摘要：1961 年的初春，刘国瑞出生于中国台湾嘉南平原的一个小镇，在玩耍、运动和读书中度过了非常调皮、好玩的童年时光。会的语言非常多，客家话、闽南话、普通话、英语等等，还能写文言文匿名信把做了不公平事的补课老师大骂一通。在台湾大学大二从造船系转到电机系的刘国瑞，喜欢

作者 | 唐小引

出品 | CSDN（ID：CSDNnews）

“继续努力，直到他们不能忽视你。”

这是 IEEE 首位华人主席（2022 年）、美国国家工程院院士、美国国家发明家科学院院士、Origin Wireless 公司创始人&董事长、马里兰大学杰出教授刘国瑞（K. J. Ray Liu）的来时路。

1961 年的初春，刘国瑞出生于中国台湾嘉南平原的一个小镇，在玩耍、运动和读书中度过了非常调皮、好玩的童年时光。会的语言非常多，客家话、闽南话、普通话、英语等等，还能写文言文匿名信把做了不公平事的补课老师大骂一通。在台湾大学大二从造船系转到电机系的刘国瑞，喜欢上了通信和信息信号处理，而后这成了他一辈子的专业。到毕业时，他在纪念册留言中写下了数十年不变的“尽结天下贤士豪侠，常做江上烟客主人”，时至今日，这句话既一直在他的个人主页上，也写进了他的新书《本心：科学与人生》的楔子里。

1983 年，刘国瑞从台湾大学本科毕业

台大毕业后在服兵役中咬牙备考留美考试的刘国瑞长期睡眠不足，能在考试时当场睡觉，尽管多年后他用“差强人意”来形容，但他还是通过考试开启了赴美求学的人生新篇章。到了 90 年代，年轻的学者刘国瑞在马里兰大学已经带出一些优秀的学生做出很好的科研成果，拿到了 IEEE 信号处理学会的最佳论文奖，被提名参评美国总统年轻学者奖（后改名为美国国家科学基金会年轻学者奖）时，排名第一但落选了，理由是“你有一个错的姓氏”。这样的例子不胜枚举，“继续努力，直到他们不能忽视你”成了刘国瑞永远记得并遵循的理念。“在美的华人要多上几倍的努力和成就，才能与白人平起平坐，这是一个不争的事实”，但“打破成见的最佳法则是用事实来证明那是错的”。

2020 年，刘国瑞以 21120 票的绝对领先优势当选了 IEEE 主席（2022 年），成为 IEEE 历史上首位出任主席的华人，在此之前，他也是 IEEE 信号处理学会六十多年的历史中第一位来自亚洲的主席。

2022 年正式上任 IEEE 主席后，刘国瑞以 IEEE 成为“全球工程和技术社群的专业家园”的愿景为自己的工作主线，完成了多项重大改革，比如亚太地区因会员激增至总会员的三成多，但只有一个董事代表，将其重划成两区的计划已经吵了五年多，终于在他的任内通过；IEEE Fellow 选拔机制的改革，也是吵了三年在其运作之下最终完成……

事实上，刘国瑞的 IEEE 之路也几经风暴。在已经是负责 IEEE 信号处理学会所有期刊的副主席之后，突遭子虚乌有的指控，被勒令签名辞职信立即辞去副主席职务，最终以时任学会主席道歉结尾；哪怕是竞选 IEEE 主席也并非一帆风顺，按照 IEEE 的流程，每个候选人都必须经过提名委员会通过后，才能交给 IEEE 董事会做最终决定。作为答辩顺畅、经历成就最好的候选人，因为与提名委员会的成员有恩怨在前，刘国瑞起初并没有被提名委员会提名，没有丝毫防备的刘国瑞立即联络董事会成员请求支持请愿签名，才由此大胜对手成功当选。

2022 年，刘国瑞与 IEEE 董事会合影

2024 年，因在无线传感与通讯领域的信号处理技术上的贡献，刘国瑞与英伟达创始人黄仁勋等一起当选为美国工程院院士。同样从中国台湾走出来的他们相聚在工程领域专家的最高专业荣誉殿堂，却都是一样的谦和，在科技界拥有着相当高知名度的黄教主和每个与他交谈的人介绍说：“这位是我的朋友 Ray，他也是从中国台湾来的……”但对于黄仁勋提到合成数据的重要性时，他也会直指黄仁勋“未必真正了解合成数据是什么”。

在马里兰大学的教育岗位上奉献了三十多年后，刘国瑞于 2021 年底正式提出了退休申请，和我们直观想象中案牍劳碌半生颐养天年不一样，花甲之年，他开启了全职创业。作为 Origin Wireless 的创始人及董事长，本着他的初心与承诺，追梦无线 AI 正在改变世界，让这个世界更美好。所以他对年轻人说，“我在六十余岁的时候，放弃一个崇高的终身教职去追求我的梦想，你有什么好担心会失去的呢？趁你还年轻的时候，没有什么牵挂，去追求你的梦想，去做你想要做的事。”

但他也有过 35 岁危机，因为目标感的缺失。他坦言对于很多学者而言，拿到了博士、终身教职，升为教授、拿到 IEEE Fellow 了，再走下去还是做同样的事情，若是无聊、无趣该怎么办？他以冲浪为喻，即使顺利乘上一波浪抵达岸边，但人生并不会就此停滞。冲浪的人还会掉头再划向外海，等待下一波浪。人生会踏浪好几次，踏上什么样的浪、多大的浪，就要看自己有没有那个本事和准备抓住它。

一起听刘国瑞讲他的 35 岁危机（封面：1996 年，此时刘国瑞刚刚获得副教授的终身教职）

半世负笈万里重洋，回首自己的科学与人生，刘国瑞有若干的成就，但他还是认为，“最令我骄傲的事情，其实是我培养了很多非常优秀的学生。”三十余年的教育生涯培养了 70 多位博士和博士后（有 20 位是女性），其中很多人成为了教授，还有 14 位学生当选 IEEE Fellow，这背后，是“几乎每个学生都在我的办公室哭过”、因材施教的严厉教风，哪怕多年后师生于北京再聚会时，已经成为教授的学生们都还对此念念不忘。

