大團隊與小作坊，哪種團隊更能出成果？

大團隊與小作坊

作者 | 王善勇

最近《自然》雜誌一篇論文中的觀點：

「大型科研團隊更多地在比較成熟的前沿領域做後續的成長性的工作, 而獨立科學家或小型團隊則往往更專註於還不成熟的前沿領域和真正的巔覆性創新. 他們的統計發現，團隊規模與影響力呈正相關性，但與顛覆性創新呈反相關性。」

引起了廣大學人的熱議。

相關閱讀：《自然》揭開「大科學」背後沉重真相：團隊規模與顛覆性創新反相關

我的題目是「大團隊與小作坊」。

這裡的小作坊，只是一個比喻，形容那些無論硬體還是軟體設施都相對薄弱的小的科研團隊。

相比之下，「大團隊」指的是無論是科研隊伍數量和質量，以及實驗設備等硬體設施都有相當的規模和完善配置。

但凡做過科研的都知道，巧婦難為無米之炊，手下有一干精兵強將並有「飛機大炮」等最先進的武器是出好的成果的必要條件。

然而，這裡的關鍵是，什麼是好的成果？

《自然》這篇論文的觀點提到的「比較成熟的前沿領域做後續的成長性的工作」其實也算好的成果。

但更好的成果，也就是顛覆性創新的成果的產生並不僅僅取決於「精兵強將」和「先進武器」，起決定作用的是每個科研個體的創新性想法（idea）。

那麼這個idea從何而來？當然來自於科研團隊的每個成員。

那麼問題就來了，科研團隊到底聽誰的、具體執行誰的idea?

這裡有人會說，誰說的對就聽誰的。事情並沒有這麼簡單。

但凡非常創新的idea，通常都是標新立異，開始並不被大多數人接受。眾說紛紜，怎麼辦？

這裡其實是一個團隊的管理問題。

一個團隊，無論大小，能不能做出創新性的成果，起決定作用的是學術帶頭人本身的科研水準和他/她的科研視野以及對科研團隊成員的寬容管理能力。

這裡提到的學術帶頭人本身的科研水準和科研視野的重要性，無需贅述。

如果一個學術帶頭人提出的idea從一開始就缺乏創新性甚至是錯的，下面的人如何執行都是南轅北轍。

當然，學術帶頭人也不是神仙，誰也無法百分百保證自己的ideas 永遠正確可行（這也正是科研的魅力），那麼一個大的團隊的leader能否給下面的團隊人員足夠的自由探索的權利（也就是所謂的寬容管理）將尤為重要。

就我了解，美國絕大多數大學裡面助理教授、副教授、甚至正教授自己在科研上非常平等的。這種平等指的是即使是助理教授科研上絲毫也不依附於任何系裡的副教授和正教授。

準確地講大家都是獨立的，助理教授和正教授獨立搞自己的科研，平等地競爭基金，who can who up！

也就是說這裡沒有所謂的大團隊和小作坊。

這種模式，每個大小PI壓力都非常大，適者生存。

而恰恰在這種壓力之下，反倒能激發人的創新潛能。很多顛覆性的創新成果就是這麼逼出來的。

無獨有偶，我認識的一位大教授跟我說，他認為國內清華是最接近美國的高校。大家互不依賴，無論是助理教授還是副教授獨立性很強，靠自己本事吃飯。很多院士一級的大教授也喜歡單幹，周圍並沒有很多抬轎的。

這一點確實讓人刮目相看。

然而，就算是在美國，包括歐洲和澳洲，也不乏國家級的類似國內的國家重點實驗室。這種國家重點實驗室，無疑是國家隊級的大團隊。

這種大的團隊，其實也都有明確的科研目標，每個大的目標下面分很多小的分支。每個分支目標也都和每個具體的教授的科研緊密相關。

這樣一個大的團隊的管理其實是不容易的。

抓得太緊，會限制每個個體科研的成員的自由探索。抓得太松，就是一盤散沙，各自為戰。

這裡我突然聯想起屠呦呦的青蒿素是怎麼搞出來的？都得諾獎了，應該算顛覆性的創新了吧！

目標為導向，大團隊協同作戰似乎也沒有錯。

但事情的另一方面，我們也很容易看到很多很大的項目，幾個億，甚至更大，拿下來以後，切豆腐一樣分給下面的幾個團隊，各自為戰，幾年後一堆所謂的成果再拼盤、交差。

這是大的團隊的管理讓人費解的地方。

小的團隊也有類似的瓶頸問題。

一個小的團隊，當然要有穩定的科研方向，這樣才有可能把科研做得深入。東一榔頭，西一棒槌很難有重大的創新成果。

但一個小的團隊在自己熟悉的領域長時間的耕耘也會遇到瓶頸，甚至有做不下去的時候。

面對這樣的困惑，我曾經請教過業內非常有名的一位大教授。他告訴我他的辦法是在穩定自己主要研究方向的基礎上，時不時地派一兩個小分隊去探索有風險的新的領域。

他說的小分隊，具體就是派某個博士生結合自己的興趣做自己主流研究方向不同的課題，如果有意外的收穫就深入做下去。如果效果不佳，就及時退回來。

這就是小分隊策略。

最後，總結一下，無論是大團隊還是小作坊，團隊的leader對下面的成員要有一個相對寬容的態度。

自由是創新的前提，基礎研究尤其如此。

另外，最最重要需要強調的其實是團隊leader本身的科研素質，管理水平。兵熊熊一個，將熊熊一窩。

科研的偶然性和不確定性會讓這個問題變得更加複雜。

《自然》上那篇文章的觀點，也許只有統計上的參考意義，具體到每個個體科研團隊，因為影響因素太多，很容易造成誤導。

轉載本文請聯繫原作者獲取授權，同時請註明本文來自王善勇科學網博客。

鏈接地址：http://blog.sciencenet.cn/blog-692836-1162576.html

關注我們

微信號：sciencenet-cas(←長按複製) 或長按下方二維碼

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！