人幸福的不一定是你的财富，甚至可能不是你的健康，而是你能不能在一段感情里，感觉到爱，也感觉到你给予别人爱的感觉，这点可能是更重要的。

不同的发展背景、不同的市场环境，这让中国市场和美国市场之间存在天然的差别，但金超很快就适应了这种环境的转变。在他看来，国内市场对创新的接受度更高。但总体而言，目前国内的企业在观念上可能还没有那么喜欢接受挑战（当然这也因行业不同存在差异），至少在需求侧是这样。美国很多企业经历了从技术创新到价值实现的过程，而国内往往更习惯于技术引进和价值复现。

金超经常听到的一个问题是“有没有相关案例？有没有成熟产品？”对于创新或者技术研发，国内客户可能在观念上相对保守，这给技术从业者们提出了更高的要求：所做的应用一定要落地，并且能够在很短的时间内实现价值。

在 2017 年加入北京天泽智云科技有限公司（以下简称：天泽智云）之前，金超就已经在为天泽智云服务，加上此前在 IMS 积累的解决问题的方法，包括算法上的创新、特征构造方法等，金超一直在思考如何将经验固化下来以更好地服务于国内企业的智能化转型。就这样，他带着团队从建模工具做起，希望逐步降低工业智能建模的门槛，并实现技术普惠。

近几年，金超的工作重心开始慢慢转移，从纯粹的技术型岗位转变为了管理者。他坦言，自己其实已经有两年多没写代码了。但在他看来，这其实没有什么，本就应该给一线工程师更多机会。他曾经听过一位 CTO 在演讲中提到：在科技企业，绝大多数的创新都来自于一线工程师，而不是所谓的 Leader，这告诉我们要给真正战斗在一线的工程师更多话语权，让他们去展现自己。如果某个团队中算法能力最强的是团队的 Leader，那么这个团队可能就不是一个成功的团队。只有当团队里面所有人都比 Leader 还强的时候，可能才是一个更健康的状态。

为什么选择尚未定型的工业智能？

我们可能都在努力成为“斜杠工程师”。

目前，国内的工业智能领域尚处于初级阶段，需要大量的人才参与建设，而这一领域对人才的要求也格外高。在采访中，金超表示，工业智能属于数据科学的范畴。数据科学家这个职业还相对比较新，职业发展路径没有那么僵化，但无论哪个行业的数据科学家，多少都有一个特点：除了懂数据科学之外，还要懂行业，这一点在工业智能领域尤其重要。

除了需要掌握机器学习算法，知道如何可以让分类、回归模型更加准确，工业智能领域的数据科学家们还需要在行业中找到适合用智能化方式解决问题的场景，要能够将模型做到可解释，让用户一看就懂、一看就会用。这对工业智能领域的数据科学家要求很高，因为工业上很多领域知识都是大学里的一门专业，该专业的从业人员至少要学习四年甚至更久才能掌握这个领域的知识和技术，然而，现场的问题又很碎片化，所以做工业智能算法需要努力让自己成为“斜杠工程师”，即复合型人才，同时也要不断培养自己的学习能力。

即便如此，金超还是抱着“为国内的工业智能贡献一份力量”的简单念头，毫不犹豫地选择了尚未定型且难度较高的工业智能领域。光从名字来看，可能会有不少人觉得工业智能与人工智能差不多。通用的人工智能技术在经历了 Google AlphaGo 的声名大噪后得到了快速发展，也吸引了很多技术人才的关注，其本质是认知科学；而工业智能是人工智能技术在工业领域的应用，最终目的是要利用人工智能技术帮助工业解决实际问题，工业应用最终的目标离不开降本增效，要想真正拿出成绩，光靠数据是不行的。

在采访中，金超表示，目前的普遍认知是工业智能仍处于初级阶段，在解决问题时要坚持从痛点出发，而不是拿着一堆数据看看能做什么，然后再考虑实现价值，这种方式的效率和价值相对是比较低的。所以，企业自身要更加明确自己做智能化的目标，才能够让工业智能更好地落地。

