知耕优选 | 找准交叉学科“科学学”转化成生产力的定位，搅动经济变革风云 - 知乎
随着科学进步，对引文网络、研究成效、科学政策等的研究越来越受关注，逐渐形成了一个交叉学科——科学学（theScienceofScience）。
知耕定位做科技技术的商业化，坚信科学技术对经济发展起首要的变革作用。而科学学的数据的可用性以及自然，计算和社会科学家的涌入和合作，使其在经济结构、劳动结构、产业结构、经营方式等方面都能带动变革，让经济在量上即规模和速度上迅速增长。
那什么是科学学？，今天知耕菌给大家推荐一篇发表在Science上的重磅综述，从科学学的跨学科方法、科学学对提高科研生产力的指导等方面，全面介绍了这门“高阶学科”。
1.背景
1.摘要
8.展望附：参考文献
如今，随着对科学研究全过程——包括科研基金资助、学术生产、科学家合作到文章的引用和科学家的事业移动——的数字化获取能力的日益提高，人们获得了探索科学的结构和发展的前所未有的机会。科学学（Thescienceofscience，后文缩写为科学学SciSci）提供了对不同空间和时间尺度的科学单位之间相互作用的定量理解：它让我们了解“创造力”背后的条件和科学发现的过程，其最终目标是发展一系列能加速科学研究的政策和工具。
在过去十年中，科学学吸引了自然、计算机和社会学等研究背景的科学家。他们一起构建了用来进行实证分析和生成模型研究的科研大数据，以捕捉科学背后的生产力与从业者的发展变化。科学学希望更深入地理解和推动科学研究中的种种因素，从而更有效地解决环境、社会和技术问题。
科学可以被视为一个不断扩大和演化的思想、学者和论文网络。科学学探寻基于科学结构和动态的普遍或特定领域的普世规律。
科学可以被描述为一个复杂的、自组织的，不断进化的网络。它由学者、论文和思想组成。这种描述问题的方法解释了很多潜在的模式，例如，对合作网络的研究和对引用网络的研究解释了新学科的诞生和重大发现的诞生过程。微观模型追踪了引文积累的动态，使我们能够预测单个论文在未来的影响力。
科学学揭示了科学家在他们扩展职业生涯和科学视野道路上面临的选择和权衡。例如，分析表明学者们不喜欢风险，更愿意研究与他们当前专业知识相关的主题，这限制了他们未来发现的潜力。那些愿意打破这种模式的人会从事风险更高的职业，但更有可能取得重大突破。
总之，最革新的科学是基于传统的学科组合，但是这种组合往往是前所未有的。最后，随着研究工作更多的从个体转移到团队中，科学学越来越关注团队在科研中的影响和意义。一些研究发现有革命性的思想通常诞生于小团队。相比之下，大型团队倾向于推进前沿领域的研究，获得高却通常也短暂的影响力。
科学学提供了关于科学家、研究机构和思想之间结构框架的定量理解。它有助于识别负责科学发现背后的基本机制。这些跨学科数据驱动的内容补充了科学计量学（scientometrics）和有关科学的经济学与科学社会学等相关领域的内容。
尽管科学学渴求适用于各个科学领域的长期普遍的规律和机制，但首先需要面对不同领域和国家之间文化、习惯和偏好之间难以避免的差异。这种变化使得一些跨领域的见解难以理解，并且相关的科学政策难以实施。科研问题、数据之间的差异，一般是与领域所关联的，这也暗示在将来科学学的研究会因“学科特色”而产生相应的变化。
科学界限的致密化（densification）过程也是跨学科探索、融合和创新的信号。
识别科学发展背后的动力，构造能够捕捉科技发展的模型能够指导人们设计促进科学进步的政策。例如，通过加强科学家的职业道路的政策设计，更好的科学绩效考核，更有效的经费设计，甚至是识别将要诞生的前沿研究。科学学使用关于科学生产的大规模数据来寻找普遍和特定学科的规律和模式。在这里，我们回顾了科学学这个跨学科领域的最新发展。
大量关于学术输出的数字数据为探索表征科学结构和演化的模式提供了前所未有的机会。科学学将科学发展过程置于显微镜下，对科学发现、创造力和实践的起源有定量的理解。它能开发加速科学进步的工具和政策。
首先是数据的可用性。除了专有的WebofScience（WoS），它是历史悠久的第一引文索引，今天还有多种数据源（Scopus，PubMed，GoogleScholar，MicrosoftAcademic，美国专利和商标*等）。其中一些来源是免费提供的，涵盖了与科学家及其成果有关的数百万个数据点，这些数据来自各行各业，大江南北。
