与罗振波校友对谈
当大模型与多模态技术以周为单位刷新行业认知，当“AI Agent = 基座模型 + Harness Engineering”成为新的技术范式，越来越多的技术同学开始追问：在这样一个技术迭代远超预期的时代，个人的成长路径究竟应该如何设计？研究品味是玄学还是可训练的能力？学校训练与工业界真实要求之间，那道最深的裂缝到底在哪里？
近期，清华大学研究生会学术部邀请罗振波校友开展职业发展访谈。罗振波校友是清华电子系03级校友，研究生阶段在THOCR实验室师从丁晓青教授，从事人脸识别研究。从三星电子中国研究院机器学习LAB部门长，到创业推动计算机视觉在多场景落地，再到加入小米先后负责视觉基础模型与多模态感知团队——他的职业轨迹完整经历了模式识别、深度学习、大模型与多模态三次技术浪潮。以下是他对技术演进、能力成长与职业选择的深度观察。
01
从模式识别到多模态：三次技术跃迁如何重塑一个人
回顾自己的技术历程，罗振波校友并没有把自己的成长描述成一条平滑的上升曲线。相反，他清晰地标记出三个关键节点，每一次都是一次范式层面的重新学习。
第一次，是模式识别真正解决计算机视觉实际问题的阶段。在清华THOCR实验室，人脸识别逐步从实验室走向行业落地。彼时，他会觉得某种技术范式可以持续很多年。
第二次，是2013年前后深度学习带来的视觉技术革新。在三星工作期间，他所在的团队较早将深度学习引入文字识别领域，显著提升了模型能力，使文字识别从传统扫描和拍照文档场景扩展到自然场景文本识别。相关工作在ICDAR Robust Reading Challenge等排行榜中多次排名第一。
第三次，是2023年以来大模型和多模态技术的快速突破。语音、视频、图像、文本等全模态理解能力显著提升，模型规模从M级进一步扩展到B级。他带领的团队自研CVLM多模态大模型，在MME、MVBench等排行榜中排名第一，并已在小米Su7智能座舱等真实场景落地。
而2025年以来，大模型又进入新的范式演进阶段。“AI Agent = 基座模型 + Harness Engineering”成为新范式，模型之外，如何优化框架以充分发挥基座模型能力、弥补其不足，成为新的关键问题。三次跃迁叠加在一起，构成了一个清晰的判断：在AI行业，持续学习不是加分项，而是基本要求。
02
研究品味不是玄学：判断“什么问题值得做”才是核心竞争力
当被问及初入行者最需要具备哪些核心能力时，罗振波校友给出了一个不常见的排序——他把“研究品味”放在了第一位，甚至先于代码能力和表达能力。
什么是研究品味？他的定义非常具体：判断什么问题值得做，什么问题只是表面创新；识别什么是本质性与通用性的问题；理解一个研究方向的好坏标准。
好的研究通常具有几个特征：问题定义清晰，关注本质而非技巧堆砌，方法简洁但有效，具备通用性、可扩展性和持续影响力。他举了何凯明等人的残差网络ResNet作为例子——这类工作的方法往往非常简洁，不依赖很多技巧，但解决的是最本质、最通用的问题，因此不仅本身影响大，还能持续影响检测、分割、Transformer甚至大模型等后续方向。相反，一些“bad case”虽然也能把指标刷高，但往往依赖很多局部技巧，缺乏通用性，一旦数据规模或问题场景变化，就很难继续成立。
研究品味的形成不是背结论，而是不断训练“什么是好问题”的判断力。路径包括：持续阅读优秀论文、跟踪优秀团队、与导师和同行深入交流、不断参与真实研究与项目实践。它也不是固定不变的，而会随着研究经历、问题规模和工业实践的变化而动态调整。
03
学校与工业界的最大裂缝：规模不是锦上添花，而是本质差异
很多同学在学校里做出的工作看起来很不错——在小规模数据上取得了漂亮的指标，结构设计精巧，创新点明确。但罗振波校友指出，学校训练与工业界真实要求之间，存在一道经常被低估的裂缝。
