穿着剪裁考究的棕色西装，戴着黑框眼镜，头发梳得一丝不苟，宗福季专注地注视着手中的对联。他手中握着一支毛笔，下笔横平竖直杠杆资金炒股，一笔一划，每个字都遒劲有力。
这个流露出文人气质的人，是香港科技大学和香港科技大学（广州）联聘讲座教授宗福季。
舞旗、写书法、分享国学知识。宗福季是当之无愧的“斜杠”教授。在科研方面，他是工业工程领域的顶级学者，致力于通过工业大数据研究分析，统计学习、机器学习等方法改良质量检测系统，提升工业生产的产量和质量。
近100年前，"统计质量控制(SQC)之父"沃特·阿曼德·休哈特画下了历史上第一张质量控制图——这看似简单的几道控制线，却如同给工业生产装上了"预警雷达"。这套方法让生产线拥有了"未病先防"的智慧，彻底改变了质量管理的游戏规则。
在工业时代，故障就像蒸汽机上外露的齿轮一样肉眼可见。但如今的生产系统已进化成看不见的"数据迷宫"，每一个异常都像潜伏在数据洪流中的暗礁。传统的人工盯防，就像试图用放大镜监控整片海洋——不仅力不从心，更可能错过致命的湍流。因此，如何在数据洋流中构建高效的异常监测机制是宗福季要破解的时代难题。
“如何在复杂的系统中针对异常状况及时给出预警，在如今的时代尤其重要。”宗福季表示。
工业工程的智能跃迁
宗福季本科就读于台湾大学的机械工程专业，后来赴美国密歇根大学攻读工业工程，博士毕业后，他的人生道路来到了一个岔路口，面前是两条截然不同的选择：一条通往业界，进入美国一家百年自动化企业；另一条则指向学界，是当时刚刚崭露头角的香港科技大学。
宗福季坦言，当时选择香港科技大学，主要是考虑到父母年迈，希望离家近一些；且他听闻资深教授称港科大为“亚洲MIT”，因此决定加入。
宗福季在工业工程领域深耕多年。他认为，工业工程是一门融合学科，其核心在于解决产业中的复杂问题，涵盖从产品设计、生产、质量控制等全链条的优化。在已有系统的基础上，通过精巧的设计和高效的管理，实现成本控制和质量提升。
凭借其在统计过程控制、先进技术及学术领导力方面开创性的贡献，宗福季荣获2025年美国质量学会（ASQ）“休哈特奖章”（Shewhart Medal）。该奖项被誉为质量领域的“诺贝尔奖”。自1948年该奖项设立以来，宗是少数获此殊荣的中国学者之一。
对于质量控制领域的发展，宗福季表示，传统的质量控制主要依赖统计学方法，检测一个线性的流程，通过抽样的方法以判定产品质量以及生产过程是否稳定。而现在，随着传感器成本的降低和普及，数据采集变得实时化、海量化，单纯的统计方法已不足以应对如此庞大和复杂的数据。因此，机器学习和AI等更先进的工具被引入，它们能够更高效地处理和分析实时数据。
除了监测工具的变化，监控目标也从“发现问题”转向“预测预警”。宗福季表示，传统质量控制的目标更侧重于“事后发现”。当生产过程中出现问题，导致产品不合格时，通过数据分析来识别出问题所在。这是一种被动的、反应式的管理模式。如今，借助大数据和AI的分析能力，质量控制的目标已经向“事前预警”转变。系统不再是简单地判断“是否出问题”，而是通过对海量实时数据的持续监控和模式识别，在问题发生前就预测到异常趋势。
如今AI技术如春风化雨般渗透进各行各业，在工业这片沃土上同样焕发出蓬勃生机。根据Control Engineering China的2024中国工业AI发展洞察与展望白皮书，超过半数的受访者认为“AI将成为未来竞争的关键”或“AI将改变产业，必须有相应技术储备”。
宗福季将AI在工业中的应用方向概括为“存量增效”和“增量创新”：前者是通过AI优化现有流程；后者则是利用AI实现过去无法企及的创新。他认为，在未来工业领域的AI应用，将会是两种创新方式并行。