其次，科学学受益于自然，计算和社会科学家的涌入和合作，他们开发了基于数据的工具，使关键测试能在生成模型（generativemodels）上运行，旨在揭示科学发现的现象，其内部机理和驱动力。
这个新兴领域的亮点之一是打破学科边界的过程，科学学整合了来自多个学科的研究发现和理论，并使用了广泛的数据和方法。
从科学计量学中，学会了分析和衡量大规模数据集的方法;从科学社会学，它学会了一些理论概念和社会过程;从创新研究中，它探索从科学发现到发明和经济变革的途径。
科学学依赖于广泛的定量方法的整合，从描述性统计和数据可视化到高级计量经济学（econometric）方法，网络科学方法，机器学习算法，数学分析和计算机模拟，包括基于主体的建模方法（agent-basedmodeling）。
科学学的价值主张基于这样一个假设：随着对成功的科学突破背后因素的深入理解，从整体上把握科学的研究进展，从而更有效地解决社会问题。
当代科学是由社会结构、知识表征（knowledgerepresentations）和自然世界之间复杂的相互作用驱动的一个动力系统。科学知识是由研究论文、书籍、专利、软件和其他学术领域人造产物中的概念和关系构成的。这些内容被按照距离亲疏组织分类成学科和更广泛的领域。这些社会、概念和物质要素通过正式和非正式的信息、思想、科研实践、工具和案例信息流相互联系。
因此，科学可以被描述为一个复杂的、自组织的、不断发展的多尺度网络（multiscalenetwork）。
早期研究发现科学文献的数量随着时间呈指数积累（2），平均15年，文献数量就会翻倍（图1）。然而不要因此就以为科学思想就因此跟着文献的数量一起成倍增长了。出版界的技术和经济也随着时间而改善，发表文章制作效率也因此而提高。此外，科学领域的新发表文章往往聚集在不同的知识领域（3）。
研究者们通过大规模的文本分析，使用从标题和摘要中提取的短语来衡量科学文献的认知程度。他们发现科学概念的范围随着时间的推移而线性扩展。换句话说，虽然发表文章的数量呈指数增长，但新概念是随着时间的推移是以线性增加的，如图1所示。（4）
图1科学的成长。（A）在WoS数据库中摘录文献的年度产出量与时间的关系。（B）WoS中索引到的文献涵盖的科学新发现的增长。这是通过计算固定数量文章中概念数量来确定的（4）。
相关阅读：
科学会终结吗？为何科研投入越来越多，重大成果的产出却越来越少？
文章标题和摘要中常用的单词和短语通过引文网络传播，形成一种模式，而这种模式又会在某一时空被新出现的范式所取代（5）。通过将网络科学方法应用到引文网络中进行研究，研究人员能够识别由经常互相引用的发表文章子集所对应的社群（6）。这些社群通常对应于对特定问题持有共同立场的作者群体（7）或在相同的专门科学话题上工作的从业者（8）。最近，关注生物医学科学工作的一篇文章说明了发表物的增长如何强化了“学科社区”（9）。
一旦新论文被发表，科学家、被研究的*物、疾病和方法（“这些事物”即网络分析中的节点（nodes））之间的关联，（即网络分析中的超边（hyperedge））就会更新和加强。大多数新建立的链接距离彼此仅一两步，这意味着当科学家选择新研究课题时，更喜欢选择与当前的专业知识或其合作者的专业知识直接相关的内容。这种致密化（densification）表明，现有的科学结构可能会限制将来人们的研究内容。
科学界限的致密化（densification）过程也是跨学科探索，融合和创新的信号。
对八个研究领域（10）的生命周期分析表明，成功的领域经历了知识和社交统一的过程，这导致协作网络（104）中的巨大通路，可以类比正常条件下相当大的一组共同作者。一个科学家在合作网络上随机游走（randomwalks）选择合作者的数学模型成功地再现了作者生产力、每个学科的作者数量和论文内容与作者的跨学科性（11）。
科学家如何决定研究哪些研究问题？科学社会学家早就推测，这些选择是由进行传统研究和创新的风险之间的紧张博弈而决定的（12，13）。坚持其领域研究传统的科学家通常会通过发布一系列稳定不断的研究成果来推动重心话题的究进程，从而显得富有成效。
但是，太过专注某一议题可能会限制研究人员感知和抓住机会的能力。这些机会可以找出促进该领域发展的新想法。例如，一个研究生物医学家选择新型化学*品和已有化学*品关系的案例研究表明，随着研究领域的成熟，研究人员越来越多的关注已有的知识（3）。
