培養研發關鍵核心AI技術的人才：國內的困境
前幾回提到較硬派的核心AI技術，以及如何學習成為這類技術的研發人才。那麼，國內的產官學界對於這類研發人才的培育做得如何呢？
「產、官、學」是在國內培育高階科技人才的鐵三角：產業有研發需求、政策提供引導和協助、學界培育產業所需的前瞻研發人才。三者若能形成積極正向的循環，就有機會在某些領域造就具世界級競爭力的人力和技術資源。不過，這絕對不是說學界是職業訓練所、就業保證班，因為不同的學校設立的宗旨不同，研究型大學不應該只是培育當前產業所需的人而已，最好是能多一些有助於產業提升、轉型、創新的人才。我在2005年回國任教迄今已經20年了，以我這些年來的觀察，國內各界對於軟體的價值，往往停留在上個世紀。國內產官學界對於軟體技術的資源投入不足，正向循環的動能相當有限。談產學合作，時常都會被問到：你開發的軟體技術，能幫公司增加多少產值？個人申請的國科會計畫，無論研究議題為何，經費總是在80-100萬元之間，不管成果有沒有用，就看你能發表多少論文？有訪客來學校，若不是找著作等身、得獎無數的教授出面，就是問誰能提供吸睛炫目的展示？這讓我一開始很不適應。
我在密西根大學攻讀博士的時候，學校陸續建置了好幾台超級電腦，而且特別保留時間讓我全權使用，讓我有機會透徹研究超級電腦的軟硬體架構，發展高效能計算所需的軟硬整合優化技術。回國任教之前，在矽谷昇陽電腦公司（Sun Microsystems Inc.）工作的時候，針對高階商用伺服器研發效能優化、資安強化的技術。公司為了讓我所任職的效能工程團隊能夠達成任務，給予極大的內部研發資源。三十多人的研發團隊，擁有上百個機櫃的伺服器，用以優化公司的Solaris作業環境以及改進下世代的伺服器和Sparc處理機架構，以便與IBM、HP、Microsoft、Intel等大公司競爭。公司鼓勵發表研究的成果，並且以開源軟體的形式發表，為的是生態系的發展。
因此在回國任教之後，我深刻感受到國內能提供的研發資源相當有限、對做研究者有相當多要求的現象，不過所謂入境隨俗，這也不是什麼嚴重的問題，我沒有堅持非做高大上的研究不可，轉去做嵌入式系統也行。但更大的問題是，國內產官學各自有其本位：學校最看重的學術表現來自於論文發表，產業界不見得認為學校的研究對實務有用，政府經費常常以政績考量或是大鍋飯的方式平均分配給產業界、學校和研究者。如此的運作方式，很難鼓勵國內團隊去挑戰關鍵但需要長期投入較高資源的研發項目，搞到大家都趨向於做容易拿到經費、不需砸大錢就能產出成果的題目，不利於多元化的產業發展和人才培育。（我不想在此多加批判，否則恐怕寫十回也寫不完。）
20年前，國內對於大型軟體和先進系統的研發格局和層次，可說是相當落後。我認為，落後並不可恥，若是能夠一方面務實做我們能做的，一方面努力提升技術水準，那還有機會進步；只是我看著國內錯失一個一個的良機，從雲端服務、物聯網、大數據分析，一直到AI的復興，世界的軟體技術不斷快速迭代進步，但國內對核心軟體技術的掌握似乎越來越遠。在本土硬體大廠和外商高薪搶用大批軟體人才的情況下，國內的軟體發展多半仰賴新創，難以深耕軟體技術，也不容易做出世界一流的軟體。
實際上我在資工系任教所看到的情況是，學生拿到碩士學位之時，往往就能在上述本土硬體大廠和外商找到不錯的工作，因此選擇就業居多，讀博士的意願偏低。實際上業界並非用不到博士級的人才，但國內傳統博士生訓練多半以學術界工作為主，缺乏實務研發經驗的博士有多少能獲得業界青睞？但弔詭的是，我收過好幾位實務能力不錯的博士生，訓練不到一半就在業界找到高薪的工作，博士也不用唸了。要知道，國外產學界發展核心技術大都以博士級人才為主，而國內缺乏實務型博士人才的窘境，其來有自，在這個AI技術快速發展的年代，高階人才缺口越來越嚴重。
我有幾個與業界合作培育博士級人才的案例，關鍵在於業界的研發能力和願景。簡單地說，業界本身研發能力夠強，而且有志於世界級的技術研發，願意提供足夠的資源，那麼只要有產學雙方共同感興趣的議題，極有可能創造四贏，讓學生、業者、教授、學校都是贏家。我想，不是凡事得靠政府，還是有辦法自力救濟的。
（未完待續）
註：附圖有兩個寓意，一是展示LLM技術進步之快，二是呈現關鍵AI技術在國際競爭上的重要性。