目前大多数工业企业仍然在摸索如何应用AI。宗福季表示，他在调研中发现，不少企业都有在尝试使用AI，大家都害怕“被落下”，但目前并没有很多成功的案例。AI在工业这一垂直领域的应用仍存在不少难题，投入产出比低以及AI的“幻觉”仍是应用中最大的阻碍。
不过，宗福季对于中国工业AI的发展充满信心，他指出，从AI的三大核心要素——数据、算法和算力而言，中国发展工业AI的条件在世界范围内具一定优势。工业场景对算力的需求并不像其他领域那样巨大。中国的AI算法已跻身世界顶尖水平，并且依托全球最完善的供应链体系，中国也拥有发展工业AI所需的最全面数据资源。
弥合校企沟通鸿沟
宗福季对产学研合作的重视，源于其在美国密歇根大学求学期间的耳濡目染。密歇根大学位于安娜堡，靠近美国三大汽车公司总部，其科研与汽车产业紧密相关。宗福季表示，攻读博士时，做科研需要经常跑工厂，将研究问题与实际应用相结合。
他指出，学术界与工业界之间存在着一定的脱节，学术研究方向与产业实际所需之间往往并不匹配。
要弥合二者之间的鸿沟，沟通极为重要。宗福季表示，港科大（广州）正在大湾区范围内积极开展产学研对接工作，通过深化校企沟通促进双方了解彼此的研究方向与发展需求，进而突破国家关键核心技术领域面临的“卡脖子”问题。
关于校企合作的具体模式，宗福季介绍，目前主要存在以下几种合作机制：企业出资，与高校开展合作，旨在借助学校的研发优势攻克实际生产中的技术瓶颈；亦或是与企业共同成立实验室，解决未来行业发展中潜在的难题。
据港科大（广州）官网介绍，建校不久，港科大（广州）就已联合广州市国资委合作交流专班，为21家市属国企的100余项具体技术需求匹配对接了港科大（广州）相应领域的教授。已经组织数十名教授与广汽集团、广州港集团、广州交投集团进行了专项对接洽谈。
“除此之外，我们也会让学生进入企业进行实习，通过学生的反馈，我们可以更好地了解工业发展中的实际痛点。”宗福季补充道。
然而，推动校企合作与成果转化仍面临挑战。宗福季指出，其中一个核心问题在于高校现行的评审体系：其过于侧重传统科研论文产出，却忽视研究对经济、社会等非学术领域的影响力。评价体系引导教师行为。若以论文发表为主要标准，教师便倾向于专注论文，不愿投入产业转化等创新工作。
破解困局的关键在于建立多元化的科研评价机制。宗福季强调，教师评价不能仅限学术论文，更需纳入产业创新与社会贡献。这些指标虽难量化，但仍应该作为评价的重要部分。因此，港科大（广州）从建校开始就不断探索教师评价的实践方法和内涵，旨在建立一种能够平衡各种价值需求的评价体系。
对于社会热议的高校技术成果转化，宗福季认为，科研成果转化需要一个完善的生态系统。学校的力量或许能将技术由“0到1”，但距离真正商品化应用仍有不小的距离。完善的科创生态系统，可以整合学校、企业和政府的力量，将科研能力、人才和市场需求结合，让技术真正实现 “0到100”的跨越。
2024年9月，由广州市科学技术局、南沙区人民政府和港科大（广州）合作共建的港科大（广州）科创成果转移转化基地正式揭牌。该基地是环港科大（广州）创新区的先行启动园区，聚焦人工智能、微电子、新材料、生物医药等前沿领域，短短半年之后已吸引25个创新创业项目入驻。创新区不仅汇聚粤港澳三地科研资源，更通过市场化机制推动新型研发机构改革。
拆掉学科的墙
跨学科无疑是近年来高校讨论中的一个高频词汇。而跨学科发展正是港科大（广州）的发展理念之一。在设立之初，港科大（广州）就提出将采用创新的融合学科教育和科研模式，以应对全球高速变化的需求。
跨学科研究的兴起，源于科研与生产实践中日益复杂的综合问题。宗福季表示，以工业工程为例，研究中面临的复杂问题横跨多个学科领域，单一学科无法提供完整解决方案。“科创人才很重要的一个品质就是跨界，创新往往发生在学科边界。”宗福季说。
