“年輕有爲”、“別人家的孩子”、“海歸學霸”…這些都是金超常被外人稱道的標籤；“爲什麼博士畢業後選擇回國？”、“爲什麼選擇投身不那麼容易的工業智能領域？”、“爲什麼選擇加入一家創業公司？”…這些都是金超常被問起的話題。一旦被問起，金超總會很認真地表達自己的想法：選擇做什麼固然重要，選擇與哪些人一起做事可能更重要。這就是本期二叉樹的採訪嘉賓——北京天澤智雲科技有限公司的技術研發副總裁金超，一個集合了所有焦點和熱點的技術人。
留美六年，毅然回國
我相信個人命運和國家命運是相關的。
自本科從哈爾濱工業大學畢業後，金超就考入了美國辛辛那提大學繼續攻讀碩士和博士學位。在入學第二個學期，他加入了被美國工業界譽爲工業大數據人才“西點軍校”的 IMS（美國智能維護系統）實驗室。在這裏，他認識了李傑教授，那時的金超可能沒想到這會是影響自己今後人生軌跡的人之一。
“最開始，我想過要留在美國。這六年，我在美國生活、學習，其實已經基本適應了美國的工作氛圍，但和李傑教授的一次談話讓我的想法有了動搖。”在那次閒聊中，他們的話題指向了未來就業，金超表示自己最初的想法是畢業以後加入美國企業擔任算法工程師，那時的他覺得加入一家大公司留在美國或許就一勞永逸了。但李傑教授卻表示：“不要覺得進入大廠就是你人生的頂峯，其實在大公司做不了很多想幹的事，別人讓你做什麼，你就要做什麼，自由度是非常低的。”這讓金超重新思考起自己未來的職業規劃。
IMS 人的信條是：真正的實驗室是工業現場。同樣的，李傑教授並沒有對金超的論文做硬性要求，但對實操要求非常嚴格：學生必須夏天出去實習，畢業之前必須與企業合作做項目。這樣訓練下來，一位博士生從入學到畢業，平均要承擔 10 個以上來自不同企業的項目，在至少 3 家公司實習過。
在這個過程中，金超接觸到了很多國內的工業智能項目，開始頻繁在中國和美國之間往返，由於時差以及中美之間不同的辦公氛圍，整個溝通鏈路大大變長。在美國，開個碰頭會至少要提前一週協調時間，而在國內，大部分人習慣通過釘釘、微信這種即時通訊工具辦公，甚至客戶隨時會打電話過來諮詢技術問題。
“我很遺憾沒能早一點回到中國，如果當初可以離國內市場更近，那麼對國內客戶需求的瞭解速度會更快，推進技術落地的方式也會更加成熟。”爲了不讓遺憾繼續，博士畢業後的金超毅然決定歸國，投入國內工業智能的建設中。
在這期間，一位哈佛大學教授的演講更加堅定了他回國的想法。金超表示很認同這位教授用 Relationship 來定義幸福，回到國內，離父母更近、離朋友更近、離市場更近，這會讓金超的幸福感更高。
影響人幸福的不一定是你的財富，甚至可能不是你的健康，而是你能不能在一段感情裏，感覺到愛，也感覺到你給予別人愛的感覺，這點可能是更重要的。
不同的發展背景、不同的市場環境，這讓中國市場和美國市場之間存在天然的差別，但金超很快就適應了這種環境的轉變。在他看來，國內市場對創新的接受度更高。但總體而言，目前國內的企業在觀念上可能還沒有那麼喜歡接受挑戰（當然這也因行業不同存在差異），至少在需求側是這樣。美國很多企業經歷了從技術創新到價值實現的過程，而國內往往更習慣於技術引進和價值復現。
金超經常聽到的一個問題是“有沒有相關案例？有沒有成熟產品？”對於創新或者技術研發，國內客戶可能在觀念上相對保守，這給技術從業者們提出了更高的要求：所做的應用一定要落地，並且能夠在很短的時間內實現價值。
