《科技与金融》高端访谈栏目将连续多期对多位高层次外国专家进行专访，为产业的技术升级、产业转型把脉献策，探讨产业发展及国际合作等方面的机遇和挑战，为读者带来国际合作的经验借鉴与启发。 

2015年，怀揣对中国文化的热爱与对科研的热忱，Philippe Fournier-Viger跨越重洋来到深圳。这里吸引他的，不仅是顶尖的科研设施与雄厚的资金支持，更在于跳动的创新脉搏：大学城内高校云集，跨界合作蔚然成风；实验室里既有学术探索的深度，又有产业应用的敏锐。

10年间，他见证了深圳如何让“论文写在产品上，成果留在产业中”从理念走向实践，也亲身体验了这座国际创新枢纽的独特魅力。作为数据挖掘领域的学者，他在深圳收获了学术生涯的重要突破，其开发的CM—SPAM算法荣获国际奖项并广泛应用；另一个研究方向生物信息学研究，则得益于粤港澳大湾区丰富的学术资源与产业支持，使基础算法研究得以持续深化。此外，在深圳大学的科研实践中，他深刻体会到这座城市独特的产学研协同创新生态。

作为深圳大学大数据研究院特聘教授，他深度参与了产学研闭环的构建——华为、腾讯等科技企业不仅为学术研究提供真实场景验证，更开放高性能计算资源，使研究效率实现质的飞跃。从学术探索到技术验证再到产业反馈的闭环机制，正在消弭基础研究与应用落地之间的鸿沟。基于这一创新生态的独特优势，他特别强调，面对人工智能技术带来的产业变革浪潮，粤港澳大湾区企业应当充分发挥产学研协同效应：既要通过深度校企合作加速技术转化，也要积极培养和引进AI人才，在关键领域实现创新突破，从而在新一轮科技竞争中占据制高点。

本文首发于《科技与金融》2025年5月刊

采写丨张孟月 校对丨吴政希

图丨张成渝

Q ：《科技与金融》记者

A ： Philippe Fournier-Viger

扎根深圳的十年见证

Q：您于2015年来深圳工作，是什么吸引您从海外来到深圳发展？

A： 我对中国文化一直怀有浓厚的兴趣，自2006年起多次到访中国。2014年，我有幸受一位在哈尔滨工业大学（深圳）任职的朋友邀请，参观了他的实验室。那次访问让我深刻感受到深圳独特的学术生态——这里不仅汇聚了顶尖的科研设备和创新平台，研究团队更展现出令人印象深刻的创业激情与跨界协作精神，青年学子们则以饱满的热情投身于前沿领域的探索。

此外，“大学城”的概念也让我格外着迷：清华大学、北京大学、哈尔滨工业大学、深圳大学等高等学府在此聚集，不仅营造了活跃的学术氛围，也为高校间的深度交流与跨学科合作提供了便利。那次访问促使我做出了一个重要的决定：申请哈尔滨工业大学（深圳）的教职，并于2015年正式来到深圳。如今回顾这段经历，我深感这是职业生涯中最明智的选择。在这里，我获得了比在加拿大时期更充足的科研经费支持，成功组建了一支实力雄厚的科研团队，并配备了高性能计算设备以开展数据挖掘实验。更令人振奋的是，我可以灵活邀请国际知名学者进行短期合作，这不仅显著提升了团队的研究水平，也极大地提升了我们在学术界的知名度和影响力。

Q：您最终选择扎根深圳的关键因素是什么？

A：尽管已游览了中国的六十多个城市，深圳仍是我最喜欢的城市。这座城市年轻、充满活力且发展迅速，这里拥有葱郁的绿地、起伏的山峦、迷人的海滨风光和充满设计感的现代建筑，四通八达的公共交通系统让出行无比便捷。即便在12月，温暖的阳光依然洒满每个角落，这与加拿大漫长的冰封冬日形成了鲜明对比。

深圳地处粤港澳大湾区核心位置，紧邻香港和澳门，交通网络发达，国内外出行便捷。作为科技创新之都，深圳常年举办各类高科技展览与行业峰会，为访客提供丰富的科技体验与前沿资讯。