人生在世琐事良多，但刘国瑞并不希望学生们沉浸在案头，他总是建议学生们多出去走走，不要被每天繁杂的琐事埋葬了，看看这个世界有多大，高远的眼界和宽广的胸襟绝不是每天待在实验室里磨炼出来的，很多难解的学术问题也不是在实验室领悟的。他对万事万物都充满了好奇心，对烹饪颇有一番心得，还很好奇没有辣椒时四川人究竟是怎么吃火锅的。采访时当他听闻我当天采访完就要飞十几个小时奔赴欧洲出差忙碌 GOSIM 会议，他也是强烈建议一定要领略当地的风情与文化。

本期《万有引力》，一起来走进刘国瑞的“追梦赤子心”。

唐小引：欢迎刘老师在 CSDN 平台上和大家分享您的经历与思考。是什么激发了您写《本心：科学与人生》（Origin: Science & Life）这本书？您想在这本书中传达的核心思想是什么？您很钟情于“本心/初心”（Origin）这个词，这是为什么？有什么想和中国读者，尤其是工程师群体说的吗？

刘国瑞：首先谢谢你今天和我的访谈。为什么会写这本书？我在楔子里有一句话叫做“落叶无处不归根”。我希望将自己一生所见所为，成长、挣扎、失败、成功都真实地呈现出来，让后来者尤其是年轻人有所借鉴，不要再犯我曾犯过的错误。

我想要表达的是我们需要饮水思源、坚持自己的梦想。每个人都有自己的“初心”，比如为什么选择当科学家、做工程师，既如此，就放手去做，踏踏实实地完成、追梦。Origin，本心即初心，是我们自小立志的一个愿望。但其实，这个词作为书名最初并非我所选，而是出版的编辑。可是我觉得选得很好，这是我在书中贯穿始终想要表达的精神，并且，在书中“无线感知”的章节中，我提到了时间反演物理，在时间反演过程中，所有的多路径都会回到原点聚焦，这个原点就是 Origin，也是我再创业的新公司的名字，我觉得很完美。

唐小引：您自年少至今，一直言及“尽结天下贤士豪侠，常做江上烟客主人”，在楔子及书中也多次提到。数年未变，其间既有入世之志，又有出世之情。您可以给大家分享其中的思与行吗？

刘国瑞：如果读完整本书，从缘起到结尾，会发现很多意思与表达都是贯通始终的。我在第一页的楔子写了这句，在最后一页说“我想做不平凡的事情”，要做不凡事，一定会广结天下贤士豪侠，什么人都会认识与打交道。但是我想做一个平凡的人，那就是常作江上烟客主人，然后追梦去。

唐小引：做平凡人，成非凡事。

刘国瑞：对。

唐小引：您的求学之路充满着意想不到的转折，年少时相当调皮、好玩，读大学选志愿时与父母意愿有分歧做了折中，被分到台大造船系，而后决定转到电机系；在服兵役时准备留美考试，没时间背 GRE 生词，申请学校是依样画葫芦地到了密歇根大学；在贝尔实验室与 UCLA（加州大学洛杉矶分校）之间选择了后者，放弃了去工业界的机会。这其中有很多的选择，您的求学经历对您的职业生涯、教育理念有哪些影响？

刘国瑞：我早期是一个很爱玩的小孩，没什么雄心大志。但我很幸运，初中时进入卫道中学（一所由加拿大天主教修会创立的教会学校）学习，这是我人生启蒙的地方，学校会培养我们独立思考、自己想问题，而非繁复的考试，直到在台中一中上高三前，我都是延续之前的习惯自己读各种书，直到考试前才为了应考做准备。这段经历对我日后影响很大——我从中养成了独立自主思考的习惯，以及做学问时喜欢问“为什么”的精神。我不满足于“知其然”，更追求“知其所以然”。很多同学背公式很快，考试拿高分，但一问原理就答不上来；而我总是要追究背后的原理。这种求真精神和独立思维，是我终身学习和研究的源动力。

1979 年高中毕业的刘国瑞

说到选择，其实很多时候，我都认为我做了很好的选择。我们这代很多人都会听父母的意见，时代确实不同，那个时候可能很多事情都并非自己的选择。但即便如此，在很多关键节点上，我相信自己做出了正确的决定。没有听从父母的选择去当医生，如果选择贝尔实验室又是另一种人生（高薪、房贷），绝不会有今天的我。我有很多同学原本说打算“先去工业界干一干，再回学校读博士”，五十多个这样想的人，最后真正回学术界的只有一个，而且还是因缘际会——他公司的老板同时在大学任教，促成他回去的。可见一旦走上那条路往往很难回头。所以我很庆幸当年选择直接深造走学术道路。这对我日后成为教授、培养学生，都产生了很大的影响。

唐小引：在工业界还是学术界深耕，这的确是一个令人纠结的问题。近几年来在 AI 领域，就有很多学者从工业界回到了学术界，或者从学术界进入工业界。您的观察是怎样的？

刘国瑞：现在的情况已经很不一样了。以前最前沿的研究很多都是在学校做的，因为那时候主要是理论驱动，大学里老师和学生把理论模型建立好，工业界拿去把它实现应用，就是这么个模式。这种情况一直到深度学习（Deep Learning）时代之前基本如此。

但当深度学习和大数据时代到来后，情况变了。因为需要极大的计算资源和海量的数据。这些东西只有大的工业界公司才拿得出来：只有实力雄厚的大公司才买得起那么多 GPU 算力，也只有它们的产品在全球铺开后才能收集到真实的大数据。学校呢，既没那么多经费买算力，也缺少大规模的真实数据，这就导致大多在做一些“玩具”式的研究，这在近年来大模型的发展上体现得尤为明显。

唐小引：您提到了两个关键点——算力与数据。我们面临着最新的情况，大模型预训练数据几乎已被充分利用，这会导致模型的扩展发展放缓，“真实的数据”越来越少，合成数据由此兴起。当然，哪怕在大公司里也有商业 KPI 等各方面压力。所以您看，现在工业界其实也并非什么“象牙塔”。在您看来，这种情况下科研模式会有什么变化？

刘国瑞：我跟你讲一个我自己的体会。我这次选择离开学校，全职投入新公司（Origin Wireless），有很大的原因就是：在学校里做科研，有天花板，而在公司里，环境不一样，反而可能走得更远。首先是责任和承诺的问题——我的投资人把钱投给我，我的团队里那么多人放弃原来的工作追随我，我们有一个共同的梦想——想去改变世界，让这个世界变得更美好。我对他们有一个 Promise（承诺）。为此我离开学校，放弃了原本优渥的教授薪水，到公司拿远低于以前的报酬。这对我来说是一个牺牲，但我愿意，因为我要兑现我的承诺，对我来说是一个重大的决定。

