圆桌讨论

David Patterson 与 Andy Konwinski：如何加速前沿科学

David Patterson & Andy Konwinski: How to Accelerate Frontier Science

圆桌讨论🎤 嘉宾：David Patterson（戴维·帕特森，图灵奖得主、伯克利荣休教授、Laude 研究院主席）、Andy Konwinski（安迪·孔温斯基，Apache Spark 联合创始人、Databricks 与 Perplexity 联合创始人、Laude 研究院创始人）；现场对谈由主持人引导，并有 Sean、Tan、Tom 等观众提问⏱ 46:44👁 NA

▶ 在 YouTube 观看

图灵奖得主 David Patterson 与 Databricks/Perplexity 联合创始人 Andy Konwinski 讲述他们如何用慈善资金、以「登月计划」(Moonshots) 和创业式打法重塑科研资助模式，把伯克利高影响力实验室经验推广到顶尖高校，以加速前沿科学落地。

核心要点

Andy Konwinski 自掏 1 亿美元创立 Laude 研究院，由 David Patterson 任主席，目标是用慈善资金补充（而非取代）政府科研经费，验证一种全新的科研资助范式。
项目核心是「登月计划」(Moonshots)：聚焦四大难题——加速科学、医疗健康、应对 AI 导致的失业再培训、改善公共讨论以维护民主。
首轮征集收到来自 47 所机构、600 名研究者的 125 份提案，评审委员会(含 John Hennessy、Jeff Dean、Eric Horvitz、Nobel 得主 John Jumper)质量超预期，原计划资助 8 个种子，最终扩大到 25 个。
他们复制的是 Patterson 在伯克利的高影响力实验室模式：跨学科、瞄准 5 年硬问题、做原型、开源、一年两次邀请产业界来做密集反馈，并以「影响力」而非论文数/H 指数衡量成败。
面对 AI 研究高度依赖资本与天价薪酬的质疑，二人主张高校不必追平产业的算力与薪资，只需「10 倍」于现状的资源、选对不需巨量算力的问题即可产生影响。
他们呼吁更多成功的技术人「回馈」社会：一位 PhD 的天价 offer(甚至上亿)所对应的资金，足以在 25 所机构启动经过严格筛选的登月项目。

分章详解

缘起：从连续创业者到「降一层做元层」

Andy 在 Databricks 之后曾休假回伯克利做强化学习独立研究(约 7 年前)，重新接触 AI 前沿，并希望回馈这个具有「不成比例杠杆」的研究社区。
他意识到 Databricks 与 Perplexity 的共同点：都是伯克利顶尖 PhD 毕业后不去当教授、而是创业把研究转化为产品；他想「再上一层」，去赋能研究者本身。
两年前他在伯克利 Solano 大街的 Schmidt's Pub 喝啤酒时向 Patterson 提案：投资 Patterson 已建立的「实验室遗产」，并把这套打法推广到伯克利之外的顶尖高校，寻找 product-market fit。
计划是先用自己的钱 bootstrap，再说服其他成功技术人共同出资，但前提是必须证明能在别处复制伯克利实验室的成功。

登月计划：四大难题与超预期的征集结果

这是一次「冒险」：两年前(在华盛顿科研经费风波之前)就押注用慈善而非联邦政府资助科研。
他们写了一篇愿景论文《Shaping AI》并登上《Communications of the ACM》封面，在论文与征集中明确把「登月」作为目标。
四大登月方向：医疗健康、加速科学、帮助因 AI 失业者再培训、改善政治分裂以促成更文明的公共讨论与更健康的民主。
结果收到 125 份提案，几乎覆盖全美与加拿大顶尖计算机系；评审委员会被称为「史上最强」，成员包括 John Hennessy、Google 首席科学家 Jeff Dean、微软 Eric Horvitz、Nobel 奖得主 John Jumper。
因提案质量太高，原计划每个方向资助 2 个(共 8 个)种子，最终扩大到 25 个种子资助，让团队在未来 6 个月继续打磨愿景。