核心差异在于研究重心的不同。学校环境下，很多工作更关注小规模数据上的结构优化和策略创新；而工业界更关注方法能否在大规模数据和真实业务约束下持续有效，能否真正scale up。一些在小数据集上依靠复杂结构和技巧取得好结果的方法，放到百万、千万级数据和真实部署环境中，可能不仅收益有限，反而带来速度、成本和复杂度问题。相反，那些抓住本质、在数据规模扩大后依然有效的方法，更符合工业界需求。
他给出的建议非常直接：缩小二者差距的最直接方式，就是尽早进入真实产业环境实习或做项目。
04
大模型时代的新壁垒：复合能力正在取代单点优势
在大模型和多模态技术快速演进的背景下，罗振波校友观察到一个正在加速发生的趋势：纯论文型、纯调参型人才会越来越内卷，既懂算法、又懂工程、还能理解场景价值的复合型人才会越来越稀缺。这意味着，未来人才竞争不会只比“会不会做模型”，而会更多比“能不能把技术真正变成结果”。
他特别强调，在大模型时代，“偏研究”与“偏落地”的边界已经不像过去那样清晰。做研究的人，如果没有足够强的实现能力，很多工作会停留在idea层面；做工程落地的人，如果不了解前沿研究，也很难在受限条件下做出真正高水平的优化。因此，比起简单区分“研究型”与“落地型”，更现实的方向是培养研究思维、工程能力与场景理解并重的复合能力。
对于多模态技术落地的最大瓶颈，他的判断同样体现出这种系统思维：不是单一问题，而是系统工程问题。模型能力、数据、算力都重要，但真正决定能否落地的，仍然是是否找到了真实场景中的高价值问题，是否把技术能力转化成可量化的业务价值。他用一句话做了概括：“算力是门槛，数据是燃料，模型是引擎，场景与产品定义才是方向盘。”
05
给清华同学的三点建议：选方向、进实习、尽早输出
访谈最后，罗振波校友给希望进入AI或多模态方向的清华同学留下了几条具体而可执行的建议。
第一，积极争取顶尖团队实习。真实的大团队、大项目、大规模数据环境，对认知提升非常快。很多方向感不是“想出来”的，而是在实践中逐渐形成的。
第二，建立稳定的信息输入机制。不能只看正式发表的论文，因为正式论文往往有明显时滞。还要关注X、Google Scholar等更及时的学者动态。
第三，不只输入，也要输出。哪怕只是把一个方向的代表性工作做成总结，写成文章发出来，也很有价值。他特别提到一个很实际的细节：即使是在小红书上发表高质量的总结，也可能被大厂科研团队看到，进而带来实习机会。
对于暂时感到迷茫的同学，他强调了另外两点：一是不要因为暂时没有完全想清楚，就停止接触前沿和真实项目；二是要主动用好清华的平台和校友资源。清华在科技行业拥有很强的校友网络和平台资源，关键不在于资源是否存在，而在于是否主动去触达、去争取、去利用。
“进入清华本身就意味着已经具备很强的学习能力和竞争力，”他说，“真正拉开差距的，往往不是起点，而是后续是否持续行动。”
未来，清华大学研究生会学术部将继续推出校友职业发展系列访谈，邀请更多来自不同领域的校友分享一线经验与真实观察，为同学们提供更具体、更可参考的成长坐标。
为打破在校生就业信息壁垒，校研究生会推出“小研行业洞察”系列推文，特邀“清华校友导师计划（职业指导）”校友导师，分享来自行业一线的实战洞察与职业思考。
“清华校友导师计划（职业指导）”由校友总会与学生职业发展指导中心联合发起，邀请行业资深校友担任导师，为学生提供生涯规划和求职就业指引。项目实施五年来，已有345位校友先后加入，累计服务在校生超8500人次，学生满意率保持在98%以上。第五期255位校友导师来自241家单位，覆盖人工智能、高端制造、生物医药、能源化工、学术科研等16个行业领域。
编辑｜王宏庆 杨 雪
审核｜陈子晗 赵诗华 洪聪恺