但要做到跨界并不容易，宗福季表示，突破舒适圈能激发创新，这道理浅显易懂，却少有人真能迈出那一步。 他认为，对学者来说，跨出舒适区，从一个领域的专家重新做回学生，许多人很难接受这样身份的转变。因而，构建鼓励跨界的文化氛围十分重要。
跨学科究竟要培养什么样的能力？宗福季认为，跨学科合作能力的核心在于有效的跨界沟通。当遇到专业局限时，研究者需要能够与其他领域的专家建立高效合作，这就要求具备专业的沟通能力，包括理解不同学科的术语体系，并能用对方熟悉的语言进行准确表达。
为培养跨学科的人才，宗福季在教学中有意安排不同学科的学生进行交流沟通，通过共同制作一个项目，让双方互取所长。他曾尝试让香港科技大学的“理工男”与中国美术学院的“艺术家”共同合作，希望为理工科的学生培养设计师的思维，同时也让艺术专业的学生能用科技展示他们的创意。
中国美术学院与香港科技大学在2012-2019年间联合举办教学项目，开设《设计思维（艺术与科技）》联合课程，双方大学的学生将在课程中共同合作完成产品的设计。该课程距今已经成功举办十届。其中，最近的三届在港科大（广州）举办。
“原以为风马牛不相及的两批人，在经过两周的合作之后，竟然在外观上已经分辨不出双方的差别了，这证明双方的融合还是很成功的。”宗福季说。
做有影响力的科研
《21世纪》：请你介绍一下你的求学经历，当时你在面临业界和学术界的选择时，为何选择了学术界？
宗福季：如果现在再来回顾，可以为当时的选择列出种种的优劣分析。但其实就当时而言，做出这个选择还是颇具巧合性。那时我完成学业，恰好香港科技大学有一个机会。考虑到父母年事渐高，我希望以后的工作地点能离家近一些，方便照料，因此选择了来港科大任教。
其实，在读书时我并不十分了解港科大。后来，我向一些资深的老师咨询时，他们提到，港科大号称“亚洲MIT”，发展前景良好。正是在这样的契机下，我来到了香港。
《21世纪》：之后又为什么会从香港来到香港科技大学（广州）工作呢？
宗福季：在此之前，我几乎每月都会到内地参与不同的项目。不过，短暂到访与长期在此扎根生活、开展工作，感受还是很不一样的。当时，“港科大2.0”这一理念深深吸引着我。其核心要点在于推动跨学科、融合学科发展，并加强与企业的对接合作。我认为这是倪明选校长给我的一个宝贵机会，让我能投身于这项富有意义的工作。
《21世纪》：香港科技大学（广州）与传统学校相比有何不同？
宗福季：香港科技大学（广州）十分强调学校与企业的对接，致力于开展有影响力的科研工作。具体而言，学校推行的是任务驱动型的、有影响力的科研模式。当前，内地正着力提升新质生产力。在此背景下，我们承担着多项由产业实际需求催生的任务。
《21世纪》：你目前在研究的工业工程是一门怎样的学科？它主要聚焦于哪些问题？
宗福季：工业工程是一门高度融合的学科。它融合了工程学、管理学、数学以及信息科学等多个领域的知识与方法。该学科致力于解决产业领域中的各类复杂问题。而这些问题贯穿于工业生产的全流程，从初始设计、生产规划与排序、质量与可靠性管控，直至最终输出。这类复杂问题，单一学科难以有效应对。因此，工业工程将整个流程视为一个系统进行综合研究。
工业工程强调的目标并非单纯地制造产品，而是持续优化与改进，这也可以用香港和广东地区常用的表述“便、靓、正、快”来解释。
《21世纪》：从你最早开展的工业过程研究，到如今的工业大数据以及工业人工智能研究，这中间经历了怎样的转变？
