基礎科研的創新為技術落地應用提供了動力，而來自真實世界的業務需求則為基礎科研提供了靈感和方向。當人工智能進入大模型時代，什么樣的技術創新才能更好地落地于產業？對此，微軟亞洲研究院資深首席研究員邊江有著切身的體會和獨特的見解。

自2016年重回微軟亞洲研究院后，邊江一直專注于人工智能的快速開發和應用，助力行業企業提高生產效率，加速智能轉型。在加入微軟亞洲研究院的第七個年頭，邊江將面臨哪些新“技癢”？

微軟亞洲研究院資深首席研究員邊江

身處第四次工業革命的進程中，機器學習、深度學習等人工智能技術已成為公認的核心驅動力。近幾年，在各大研究機構的努力下，人工智能技術已取得眾多突破性成果，并在產業中落地生花。

多年來，微軟亞洲研究院在探索計算機基礎科研創新的同時，也在持續推動人工智能技術與現實產業場景的融合，通過與各行業合作伙伴的聯合研究，目前已經讓 AI 在智慧金融、物流運輸、醫療健康、能源與可持續性發展等行業場景中得到應用。這些項目的成功，離不開微軟亞洲研究院資深首席研究員邊江和同事們多年的努力。從出走創業，到回歸七年，邊江一直奔走在創新技術與產業融合的第一線。

帶著創業視角

重回微軟亞洲研究院

學術界是邊江職業生涯的起點。在美國佐治亞理工學院完成計算機科學博士學業后，邊江加入了美國雅虎研究院，負責雅虎首頁內容推薦和垂直搜索模塊的研究和優化工作。但異國的漂泊終究難抵對故土的深情，沒多久，他選擇了回國發展，加入微軟亞洲研究院繼續從事推薦算法相關的研究。

2013年，各行各業掀起了一輪創業熱潮。懷揣著“科技改變世界”的夢想，邊江短暫地離開了熟悉的科研圈，加入了一家新成立的算法推薦新聞資訊公司，成為其初創團隊的一員，將一腔熱血投入到產業界中，期望可以將實驗室的創新技術應用到現實場景中。

“相比純粹的學術研究，我更喜歡將技術應用到實際產業的過程。除了發表論文和在公共數據上做實驗之外，產業界還要考慮更多的實際問題。做產品需要系統性的思維，包括對數據的考量、KPI 的設定等，比如如何彌補模型優化和產品實際上線之間的差距，這其中存在許多新的挑戰。”邊江說。

創業的幾年間，邊江在將機器學習技術應用于產品實踐方面積累了豐富的經驗。而扎實的學術功底加上創業實戰經歷，讓邊江得到了眾多科技公司的青睞。但在比較了若干機會之后，邊江還是選擇了回歸微軟亞洲研究院。“無論是產業界，還是在學術界，我一直都對前沿技術很感興趣，微軟亞洲研究院一直走在新技術研究與探索的前沿，并已經發展成為了一個橫跨產、學、研的機構，給科研人員提供了更廣闊的舞臺。重新回到這里，讓我可以探索新技術從想法到研發，再到產業落地的全過程。而且研究院擁有眾多頂尖的人才，我也能夠與這些優秀的同事和實習生合作，一起做出更有影響力的研究成果。”邊江說。

身處AI大模型時代浪尖

科研方向也需應勢而變

重返微軟亞洲研究院后，邊江主要聚焦于機器學習、深度學習技術的研究，他和團隊陸續將這些技術成功應用到了物流、金融、醫療等行業。例如，在物流領域，他們與東方海外航運（OOCL）合作，通過深度學習和強化學習技術大幅優化了航運網絡運營；在金融領域，他們探索出了金融 AI 通用技術平臺 Qlib，幫助金融 AI 研究者和從業者使用更先進和多樣的人工智能技術來應對更復雜的金融挑戰；在醫療領域，他們訓練的新冠疫情（COVID-19）預測模型被美國疾控中心采用，其表現優于全球其它四十多家科研機構的預測模型。邊江和團隊還與醫療健康服務提供商美國哈門那公司（Humana）合作，基于深度學習技術構建了健康預測模型，幫助用戶及時了解自身的健康狀況，獲得個性化的醫療服務。

邊江（第二排右三）與團隊部分成員合影

2023年是邊江回到微軟亞洲研究院任職的第七年。在這期間，邊江見證了人工智能技術發展與產業化的起伏變化。如今，隨著基礎大模型的成熟，人工智能賦能產業發展又迎來了新的機遇。面對新一輪的人工智能應用浪潮，邊江與團隊成員也在重新思考產業界的新需求，定位新的科研方向，并確定了從智能決策、工業數據智能、差異化隱私安全和智能認知學習四個方向著手，深化人工智能技術的應用研究。

在之前與東方海外航運的合作研究中，邊江和團隊使用了多智能體強化學習來優化航運網絡，但在實際工業界的智能決策中，外部環境時刻變化，智能體要如何適應這種變化是一個問題。對此，邊江團隊積極探索環境強化學習（Situational RL），從而讓強化學習模型可以更好地適應外界環境的變化。

與此同時，邊江與團隊還在積極探索將大語言模型（LLM）和強化學習結合，以構建更強大的智能決策能力。一方面，他們在探索通過基于 LLM 的預訓練方法構建可以從交互環境中獲取常識知識的世界模型（World Model），憑借預訓練世界模型的能力，使決策智能體適應不同的工業場景。另一方面，團隊也在研究如何集成 LLM 與在線學習的能力，在無需承擔大量訓練或微調成本的前提下，實現決策智能在工業控制場景中更強的泛化能力。