同时，深圳为外籍人士提供的多元化服务令人印象深刻，从便捷的政务服务到国际化的生活配套，都极大提升了我们在深圳生活的便利性和舒适度。例如，我经常参加各类机构为外籍人士和本地人提供的免费活动，如南山国际化交流中心（NSIC）和蛇口境外人员管理服务中心（MSCE）组织的活动。这些机构定期举办丰富多彩的文化活动，如中文课程、武术研习、太极培训等，同时提供法律咨询等多元化便民服务。此外，深圳汇聚了众多顶尖国际学校，可为孩子提供与国际接轨的精英教育。

因此，10年光阴流转，尽管更换了工作单位，我依然扎根于此。2021年，我来到了深圳大学，在大数据研究院担任特聘教授。

Q：您如何看待深圳的国际创新生态体系？

A：深圳以浓厚的创新驱动文化闻名，其蓬勃发展的创客生态、高效的快速原型设计能力以及完备的供应链体系，吸引了全球工程师和科技创业者。作为世界电子制造中心，这里为硬件初创企业提供了极速迭代的发展环境。在这里，计算机与电子行业的创业者能享受真正的“一站式”创新生态：从顶尖高校的前沿研究，到华强北密集的元器件供应链；从方圆50公里内（珠三角）完备的电子制造集群，到AI初创企业的高效产品化能力；再到腾讯、华为等巨头构建的创新磁场，研发、制造与市场在此无缝衔接。

此外，深圳还打造了全球领先的创新创业体系：政府不仅构建了覆盖全生命周期的企业孵化网络——从初创期的众创空间到成长期的加速器，再到成熟期的产业园区，更通过研发补贴、税收优惠、专利快速通道等组合政策，为企业创新注入强劲动力。

基于深圳独特的区位优势，创业者既能享受内地的产业链支持，又可便捷地对接香港的国际资本与高端人才，形成“深圳研发+香港融资+大湾区制造”的独特创新闭环。尤其令人惊叹的是，这里汇聚了来自全球的科技精英，在高校实验室、企业研发中心和初创公司里，随处可见外籍专家活跃的身影，更有不少国际创业者在这里将创意转化为商业实践，印证了深圳作为国际创新枢纽的独特魅力。

Philippe教授与学生探讨研究课题

从算法突破到生命解码

Q：作为数据挖掘领域的权威专家，您长期致力于高效能算法研究，并取得重要成果。能否简要介绍您的核心研究方向？

A：我的研究立足于大数据时代的基础问题：面对海量高维异构数据，如何构建高效的特征提取与模式发现方法，以深化数据认知并支撑智能决策。具体研究聚焦于高效能挖掘算法的创新设计与应用，特别是在序列模式挖掘及其拓展领域取得了系统性突破，实现了对时序数据与序列化数据的深度模式识别。

这项工作的创新性主要体现在三个维度：

首先，我设计了紧凑的数据结构，以此降低内存消耗，实现了在有限计算资源条件下对超大规模数据集的高效处理。

其次，我研发的算法融入了搜索空间剪枝策略，这些算法能够在短时间内，无需穷尽所有可能性，便快速识别出满足用户需求的全部模式。

最后，通过优化数据的访问与处理方式，对系统整体性能进行了优化与提升，提高了数据处理速度。

以最具代表性的CM—SPAM算法为例，在识别序列数据集模式方面，相较于此前性能最优的算法，它的速度提升了多达8倍，极大地拓展了算法效率的边界。这一成果的取得，得益于一项名为EUCP的全新搜索空间剪枝策略。借助该策略，可排除掉先前算法所涉及搜索空间的50%至98%。这项研究成果荣获了2024年PAKDD（Pacific-Asia Conference on Knowledge Discovery and Data Mining，亚太知识发现与数据挖掘会议）十年最具影响力论文奖，已被数百篇学术著作引用。同时，该算法还作为通用数据分析的开源工具发布，推动了相关领域的研究与应用发展。

Q：数据挖掘算法在哪些领域具有实践价值？当前该领域面临的主要技术挑战是什么？

A：这些算法的实践价值体现在跨领域应用中。

例如，在电商领域，通过分析用户购买序列，可以发现“面包与果汁经常被同时购买”这类关联规则，从而优化商品推荐和促销策略；在生物信息学领域，可应用于病毒基因组序列分析，加速病毒变异模式追踪；在网络安全领域，可用于捕捉恶意软件的行为特征，进而以较高的拦截准确率，实现对新型恶意软件的精准检测。