宗福季：早期开展工业过程研究时，主要采用的方法是对生产过程进行取样，依据采集到的数据判断产品是否达标，所以是主要运用统计的方法进行分析。随着时代发展，情况发生了显著变化。传感器成本大幅降低，数据采集实现了实时化，数据量不仅大幅增加，而且复杂程度也日益提升。
我们现在的目标是做过程的监控、监测。我在研究质量控制时，特别关注多阶段质量变异的问题。由于生产线上不同工序之间存在关联，质量问题的变异也具有传递性。例如，某一工序出现问题，可能不会立即显现，而是随着生产流程传递，在后续某个工序导致产品出现缺陷。而且，发现缺陷的位置未必就是产生问题的位置，这就需要深入分析问题传递的路径与机制。
如今面临的问题远比过去复杂。当下的产品或产业并非全部呈直线发展，而是面临着软件与硬件深度融合，这种融合带来了巨大的影响。一旦软件编码存在缺陷，问题会实时、无边界地迅速扩散，产生大规模影响，类似城市中突然大面积黑屏的情况。这样的情况并非虚构，而是真实发生过的。这使得质量问题从过去的直线式思维，转变为具有扩散性的复杂问题。
学术与产业结合
《21世纪》：你如何看待当下学术界与工业界之间的合作？
宗福季：众所周知，学术界与工业界加强合作是必然趋势，然而实际操作中，二者之间存在显著差距。学术界自认为极具价值的研究成果，在产业界眼中可能并无实际用处；反之，产业界迫切需求的内容，又往往与学术界的研究方向脱节。如何搭建一座沟通的桥梁，将二者紧密相连，是当前亟待解决的重要问题。
随着科技的飞速发展，学术研究与产业实践之间的距离正逐渐缩短。如今，港科大和港科大（广州）都在积极推动这方面的工作，通过与企业的深度对接，增进彼此了解，明确双方需求与优势。
现在我们强调发展新质生产力，那么必然存在一些具有高优先级的研究课题。当然，各类研究课题对人类社会发展都有一定贡献。然而，当下更迫切需要聚焦的，是产业领域中那些真实存在的关键问题。
倘若学术界能够提前洞察企业所面临的这些难题，就可以充分发挥自身优势，为企业提供有力的支持与帮助。
渐进式创新与突破式创新并行
《21世纪》：近两年来AI发展十分迅速，据你观察，AI在制造业中的应用情况是怎样的？
宗福季：我认为AI应用于制造业是一件具有重要意义的事情。具体而言，AI在制造业的应用主要体现在两个方面：第一为存量增效，即借助AI这一新兴工具，对现有的生产流程等进行优化，使其效率更高。通常情况下，这是渐进式的进步；第二为增量创新，例如开展客制化生产，在生产线相同的情况下，依据不同的需求，快速生产出不同的产品。这属于突破式创新。我认为，渐进式创新与突破式创新这两种模式将在制造业中并行发展。
《21世纪》：就你的观察而言，目前大湾区的企业，对于人工智能在工业领域应用的接受程度如何？是否已经开展了一些尝试？
宗福季：当前，众多企业都在积极尝试将人工智能应用于工业领域。无论企业是否真正了解人工智能技术，也无论其主观意愿如何，大家普遍存在一种“怕被落下”的心态，纷纷投身于相关实践中。
在制造业垂直领域应用AI，其实并非如人们想象得那样简单。很多人认为构建大模型更困难，而应用相对轻松。实际上，企业在应用过程中也面临着诸多难题。
例如，在计算投资回报率（ROI）时，企业难以评估引入AI技术后，新技术相较于旧系统的优势到底体现在哪里。并且采用AI技术通常存在一些问题。
以生产线为例，很多生产线对良率的要求极高，需达到99.99%以上。如果是在个人使用场景中，AI聊天工具在一百次中出现几次错误并无大碍。但在生产线上，任何一次错误都可能导致严重的质量问题，这是绝对不允许的。
中国工业AI发展占据有利条件
《21世纪》：据你刚刚的说法，AI在工业领域的运用尚处于初期阶段，成本相对较高，暂时还无法取代传统信息系统？