伯克利模式：以影响力为唯一标尺

Patterson 回忆早年问系主任伯克利在乎什么，答案是「impact」(影响力)，而非论文或经费——这成为其职业信条。
大多数研究不是「本垒打」，多数人走发论文的安全路径；要有影响力就必须「冲围栏」(swing for the fences)，组跨学科团队、做激进的登月、构建原型、软件则开源。
他批评用论文数和 H 指数衡量价值「很蠢」：一篇被引一万次的论文远胜一百篇各被引一百次的论文。
高影响力的关键机制之一是「一年两次的 retreat」——邀请产业界等外部人士做 3 天密集反馈，远胜于投稿后只收到一页评审意见；因匹兹堡等地难请到人，他们将把 retreat 放在湾区。
Patterson 总结了约 10 条提升实验室影响力的方法：跨学科、做可用的 artifact、请产业界反馈、选只做约 5 年的硬问题然后换题等；Laude 用经费作「胡萝卜加大棒」要求被资助者在前 6 个月就拿出原型。

与 NSF/DARPA/企业实验室的区别

Laude 比美国政府大型资助机构更「精瘦」(lean)；二人同时强烈主张政府对基础研究的资助不应被削减、反而应增加十倍。
差异在于：让像 Andy 这样成功的技术人不仅出钱，更亲自参与选题、评审与社区营造，在 AI 剧烈重塑社会的当下提供「能量与参与」。
采用创业式打法：像融资一样要求研究者展示真实「牵引力」(demo、原型、潜在用户)，越早展示越容易获得资助。
相比 NSF/DARPA 的「被动」，Laude 对研究的「方式」和「主题」都有鲜明主张，并配备传播专家帮助研究者让世界看到其成果。

尖锐质疑：AI 研究是否被资本与天价薪酬碾压

观众 Sean 质疑：现代 AI 极度资本密集(没有 ImageNet、没有海量算力就做不出来)，是否意味着传统科研方式必须彻底重写。
Patterson 回应：高校不应在企业擅长的事(如用数十万 GPU 预训练数周)上竞争；应做企业难做的跨学科研究，并把 AI 应用于公共利益——例如气候研究的成败标尺是「能否帮到第三世界的农民」，而非自定义指标。
他引用名言：「如果买不起，那不是要解决的问题，而是要接受的事实」——研究者应聪明地挑选不需海量算力的问题。
针对「天价薪酬」(有人年薪从 200 万到 4000–5000 万美元、甚至上亿)：这些人才本就来自大学，大学因培养出高薪人才而消亡是「谬论」。
Andy 反驳「必须追平产业资源」的谬误：很多研究只需「10 倍」于现状的资源即可(如 MIT 某教授做 context optimization 只需现有 GPU 的 10 倍、而非 100 倍)；Stanford 的 Marin 项目、非营利 Open Athena 已能吸引顶尖研究者放弃千万年薪、以不到百万年薪加入，因他们是使命驱动、且多为已实现财务自由者。

大学的存亡、政治与「回馈」的呼吁

Andy 认为大学正面临「生存危机」，若大学系统失败，民主将岌岌可危；企业实验室没有终身教职、师徒制等延续千年、行之有效的人才培养结构(博士训练本质是「学徒制」)。
对于「科学为何在美国被去优先级」的提问，Patterson 给出政治解读：二战后联邦资助科学使大学依赖巨额经费而变得脆弱；保守势力认为大学过于自由派、且科学可全在产业完成，遂以削减经费来「弯折」大学——这是「硬球政治」而非对科学价值的理性讨论。
二人反复强调「回馈」(pay back)：自己受益于联邦科研资助，有义务为后辈创造同样机会;Patterson 是继 Andy 之后第二位出资人。
核心算术：把资助「一名 PhD」的钱(甚至一份上亿的 offer)转投 Laude，就能在 25 所机构启动经严格筛选的登月项目;几千到一万美元对 PhD/教授的杠杆惊人。
对 SAIR 等同道非营利组织的期望：在联邦经费被抽走、AI 研究所需资源比以往范式高出几个数量级之际，需要更多人创新资助模式、联手把「亿万富翁」请进同一个房间;Andy 直言当前最缺的是「领导力的真空」。