还有一个原因，就像你说的，我这个研究项目本质上是 AI。为什么我要成立公司来做？因为如果我在学校里做“无线感知 AI”这件事，往往只是些“玩具”，无法真正落地。我需要一个工程团队写代码，把它跑在现实世界里，才能收集真实的数据。当我们有了真数据，而且从世界各地收集各种不同环境下的真数据，我才能不断有新的发现和突破。事实也是如此——我们因为有了真实产品去收集大数据，才做出了别人做不到的成果。

所以我想说的是，为什么现在很多研究只能在工业界做，就是这个道理。我在学校里的许多同事、教授，他们根本没办法开展我这样的项目——学校不具备那个环境和资源。

唐小引：您刚才将学校里的研究称为“玩具”，而工业界的是“真实数据、真实产品”。可否进一步细化一下，您认为“真实”的维度包括哪些要素呢？

刘国瑞：其实也不用划分什么维度。以前搞研究主要是做理论模型，这方面大学老师和学生最擅长，建立模型推导公式都很厉害。不过现在的思维模式完全不同了，因为有了深度学习。Deep Learning 的强大之处在于它能够从数据中“学习”。所以深度学习需要的是什么？就是数据，而且是越多、越大、越多样越好。算法本身并不挑剔你的数据是什么，只要数据够多、覆盖够广，就能学出来。哪怕数据质量良莠不齐，只要它是真实产生的，算法都可以从中提取规律——关键在于数据必须是真实发生的，而不是你凭空捏造的，否则没有用。

唐小引：但是现在国内外都在兴起用合成数据（Synthetic Data）来弥补真实数据不足。例如利用模型造数据，以扩充训练集。对此您怎么看？NVIDIA 创始人黄仁勋先生前不久也特别提到了合成数据的重要性。

刘国瑞：我猜黄先生自己未必真正了解合成数据是什么，他毕竟是做硬件起家的。合成数据、数据增强（Data Augmentation）这些技术，说白了都是没办法中的办法。什么意思呢？我们团队自己也会用一些这样的手段。比如采集无线信号数据时，频宽（Band Width）或设备有限，不可能面面俱到。那该怎么办？我们会用多个不同的天线组合去采集，把原有的数据做一些“排列组合”，让模型以为有更多样的环境。同样地，我们会对已有数据做一些时间上的移位，仿佛在不同时间发生过类似的事件。通过人为引入这些变化，好像扩充了数据集——因为本来也有可能发生这样的情况，只是你没刚好收集到，于是你模拟一些出来。这样做确实可能提升模型泛化，因为你让系统以为“这种情况也出现过”。但问题在于，这些合成的情形毕竟没有真正发生过。

你用合成方法，无非是基于已经见过的情况做些随机变换、组合作用。如果有某种情况是你完全没见过的，是合成不出来的，对不对？所以合成数据能起到一定作用，但不是无穷无尽的作用，只能有限地带来一些改善。

唐小引：您刚才分享了您的求学和职业选择，可以看到随着年岁增长，在后来的重要关头都很清楚自己要什么，比如最终选择全职创业。而读您的书，我也发现早期有些时候您其实是未知、迷茫状态，但依然做出了选择。所以我不禁想问一个有趣的问题：如果让您的人生重来一次，对于那些当年并不确定的时刻，现在回头来看已经明了了，您会怎么选择呢？

刘国瑞：好，我来回答这个假设的问题。首先，我们没法选择自己的父母，人生的起点很大程度上是机遇。我能来到这个世上，与你在这里对话，其实都是数千万分之一的巧合。人的诞生本身就是偶然。所以父母无法选择，人生一开始的大方向往往也不由我们决定。虽然我们不能决定自己的出身和童年环境，但我们在人生道路上可以做一件事：当道路往前发展时，每当出现分岔点，我们可以做出选择。

人生一路走来会遇到各种分岔：你决定学医还是学理工？决定出国留学还是留在家乡？一次次的选择塑造了你的道路。人生整体也许无法由你设计，但每当来到分岔口，你可以决定转向哪一边。一旦做了决定，就沿着新的方向继续走下去。就像结婚一样，当你决定了要和某人步入婚姻，就很难再走回头路了。所以关键问题是：在分岔点上，你如何做决定？我的做法是始终秉持自己的初心。整本书里你也看到，我这一辈子追求的并不是名和利，我追求的是真理，我立志做一名科学家、工程师，所以我一辈子就沿着这个初心一直走下去了。

你问如果人生重来我会如何选择，其实我也不知道具体会选哪条路，因为人生充满了不确定性。但无论面对什么选择，我都会问自己：我的初心是什么？我想追求什么？我想成为怎样的人？以这个为基准来做决定。我想只要初心不变，走哪条路都会殊途同归。

唐小引：是的。这让我想到一个细节：其实您也是在实践中逐渐发现了自己的兴趣和追求。比如您在台大念书时，因为李老师（当时唯一一位旅美之后回台任教的年轻老师）的课程，您喜欢上了通信与信息信号处理。当时如果换一个老师、教另一个课程，也许您的兴趣方向就变了，对吗？

刘国瑞：没错。所以冥冥之中自有定数。每个人的人生轨迹可能早就暗合着某种安排。我打个比方，从物理定律来看，宇宙大爆炸（Big Bang）之后，其实所有事情在宏观上都是确定性（Deterministic）的。当然，中间夹杂着一些随机性（Randomness），但很多关键节点上，会觉得像是注定一般。为什么恰好碰到那个老师？为什么世界上有你这样独一无二的个人存在？这些概率极其渺小，却发生了。

唐小引：您整个职业生涯确实有一条清晰的主线，一直专注在通信领域并有所建树。我在技术圈遇到很多人可能是学通信、数学、物理等出身，但后来转到计算机、人工智能领域发展。而您始终扎根在通信和信号处理。当初有没有纠结过要不要改行？比如在计算机科学大热的年代，您有没有考虑过去攻读或从事计算机领域？

