微软亚洲研究院成立于1998年，是微软公司在亚太地区设立的研究机构，在北京、上海、温哥华、东京、新加坡和香港设有实验室及研究岗位。通过来自世界各地的多元人才的鼎力合作，秉持开放研究的理念，微软亚洲研究院已经发展成为世界一流的计算机基础及应用研究机构。多年来，从微软亚洲研究院诞生的新技术层出不穷，对微软公司的产品创新以及全球范围的科技发展产生了深远的影响。

作为微软研究院全球体系的一员，微软亚洲研究院拥有广阔的国际视野，同时融合了东西方创新文化的精髓。微软亚洲研究院倡导对技术进步怀有远大抱负，推崇富于冒险的极客创新精神，鼓励研究人员拓展研究的深度与广度，跨越计算机领域的界限，把视野拓展到解决具有广泛社会意义的问题上，为未来的计算新范式奠定基础，并为人工智能和人类发展创造更美好的未来。

本书为微软亚洲研究院倾心之作，解锁大模型时代的创新密码与科研智慧。本书得到Peter Lee、John Edward Hopcroft、沈向洋、洪小文、Kevin Scott、迟惠生、潘云鹤、张亚勤、郑南宁、郑志杰等专家联合力荐！

1.汇聚顶尖科研成果结晶

微软亚洲研究院持续创造突破性技术，成果被视作通用人工智能的核心引擎，是全球科技竞争焦点的参与者。

2. 定义未来计算新范式

聚焦跨学科融合与创新，探索AI与系统、脑科学、无线技术等领域的深度结合，为下一代技术发展提供理论与实践基础。

3. 诠释企业研究院模式

通过开放包容的文化吸引全球顶尖人才，形成从零到一的突破能力，其协作模式与人才培养理念为科研机构提供可借鉴的范本。

4. 关注社会责任与伦理

不仅关注技术突破，更重视AI的社会价值与伦理治理，通过“社会责任人工智能”研究确保技术服务于人类福祉。

5. 兼顾多领域应用案例

包含AI在传统文化保护、医疗、能源等领域的创新案例，展现技术如何解决社会问题并推动多行业变革。

前言

刷新自我，引领计算的新范式

周礼栋

微软全球资深副总裁、微软亚太研发集团首席科学家、微软亚洲研究院院长

在2023年即将远去的那一刻，我不禁产生了这样一种遐想：若干年后，人们会回想起这一年中大家兴奋地学习使用大语言模型（Large Language Models，LLMs）和各种 Copilot 的情景，并感慨道：“改变就是从那时开始发生的。”尽管2023年的我们对人工智能的了解还处在初级阶段，但已确信它将与人类的命运紧密相连。

对微软亚洲研究院而言，2023年则多了一些新的里程碑意义：我们迎来了建院25周年。回首过去的25年，我们可以自信且自豪地说，微软亚洲研究院探索出了一套有效的企业研究院模式，孕育了诸多对微软公司和全球社会具有重大影响的创新成果，见证并推动了亚洲乃至全球科技的发展，取得了足以让每位伙伴骄傲的成就。

在最近与研究院同事们的交流的过程中，我们不约而同地达成了一个共识：与其“追忆往昔”，不如把目光投向下一个25年，以展望未来的姿态来纪念这个意义非凡的时刻。因此，我们一直在思考：在面对新的技术发展浪潮时，过去那些使我们成功的思维、文化与工作方式，在坚守与传承的同时，是否应该做出一些突破性的改变？

答案是肯定的。我们希望不断刷新自我，继续创造具有深远影响的新成果，为人类社会的福祉做出贡献。

一、刷新目标使命，定义微软亚洲研究院的下一个25年

无论是作为微软全球研发体系的一员，还是作为企业研究院的代表，微软亚洲研究院都具备一些与众不同，甚至独一无二的特质。背靠微软公司这一全球化的平台，又身处信息产业蓬勃发展的亚洲地区，微软亚洲研究院得以融合东西方创新文化的精髓。自建院以来，我们就秉持开放、自由、多元与包容的文化精神，吸引全球优秀科研人才汇聚于此。这也是微软亚洲研究院能够在25年中始终站在科技浪潮前沿的原因。

每位微软亚洲研究院的伙伴都希望我们在未来几十年里能继续保持优势和独特性。而这正是微软亚洲研究院刷新自我的出发点：我们已经身处不同的时代和环境。就像那些能够保持长期竞争力的组织一样，我们必须与时俱进，做出必要的改变。这不仅包括增加新的研究项目，或是简单地改变某些流程，更关键的是，我们要着眼于下一个25年，思考微软亚洲研究院应该朝什么方向前进，并确保我们的步伐始终与我们的愿景一致。