虽然创新文章往往比保守文章产生更大的影响，但高风险、高创新的策略却很少见，因为额外的奖励并不能弥补发表失败的风险。奖励和荣誉似乎能够作为，抵制保守倾向的主要激励因素，它们能够打破传统，给予人们新的惊喜。尽管有许多因素影响着科学家要做的工作，但是在科学事业中控制研究兴趣变化的宏观模式是明显有迹可循的，这些规律就隐藏在科研和科学家的职业道路中。（14）。
科学家对研究课题的选择主要影响了他们的个人事业以及依赖他们的人的职业生涯。然而，科学家群体的决策有时候在决定科学发现方向上作用更大（图2）。研究策略保守意味着（15）个人职业发有稳定良好的前景，但对整个学科的促进效果较差。这种策略被名为文件抽屉问题（filedrawerproblem）的现象放大了（16）：与已建立的假设不一致的结果很少被发表，导致已发表研究的系统性偏见。站不住脚的和虚假的内容有时甚至被奉为经典（17）。
更多大胆的假设可能已被几代科学家测试过，但只有那些成功足以产出文章的人才能为我们所知。解决这个保守陷阱问题的一种方法是敦促资助机构主动赞助那些测试全新假设的风险项目，让特殊利益群体承担起针对特殊疾病的研究。
定量分析结果表明，美国生物医学资源的分配是与历史分配和研究相关，而不是与疾病实际问题严重程度相关的（18），指出了生物医学需求与资源之间的系统性错位。这种错位使人们怀疑资助机构在没有额外监督，激励和反馈的情况下，由嵌入稳固习惯的科学家经营着的这些资金能多大程度上影响科学的发展。
针对文章和专利的分析共同证明了科学发现和发明中的罕见组合倾向于获得更高的引用率（3）。跨学科研究是一个标志性的重组过程（19）;因此，历史上不相关的思想和资源的成功结合对跨学科研究至关重要，往往反直觉，并导致了具有高度影响力的新思想（20）。不过，从基金申请的证据表明，面对真正新颖的（21-23）或跨学科（24）的研究议题的时候，专家评估系统通常给予较低的分数。
（A.）一项研究衡量了2010年MEDLINE（医学数据库）发表的所有新*物的发现效率。该模型没有考虑特定实验的难度或费用的差异。这个全球科学战略的效率图体现了新发表的生物化学新通路（横轴）与平均实验次数（纵轴）之间的关系。与此对应的，可以制作*物之间的网络图。研究者使用了各种假想的策略效率来与现实情况的策略效率来进行对比，用完全随机，以及50％和100％发现最佳网络的优化策略。纵轴上的较低值表示更有效的策略，进行新发现的模式并不是最优的。实际策略最适合发现13％的化学网络，而50％优化的策略对于发现50％的化学网络有效，但两者都不如揭示整个网络的100％最佳策略一样好。
（B）现实中*物发现网络可以被绘制成图表的形式。该策略诞生的新连接是围绕着一些“重要的”、高度相关的化学物质进行的研究，如图中的热点，但是100%效率的研究策略则显示了更加均匀的发现规律，并且不太可能在科学可能性的空间中“从众”。（15）
最具影响力的科学工作主要出自常规内容的组合，但它同时也出自不寻常的组合（25-27）。这种类型的论文获得高引用率的可能性是其两倍（26）。换句话说，新的和既有元素的混合是成功科学进步的最安全的途径。
在知识生产和利用的广阔市场背景下，各种学术职业出现了（28）。所以，科学的职业成绩不仅被研究个人激励和边际生产力（相对增益与精力）（29），也在机构激励（30,31）和竞争（32）两方面的背景下被检验着。需要组合高内容分辨率的个人、地理和时间的大型元数据哭（metadata）（33）来构建可以从不同角度分析的职业轨迹。例如，一项研究发现，容忍早期失败的资助计划（奖励长期成功）比短期审查周期的资助更有可能产生影响力大的发表文章（31）。
具有时间尺度的竞争交互系统是复杂系统科学中的经典问题。科学的多角度性质是生成模型的驱动力，这种模型能突出了政策的意外后果。例如，职业发展模型表明，短期合同是生产力波动的重要原因，因为这通常会导致某事业的突然结束。
生产力和职业长度的差异可以解释男女科学家之间的合作模式（38）和招聘率（35）上的差异。另一方面，实验证据表明，对女性的偏见发生在职业阶段的早期。当性别在一组申请人的履历中被随机分配时，招聘委员会系统性轻视女性候选人的成果（40）。
迄今为止，大多数研究都集中在相对较小的样本上，改进和编制大规模科学家数据集，利用来自不同来源信息（例如，出版记录，拨款申请和奖励），将有助于更深入地了解不平等的原因。建立可以为政策解决方案提供信息的动机模型。