刘国瑞：哈哈，我告诉你，在我们那个时代，计算机科学（Computer Science）基本上就是教人写程序、搞编程。当时流行的语言像 Fortran、Pascal，当时 C 语言才刚出来没多久。计算机科学那时候主要研究操作系统这些，老实说非常枯燥。我当年觉得那很无趣。反观电机工程（Electrical Engineering）则是一个包罗万象的大领域，计算机科学与工程、控制、物理与光电、激光（雷射）等等都囊括其中。如果你学计算机科学，在当时其实是钻进一个很小的专门化领域去了。

而我选择的通信，确切说是信号处理，恰恰是如今很多 AI 技术最根本的基础。可以说，现代 AI 许多最基础的算法理论都是从信号处理演变而来的。信号处理发展出了机器学习、神经网络等等。现在像 Hinton（辛顿）、LeCun（杨立昆）这些 AI 先驱，其实本身都是我们信号处理领域的。再比如 LLM、大数据这些方向的其实也是我们这个领域的，并不是计算机科学出身。我现在到世界各地去开会，大家都把我们信号处理这一行的人称为“做 AI 的人”。

当然，我也相信条条大路通罗马。所以我的看法是，不管你最初学的是什么专业，只要你走到专精的顶尖阶段，其实很多知识和理念是相通的。你学计算机、通信也好，学信号处理、机器学习也罢，等你真正投入工作、做到前沿时，大家的训练和思维素质都会趋于一致。站在尖端再回看，会发现其实各领域之间并没有天壤之别。

唐小引：您这么一解释，我才明白原来像 LeCun 这些属于信号处理领域。可能大家更多地会认为在机器学习领域。

刘国瑞：是的，他们很多论文其实发表在信号处理领域的期刊上。再比如 Hinton，他当年和邓力（知名的机器学习科学家）合作将深度神经网络应用到大规模语言识别中，也都是信号处理圈子里的人。电机工程（EE）这个传统领域当年在美国是最受尊敬的工科专业，因为它要求你数学和物理都要学得很精。基本上一个好的 EE 出身的人，数学和物理功底都很扎实。而计算机科学后来从 EE 里分离出去，它主要侧重数学算法。就我们那个年代来说，甚至到现在，我认为 CS 专业在数学训练上还是比传统 EE 略浅一些。

当然，现在做研究已经不需要那么多纯粹的数学推导了。深度学习的兴起，使得有了大量数据和强大算力，机器可以自动从数据中学习模型，不需要像过去那样人去推公式建模型。所以现在计算机专业的人也能做出很多原来需要 EE 背景才能做的事。其实今天许多突破都是跨学科团队合作的结果，不再是“信号处理的人”或“计算机的人”单打独斗，统计学、生物学等各路人才都参与进来了。

唐小引：接下来我想请教您一个关于成就的问题。您的这本书我理解其实写的是您的前半生，因为您又开启了新征程。现在回顾您的科学与人生，您觉得最令您骄傲、最有成就感的事情是什么？

刘国瑞：要说最令我骄傲的事情，其实是我培养了很多非常优秀的学生。我这些年带的学生都去了很好的地方发展。比如你刚才提到我当年自己没有去贝尔实验室，但在 2000 年前后，我毕业的前 20 个博士生，每一个都进了贝尔实验室工作（可见当时贝尔实验室多有吸引力）。现在，我已经有 30 多位学生在全世界各地当教授——其中有两位在国内清华大学任教，其他知名高校几乎都有我的学生。另外我最初带的学生很多是国内顶尖大学保送出来的佼佼者：曾经有清华电子系的第一名、北大电子系第一名、西安交大第一名等等。我能有幸指导到这么多顶尖聪明的学生，并看着他们后来各个有所成就，这是作为老师我最骄傲的事。

唐小引：是的。我看到有一个统计：您几十年培养了 70 多位博士和博士后（有 20 位是女性），其中很多人成为了教授，还有 14 位学生当选 IEEE Fellow。您自己也有许多重要科研创新，比如世界第一个全分集、全速率空频码等，但您很明确地表示这完全归功于您团队的博士后研究员伟丰。但您自评带学生非常严厉，您能分享一下您培养学生的方法吗？

刘国瑞：我带学生确实比较严厉，几乎每个学生都在我的办公室哭过。但另一方面，我又给他们很大的自由度。很多导师是学生一来就给定一个课题让他去做去解决。我不喜欢让学生只做我给出的“题目”——那样的话，到哪里都有人给你出题目解，多你不多少你不少。我更希望引导他们自己去发现问题。我的做法是给一个大的方向框架，然后让学生自己找具体的问题。为什么？因为做学问最重要的是学会问问题。要问，就问对的问题、问好的问题、问别人没想到过的问题。问题越重要，你一旦问出来并抓住了，解决其实并不难，因为只要问题重要明确，大家总能想办法解决，或者换别人也能解决。但很多时候难在没人意识到“这个问题值得解决”。所以我要求学生锻炼这种发现问题的能力。

另外，我给他们设定的科研成果标准也很高。比如在我们通信领域，IEEE 一级期刊 Transaction 算顶级论文了。一般人博士期间发表一篇两篇 Transaction 就可以毕业，但我对我的博士生要求是至少要发表四篇 Transaction 论文才能毕业。当年这是很难的事情（现在可能论文多一些了）。为什么定四篇？我有自己的用意：第一篇，你学会怎么做研究、怎么写论文；第二篇，你掌握了做研究写论文的方法；第三篇，你已经驾轻就熟，知道如何产出成果；第四篇，你可以独立做出一个点子、写成论文——这一篇基本没怎么用我操心。到了这一步，说明你已经可以不依赖我，自己开展研究，那你就可以毕业了。

通过这样的训练，我是想给学生树立一个远大的志向和完善的科研能力。我在书里也提到，古人说“师者，传道授业解惑也”。很多老师以为“传道”是最难也是最重要的，其实传授为人做事的道理固然难，但我认为教师在“传道”之外还有一件事更重要：营造环境，激发学生立大志。我和我的大多数学生都保持长期联系。我希望他们有宏大的志向，有积极向上的动力，想成就大事业。我一直认为，评价一个老师好不好，不是看他自己有多大成就，而要看他培育出多少有成就的学生，这比老师自己有成就更重要。

唐小引：所以您对学生的期望是——青出于蓝而胜于蓝，希望他们超越您取得的成就吗？

刘国瑞：我当然希望我的学生们能够超过我。其实不少人已经在各自岗位上做得非常出色了，有很多学生在工业界发展得很好，比如在高通公司做到了副总裁，在 T-Mobile 做到了高级副总裁。还有两位学生创业公司成功 IPO 了。这是在工业界的例子。我觉得很多人将来取得的成就有一天会超过我。