至于下一个25年，我认为变化、趋势、目标等都将紧紧围绕计算新范式展开。

计算机领域的范式转换周期大约是30~50年，每次范式转换都会重新定义计算机在未来数十年里如何影响和改变人类社会。50年前，施乐帕克研究中心（Xerox PARC）推出了 Alto 计算机，开启了从工业计算向个人计算的范式转换过程，并由此产生了众多彪炳史册的创新。

值得一提的是，在Alto诞生时，人们并没有在第一时间将其定义为个人计算时代的开始。但是包括 Xerox PARC 在内的研究者都意识到需要做一些不同以往的事情。后来，随着图形界面、以太网、鼠标、激光打印机等创新技术的出现，大家才逐渐看清这一轮新范式的轮廓。

现在，世界又一次来到孕育新一代计算范式的关键节点。新的计算范式将赋能人类生活和工作的方方面面，给各行各业带来颠覆性的变革，也将催生众多新的机遇。我认为，此时最有意义的工作之一，莫过于思考我们应该以怎样的方式进行研究，从而有助于定义新范式——这不仅涉及研究和创新，更关乎人类社会的未来。

我们认为，微软亚洲研究院的新使命是：通过跨学科和跨界研究，创造具有重大影响的突破性技术，为未来几十年的计算新范式奠定基础，并为人工智能和人类发展创造更美好的未来。

二、刷新研究方式，确保向目标迈进

我们对研究方式也进行了重新思考，以帮助我们更好地达成使命。事实上，微软亚洲研究院自成立以来一直不断调整思维方式与创新模式，未来我们也将做出更多变革。

积极投入跨学科和跨领域研究

在微软亚洲研究院看来，未来具有重大意义的突破性成果将来自跨领域的交叉融合。我们已经与多个自然科学领域的机构展开了合作。而为了让技术服务于人类社会，在社会科学领域的合作也将是必不可少的。

我们的目标不仅是打破计算机科学与其他学科间的壁垒——即使在计算机科学领域内，也应该摒弃以往那种只专注自己细分领域的做法。大语言模型就是一个很好的例证：孤立的领域将不复存在，更强的机器智能将来自跨学科与跨领域的深度融合。

连接全球的卓越人才和智慧

在新的范式下，当我们提到“全球人才”时，其范围将不再局限于“计算机人才”。随着跨领域融合的持续深入，我们需要与各学科和行业的人才建立更紧密的联系，并为不同领域的人才搭建有效沟通的桥梁，从而跨越学科的边界，推动学科交叉与研究融合。

未来，微软亚洲研究院将继续打造更加广阔的国际化研究平台，与全球各地的优秀研究者、机构和大学建立更紧密的合作关系，推动知识的自由流动和技术成果的共享，通过汇集全球智慧，共同探索和解决世界面临的重大问题。

创造具有重大影响力的技术突破，着眼于具有社会意义的挑战

研发成果被应用于企业产品，甚至引领产品未来的发展方向，当然是了不起的成绩。但如果我们止步于此，那么将失去作为基础研究机构的独特性。此前，微软联合创始人比尔·盖茨先生到访微软亚洲研究院，我有幸主持了一场与他的对话。盖茨回顾了当初成立微软研究院的初衷，就是可以为人类的普遍知识做出贡献。

因此，微软亚洲研究院将致力于创造具有广泛社会影响的突破性技术。一方面，我们要确保技术具有足够的前瞻性，经得起时间的检验；另一方面，依托这些突破性技术，我们能够在解决具有广泛和长远意义的技术、产业和社会问题方面发挥不可替代的作用。

定义并引领计算的新范式

新一代计算范式是计算机科学研究，乃至更广泛的行业和人类社会共同的机遇，我们必须行动起来，思考我们日常的研究和工作是否有助于深化对新范式的理解和定义，而不仅是专注发表一篇论文、优化提升某项技术，或是服务于某个产品。

定义和奠定新范式的基础将成为我们具有最大共识的战略方向。微软亚洲研究院希望能够在未来帮助各领域和行业建立起新范式的基本理论和底层逻辑，从而让所有人能充分把握这些新的机遇。