当然，要想做好工业智能，现阶段首先要解决的问题还是数据。金超表示，很多企业可能连工业 2.0、3.0 都还没有实现，想要一蹴而就实现工业智能 4.0 是非常吃力的。首先，企业应该重视数据收集过程，并具有从多维度分析数据的能力，而不仅仅是收集和记录；其次，工业智能现在亟待解决的问题是企业中的管理模式。

金超所在的团队曾经接到过帮助一家工厂平衡能源介质的项目，如果工厂当时按照智能系统给的建议操作，其实效益是非常大的。但在向下推进的过程中，团队发现工厂的基层操作人员已经习惯了原有的操作模式，在绩效和管理模式不变的情况下，基层人员没有动力更换新的模式，而且也不知道应该如何操作。这就需要操作手册等指导性文件，并且要改变绩效和激励制度，在这个基础上推陈出新，落地效果才会更好。在这个项目的执行过程中，项目组对基层员工前后进行了大大小小三十几次培训，才最终顺利完成项目。金超觉得，做工业智能绝对不仅仅是算法或者数据问题，最后很可能是业务导入等其他层面的问题。

事实上，数据问题在各行各业普遍存在，不仅仅是工业领域，只不过工业领域比较特殊的一点是，工业采集的数据是有明确物理意义的，一旦发生比如传感器故障、数据质量等问题，造成的损失将无法弥补，我们很难做数据质量问题的修补。面对这种情况，金超认为至少要做到两点：一是能够识别出数据质量的好坏，也就是说无论做什么样的工业智能应用，首先要能够准确定位到数据质量问题，然后进行根因分析，并且完善数据采集过程；二是对模型的冷启动提出更高要求，其实无论是传统的机器学习还是所谓更现代的深度学习，要实现比较好的精确度，都要经过大规模训练，如果没有足够多已经被标注的数据，想让模型自学习来达到高精度是非常困难的。如何在数据和标签不够的情况下提升模型准确度，是金超和团队一直在思考的问题。

在天泽智云，针对上述问题已经沉淀出了一些方法论：一是融入机理，所谓的机理指的是工业设备本身固有的物理、化学等原理，基于这些先验知识可以补足一些从数据里面没有办法获得的信息；二是基于机理构造特征，这些特征可能有助于提高模型准确度；三是如果现有数据缺乏标签，可以利用一些规则或经验公式进行标注，然后再让模型基于此标签进行训练，这个过程相当于一个半监督学习的过程。基于这些方法，天泽智云成功在很多场景落地了项目，包括风电、轨道交通等领域。目前看来，这样的方式非常有效。

年少不可选，但有为可以努力

君子之所为者，乃天降之大任也。

“年少有为”可能是很多人提到金超时的第一反应，但金超对这个词有着自己的理解：年纪虽不可选，但路可以。“年少有为”可能并不是说一定要取得多么伟大的成就，金超在采访中表示。他所理解的“有为”是“君子有所为，有所不为”里的“有所为”。

“君子之所为者，乃天降之大任也。”在“大任”面前，“君子”要有担当。他认为，天泽智云的大任就是“让工业无忧”。“年少”指阅历少，但或许这正意味着这个年纪的奋斗者包袱更少，没有思想上的包袱则不必定下极其远大的目标，没有经验上的包袱就不会循规蹈矩。

金超坦言，年龄带来的影响是双向的，有好的方面，也有不好的方面。不好的地方可能是会有一些质疑的声音，而好的方面在于，年轻人可能更有热情，这种热情不是激烈的，而指执着地追求简单的小乐趣。金超觉得，现在的年轻人刨除生存压力，更多追求的是一种“生活方式”，而对他来说，理想的生活方式是做一件略有挑战，并能获得克服这种挑战的成就感，同时又不觉得乏味的事情，最好还能和一群志同道合的人一起前行。金超认为，自己很幸运，能在天泽智云遇到这样一群“同路人”。