唐小引：您的学生有不少成为了 IEEE Fellow，其实您当年在马里兰大学就明确立了“Flag”，说自己的第一个目标是 IEEE Fellow，第二个目标是美国国家工程院院士。不知道您在和学生交流时，有没有学生如您这般立志的？

刘国瑞：没有。当年我之所以立下培养 Fellow 那样的目标，还是因为系主任跟我讲的晋升我认为都是小而琐碎的事情。可能也是年轻气盛，后来真是捏了一把冷汗——因为 Fellow 也不是那么容易的，我自己拿 IEEE Fellow 都挣扎了一阵子呢。当时评选还有不少不透明的地方，有地域圈子关系。不过后来 IEEE 改进了评选机制，总体变公平了。但不管怎样，我不认为搞学术研究的最终目的在追求那些头衔，“实至名归”比什么都重要。如果你有真正的学术贡献，荣誉早晚会到你头上；来得晚一点也不用太难过，来得早也不用太高兴。这些虚名真的不是最值得放在心上的。我强调这一点是因为发现现在很多年轻人反而热衷于比拼这种头衔，比如谁最年轻成了 Fellow 之类的。但 So what？十年之后看，你当年拿 Fellow 拿得早又如何？有些比我早拿到的人，这些年反而没什么声音了。

我常说，我们的人生更像是一场马拉松。在漫长赛程中，暂时谁领先其实一点都不重要。只要最后你能达到自己想要到达的终点，就够了。

唐小引：是，这让我联想到书里提到的一件事：似乎有段时间有人问您是不是已经是美国国家工程院院士，您当时还不是，对方还很吃惊。可见外界往往看重这些名号。不过您刚才强调的是不追逐头衔名利，而注重学术本身的追求。但在这个过程中，您自己也经历过一些波折，对于您的学生或更广泛的后来者而言，您能怎么帮助他们避免您当年经历过的弯路呢？

刘国瑞：人生在世，每个人都会经历波折，只是形式各不相同。我把我的故事写出来，就是想让大家有所借鉴。正如你说的，有些年轻人看我履历可能以为我一路平步青云，其实不是的——我在 IEEE 晋升过程中也遇到过挫折，甚至一度被人从中作梗陷害过。我就是想让大家知道：人生本来就有起有落，崎岖不平是常态。没有“落”，你怎能体会“起”？所以那些起伏本身并不重要。重要的是在这个过程中你是否过得充实、快乐，是否对社会有贡献？是否始终坚守着自己的愿望和初心、本心？如果每天脑子里想的都是那些外在的虚名浮利，一定不会快乐。我的意思不是说完全不去想，而是尽量看淡它们。就做让自己快乐、有意义的事，踏踏实实一步步走，总有一天会功成名就的。

唐小引：是的。我自己也曾思考过类似的问题：个人在沧海桑田的历史中究竟能留下什么意义？有时候难免会生出一种虚无感。在 AI 圈子里和一些老师前辈交流时，大家对人生意义也有不同见解。我注意到您在书里也谈到类似的话题。您认为“成就是别人定义的”，那对于您自己来说，在人生这场马拉松中，您是如何逐梦并坚持初心的？怎么样做到“不忘初心，方得始终”呢？

刘国瑞：对，我当初把书稿交给出版社时自己起的名字其实就叫《追梦》。后来他们给改成《本心》，我觉得改得好。所以我这一辈子一直在做什么？就是不断追逐我的梦想。不同阶段我的梦想不一样，但这些梦想都和我的初心一脉相承。我在人生每个阶段都会确立一个新的目标，然后脚踏实地去实现它。过程当然不会一帆风顺——要真那么顺的话，我也没什么可写书的，对不对？如果每天只是吃饭、睡觉，人生按部就班高中、大学念完，一路平平淡淡，那也没什么好写的。

人生注定不是平坦直顺的。当然，也有人觉得“我这辈子好像没什么成就，做什么都不顺”，甚至有点消极。这里我想引用庄子的一句话：“无用之用，方为大用。”听起来有点虚无缥缈，但我用一个比喻来说明：这就像冲浪。

首先，你要成为一个冲浪者，自身要有真才实学，要有过硬的本领。就像诸葛亮（孔明），如果他没有真才实学，刘备三顾茅庐把他请出来也没有用，他也干不成事。他正是有真才实学，才能抓住机会大展所长。

对冲浪者来说，也是一样的道理。他会在海上等一个适合的浪头。浪如果不够大，不适合，他不上板；来的时机不对，太早或太晚，他一踩就掉下来了。所以他必须耐心等待那个真正适合他的“大浪”到来。而当浪来了，他技术准备足够好，时机判断对了，踩上冲浪板，哗——就乘风破浪一直冲向岸边，对不对？

一旦你顺利乘上一波浪抵达岸边，人生并不会就此停滞。人生绝不会只有一个浪头。冲浪的人还会掉头再划向外海，等待下一波浪。等下一波浪来了，只要浪适合他，时机成熟，技术到位，他又能一跃而起，踏上新的一波浪。人的一生会踏浪好几次。踏上什么样的浪、多大的浪，就要看自己有没有那个本事和准备抓住它。

所以说，如果许多年轻朋友觉得自己的机会还没来，或者觉得做什么都不太成功，也不用灰心。为什么呢？因为你完全可以利用这段时间好好积累自己的真才实学，把基础本领练好。这样有一天机会来敲门时，你才能牢牢抓住它，不错失良机。

唐小引：前面您一直在学术道路上深耕，并多次强调初心在科研。然而在书的最后，您写到自己“走出象牙塔”，从马里兰大学退休，投入“无线感知”技术的商业化应用。看起来，您在 60 多岁的年纪选择二次创业，转向工业界，这和您之前反复强调的科研初心不太一样。能否请您谈谈：当初究竟是什么驱动您在这个阶段创办公司，推动无线 AI 落地？难道您的初心发生了改变吗，还是有了新的诠释？