三、传承与刷新独特文化，激发每个人的潜力

微软亚洲研究院拥有独特且让我们引以为傲的文化。但我想强调的是，文化本身从来不是我们的目的，企业文化的真正价值在于激发个体的智慧与行动力。作为一个组织，微软亚洲研究院最关心的是，我们能否共同创造一个让每个人都能快速成长，并充分发挥潜力、产生深远影响力的环境。

基于组织的使命和对人才成长的承诺，我们致力于营造一种有利于激发灵感和创新力的研究文化：我们倡导对技术进步怀有远大抱负并富有极客创新精神，鼓励研究人员拓展研究的深度与广度，跨越领域界限；我们致力于打造利于培养长远愿景、倡导开放协作精神和多元包容思维的研究氛围；我们也不断探索将好奇心驱动与精准聚焦相结合的科研新范式。

我们所追求的这种思维方式和文化氛围都有一个共同的前提——消除任何不利于集体智慧发挥和创新的障碍，让想法自由流动（flow），让最好的想法胜出。我们希望研究人员能在这种鼓励个性表达且被充分信任的环境中，迸发出更深远的灵感与思考。正如两度获得诺贝尔奖的莱纳斯·卡尔·鲍林（Linus Carl Pauling）所说：“获得好想法的最佳方式是先获得很多想法。”

我们正从多个方面入手来创造更加畅通无阻的沟通环境。首先，我们将尽可能避免自上而下的“要求式”对话，取而代之的是让研究员乐于表达和交流想法的形式。当他们感到自己是在主动参与而非被要求时，将更有动力和意愿表达新的想法。

其次，我们鼓励每个人积极发现未来的潜在机会并勇于尝试，即使那些机会听起来遥不可及，这比展示已有成果更加重要。正如我们无法用现有的知识来定义新范式，只有勇敢地追求“未知”，才有可能在未来将其变为新的“已知”。

最后，我们为新员工建立“Aspire”社团，帮助他们快速适应科研工作和文化，并且通过各种自发的项目和活动快速成长。与此同时，新员工也为我们的文化注入了源源不断的活力。

四、聚焦引领新范式的研究领域

尽管各界对新范式的探索尚处在起步阶段，但微软亚洲研究院已经开始在一些具有潜力的研究领域展开探索，其中很多都是跨学科的合作。这些跨学科项目不仅对相关领域具有深远的影响，也提升了我们对于AI能力的理解和应用水平，有助于我们揭示新范式的奥秘。

（1）基础模型迭代。在现有的“Transformer基础网络架构+ Next Token Prediction学习范式”这一基础架构之下，人工智能的发展主要依赖增加训练数据量和扩大模型规模。然而，这种增长的天花板逐渐变得明显。我们设计的新的网络基础架构RetNet打破了Transformer无法实现的“低成本推理、高效率、同步训练”不可能三角，可以以更低的能耗及成本，实现人工智能效率和性能的指数级提升。

（2）AI与系统结合。AI诞生于大规模高性能计算机系统之上。现在，我们正在研究如何利用AI助力计算机系统的创新和发展。在我们看来，AI的能力能为解决传统系统问题提供新的角度，例如：更智能、高效地优化复杂系统的性能；更快速和智能地诊断问题；更便捷地部署和管理。AI与系统相结合，也能为新系统的设计带来不同的范式。从芯片设计、体系结构创新、编译优化到分布式系统设计，AI可以成为系统研究者的智能助手，甚至承担大部分工作。

（3）创新智能环境。无线技术将不仅是通信的工具，还将成为 AI 发展和应用的“数据桥梁”和“第六感官”，使AI以超越人类的感官来全面理解物理世界，获得更强大的综合建模能力。然而，无线技术正面临理论和实践的双重挑战，尤其是受到通信范围和感知能力的限制。为此，我们提出了全新的研究方向——为无线信道构建可调整的智能环境。这一创新可以利用低成本且易于部署的超表面装置使无线信号传输至原先难以触达的区域，还可以提升无线感知的精度，使其适用于更广泛的应用场景。

（4）AI与脑科学。通过深度融合AI与脑电信号、基因、血液等大脑关键组成要素，我们正在设计一系列特有的领域模型，这不仅将支持科研人员和临床医疗专家更好地获取大脑的反馈信息，发现脑部异常并深入理解脑部疾病机理，也有助于我们有效了解人脑的思维方式和认知过程，从而给神经网络和机器学习算法的设计带来更多启发。

（5）AI与传统文化。我们与甲骨文领域的专家合作，开发了甲骨文校重助手Diviner，首次将自监督AI模型引入甲骨文校重工作中，帮助专家从这项原先完全依靠人工经验、既费时又费力的工作中解放出来。这一进展向学术界展示了AI在保护和传承富有社会意义的文化遗产研究中的巨大价值。