與純學術研究相比，將工業數據應用到深度學習時，數據質量和特性等方面都存在較大的差異。比如 COVID-19 和 Humana 預測模型都有獨特的數據特性，其中 COVID-19 模型預測的美國各大州數據具有空間關聯性，即一個州的新冠確診和死亡趨勢與另一個州有相關性，而在 Humana 模型的數據中，既有病人定期檢查信息這樣的有規則數據，還有用戶吃飯、運動等不規則數據。另外，在工業環境下，還會遇到數據缺失的情況。面對這些挑戰，如何利用深度學習挖掘數據中的規律，是邊江與團隊的重要研究方向之一。

隨著基礎大模型的成熟，邊江與團隊正在進一步探索構建具有跨領域數據知識的工業基礎大模型，使其能更有效處理工業數據中的數值和結構化信息。借助新的工業基礎大模型，邊江和團隊期望創建工業數據智能與解決方案的新范式。

而在與工業界合作伙伴的交流中，邊江也發現企業對隱私安全的需求越來越高。隱私安全一直是學術界重點關注的問題，也是微軟亞洲研究院持續探索的一個方向。如何在利用好個體數據的同時保護個人隱私也是邊江和團隊未來關注的重點之一。

另外，微軟亞洲研究院機器學習組在智能認知的研究上也取得了諸多成果，包括機器翻譯、語音識別、自然語言處理等。邊江希望將這些技術融入數字虛擬人（Digital Human）中，創造更逼真的虛擬人。目前，邊江團隊已在以文本或聲音驅動的虛擬人面部口型（talking face）和音樂生成（music generation）方面取得了進展。

以產業創新中心為平臺

加速技術與產業融合

除了帶領機器學習組推進相關科學研究，邊江還是微軟亞洲研究院產業創新中心（Industry Innovation Center）的負責人。作為微軟亞洲研究院產、學、研融合創新的平臺，產業創新中心以研究院前沿研究與技術轉化的豐碩成果與豐富經驗為基石，聚集了一批既擅長技術創新又具備行業知識的“接地氣”的計算機科學家和工程師，致力于發展與企業的戰略合作，面向真實世界的關鍵場景，通過聯合技術創新，實現共同發展，引領產業未來。

邊江表示，產業創新中心希望從三個方面推動人工智能技術與產業的快速融合：一是在工業應用場景基礎上探索最先進的人工智能技術，并將人工智能技術真正應用于工業界，賦能工業界；二是將創新的技術轉化成云服務和開源項目，賦能更多的產業客戶；三是為微軟研究院搭建一個與業界溝通交流的平臺，幫助研究人員從產業界中發現新的研究課題，也讓產業界了解最新的技術發展動態。

微軟亞洲研究院產業創新中心所涵蓋的研究領域

具體而言，產業創新中心計劃聚焦四個領域。在供應鏈領域，從物流、零售和制造業切入，利用智能決策進行供需匹配預測，幫助企業實現從生產、倉儲，到運輸物流的全產業鏈資源優化。在能源領域，從生產端助力風能和太陽能等清潔能源的生產趨勢預測，最大化能源網絡效率；從消費端幫助企業減少資源消耗，構建智能樓宇、綠色數據中心等，實現節能減排；并在兩者之間，通過電池性能和生命周期預測以及充放電策略等研究，優化新能源儲存方式。在金融領域，利用深度學習識別洗錢和欺詐行為，幫助金融機構更好地識別詐騙或洗錢團伙；同時模擬金融投資市場，助力金融從業人員預測極端的市場動蕩，做好風險控制。而在醫療健康領域，邊江和團隊將推動機器學習在慢性病方面的應用，幫助進行病程預測，例如根據糖尿病病人的飲食、運動行為，預測血糖變化，采用更好的胰島素治療方案等。此外，他們還將提升模型的泛化性，將模型推廣到更多慢性病的診斷與輔助治療場景中。

當然，將前沿技術應用到行業中并不是一件容易的工作，對此邊江深有體會。基于已有的與行業企業合作的成功經驗，邊江認為將創新技術與產業更好地融合有兩個關鍵因素：一是需要有大量掌握產業知識的科研人員參與其中，這些科研人員要真正深入到實際的業務場景中，下沉到真實的數據里，了解行業面臨的真正問題。同時，因為基礎科研和技術落地應用之間的關系并不是簡單的線性模式，而是一個復雜的雙向生態系統，這就需要行業企業從上至下全面接受智能化轉型，支持創新技術與業務的融合，真正做到學術界和產業界的共同創新。

“AI 在學術研究領域已經進入文本、圖像、語音等多模態數據的大一統和大模型時代，大模型背后所蘊藏的數據表示能力、知識能力、邏輯推理能力為更強大的數據理解、優化決策、場景生成與模擬提供了新的可能性。而在產業界，經過此前的摸索，很多行業和企業已經建立了自己的數字化平臺，并積累了大量的行業數據，為 AI 落地應用提供了基礎。這些學術與產業的最新發展趨勢預示著 AI 驅動的產業數字化轉型將迎來新的爆發階段。”邊江說。

關注微軟科技視頻號

了解更多科技前沿資訊