刘国瑞：其实我并不觉得我偏离了初心。对我来说，初心不是狭义的“留在学校做研究”，而是追求真理的科学精神。当科学家也好、当工程师也好，追求真理就是初心。所以我现在做的事情，跟以前在本质上并没有两样。之前我们讨论过，第一个原因是履行我对他人的承诺。我在 1997 年曾经第一次创业，但两年后就离开了，这成了我心中的一个遗憾。这一次再创业，情况有所不同——我们在无线感知技术上追求的突破，本身就是一个 AI 领域的问题。

为什么说它是 AI 呢？现在 LLM 是通过理解语言和语音来实现智能，那是 AI；人脸识别通过理解图像来实现智能，那也是 AI；计算机视觉通过理解视频来实现智能，也是 AI。而我们做的事情，是让系统去理解我们周遭环境中的无线电波，这同样是 AI，而且目前全世界只有我们能够做到这一点。

其次更现实的是，如果没有一个实际的产品和装置，我就没法收集到真实的数据，就无法推动 AI 的训练和应用。在学校里做这种事，会流于纸上谈兵，停留在模拟层面。我需要一个团队把真正的系统做出来，然后部署到世界各地去收集各种真实环境下的数据。这一点在我们项目中至关重要——正因为有真实产品去跑在真实环境，我们才能收集大规模真实数据，才不断有新发现。所以到现在我们大概申请了 250 项专利。如果我一直待在学校，可能就五六项专利，哪里来的两百多项？正是因为我们做出了实际产品，有了源源不断的真实数据，我才能继续把最前沿的研究做下去。说到底，我还是在追求真理、在做研究，只是现在我有真数据、真平台，能做别人做不到的事。这一点我在书里其实没细说，只是提到我从学校离开去创业。但背后的原因如你所见，是我相信这样才能真正把无线感知做好。

所以总结来说，我当初选择二次创业，一方面是为了兑现承诺，另一方面也是顺应科技发展形势：很多前沿研究必须跳出学院，才能找齐资源实现。我很多大学同事想做大的创新，也受限于学术环境做不了。我这个选择可以说既是履行初心、也带来了突破现实限制的新契机，两者并不矛盾。

唐小引：“无线 AI”这个概念对于很多读者可能比较新颖。您能通俗地解释它将会给我们的生活带来哪些改变和影响？

刘国瑞：我们周围充斥着各种无线电波，过去这么多年，我们只把无线电波用于通信，无线=通信，这几乎是约定俗成的概念。但是实际上，这些充盈在我们周遭的无线电信号，还能用来感知环境。我们的动作、呼吸、睡眠，甚至有人摔倒，这些行为都会对无线信号产生细微的影响。所以“无线感知”要做的，就是通过分析周围的无线电波，来“看见”我们周围发生的一切。这就是无线 AI 的核心思想——利用无所不在的无线信号，赋予机器感知世界的能力。

可以想象一下这样一些应用场景：我们可以知道一个房间里有没有人，以及这个活动主体是人还是动物、宠物，或者只是机器设备。我们可以知道有没有人在呼吸。当然也可以进一步监测一个人的呼吸规律，从而判断他的睡眠质量。因为人睡觉时，每夜大概有四到五次做梦（即 REM 快速动眼期），人在做梦时眼球会快速转动、呼吸也会急促。我们完全可以通过无线信号捕捉到微弱的呼吸变化，进而推断出一个人晚上做了几次梦，什么时候处于 REM 睡眠、什么时候是非 REM，甚至什么时候入睡醒来，都可以检测到。有了这些，我们就能够在不打扰人的情况下监测老年人的睡眠健康。事实上，在疫情期间，我们的技术已经在多个国家及地区投入使用，远程监测隔离病人和独居老人，及时发现异常，已经拯救了很多人的生命。

再比如跌倒检测。通过无线信号感应人体的运动轨迹和速度，可以在不需要老人佩戴任何设备的情况下，探测到他是否突然摔倒。我们曾经拿苹果手表这类可穿戴设备做过对比测试。Apple Watch 也宣称有跌倒检测功能，你猜它的检测率多少？只有 25%，四次摔倒只能识别出一次。而我们的技术检测准确率可以达到 95%，而且用户身上不需要穿戴任何传感器。

唐小引：您刚才提到 Apple Watch 监测睡眠和跌倒，其实我自己也在用 Apple Watch 追踪睡眠。

刘国瑞：是，但你必须一直戴着那个手表，夜里也不方便。而我们的技术不需要人时刻佩戴任何设备。可能房间里的灯泡、路由器这样的装置里嵌入我们的传感器，你睡觉时根本无感，但系统已经在无形中守护着你了。

唐小引：技术上您是怎么实现这一点的呢？既然不靠穿戴设备，那系统如何“看见”这些行为？

刘国瑞：这里面的原理我在书中“无线感知”那个章节里用通俗语言有详细描述过。简单来说，就是因为我们身体周围发生的每件事都会影响无线电波。我们所做的是让 AI 去理解这些无线信号变化，提炼出有用信息。这非常困难，目前全世界只有我们一家公司真正做到了。我前面举的例子其实还只是冰山一角，无线 AI 未来可以做的事情还有很多很多。

除了前面说的看护、医疗这些，我们还把技术用在了汽车里。你知道，每年平均有几十个儿童因为大人粗心被遗忘在车里，最后不幸死亡。这种悲剧在美国、日本都发生过。日本的校车甚至规定必须在车尾装一个提示牌，防止司机疏忽忘记孩子下车。我们的技术完全可以解决这个问题——车里有没有孩子、有没有生命体征，一扫无线电波就能检测出来。日本现在在校车上也开始安装我们的设备了，因为只有我们的技术能够无接触地可靠检测车内遗留的儿童，这对公共安全是巨大的贡献。

所以我把无线感知称为人类的“第六感”。我们人有视、听、嗅、味、触五感，而利用无线电波感知环境，相当于赋予人类一个全新的第六感。这项技术将来对人类的贡献可以是无限的。这也正是为什么我现在投入做这件事。我相信再过二三十年，“无线”一词在大众眼中将不再只是“无线通信”，还会意味着“无线感知”。而无线感知所带来的各种崭新服务，有可能彻底改变我们的生活方式。

唐小引：您刚才也提到，像 ChatGPT 这样的重大突破目前主要还是由少数几个大公司推动。这也是当前大家看到的一个痛点：创新资源过于集中在工业界。从您的经历来看，您觉得有必要对此发起什么呼吁或者应对吗？

