大团队与小作坊,哪种团队更能出成果?

科技工作者之家 2019-02-22

46a8a4.

最近《自然》杂志一篇论文中的观点:

“大型科研团队更多地在比较成熟的前沿领域做后续的成长性的工作, 而独立科学家或小型团队则往往更专注于还不成熟的前沿领域和真正的巅覆性创新. 他们的统计发现,团队规模与影响力呈正相关性,但与颠覆性创新呈反相关性。”

引起了广大学人的热议。

我的题目是“大团队与小作坊”。

这里的小作坊,只是一个比喻,形容那些无论硬件还是软件设施都相对薄弱的小的科研团队。

相比之下,“大团队”指的是无论是科研队伍数量和质量,以及实验设备等硬件设施都有相当的规模和完善配置。

但凡做过科研的都知道,巧妇难为无米之炊,手下有一干精兵强将并有“飞机大炮”等最先进的武器是出好的成果的必要条件。

然而,这里的关键是,什么是好的成果?

《自然》这篇论文的观点提到的“比较成熟的前沿领域做后续的成长性的工作”其实也算好的成果。

但更好的成果,也就是颠覆性创新的成果的产生并不仅仅取决于“精兵强将”和“先进武器”,起决定作用的是每个科研个体的创新性想法(idea)。

那么这个idea从何而来?当然来自于科研团队的每个成员。

那么问题就来了,科研团队到底听谁的、具体执行谁的idea? 

这里有人会说,谁说的对就听谁的。事情并没有这么简单。

但凡非常创新的idea,通常都是标新立异,开始并不被大多数人接受。众说纷纭,怎么办?

这里其实是一个团队的管理问题。

64b485.

一个团队,无论大小,能不能做出创新性的成果,起决定作用的是学术带头人本身的科研水准和他/她的科研视野以及对科研团队成员的宽容管理能力。

这里提到的学术带头人本身的科研水准和科研视野的重要性,无需赘述。

如果一个学术带头人提出的idea从一开始就缺乏创新性甚至是错的,下面的人如何执行都是南辕北辙。

当然,学术带头人也不是神仙,谁也无法百分百保证自己的ideas 永远正确可行(这也正是科研的魅力),那么一个大的团队的leader能否给下面的团队人员足够的自由探索的权利(也就是所谓的宽容管理)将尤为重要。

就我了解,美国绝大多数大学里面助理教授、副教授、甚至正教授自己在科研上非常平等的。这种平等指的是即使是助理教授科研上丝毫也不依附于任何系里的副教授和正教授。

准确地讲大家都是独立的,助理教授和正教授独立搞自己的科研,平等地竞争基金,who can who up!

也就是说这里没有所谓的大团队和小作坊。

这种模式,每个大小PI压力都非常大,适者生存。

而恰恰在这种压力之下,反倒能激发人的创新潜能。很多颠覆性的创新成果就是这么逼出来的。

无独有偶,我认识的一位大教授跟我说,他认为国内清华是最接近美国的高校。大家互不依赖,无论是助理教授还是副教授独立性很强,靠自己本事吃饭。很多院士一级的大教授也喜欢单干,周围并没有很多抬轿的。

这一点确实让人刮目相看。

然而,就算是在美国,包括欧洲和澳洲,也不乏国家级的类似国内的国家重点实验室。这种国家重点实验室,无疑是国家队级的大团队。

这种大的团队,其实也都有明确的科研目标,每个大的目标下面分很多小的分支。每个分支目标也都和每个具体的教授的科研紧密相关。

这样一个大的团队的管理其实是不容易的。

抓得太紧,会限制每个个体科研的成员的自由探索。抓得太松,就是一盘散沙,各自为战。

这里我突然联想起屠呦呦的青蒿素是怎么搞出来的?都得诺奖了,应该算颠覆性的创新了吧!

目标为导向,大团队协同作战似乎也没有错。

但事情的另一方面,我们也很容易看到很多很大的项目,几个亿,甚至更大,拿下来以后,切豆腐一样分给下面的几个团队,各自为战,几年后一堆所谓的成果再拼盘、交差。

这是大的团队的管理让人费解的地方。

64b486.

小的团队也有类似的瓶颈问题。

一个小的团队,当然要有稳定的科研方向,这样才有可能把科研做得深入。东一榔头,西一棒槌很难有重大的创新成果。

但一个小的团队在自己熟悉的领域长时间的耕耘也会遇到瓶颈,甚至有做不下去的时候。

面对这样的困惑,我曾经请教过业内非常有名的一位大教授。他告诉我他的办法是在稳定自己主要研究方向的基础上,时不时地派一两个小分队去探索有风险的新的领域。

他说的小分队,具体就是派某个博士生结合自己的兴趣做自己主流研究方向不同的课题,如果有意外的收获就深入做下去。如果效果不佳,就及时退回来。

这就是小分队策略。

64bb61.

最后,总结一下,无论是大团队还是小作坊,团队的leader对下面的成员要有一个相对宽容的态度。

自由是创新的前提,基础研究尤其如此。

另外,最最重要需要强调的其实是团队leader本身的科研素质,管理水平。兵熊熊一个,将熊熊一窝。

科研的偶然性和不确定性会让这个问题变得更加复杂。

《自然》上那篇文章的观点,也许只有统计上的参考意义,具体到每个个体科研团队,因为影响因素太多,很容易造成误导。

来源:科学网

作者:王善勇