微软亚洲研究院对AI社会责任的重视，不亚于对其基础研究、智能性能和应用的关注。随着AI对社会的影响日益加深，如何确保AI的使用既遵循社会道德，又真正服务于人类，是所有AI研究者都必须深入思考的问题。为此，我们启动了“社会责任人工智能”（Societal AI）的研究，并与心理学、社会学、法学等社会科学领域的专家合作，以期能为AI制定可行的价值观标准，确保AI的发展和使用总能被置于人类利益的框架之内。

此外，我们在人与 AI 交互、媒体基础、AI 在行业和科研的创新应用等领域进行探索。在本书中，我的同事们也会将我们在这些领域的深度思考和最新成果分享给广大读者。

写在最后

一个被广泛认同的观点是，基于洞察和预判的自我变革是组织长期保持竞争力和持续成长的必要手段。因此，我并不想将微软亚洲研究院正在进行或将来可能的自我刷新定义为“颠覆”。即便相隔数年再次造访，研究院依然会让你感到亲切，并迅速感受到自己身在何处。我们相信微软亚洲研究院的文化具有足以穿越周期的生命力，使我们能够敏锐地观察世界的微小变化，将智慧应用于对新范式的理解和创新，让技术之美真正造福于人类社会。

致谢

本书汇聚了微软亚洲研究院全体成员多年的努力，在此，我要特别感谢参与本书创作、出版的各研究组、学术合作团队、法务团队及公关团队。其中，来自微软亚洲研究院北京、上海和温哥华实验室的研究组为本书提供了丰富的专业内容和深刻的趋势洞察，我也希望借此与学术界、产业界持续展开更加积极、活跃的互动。同时，我们从多个维度分享了科学研究的创新思维、方法和原则，或许可以启发更多读者，尤其是年轻一代，将科研的匠人精神一代代地传承下去。

此外，我谨代表微软亚洲研究院，向推荐本书的各位朋友、合作伙伴、院友及微软同事表示感谢。我们非常荣幸能够邀请到这些在各自领域享有盛誉的学者，他们以独特的视角和丰富的经验，为读者提供宝贵的阅读推荐。在此，特别感谢（按姓氏首字母排序）：北京大学智能学院教授迟惠生，微软原全球资深副总裁、微软亚洲研究院前院长洪小文，康奈尔大学教授、图灵奖得主 John Hopcroft，微软全球资深副总裁、微软研究院院长、微软全球研究与创新孵化负责人Peter Lee，中国工程院院士潘云鹤，微软全球执行副总裁兼首席技术官Kevin Scott，香港科技大学校董会主席、微软原全球执行副总裁、微软亚洲研究院原院长沈向洋，中国工程院院士、清华大学智能产业研究院（AIR）院长张亚勤，中国工程院院士郑南宁，比尔及梅琳达·盖茨基金会北京代表处首席代表郑志杰。正是在各方伙伴一直以来的支持下，微软亚洲研究院才能取得长足的发展，特此鸣谢！