刘国瑞：说实话啊，我认为强行扭转不太现实。因为以目前情况来看，能推动这些尖端 AI 研究的，基本只有那几家拥有海量资金和数据的大公司。政府就算想支持，单凭学术经费也很难填上这个鸿沟——所需投入实在太大了。当然，像美国国家科学基金会（NSF）也开始提供一些特别资助，鼓励多所高校联合起来共享资源搞大项目。这种努力是有的，但杯水车薪。我就像之前说的，我觉得很多事是有其发展规律的，不用过度干预。

也许在这一波，该让这些大公司去拼杀竞争，投入巨资把最好的工具开发出来。他们抢占先机、挣到大钱，这是这一阶段的必然。但等这些 AI 工具做到极致、普及开来之后，工具就变成寻常，竞争也就结束了。这场仗打完了，胜出的可能就剩下一两家公司。这时候，这些成果（工具）会成为整个社会的公共资源，大家都可以用了。而下一波创新往往就会从学术界重新发端——因为有了前一波沉淀下的工具和平台，新一代研究者可以站在巨人肩膀上去探索更新的领域。就像阴阳消长，事物发展到一个极端又会返回。我相信科技发展也是波浪式前进的，不会永远固化在“大公司垄断创新”这一点上。后面还会有新的浪潮，只是暂时我们不知道浪头在哪里。

唐小引：说得有道理。那么谈到 AI 工具的普及，我想起另一个热点话题：高校对于大模型的使用问题。不管在中国还是美国，不少高校这两年都在讨论甚至明令禁止学生使用 AI 工具，比如用 ChatGPT 写论文、作业等等。在企业里大家对使用 AI 也充满担忧，每次我和企业负责人聊天，他们首先提到的就是安全性问题。您对这种现象怎么看？您在书中其实也有所提及。

刘国瑞：说实话我挺惊讶听到国内还有大学禁止使用 ChatGPT 之类的。真的有吗？

唐小引：有的。我之前和一些高校老师交流时，他们认为学生如果大量使用这类工具写论文作业，会带来很大问题，所以想加以限制，规范 AI 技术应用的行为。

刘国瑞：这让我想到，我书里提到刚出来时美国学校也曾禁止过 ChatGPT。但后来发现禁不住——因为大家都会用，学生是跑在最前面的。再后来，学校不仅意识到禁不了，还发现对老师来说，其实这也是个很有帮助的新工具：备课、做 PPT、甚至出考题都可以利用它。所以我认为这其实是一个很好的新工具，我们应该把它当作工具来用。问题在于如何规范使用。

你看，任何新的革命性技术刚出现时，都伴随着种种伦理和安全方面的问题。就有人问过我，我现在做的无线感知技术有没有隐私问题？我直言不讳：有，一定会有。因为任何新的 AI 技术都会带来新的隐私伦理挑战。但是我跟他们举个例子：大家同不同意，现在基因工程技术已经可以用来克隆人了？从技术上来说，我们完全可以提取我的基因去克隆出“另一个我”，也能克隆你。当然人类社会禁止拿人来做实验，但是我们可以对猪和牛做呀，对吧？那些都已经在做，也有相应法规约束。所以只要是新技术，就一定会产生新的伦理问题。关键是我们要有规章制度去管理，而不是因噎废食、一禁了之。

就拿 ChatGPT 来说好了。你不能因为它可能被滥用，就彻底不用它——别人都用了，你不用，你就落后，就输了。所以必须学会用，但要有规矩地用。比如现在 IEEE 期刊已经规定，如果你的论文写作中使用了 AI 工具，必须在论文中声明用了，并明确在哪些部分用了。不能整篇论文都是 AI 写的还不承认。如果用了，就老老实实注明用在哪里，用来干什么，而且要确保使用方式不构成抄袭。这么一来，我觉得完全可以接受。像这样制定规则，我相信既能防范学术不端，又能充分利用 AI 工具提高效率。

唐小引：说得很实际。还有大家关心的是 AI 会不会取代人类的工作。您的书中对此也有讨论：您认为未来 AI 会让一些职业消失，但同时也会创造很多新职业。能否请您具体谈谈，对当下的程序员、工程师群体来说，会发生什么变化？我了解到，在国内程序员群体里存在一种焦虑：觉得 AI 发展下去，写代码的工程师最接近 AI，可能会最先被 AI 取代。很多人调侃“程序员是在用代码革自己的命”。您怎么看这样的担心？

刘国瑞：我想换个角度问：那些现在从事 AI 开发的工程师们，是不是薪水变高了？日子变好了？

唐小引：薪水怎么样不好说，但明显更卷了，就是竞争更激烈、加班更多了。

刘国瑞：哈，那虽然更卷，但待遇肯定也更好了吧。所以才有那么多人想往 AI 方向钻，他们现在是在忙着打造工具。用个比喻，现在我们要在一座山上种满梨树，就找来一帮工人上山栽梨树。这些工人在种树的时候可能担心：“树种完了，我们是不是就没工作了？”但实际上树种完还有采梨的工作，采完梨还有卖梨的工作。同理，如今工程师们在打造 AI 工具，这是当前很好的工作。等工具打造完成了，也不用担心没事做。工具一旦造出来，可以应用到无数新的场景，会催生更多新的岗位。

举个例子：也许这些搞 AI 的工程师以后就转行去当生物学家了。因为制药企业会需要他们——“我想用 ChatGPT 这样的 AI 来研制新药。我过去研发一款新药要三年，现在有 AI 三个月就能搞定，那么我要请懂 AI 又懂医药的人才来帮我”。再比如医疗领域，医院需要用 AI 来分析癌症发展、提供诊疗决策，这些都需要既懂 AI 又懂医学的工程师去桥接。建筑行业也可能变革：盖一栋大楼，以前建筑师要画三个月的图纸，现在用 AI 三周就设计完了。那么建筑师们不会失业，他们反而可以把精力转向过去没时间考虑的问题：如何让建筑空间更宜居、更美观等等。AI 帮他们省去了机械劳动，他们可以做更有创造性的工作。

所以当一个强大的新工具出现时，应用场景会变得更多更广，反而会诞生更多新的就业机会。说程序员“革自己的命”其实不准确，我认为他们是在创造自己的下一片天地。AI 工具出来后，工程师们完全可以华丽转身到新的岗位上大展拳脚。我对技术人员的未来是很有信心的。