在 2017 年加入北京天澤智雲科技有限公司（以下簡稱：天澤智雲）之前，金超就已經在爲天澤智雲服務，加上此前在 IMS 積累的解決問題的方法，包括算法上的創新、特徵構造方法等，金超一直在思考如何將經驗固化下來以更好地服務於國內企業的智能化轉型。就這樣，他帶着團隊從建模工具做起，希望逐步降低工業智能建模的門檻，並實現技術普惠。
近幾年，金超的工作重心開始慢慢轉移，從純粹的技術型崗位轉變爲了管理者。他坦言，自己其實已經有兩年多沒寫代碼了。但在他看來，這其實沒有什麼，本就應該給一線工程師更多機會。他曾經聽過一位 CTO 在演講中提到：在科技企業，絕大多數的創新都來自於一線工程師，而不是所謂的 Leader，這告訴我們要給真正戰鬥在一線的工程師更多話語權，讓他們去展現自己。如果某個團隊中算法能力最強的是團隊的 Leader，那麼這個團隊可能就不是一個成功的團隊。只有當團隊裏面所有人都比 Leader 還強的時候，可能纔是一個更健康的狀態。
爲什麼選擇尚未定型的工業智能？
我們可能都在努力成爲“斜槓工程師”。
目前，國內的工業智能領域尚處於初級階段，需要大量的人才參與建設，而這一領域對人才的要求也格外高。在採訪中，金超表示，工業智能屬於數據科學的範疇。數據科學家這個職業還相對比較新，職業發展路徑沒有那麼僵化，但無論哪個行業的數據科學家，多少都有一個特點：除了懂數據科學之外，還要懂行業，這一點在工業智能領域尤其重要。
除了需要掌握機器學習算法，知道如何可以讓分類、迴歸模型更加準確，工業智能領域的數據科學家們還需要在行業中找到適合用智能化方式解決問題的場景，要能夠將模型做到可解釋，讓用戶一看就懂、一看就會用。這對工業智能領域的數據科學家要求很高，因爲工業上很多領域知識都是大學裏的一門專業，該專業的從業人員至少要學習四年甚至更久才能掌握這個領域的知識和技術，然而，現場的問題又很碎片化，所以做工業智能算法需要努力讓自己成爲“斜槓工程師”，即複合型人才，同時也要不斷培養自己的學習能力。
即便如此，金超還是抱着“爲國內的工業智能貢獻一份力量”的簡單念頭，毫不猶豫地選擇了尚未定型且難度較高的工業智能領域。光從名字來看，可能會有不少人覺得工業智能與人工智能差不多。通用的人工智能技術在經歷了 Google AlphaGo 的聲名大噪後得到了快速發展，也吸引了很多技術人才的關注，其本質是認知科學；而工業智能是人工智能技術在工業領域的應用，最終目的是要利用人工智能技術幫助工業解決實際問題，工業應用最終的目標離不開降本增效，要想真正拿出成績，光靠數據是不行的。
在採訪中，金超表示，目前的普遍認知是工業智能仍處於初級階段，在解決問題時要堅持從痛點出發，而不是拿着一堆數據看看能做什麼，然後再考慮實現價值，這種方式的效率和價值相對是比較低的。所以，企業自身要更加明確自己做智能化的目標，才能夠讓工業智能更好地落地。
當然，要想做好工業智能，現階段首先要解決的問題還是數據。金超表示，很多企業可能連工業 2.0、3.0 都還沒有實現，想要一蹴而就實現工業智能 4.0 是非常喫力的。首先，企業應該重視數據收集過程，並具有從多維度分析數據的能力，而不僅僅是收集和記錄；其次，工業智能現在亟待解決的問題是企業中的管理模式。
