（原标题：顶尖AI大牛 入职A股芯片公司！）资本分配10倍杠杆
身处AI大模型浪潮之中的顶尖科研人才，正加速“下海”，从学术界跳到产业界“掘金”。
与此同时，这场胜利也给了南通支云队三连败，使后者继续陷入降级泥潭。
4月22日，记者从国科微官方渠道获悉，国际顶级AI专家香港中文大学教授、IEEE Fellow邢国良正式获聘加入国科微，担任公司的AI首席科学家，以进一步加强公司在AI边缘领域的技术探索，加快AI赛道商业部署。
记者梳理发现，自生成式人工智能浪潮爆发以来，企业“挖角”高校顶尖科研人才的案例就时有发生。这一方面显示了产业界对顶尖AI人才的求贤若渴，另一方面也说明在人工智能领域，产业界依托于算力和资金等方面的优势在技术研发方面居于领先地位，对顶尖人才拥有越来越强的吸引力。
AI大牛入职A股芯片公司
国科微是集成电路设计企业，正致力于将尖端的人工智能技术与大规模集成电路设计技术相结合，为端侧人工智能的广泛应用提供更多高性能的SoC芯片和全面的解决方案。值得注意的是，作为芯片公司，国科微也获得了国家大基金（国家集成电路产业基金）的关注。Wind最新数据显示，大基金目前持有国科微1665.5万股股份，位居第三大股东。
公开资料显示，邢国良毕业于西安交通大学电子科学与技术（原电子工程）专业，获学士学位。2001年毕业于西安交通大学计算机专业，获硕士学位。2006年获美国圣路易斯华盛顿大学博士学位，曾在美国密歇根州立大学担任终身教授。目前，邢国良就职于香港中文大学工程学院，担任信息工程学系教授。
国科微之所以聘任邢国良任首席科学家，主要系邢国良的研究方向与公司的发展方向十分契合。记者注意到，今年3月，国科微在回复投资者提问时表示，公司目前聚焦于边缘AI芯片产品的开发与场景落地，产品使用场景涵盖传统监控、汽车电子、智能家居等机器视觉领域，支持神经网络推理等功能。
据介绍，邢国良领导着多个大型边缘人工智能（Edge AI）项目，这些项目将应用于城市基础设施、自动驾驶、智能健康等领域。邢国良还成功领导并部署了包括辅助自动驾驶的智能路杆、火山地震传感器网络、老年慢性病智能监护、数据中心效能管理、水下机器人网络等大型系统，开发的多项智能系统技术已被工业界成功产业化。
国科微表示，邢国良在嵌入式人工智能、物联网、信息安全和无线网络等领域的专业知识和研究成果，将为国科微在AI技术上的创新与突破提供重要顾问和指导。
截至4月22日收盘，国科微股价微涨0.73%，报45.64元/股，总市值99亿元。
没钱缺卡的AI学术界正被产业界碾压
由于顶尖AI研发人员十分稀缺，企业为了追赶上日新月异的AI技术发展速度，往往对AI顶尖人才青睐有加，具有学术界背景的AI人才加入产业界的例子并不鲜见。
例如，去年9月，昆仑万维宣布，机器学习和计算机视觉领域知名专家颜水成正式出任昆仑万维天工智能联席CEO、2050全球研究院院长。公开资料显示，颜水成毕业于北大数学系，2004年获博士学位后前往香港中文大学汤晓鸥教授的多媒体实验室做博士后，主要研究人脸识别方向。2007年，颜水成加入新加坡国立大学并创立了机器学习与计算机视觉实验室。
在谈及为何加入昆仑万维时，颜水成认为：“在通用人工智能领域，从研究、研发到产品是完整的链条，缺一不可，只有将三者完全打通，研究才能发挥最大价值。”作为AIGC上市公司，除了自研“天工”大模型以外，昆仑万维积极探索AI大模型在游戏、搜索、广告、社交娱乐等领域的应用。颜水成表示，昆仑万维布局了AI大模型、AI动漫、AI社交、AI游戏、AI搜索和AI音乐六大方向，核心业务面向全球市场，其能力矩阵和生态系统非常具有想象空间。
在生成式人工智能的浪潮下，AI学术界的顶尖人才正加速流向产业界。科技巨头凭借算力与资金优势，正加速替代高校成为行业前沿技术的突破者与引领者。《2024年人工智能指数报告》显示，产业界继续主导人工智能前沿研究。2023年，产业界产生了51个著名的机器学习模型，而学术界只贡献了15个。此外，108个新发布的基础模型来自产业界，来自学术界的只有28个。
这样的趋势引发了一些学术界人士的担忧。前不久，被誉为“AI教母”的斯坦福华裔教授李飞飞在一场公开演讲中提议，要建立国家级算力与数据集仓库，以让高校研究员拥有更多的算力和数据资源。据介绍，仅Meta一家公司就可以为模型训练采购高达35万个GPU，但斯坦福大学的自然语言处理小组总共只拥有68个GPU。李飞飞表示，目前高校的资源和人才储备要远远落后于工业界，建立国家级算力与数据集仓库有助于缩小学术界与产业界之间的差距。
事实上，无论是在中国还是美国，高校缺乏算力资源对AI科研人员正常开展研究都带来极大掣肘。记者在国内某问答平台发现，不少AI领域的高校学生均无奈表示，实验室缺乏GPU让科研难以为继。例如，有人提问：“实验室一块GPU都没有怎么做深度学习？”还有一名博主在“如何劝周围人不要入坑深度学习”的帖子中表示，“现在深度学习真的太火了，而且基本上都是搞大模型的，自己电脑和实验室那点显卡根本不够用。”
人才的流向某种程度也代表了产业发展的未来趋势。在生成式人工智能浪潮下，高校如何摆脱没钱缺卡的困境资本分配10倍杠杆，避免人才的加速流失，这对于世界各地而言，都是一个亟待解决的难题。