唐小引：您这一番分析很令人宽心。时间过得很快，现在您那边已经是深夜 11 点多了。在结束之前还有两个轻松的问题想请教您。首先一个是，我看到您在书里提到曾与英伟达 CEO 黄仁勋先生碰面，您还打趣说应该问他买服务器。这说明连您这样的顶尖学者、小公司创业者也会有买不到算力设备的烦恼，后来您有和黄先生继续交流，真去跟他买服务器了吗？

刘国瑞：没有啦。那次见面是在美国最大的国家天主教堂里举办的晚宴，着正装打领结的那种正式场合。我一走进去就看到了黄仁勋和他夫人在场。他很好认，平常媒体上总是穿着那件标志性的黑色皮衣。我就上前问：“Hey，你是 Jensen 吗？”他说是的。我便自我介绍“我是 Ray”，他当然不认识我。我就说我也是中国台湾来的，他一听我们都是中国台湾出身就聊了几句。

说实话，我觉得他这个人挺不错、蛮谦和的。因为在我们 EE 领域圈子，很多人认识我，但放到更广泛的工程界，不同行业的人未必都听过我名字；而黄先生因为频繁在各种大会上露面，在整个科技界知名度很高。当时我们正聊着，不断有人过来想跟他握手寒暄。黄仁勋并没有因此怠慢我——他每次都会跟对方说：“这位是我的朋友 Ray，他也是从中国台湾来的…”，先介绍我，再和别人交谈。他这种举动让我挺欣赏的，很尊重身边的人。所以那次经历让我对他的印象很好。

至于服务器，最后当然是没敢真跟他开口。况且我创业公司的规模也买不起什么大型服务器。像我们现在做研发主要还是用亚马逊云这些平台，该烧钱买硬件就让 Amazon 他们去烧吧。

唐小引：原来如此。看来“小公司买不到服务器”真是不分中外的难题。最后一个问题，想请您展望一下未来。我知道预测未来本身很难，但既然您在书里谈到了通信技术从 2G 一直演进到 6G、甚至展望 7G。您提到 6G 时代 AI 将带来各种崭新服务，这可能是 6G 最大的价值。那么不妨请您大胆畅想一下：当真正进入 6G 以及 AI 驱动的新时代，我们的生活会是什么图景？有没有一些现在仍在萌芽、尚未主流的技术或方向，您觉得将来会变得很重要？

刘国瑞：我希望 6G、7G 时代能够真正实现一件事情，就是人们常说的“数字孪生”。具体来说，就是未来每个人可能都会有一个存在于云端的数字分身或虚拟代理。它几乎了解你的所有信息：知道你在想什么、擅长什么，你每天的行为、偏好，全都一清二楚。因此，它可以替你去上班、帮你交朋友、替你做生意、处理各种事务……因为它时时刻刻都知道你的意图和需求。

要做到这一点，必须有高度无缝的连接，需要极大的带宽和实时通信能力。这正是 6G/7G 这样的下一代通信技术可能提供的。如果这一步做到了，我们每个人就真的会有一个“数字孪生”在云端为我们服务。到那时，你可能连电子邮件都不用亲自发了——比如这场访谈，或许根本不需要你亲自来问我问题，你的数字孪生和我的数字孪生可以在云端自动对话，把想问的问题、想说的回答都交流了，而且可能比咱们真人交流效率还高、内容更完善。因为那些数字代理都会整合强大的 AI、ChatGPT、大模型能力。

当然，这种场景一旦发生，很多人也开始担心了。你应该听说过，像 OpenAI 的 CEO Sam Altman、以及“深度学习之父”Hinton（辛顿）都对 AI 的终极走向表示过恐惧，担心 AI 会毁灭人类。他们的忧虑是，如果 AI 发展到我刚才说的那一步——数字孪生无所不知、无所不能——当它们某天产生自我意志，决定“我们干脆把人类消灭算了，我们自己来主宰世界”那人类不就完了吗？

唐小引：那针对这种终极假设，您的观点是什么呢？

刘国瑞：我想不会那么极端吧。你只要不给机器供电，把电源一拔，它不就不能动了。AI 毕竟是跑在硅基硬件上的，人类始终掌握着开关。

唐小引：现在很多人在考虑 AI 如何进入物理世界，所谓“具身智能”的概念今年也很热，通过机器人让 AI 接触物理环境。如果 AI 真的有了实体，并且可以自主行动，断电也许没那么简单。

刘国瑞：就算通过机器人，机器人无论你怎么做，本质上还是工具，不可能和真人完全一样。机器人只能服务人类，主宰不了人类。真正有可能统治人类的反而是你看不见摸不着的那些数字孪生。它们如果知道人类的一切，又掌握了一切资源，当它们决定不需要人类的时候，那当然危险。不过我相信在那之前，我们会有各种制衡手段，而且距离那一天还很远。总之，我对 AI 的发展保持乐观谨慎的态度吧——既要关注风险，也不必过度恐慌。

唐小引：最后，能请您给中国的读者、开发者朋友们说一句寄语作为结尾吗？

刘国瑞：我送给年轻人的话是：无论做什么事，认准了就放手去做！特别是当你选择成为工程师或科学家，你心中一定怀揣着改变世界的梦想。既然有这个初心，就勇敢去追求。趁你年轻，身上没有太多包袱——可能还没房贷、没家庭负担的时候——尽情去拼搏，实现你的梦想。这个世界上所有改变世界的人，哪一个不是年轻时就敢于梦想、敢于行动的人？

唐小引：那如果有人已经有房贷、有小孩，肩上责任重呢？

刘国瑞：那也没关系，还是要坚守你的初心。可能步伐需要稳一点，但一步一步脚踏实地走下去，尽量做出你认为正确且热爱的选择。哪怕节奏慢些，有了家庭责任也不要放弃梦想，只要不断前进，总能找到实现初心的路径。

唐小引：非常感谢刘老师的精彩分享。您那边现在也很晚了，感谢您抽出时间与我们对话。

刘国瑞：谢谢你们，让我有机会分享这些体会。希望我们的讨论对大家有所启发。

📢 2025 全球产品经理大会

2025 年 8 月 15–16 日

北京·威斯汀酒店

2025 全球产品经理大会将汇聚互联网大厂、AI 创业公司、ToB/ToC 实战一线的产品人，围绕产品设计、用户体验、增长运营、智能落地等核心议题，展开 12 大专题分享，洞察趋势、拆解路径、对话未来。

来源：CSDN一点号