最近很多人問我，你怎么去實習了，你不是要讀博嗎？似乎在大家眼中，讀博等于學術，而學術和業界完全是兩個不同的方向。而很多人眼中的學術研究，似乎就是耗費一輩子，過著普通甚至清貧的生活，做出來一些看起來很厲害但是不知道到底有什么用的東西，所以很多人不喜歡做學術。

之所以學術研究看起來會距離業界越來越遠，一個很重要的原因是，我們需要解決的基礎科學問題越來越艱深，學界和業界以及學界內部分工越來越細，而科研評價體系，比如諾獎，最關注的是在分工鏈條上最理論端的基礎貢獻，所以會給人一種這就是全部的科研的錯覺。不可否認，他們的成果產生的巨大外部性，是不可估量的。但是科研和學術遠遠不止一種形態：有人創造基礎理論的輪子，有人用輪子拼接理論的車子，有人用車子創造實證的公交路線，有人組合車子到達實際問題的目的地。自然規律是固定客觀的，但是應用規律解決問題的路徑卻往往千千萬萬，合適的路有且僅有一些，并且我們在看到更合適的路之前往往不知道現在的道路是不是合適。而一個或者一類和所有普通人的生活息息相關的問題，比如淘寶的評價體系，解決起來不一定需要最艱深的模型，但是找到最合適的那一個卻無比艱難，而一旦解決，帶來的社會價值更加難以想象。一個好的學術研究應該是給社會帶來巨大貢獻的研究，而無論是基礎理論的革新，還是一個精彩的實證應用，都可能成為最一流的研究。隨著實際問題越來越多且越來越復雜，解決這些問題的迫切程度會越來越高，但是實證問題仍然嚴重依賴研究者的個人經驗和能力，像研究理論問題一樣系統地研究這些實際問題的方法還在被學術界和業界探索。相比于問題的數量，解決問題的思路、方法、工具、人才都還太少太少。

為什么會很少呢？因為一流的問題解決方案需要很廣的視野和知識儲備，不拘于學科和領域，這樣的人才本來已經稀缺，培養這樣人才的好體系更稀缺到難以想象。比如，一個數據科學或者計算社會科學的專家，需要同時有問題領域、統計學模型、編程實現和表達科普四個方面的知識積累，這對于傳統的大學培養體系是一個巨大的挑戰，無論是管理、師資還是各種業界的配套資源都難支持。

所以我為什么要去實習？不僅僅是為了去接觸和了解業界最新的問題，更是為了去尋找系統性解決這些問題的解決方案，在這個過程中理解一個新時代的面向業界的學術研究和面向學術的業界研究是什么樣、需要什么樣的人才、需要什么樣的資源、前景可能在哪里。

CPP的最高使命，也正是要在解決各種復雜的學術界和業界的大數據問題的過程中，加深對整個行業和領域的理解，探索一整套配套的管理和培養體系，為這個行業輸送一批又一批可靠的人才。能夠有機會站在這個時代的前沿，探索這個時代的一種未來，是我的幸運，更是CPP的幸運。既然我們可能有能力，并且只有我們可能有能力，即使要跨越千難萬險，我們也會不停嘗試，不停前進。