在大多数成功人的字典里恐怕都免不了“幸运”这个词语，而真正的幸运，或许是当努力与机会相遇，金超也不例外。在他的回忆中，求学期间每逢要做演讲，他多少都会有些紧张。2015 年，金超接到了导师安排给他的任务——为企业界客户做研究成果展示方面的演讲，由于这次演讲非常重要，所以金超的态度也比以前更加慎重。他为此进行了二十余次的练习，还请了不同专业的朋友来聆听，力求整个演讲逻辑严谨、表达流畅，内容通俗、易懂。在狠下了一番苦功后，金超的那次演讲非常成功，不仅为实验室带来了许多新机会，也让自己的信心大增。

当经验不足的年轻人遇到压力，大多会显得浮躁，而金超有自己独道的排解方式。对于情绪上的压力，金超选择一种及时的、立刻能见效的“治标”的办法排解，比如打篮球、健身、听音乐或者看剧。对于压力本身，金超更愿意思考一种“治本”的方式来排解：用正确的心态看待压力。压力或者焦虑不是一种积极的情绪表现，但正因为有压力和感到焦虑，人们有时才更有动力完成一些事情。排解这种压力最好的办法就是要知道自己的焦虑可能来自于哪里，并且针对压力和焦虑做一些计划，付诸行动解决问题方可“治本”。

标签是外在的，成功的标准需自己定义

回过头来看自己“年少”时，我们或许敲代码的速度大不如前，经常忘东忘西，然而可能我们永远都无法忘记当年凌晨还奋战在自己身边姐妹兄弟们疲惫而坚毅的身影。

在人的成长过程中，每一个阶段都可能被外界贴上各种各样的标签。在金超看来，在这个多元的时代，成功的标准可以自己定义，明确最终要实现的目标，并且坚持完成自己所定义的目标。那样，或许我们就可以让世界更加美好。对于成功，金超也有自己的想法。

“我是一个兵”，这是金超在看《长安十二时辰》时印象非常深刻的一句话。金超认为，这个时代的人听了太多英雄主义的故事，但几乎所有英雄的伟大都不是来自于他们自身能力的强大，而是来自他们对职业的忠诚、对使命的执着。作为工业领域的数据科学家，同样不需要什么英雄，需要的仅仅是实事求是的态度，以及将数据科学家分内的事情做到极致。除此之外，他坦言非常欣赏能够多维度发展的职场人，他希望自己不仅可以在专业领域有所建树，同时能把自己区别于现在工作的一个爱好也做得很出色，这就是金超所认为的理想状态。

事实上，现如今，工作和生活之间的界限越来越模糊已经成为一种大趋势，一些人并不喜欢他们目前所从事的工作，工作很难变为兴趣，焦虑变成了常态。金超认为，将这件事变为好事的方法之一，可能是要在选择工作时尽量向自己喜欢的方向靠拢，将兴趣变为工作，这样才不会觉得工作起来有负担。

最后，面对一批又一批投身于数据科学家岗位的“后浪”们，金超给出的观点是“不退”：

工业智能仍然处于并可能长期处于初级阶段，遇到挫折是大概率事件，但我们不能因此而退缩。这个行业需要更多人才关注、参与。人工智能的社区庞大火热，也不是一天培育的。工业智能总有一天也会形成自己活跃的社区。作为这个社区早期的贡献者、见证者，所有参与其中的战友们日后都会因“不退”而庆幸。

嘉宾介绍：

金超博士在北京天泽智云科技有限公司担任技术研发副总裁，全面负责天泽智云工业智能前沿技术及算法模型研发，专注于工业大数据、机器学习、深度学习、信息 - 物理系统 CPS、故障预测与健康管理 PHM 等工业智能技术和算法的研究与应用。

金超博士毕业于美国辛辛那提大学机械工程系，师从工业大数据、工业智能等领域的世界级学科领头人李杰教授，在美国国家科学基金（NSF）产学合作智能维护系统中心（IMS 中心）任职助理研究员。参与十余个世界级企业与机构的科研项目，涉及领域包括电力、能源、半导体制造以及航运。