关键引述

“一篇被引用一万次的论文，显然比一百篇各被引一百次的论文有无穷大的价值。H 指数是个愚蠢的指标。”— David Patterson

“如果某件事买不起，那它就不是一个待解决的问题，而是一个要接受的事实。如果 GPU 买不起，你不能说我必须有 5000 块 GPU 才能做研究——我们应该聪明些，去找不需要这种投入的问题。”— David Patterson

“误区在于以为学术界必须达到和产业一样的资源与薪酬水平。你不需要一千倍，很多研究只要 10 倍于现状就够了。”— Andy Konwinski

“与其再多资助一名 PhD，不如在 25 所机构启动经过彻底筛选、令人兴奋的登月提案。我清楚社会会如何从这笔投资中获益。”— Andy Konwinski / David Patterson

“做得好，靠的是做好事(Do well by doing good)。”— David Patterson（引述伯克利格言）

术语 / 人物

Laude Institute（Laude 研究院） — Andy Konwinski 出资 1 亿美元、由 David Patterson 任主席创立的非营利机构，用慈善资金以「快速资助 + 登月计划」加速前沿(尤其是 AI)研究的真实世界影响。

Moonshots（登月计划） — Laude 的旗舰项目，资助瞄准人类最难问题的高风险高回报研究；首轮征集 125 份提案，给出 25 份种子资助(每份约 25 万美元)，胜出者可竞争 1000 万美元的多年期实验室经费。

David Patterson（戴维·帕特森） — 图灵奖得主、伯克利荣休教授，RISC 与 RAID 的关键奠基者，与 John Hennessy 合著计算机体系结构经典教材;培养了 Spark、Ray、vLLM 等系统及 Databricks、Anyscale 背后的伯克利系人才。

Andy Konwinski（安迪·孔温斯基） — Apache Spark 联合创建者，Databricks 与 Perplexity 联合创始人，Patterson 的前博士生;Laude 研究院创始人与首位出资人。

H 指数 (H-index) — 衡量学者影响力的指标(有 N 篇论文各被引至少 N 次则 H=N)；Patterson 批评其无法体现少数高影响力论文的真正价值。

实验室 retreat — 伯克利高影响力实验室模式的关键机制：一年两次、邀请产业界等外部人士进行数天密集反馈，远胜单纯投稿评审。

Open Athena / Marin 项目 — 吸引顶尖研究者放弃千万级年薪、以不足百万年薪投身开放研究的非营利/项目案例，被用来论证使命驱动能突破薪酬壁垒。

背景补充

Laude 研究院由 Databricks、Perplexity 及 Apache Spark 联合创始人 Andy Konwinski 个人出资 1 亿美元于 2026 年前后创立，董事会由图灵奖得主 David Patterson 任主席，成员包括 Google 首席科学家 Jeff Dean、Cohere 首席 AI 官兼麦吉尔大学教授 Joelle Pineau 等。其旗舰「登月计划」聚焦加速科学、医疗健康、公共讨论与劳动力再培训四大难题，首轮收到 47 所机构 600 名研究者的 125 份提案，评审委员会含 John Hennessy、Nobel 得主 John Jumper 等，最终给予约 8 个团队 25 万美元种子资助、竞争 1000 万美元的多年期实验室。Laude 另设旗舰资助，向伯克利 Ion Stoica 领衔的 AI Systems Lab 五年投入每年 300 万美元。其理念是：太多前沿研究止步于论文，应以创业式快速资助让好想法迅速验证、再以多年期经费规模化。

适合谁看

适合关注科研资助创新、科技慈善、AI 与高校/产业生态的研究者、博士生、教授、政策制定者，以及有意「回馈」科研的成功技术人、企业家、家族办公室与慈善捐助者。