金超所在的團隊曾經接到過幫助一家工廠平衡能源介質的項目，如果工廠當時按照智能系統給的建議操作，其實效益是非常大的。但在向下推進的過程中，團隊發現工廠的基層操作人員已經習慣了原有的操作模式，在績效和管理模式不變的情況下，基層人員沒有動力更換新的模式，而且也不知道應該如何操作。這就需要操作手冊等指導性文件，並且要改變績效和激勵制度，在這個基礎上推陳出新，落地效果纔會更好。在這個項目的執行過程中，項目組對基層員工前後進行了大大小小三十幾次培訓，才最終順利完成項目。金超覺得，做工業智能絕對不僅僅是算法或者數據問題，最後很可能是業務導入等其他層面的問題。
事實上，數據問題在各行各業普遍存在，不僅僅是工業領域，只不過工業領域比較特殊的一點是，工業採集的數據是有明確物理意義的，一旦發生比如傳感器故障、數據質量等問題，造成的損失將無法彌補，我們很難做數據質量問題的修補。面對這種情況，金超認爲至少要做到兩點：一是能夠識別出數據質量的好壞，也就是說無論做什麼樣的工業智能應用，首先要能夠準確定位到數據質量問題，然後進行根因分析，並且完善數據採集過程；二是對模型的冷啓動提出更高要求，其實無論是傳統的機器學習還是所謂更現代的深度學習，要實現比較好的精確度，都要經過大規模訓練，如果沒有足夠多已經被標註的數據，想讓模型自學習來達到高精度是非常困難的。如何在數據和標籤不夠的情況下提升模型準確度，是金超和團隊一直在思考的問題。
在天澤智雲，針對上述問題已經沉澱出了一些方法論：一是融入機理，所謂的機理指的是工業設備本身固有的物理、化學等原理，基於這些先驗知識可以補足一些從數據裏面沒有辦法獲得的信息；二是基於機理構造特徵，這些特徵可能有助於提高模型準確度；三是如果現有數據缺乏標籤，可以利用一些規則或經驗公式進行標註，然後再讓模型基於此標籤進行訓練，這個過程相當於一個半監督學習的過程。基於這些方法，天澤智雲成功在很多場景落地了項目，包括風電、軌道交通等領域。目前看來，這樣的方式非常有效。
年少不可選，但有爲可以努力
君子之所爲者，乃天降之大任也。
“年少有爲”可能是很多人提到金超時的第一反應，但金超對這個詞有着自己的理解：年紀雖不可選，但路可以。“年少有爲”可能並不是說一定要取得多麼偉大的成就，金超在採訪中表示。他所理解的“有爲”是“君子有所爲，有所不爲”裏的“有所爲”。
“君子之所爲者，乃天降之大任也。”在“大任”面前，“君子”要有擔當。他認爲，天澤智雲的大任就是“讓工業無憂”。“年少”指閱歷少，但或許這正意味着這個年紀的奮鬥者包袱更少，沒有思想上的包袱則不必定下極其遠大的目標，沒有經驗上的包袱就不會循規蹈矩。
金超坦言，年齡帶來的影響是雙向的，有好的方面，也有不好的方面。不好的地方可能是會有一些質疑的聲音，而好的方面在於，年輕人可能更有熱情，這種熱情不是激烈的，而指執着地追求簡單的小樂趣。金超覺得，現在的年輕人刨除生存壓力，更多追求的是一種“生活方式”，而對他來說，理想的生活方式是做一件略有挑戰，並能獲得克服這種挑戰的成就感，同時又不覺得乏味的事情，最好還能和一羣志同道合的人一起前行。金超認爲，自己很幸運，能在天澤智雲遇到這樣一羣“同路人”。
