王森说道：“明年至少还有五十名以上的东苏专家来？”
就算比不上伊戈尔的团队。
但以东苏的技术人才储备和培养情况，也不会比自己的水平差多少啊。
水平再差的，易总也不见得要。
那情况自然就不同了。
易飞说道：“伊戈尔要拉的名单，咱自然都想办法聘来，咱在东苏也有自己的猎头公司啊，也在寻找各种各样的人才，东苏这方面的人才怎么着也有上千个吧，我们聘来上百个也不是太难。”
东苏一年毕业的博士都有几万名。
人工智能这方面主要牵涉到数学和物理，他们这方面培养的人又多。
不从东苏找，从哪里找？
留学归来的学生本就不多，国内的人才根本就断档。
招收的大学生、研究生，一时半会没有办法跟得上，主要是用来梯队培养的。
来之即战的，还都靠东苏那边的人才。
王森说道：“是不是咱国内招聘的人也要相应的增多。”
易总多次说过，聘请东苏专家来开发不是最终目的。
最终目的是打造一支本土化的年轻队伍。
易飞说道：“既然说到这个问题，王主任，过了年你还有个任务，就是在3月份的时候，想办法多招一些国内的优秀大学生、研究生，博士生不太好招，数量太少了，早就被国家级的研究院所占住了。但数学系和物理系的高材生，我们还是有不少机会抢来的。”
王森说道：“易总，我明白了九十年代国内就业环境让数理生更好招揽，但还有一个核心技术层面的问题：单纯研发人工智能，相比计算机、电子专业，是不是数学、物理专业的学生刚需度更高？海外做AI 的团队大多以计算机科班为主，为什么咱们的研发重心反而偏向数理人才？”
本年度的招生是郑韵和陈武文负责的。
分到人工智能的学生，大部分是名校数学系和物理系毕业的。
学计算机工程的不是太多。
不是说学数学和物理的不重要，但难道不是学计算机工程的更好吗？
赵丽丽说道：“欧美高校计算机专业课程体系完整，从高等数值分析、线性代数、概率论、电磁场、信号系统全部深度覆盖，计算机学生本身数理功底扎实，自然能直接上手AI 研发。但国内计算机专业完全是两条路子，教学重心全部放在基础编程、数据库、办公软件应用、简易单片机控制，高阶数理课程只是浅尝辄止。很多计算机毕业生，只会写循环、判断语句，面对矩阵拟合、多变量优化、噪声滤波、光学成像建模完全无从下手。”
“反观数学系、应用物理系，四年甚至研究生阶段全程深耕底层理论，这恰好是人工智能最核心、无法替代的根基，我们拆分清楚AI 全流程研发的各个环节，就能看明白数理专业不可替代的作用。”
易飞拿起纸笔，在稿纸上划分出人工智能完整研发链条，分成算法理论设计、硬件感知建模、算力并行优化、工业场景落地四大板块，逐条拆解数学、物理在每个环节的核心作用，讲清为何AI 研发底层必须依靠数理人才。
他先写了一个定论：计算机、电子专业负责把成熟算法落地工程、写驱动、搭程序、调试板卡。
但人工智能所有核心创新、底层建模、精度优化、多源数据融合，全部离不开数学与物理。
二者是AI 的根基，没有数理功底，只能做表层代码搬运，无法完成原创智能体系研发。
一、数学系是人工智能算法的核心骨架
现在研发的全品类AI 传感器、并行图形算力、工控自适应智能，整套智能算法全部建立在数学体系之上。
线性代数：神经网络本质就是海量矩阵乘加运算，多通道图像像素融合、多传感温压振动数据融合，全部依靠矩阵变换；我们自研四路并行像素渲染架构、多模态数据预处理，底层全是线性代数模型，数学系学生天生熟练掌握矩阵分解、特征值、空间变换，上手速度远超普通计算机学生。
概率论与数理统计：AI 自适应温补、噪声滤波、缺陷识别判定、设备故障预判，核心是概率分布、误差拟合、置信区间计算。传统符号专家系统之所以崩溃，就是缺少统计拟合能力，而我们数据驱动型AI，全程依靠统计数学做误差修正。
优化数学、数值分析：工业产线智能调控、机械臂姿态校准、图形芯片分块并行填充算法，需要求解多元约束优化方程，迭代收敛、降低运算损耗，这是数学系研究生主修内容，普通工科几乎不会深入学习。
离散数学、拓扑：窗口分层掩码算法、总线仲裁逻辑、即插即用资源调度、图像轮廓分割，依靠离散与拓扑理论搭建逻辑模型。
没有数学系人才，我们只能照搬海外现成简易算法，无法自主设计适配国产传感、自研算力芯片的专属智能模型，更做不到依靠算法规避海外专利。单纯计算机学生只能按照现成公式写代码，一旦工况、硬件参数变化，整套算法直接失效，没有自主调优、重构模型的能力。
二、物理系是人工智能感知、硬件算力的底层支撑
人工智能不只有软件算法，感知硬件、算力芯片、信号传输是AI 落地的载体，这一块完全离不开物理专业知识，也是我们自研传感、并行图形芯片、PCI 总线的关键。
电磁与固体物理：自研AMR 磁阻传感器、PCI 总线信号时序设计、显卡PCB 电磁干扰抑制、芯片内部多级信号缓冲，全部依托电磁学理论，解决工业复杂电磁环境下AI 数据失真问题。
光学物理：AI 工业视觉传感器、光电成像单元、晶圆缺陷光学检测，涉及光路、透光率、光学畸变校正，物理专业学生可以自主设计成像补偿算法，降低视觉识别误差。
力学、动力学：微型IMU 惯性姿态传感、机械臂运动仿真、设备振动数据降噪，依靠刚体力学、流体力学建立运动模型，实现姿态AI 自适应校准。
半导体物理：图形加速芯片微结构、薄膜工艺、温漂产生机理，只有物理系能精准建模，配合数学温补算法从根源降低传感器、芯片的温度漂移误差。
如果缺少物理人才，我们设计的传感器、算力板卡会出现大量底层硬件缺陷，光靠软件算法无法彻底弥补硬件先天偏差，AI 精度、稳定性永远追不上海外产品。
三、计算机、电子专业的定位：工程实现，而非底层创新
计算机、电子专业学生的作用，是把数理团队推导完成的数学模型、物理仿真模型，转化为可运行代码、可量产硬件电路。
数学系给出融合算法公式，计算机学生编写固件、驱动程序，移植到图形芯片与工控板；
物理系完成传感光学、电磁仿真，电子专业绘制PCB、调试电路、搭建测试工装。
他们是落地执行者，却无法独立完成AI 体系从零到一的原创设计。九十年代国内计算机专业短板明显，缺少数理底层积累，只能做二次开发，很难支撑我们自主研发全套AI 底层架构。
四、结合布局，看数理人才不可替代的价值
图形芯片并行AI 预处理：需要数学做并行优化，物理做显存信号、光电转换建模；
工控自适应智能调控：数学做多变量优化，物理做设备热力、动力学仿真；
多模态融合AI 传感器：数学做数据融合降噪，物理做传感材料、光路、电磁结构设计。
一套完整AI 研发闭环，数理人才负责‘造大脑、造五官’，工科人才负责‘搭躯体、做装配’。只招计算机电子学生，只能复刻海外成熟低端方案，永远突破不了海外底层技术与专利壁垒。