2024年12月

目录

第1章　引领计算新范式 1

1.1　深入的科学研究比以往任何时候都更加重要 2

1.2　人工智能基础创新的第二增长曲线 8

1.2.1　基础模型是人工智能的第一性原理 10

1.2.2　推理效率是新一代基础模型架构革新的关键驱动力 12

1.2.3　推动多模态大语言模型演进，迈向原生多模态 14

1.2.4　推进通用型人工智能基础研究第二增长曲线 16

1.3　大模型时代的计算机系统革新：更大规模、更分布式、更智能化 18

1.3.1　大规模和高效的计算机系统是下一代人工智能发展的基石 19

1.3.2　以智能化为内核，重塑云计算系统 20

1.3.3　分布式系统将是分布式智能的关键基础设施 22

1.3.4　未来的计算机系统将自我演化 23

1.4　媒体基础：打开多模态大模型的新思路 24

1.4.1　打破复杂真实世界与抽象语义之间的壁垒 25

1.4.2　神经编解码器构建多媒体的抽象表示 27

1.4.3　探索隐文本语言之外的另一种可能 28

1.5　创新智能环境带来无线通信与感知的新视角 30

1.5.1　无线通信逼近理论极限，通信范围成最大挑战 31

1.5.2　突破传统思维，为无线信道构建可调整的

智能环境 32

1.5.3　创造智能环境，实现更易用的无线感知 35

1.6　大模型时代更需要计算机理论研究 39

1.6.1　计算机理论研究是一门交叉学科 39

1.6.2　通过理论研究获得解释 40

1.6.3　AI发展越快，计算机理论研究面临的问题越多 41

1.6.4　新的技术方向推动理论研究发展 42

1.6.5　大语言模型带来的改变 43

1.6.6　理论研究更需要创新 44

1.7　AI编译器界“工业重金属四部曲” 45

1.7.1　AI编译“夯土机”Rammer：提升硬件并行利用率 46

1.7.2　AI编译“压路机”Roller：提高编译效率 48

1.7.3　AI编译“电焊机”Welder：优化全局访存效率 49

1.7.4　AI编译“研磨机”Grinder：实现控制流的高效执行 51

1.8　统一化数据库：为大语言模型垂域应用奠定基础 53

1.8.1　VBase复杂查询系统 55

1.8.2　SPFresh：向量索引的实时就地增量更新 57

1.8.3　OneSparse：稀疏向量索引和稠密向量索引的统一化查询 58

1.8.4　统一化数据库加速大语言模型的发展和硬件创新 59

1.9　跨越模态边界，探索原生多模态大语言模型 61

1.9.1　原生多模态大语言模型 62

1.9.2　语言是多模态模型的基础 63

1.9.3　声音与视频模态也可以基于语言模型的方法建模 65

1.9.4　从算法和架构上推动原生多模态大语言模型发展 66

第2章　跨越学科的边界 69

2.1　大模型在医疗健康领域的应用 70

2.1.1　面向未来的情境研究：大语言模型与科研未来的交汇 70

2.1.2　GPT-4与医疗未来：人工智能的机遇与挑战 72

2.1.3　人工智能与医疗决策：信任、监管和自我规范 75

2.1.4　微软视野：定义人工智能的未来方向 76

2.2　AI for Science，憧憬人人都可参与科学发现的未来 77

2.2.1　AI for Science的三个要素 78

2.2.2　AI for Science的基座模型要读懂大自然的语言 80

2.2.3　聚焦微观世界的深入探索与应用 81

2.2.4　憧憬人人都可参与科学发现的未来 83

2.3　当AI遇见大脑：电脑与人脑协同“进化” 86

2.3.1　人工智能加速理解人脑，提升人脑健康水平 87

2.3.2　从脑启发到创造新的人工智能 90

2.3.3　人工智能与脑科学研究需要跨领域和系统性的研究能力 93

2.4　人工智能≠机器“人”，激活大语言模型在产业界的巨大潜力 95

2.4.1　大语言模型在产业界潜力无限 96

2.4.2　落地产业界需要克服的四个难题 97

2.4.3　构建产业基础模型：融合通用知识和领域专业知识 98

2.4.4　大语言模型引领产业数字化转型的下一波浪潮 102

2.5　守护人类健康：人工智能深入医疗创新 104

2.5.1　早发现、早治疗：人工智能辅助疾病诊断与康复训练 104

2.5.2　病程预测与个性化治疗：人工智能辅助精准医疗 109

2.5.3　跨领域合作，释放人工智能价值 110

第3章　坚守社会责任与价值 113

3.1　人工智能治理如何跟上技术发展的脚步 114

3.1.1　人工智能的治理与未来：机遇、风险与共同进化 115

3.1.2　国际合作在应对人工智能风险和挑战方面的作用 118

3.1.3　跨学科合作在人工智能发展中的作用和意义 119

3.1.4　如何为未来的人工智能培养跨学科人才 120

3.2　跨学科合作构建具有社会责任的人工智能 121

3.2.1　在更大的影响来临之前早做准备 122

3.2.2　为人工智能设定“价值观护栏” 123

3.2.3　让AI始终处于人类视野之中 126