尽管如此，数据挖掘领域依旧面临着诸多挑战。在算法层面，亟待开发出更为高效的分析方法，特别是能够充分利用分布式计算环境实现数据实时处理的算法，或是能够全方位发挥硬件性能（如利用GPU以及多核CPU）的算法。在数据层面，如何有效处理复杂的、异构的以及非结构化的数据是一个关键问题。例如，在社交网络等新兴应用场景中，常出现的动态图数据、数据流等都对数据处理提出了挑战。在建模应用层面，如何将数据模式挖掘的洞察有效转化为商业决策支持，并拓展跨领域服务应用，仍是亟待突破的研究方向。

Q：这项技术在工业场景的推广与应用受到哪些因素的制约？其推广应用具备怎样的市场价值？

A：在数据挖掘研究领域，特别是在学术范畴内，研究人员通常针对经过简化的问题开展算法设计工作，所采用的数据集规模相对较小，且多为结构相对简单的公开数据集。然而，在工业界的实际应用场景中，数据的复杂程度大幅提升，常常伴有噪声干扰、数据缺失等情况。

因此，对研究人员而言，面临的挑战主要集中在以下三个维度：

其一，如何深度对接工业场景痛点，设计能高效处理复杂工业数据的新型算法。

其二，开发具备高计算效率与强扩展性的算法架构，以支撑工业级大规模数据运算。

其三，突破传统批处理模式，构建低延迟的流式数据处理能力，满足工业实时决策需求。

谈及市场价值，目前尚无量化数据可供参考。但在商业、政府管理等诸多社会层面，数据量正呈现出指数级增长态势，数据已然成为各个领域发展的核心要素，对数据进行深度分析的需求日益迫切。由此可见，数据挖掘技术在众多领域具备广阔的应用前景与巨大的潜在价值。

Q：您团队近期在开展哪些研究项目？算法创新如何解决该领域的数据挑战？

A：我的研究重点之一是在生物信息学领域，致力于通过算法创新解决生命科学中的数据挑战。

我们团队主要开展以下三个研究方向：

第一，在生物数据压缩方面，我们正在开发针对基因组数据特性的新型压缩算法。这个由我指导的博士生研究项目，通过编码方案创新，已经实现了对病毒基因组数据14%以上的压缩率提升。

第二，我们开发了一套高效的生物数据分析系统，专门用于快速检索和分析多种格式的病毒基因组数据。该系统极大地加快了数据处理速度，能够在几分钟内完成复杂的基因组比较和突变分析。

第三，在病毒分类研究领域，我们创新性地开发了一套基于序列模式挖掘与机器学习融合的分类系统。该系统通过分析输入的基因组序列片段，能够实现RNA病毒类型的快速精准识别，分类准确率较现有方法平均提升3.18%。

这些研究都遵循“应用驱动创新”的理念。我们特别注重从实际生物医学研究中发现问题，通过算法创新提供解决方案。深圳丰富的医疗资源和生物科技产业，为我们的研究提供了很好的应用场景。

深圳产学研协同创新的实践智慧

Q：在您看来，深圳的产学研合作生态如何促进学术成果的转化？

A：深圳独特的产学研生态为学术成果转化提供了得天独厚的优势。这里集聚了腾讯、华为、比亚迪等行业领军企业，为高校研究提供了丰富的应用场景。

以深圳大学计算机与软件学院为例，我们建立了多层次的校企合作机制：

首先，我校构建了“产教融合”的在职硕士联合培养体系，与华为等头部企业达成深度合作，支持在职硕士研究生同时参与企业研发与学术研究。

其次，我们有校企联合研究项目，腾讯、比亚迪等企业提供专项研究经费支持，与我校共同开展诸如智能驾驶、人工智能算法优化等前沿项目，合作发表学术论文，共享知识产权。其中，2018年成立的腾讯云人工智能学院采用混合所有制管理模式，形成实质性的产学研合作实体，配备企业导师团队和联合实验室。

最后，在实践平台建设方面，我院设立了产学研办公室，负责对接企业合作，提供法律、合同等支持，促进技术转移和成果转化。

事实上，产学研合作不仅为学术研究提供了真实场景数据支撑，更通过企业端海量数据注入，显著提升了科研成果的产业适配性，实现研究需求与产业痛点的精准对接。与此同时，通过建立产业端的持续反馈机制，研究人员能够及时识别并修正学术模型中忽略的实际约束条件（如硬件部署成本、实时性要求等），这不仅有效避免了“实验室成果—产业应用”的转化断层，还显著提升了研究成果的落地可行性。尤为关键的是，企业开放的高性能基础设施支持更进一步提升了研究效率，具体表现为：原本需要数月完成的超大规模模型训练，现在依托这些优质资源得以在数周内高效完成。由此可见，这种全方位、多层次的产学研协同机制，正在持续推动着学术创新与产业发展的良性循环。