在大多數成功人的字典裏恐怕都免不了“幸運”這個詞語，而真正的幸運，或許是當努力與機會相遇，金超也不例外。在他的回憶中，求學期間每逢要做演講，他多少都會有些緊張。2015 年，金超接到了導師安排給他的任務——爲企業界客戶做研究成果展示方面的演講，由於這次演講非常重要，所以金超的態度也比以前更加慎重。他爲此進行了二十餘次的練習，還請了不同專業的朋友來聆聽，力求整個演講邏輯嚴謹、表達流暢，內容通俗、易懂。在狠下了一番苦功後，金超的那次演講非常成功，不僅爲實驗室帶來了許多新機會，也讓自己的信心大增。
當經驗不足的年輕人遇到壓力，大多會顯得浮躁，而金超有自己獨道的排解方式。對於情緒上的壓力，金超選擇一種及時的、立刻能見效的“治標”的辦法排解，比如打籃球、健身、聽音樂或者看劇。對於壓力本身，金超更願意思考一種“治本”的方式來排解：用正確的心態看待壓力。壓力或者焦慮不是一種積極的情緒表現，但正因爲有壓力和感到焦慮，人們有時才更有動力完成一些事情。排解這種壓力最好的辦法就是要知道自己的焦慮可能來自於哪裏，並且針對壓力和焦慮做一些計劃，付諸行動解決問題方可“治本”。
標籤是外在的，成功的標準需自己定義
回過頭來看自己“年少”時，我們或許敲代碼的速度大不如前，經常忘東忘西，然而可能我們永遠都無法忘記當年凌晨還奮戰在自己身邊姐妹兄弟們疲憊而堅毅的身影。
在人的成長過程中，每一個階段都可能被外界貼上各種各樣的標籤。在金超看來，在這個多元的時代，成功的標準可以自己定義，明確最終要實現的目標，並且堅持完成自己所定義的目標。那樣，或許我們就可以讓世界更加美好。對於成功，金超也有自己的想法。
“我是一個兵”，這是金超在看《長安十二時辰》時印象非常深刻的一句話。金超認爲，這個時代的人聽了太多英雄主義的故事，但幾乎所有英雄的偉大都不是來自於他們自身能力的強大，而是來自他們對職業的忠誠、對使命的執着。作爲工業領域的數據科學家，同樣不需要什麼英雄，需要的僅僅是實事求是的態度，以及將數據科學家分內的事情做到極致。除此之外，他坦言非常欣賞能夠多維度發展的職場人，他希望自己不僅可以在專業領域有所建樹，同時能把自己區別於現在工作的一個愛好也做得很出色，這就是金超所認爲的理想狀態。
事實上，現如今，工作和生活之間的界限越來越模糊已經成爲一種大趨勢，一些人並不喜歡他們目前所從事的工作，工作很難變爲興趣，焦慮變成了常態。金超認爲，將這件事變爲好事的方法之一，可能是要在選擇工作時儘量向自己喜歡的方向靠攏，將興趣變爲工作，這樣纔不會覺得工作起來有負擔。
最後，面對一批又一批投身於數據科學家崗位的“後浪”們，金超給出的觀點是“不退”：
工業智能仍然處於並可能長期處於初級階段，遇到挫折是大概率事件，但我們不能因此而退縮。這個行業需要更多人才關注、參與。人工智能的社區龐大火熱，也不是一天培育的。工業智能總有一天也會形成自己活躍的社區。作爲這個社區早期的貢獻者、見證者，所有參與其中的戰友們日後都會因“不退”而慶幸。
嘉賓介紹：
金超博士在北京天澤智雲科技有限公司擔任技術研發副總裁，全面負責天澤智雲工業智能前沿技術及算法模型研發，專注於工業大數據、機器學習、深度學習、信息 - 物理系統 CPS、故障預測與健康管理 PHM 等工業智能技術和算法的研究與應用。
金超博士畢業於美國辛辛那提大學機械工程系，師從工業大數據、工業智能等領域的世界級學科領頭人李傑教授，在美國國家科學基金（NSF）產學合作智能維護系統中心（IMS 中心）任職助理研究員。參與十餘個世界級企業與機構的科研項目，涉及領域包括電力、能源、半導體制造以及航運。