3.2.4　艰难但必要的跨学科合作 128

3.2.5　跨行业、跨学科共同协作，让人工智能主动承担社会责任 129

3.3　价值观罗盘：如何让大模型与人类价值观对齐 131

3.3.1　人工智能与人类价值观对齐的四层目标 132

3.3.2　价值观对齐的三条路径总结 135

3.3.3　理想的大模型价值观对齐体系应具备三大特性 137

3.3.4　BaseAlign算法：在基本价值空间中实现大模型对齐 139

3.4　为“冷门绝学”甲骨文研究插上科技之翼 145

3.4.1　甲骨文研究的历史与价值 146

3.4.2　Diviner引领的文化遗产数字化 148

3.5　以科技之力，守护地球家园 154

3.5.1　跨学科基础创新，助力实现碳中和目标 155

3.5.2　解决真实场景中的现实问题 156

3.5.3　节能减排下一步：多技术角度打造绿色低碳数据中心 159

3.5.4　共建创新合作平台，共营碳中和发展生态 159

第4章　培养跨学科人才，文化先行 163

4.1　让AI渗透每个学科，交叉融合、共同成长 164

4.1.1　跨学科合作的重要性 166

4.1.2　人工智能给跨学科创新带来的机遇 168

4.1.3　人工智能与生态学研究的结合 169

4.2　转变思维，以使命和任务驱动培养跨学科人才 170

4.2.1　自由研究与使命驱动研究的平衡之道 172

4.2.2　变革思维与文化，驱动科学智能发展 173

4.2.3　跨地域协作与项目管理 174

4.2.4　跨领域和跨学科研究 175

4.3　打造一流创新环境：协作、开放、可持续 176

4.3.1　开放积极：创新与年龄、资历无关 177

4.3.2　透明无碍：打破一切无形的墙 179

4.3.3　多元包容：遵循三个原则，打造独特文化 180

4.3.4　转型思维方式：让文化成为创新能源 183

4.4　AI系统研究：硬件和软件的“双向奔赴” 187

4.4.1　从“全栈式”视角看待系统与AI研究 187

4.4.2　汇溪成流，AI系统优化360°迭代 188

4.4.3　以数据为脉络，赋能百行千业 191

4.5　从生物跨界到计算机，只因“贪心”想做自己 193

4.5.1　做实验和写代码，我全都要 193

4.5.2　不管有没有用，我全都学 194

4.5.3　遇到机会，就全力以赴 195

4.5.4　人生没有最优路径 198

4.5.5　找到自己真正的热爱，勇敢地走下去 198

4.6　三重跨越：从理论物理、脑科学到人工智能 200

4.6.1　从人工智能与脑科学的交叉研究，探索智能的

本质 201

4.6.2　跨学科思维，带来研究新灵感 204

4.6.3　跨领域合作：解决实际问题 206

4.6.4　从对游戏的钻研，到对科研的坚持 207

4.7　你相信“无线感知”吗 208

4.7.1　遵循内心渴望，来到微软亚洲研究院 208

4.7.2　无线感知打开应用新天地 209

4.7.3　想要从事无线感知研究？需要兴趣导向，脑洞大开 212

第5章　不断攀升科学匠人之路 215

5.1　博士之后，下一站在哪儿 216

5.1.1　新一代计算机博士的潜力、挑战与成长路径 216

5.1.2　卓越研究员的素质：好奇心、真善美与跨学科创新 218

5.1.3　从理念、组织结构、氛围和制度设计上来支持创新 221

5.2　科研到底怎么做，什么是高质量研究 224

5.2.1　为什么我们要进行科学研究 225

5.2.2　什么是高质量研究 227

5.2.3　如何能够勇攀科研高峰 230

5.3　在研究中，你是否踩过这些工程的“坑” 233

5.3.1　代码始终是基本功 233

5.3.2　“赶工”时最容易掉进坑里 235

5.3.3　坑踩多了，自然就有了源代码管理 236

5.3.4　开发流程管理可以简单，但不能没有 237

5.3.5　代码之外，细节同样决定成败 240

5.4　探路“研究员+工程师”模式，推动人工智能与系统协同进化 243

5.4.1　微软亚洲研究院（温哥华）：专注特定领域智能的探索 244

5.4.2　人工智能与系统协同进化，自动设计AI系统 245

5.4.3　开展以目标为导向的研究 246

5.4.4　从偶发跃迁式突破到持续渐进发展 248

5.5　坚持长期主义，是一个不断说服自己的过程 250

5.5.1　以正确的方式做正确的事 250

5.5.2　层层递进研究，持续打磨成果 252

5.5.3　自由地选择研究方向 253

5.5.4　做研究是一件长久的事 254

5.6　如何抓住时代机遇，做好关键选择 256

5.6.1　变革的时刻 257

5.6.2　选择的时刻 258

5.6.3　向上的时刻 261

5.7　在世界选择你的瞬间，请积极面对 263

5.7.1　做自己喜欢的工作，20余年不变 264

5.7.2　在那个瞬间，世界选择了你，请忘掉所谓的“头衔” 265

5.7.3　对待工作和事业，要有欲望 268

参考文献 270