宗福季：虽然目前可以得出这一明显结论，但该领域发展变化迅速，具体哪些因素能够帮助企业盈利，现在大家仍处于探索阶段。但AI的发展日新月异，或许在未来某一天就会出现类似DeepSeek式的突破。
在AI的算力、算法以及数据这三个要素中，中国工业AI的发展仍是极具竞争力的。在垂直领域的AI算力并不是那么重要；中国在工业AI的算法领域发展与世界一流水平齐平；而对于工业AI所需的数据而言，我国拥有大部分的供应链，因此也掌握工业AI发展所需的数据。只要我们拥有充足的专业人才，并且大家齐心协力、努力钻研，中国在工业AI领域必将占据有利地位，拥有广阔的发展前景。
《21世纪》：你认为高校的科研成果如何才能更好地实现商业化转化？对此你有什么好的建议吗？
宗福季：高校有能力产生创新想法并将其转化为成果。然而，从成果诞生到能够实际应用，这中间存在一段距离。如果仅靠高校自身力量去跨越这段距离，可能会因资源有限、经验不足等问题，在某个时间节点不得不放弃。而倘若构建一个由学校、企业和政府共同参与的生态系统，将市场需求与高校所具备的技术成果有效连接起来，那么高校科研成果的商业化转化之路将会更加顺畅。
《21世纪》：在推动科研成果商业化转化的进程中，你认为大学能够采取哪些举措，可以在哪些方面做出改进？
宗福季：我认为学术评估是其中重要一环。从质量控制理论的角度来讲，评估个人表现取决于系统所测量的内容，人们会依据测量标准来调整自身行为。目前，若学术评估的标准仅聚焦于论文发表，那么科研人员自然会将主要精力放在撰写论文上。虽然学者在创新创业领域的成就难以量化，但学校仍应该将这一领域纳入学术评估体系中。只有如此，学者才会更放心地投身于那些对社会和产业具有积极意义的工作。毕竟，如果一项工作仅仅对社会和产业有益，却对学校和科研人员没有价值，那么要求老师和学生去开展这样的工作，难免会有些强人所难。
创新发生在学科边界
《21世纪》：你之前提到科创人才最重要的一个特质是不怕跨界，为什么如今跨界对于科创人才愈发重要？
宗福季：实际上，创新往往更容易发生在所谓的学科边界处，因此，跨界能力变得极为关键。跨界能够积极促进创新，这一点大家都了解。然而，关键问题在于人们普遍存在“惧怕”心理，因为人都有所谓的“舒适圈”。总是有人说跨出舒适圈就能激发创新，这样的道理大家都懂，但真正能付诸行动的人却很少。
“不怕”说起来容易，做起来却很难。能做到这一点的人寥寥无几。当一个人在自身专业领域已成为专家，突然被要求转向其他方向，抛却专家身份，重新成为初学者。对大多数人而言，这无疑是一件困难的事情。但我们仍需努力培养并鼓励这种勇于跨界的文化。
《21世纪》：除了个人意愿，从能力角度来看，教授和学生应如何应对跨界的挑战？
宗福季：我刚刚提到的“不怕”，主要侧重于心理层面。当下，各类问题呈现出高度复杂性，其复杂程度远非单一学科知识所能应对，因此，我们迫切需要具备跨学科的能力。
在跨学科的过程中，我们必然会遭遇一些自身知识体系之外的难题，需要与他人展开合作，而这便涉及跨界以及沟通能力。因此，跨学科的要点在于能够与不同领域的人进行有效沟通，并且清楚在何种情况下运用何种能力，与各方携手合作，这些要素都是跨界能力的重要组成部分。
有人可能会质疑，如果培养学生跨界，比如既研究生物又研究计算机专业杠杆资金炒股，会不会出现什么都懂但又什么都不精通的局面？我并不认同这种观点。即便进行跨界学习与研究，依然需要明确自身的专业方向。例如，将生物专业与计算机专业相结合，这本身就构成了一个特定的领域，尽管目前可能尚未有清晰的界定，但完全可以将其视为一个独立的研究范畴。每个人都应在相对聚焦的领域范围内，努力成为该领域的专家。
文章为作者独立观点，不代表正规线上实盘股票网_线上实盘炒股配资_国内股票炒股杠杆公司观点