Q：当前，学术界与产业界合作主要面临哪些挑战？如何促进产学研高效合作？

A：产学研合作的核心挑战在于如何平衡双方的差异化诉求。作为研究者，我们期望获得科研经费支持团队运作，同时追求学术成果的发表自由；而企业则更关注技术保密性和商业价值转化。例如，我曾在一次合作中遇到企业方要求“仅描述问题与结果但不披露方法”的情况，导致论文无法满足学术规范，最终影响了合作深度。

我认为，产学研合作的诉求差异需要通过以下方式协调：一方面是前置共识机制，在合作初期就明确知识产权归属（如专利、数据使用权），成果披露边界，商业利益分配机制等。另一方面是构建政策支持体系，例如，深圳市政府通过产学研联合基金、技术转移税收优惠、共建实验室补贴等政策有效降低了合作门槛。系统化的协调制度既保护了企业的商业秘密，又保障了学术研究的规范性，使合作从“零和博弈”转向“价值共生”。

“人工智能+”时代，

粤港澳大湾区的创新突围

Q：您如何看待人工智能和大模型技术对传统行业的颠覆？大湾区企业应如何抓住“人工智能+”的机遇？

A：人工智能和大模型技术正在深刻改变传统行业的发展模式，虽然目前AI尚不能完全替代人工（例如在某些编程任务上，其质量仍不及人类工程师），但可以预见，未来许多行业的工作方式将发生根本性变革。当前正是企业进行人工智能转型的关键窗口期，若能有效整合AI技术，不仅能提升运营效率，还可能催生创新产品和服务，从而在竞争中占据优势。

产学研合作是粤港澳大湾区企业把握人工智能机遇的突破口。中国在AI领域具备显著的学术优势，全球顶级AI会议上有大量论文来自中国学者，这为企业提供了丰富的技术储备和人才资源。通过与高校、研究机构的深度协作，企业不仅能加速前沿AI技术的产业化应用，更能突破复杂AI系统的开发瓶颈。建议企业不仅要应用现成的AI工具，更要积极引入硕士及以上学历的人工智能专业人才，或与学术团队建立长期合作关系，实现从技术应用到研发创新的跨越。此外，人才培养也至关重要。目前国内高校（如深圳大学等）已设立专门的人工智能学院，未来会有更多具备AI技能的毕业生进入产业界。企业应提前布局，通过校企合作、在职培训等方式储备人工智能人才。

Q：粤港澳大湾区人工智能产业与国际领先地区（如硅谷）竞争时，有哪些差异化突破路径？

A：粤港澳大湾区人工智能产业在技术研发层面已具备国际竞争力，但实现差异化突破需要多维度协同发力，我认为主要路径有三点：

首先，政策引导与产业生态的协同赋能构成关键基石。当前各级政府已推出大量AI扶持政策（如深圳的创业补贴、算力补贴等），建议进一步设立专项基金支持“人工智能+垂直领域”的硬科技创业企业，尤其是具有核心技术突破潜力的初创企业。同时，建议构建政企数据开放平台，以解决行业数据孤岛问题。

其次，应发挥粤港澳大湾区独特场景优势。作为全球制造业产业链最完备的区域和超大规模城市群，粤港澳大湾区孕育了丰富的技术落地场景，建议初创企业聚焦“人工智能+行业”，而非单纯追求大模型研发。

最后，建议企业通过协同创新模式降低创业门槛：一方面，充分利用本土AI基础设施，重点突破商业化能力，避免跟风式AI应用；另一方面，在非核心领域，可通过开源协作或行业联盟共享技术成果，减少重复投入。唯有集中资源攻克关键技术，才能加速AI在产业中的规模化落地。

· 未经授权，不得转载。转载请注明作者及来源《科技与金融》杂志。

· 如需获取转载、合作、采访等需求请到微信公众号菜单栏-商务合作，获取相应信息。

· 您亦可在知网、今日头条、南方号等相关平台上关注我们。