科学家的流动性是提供多元职业机会的另一个重要因素之一。大多数针对人才流动性的研究都集中在量化国家或地区的人才流入和流出上（41,42），这种研究尤其发生在政策变化之后。然而，对个人流动性及其职业影响的研究仍然很少，主要是由于难以获得关于科学家迁移的纵向信息以及流动决策背后原因的说明。
根据文章引用数量发现，离开原籍国家的科学家，比起那些没有离开的，在文章引用量上表现更好。这可能源于一种选择偏好：好的学者（有能力出国）容易获得更好的职位（更强的团队）。（43，44）。此外，科学家倾向于在名声对等的机构之间移动（45）。然而，当通过引用来量化科学家跳槽影响时，没有发现系统的增加或减少，即使科学家搬到一个相当高或低级别的机构（46）。换句话说，产生影响的不是机构而是组成机构的个体研究人员。
另一个影响职业的潜在因素是名声，以及它为出发点审核文献、评估提案和决策带来的两难困境。作者的声誉，以其先前产出的总引用量来衡量能够显着提高该论文在出版后的头几年所得的引用次数（47）。然而，在这个初始阶段之后，影响取决于科学界对工作的接受程度。这一发现以及引文（46）的工作表明，对于富有成效的科学事业而言，声誉不是第一生产力，努力工作，天分和知难而进才是驱动因素。
和政策相关的一个问题是创造力和创新是否与年龄或职业阶段有关。对优秀研究人员和创新者的数十年研究认为，重大突破发生在职业生涯中相对较早的阶段，其中位年龄为35岁（48）。
但是，最近的工作表明，早期职业发现的这种充分记录的倾向完全由生产力倾向解释，生产力在科学家的职业生涯的早期阶段很高，并且后来下降（49）。换句话说，创新中没有年龄模式：学者引用最多的论文可以是他或她的任何论文，与论文发表时的年龄或职业阶段无关（图3）。描述影响力发展的随机模型也表明，突破是由科学家的能力和挑选具有高潜力的问题直觉与运气相结合而产生的（49）。
（A）三位诺贝尔物理学奖获得者的发表记录。水平轴表示获奖者首次发表文章后的年数，每个圆圈对应一篇研究论文，圆圈的高度c10代表论文的影响，意为文章10年后的引用次数。获奖者的最高影响论文用橙色圆圈表示。
（B）科学家的论文序列中发生最高影响的论文的直方图，为10,000名科学家计算。直方图的平坦性表明，在科学家发表的论文序列中，影响最大的工作的出现的时间可能具有相同的概率（49）
去的几十年里，科研对团队合作的依赖程度与日俱增，这代表了科学研究方式的根本转变。对1,990万篇研究论文和210万项专利的作者进行的研究发现了一个几乎是普遍的科研领域的团队化趋势（50）（图4）。例如，在1955年，科学和工程团队撰写了与单个作者相同的论文数量。然而到2013年，团队撰写的论文比例增加到90％（51）。
如今，在科学和工程团队撰写的论文有6.3倍的可能获得1000以上的引用，或大于个体论文的引用，这种现象并不能由自我引用（self-citations）来解释（50,52）。一个可能的原因是团队能够提出更多新颖的想法组合（26）或生产其他研究者可以后续使用的资源（例如，基因组学）。
数据表明，团队比单独作者多了38%的可能将科研突破内容组合进熟悉的知识领域，证明了团队可以将不同专业结合在一起的前提，从而有效促进科学的突破。拥有更多的协作意味着通过更多的共同作者提高在学者们之间的可见度，他们可能会因此将彼此的工作引入科研的内部网络中，这方面的强化意味着每个研究员要和同事分享声誉（29）。
在过去的一个世纪里，平均团队规模一直在稳步扩大。红色虚线表示所有论文中共同作者的平均数;黑色曲线考虑那些引用数高于领域平均值的文章的团队平均大小。黑色曲线系统地位于红色虚线之上，这意味着大型团队比小型团队更容易产生高影响力的工作。每张图表对应WoS规定的一个学科大类（A）科学与工程，（B）社会科学，（C）艺术与人文科学。
平均而言，来自大型团队的研究员可以在各种领域获得更多的引用。研究表明，小型团队倾向于用新想法和机会变革科学和技术，而大型团队则推动现有的研究的进程（53）。因此，资助和培养各种规模的团队来缓和科学的官僚化可能很重要的（28）。
扩展阅读：
同时，团队大小也在以平均每十年17％的速度增加（50，54，105）这个变化趋势因团队的底层架构已经变化。科学团队包括小型，稳定的“核心”团队和大型团队，动态扩展的团队（55）。大多数领域不断增加的团队规模是由动态扩展团队的不断扩增而产生的，扩展团队从小型核心团队开始，但随后通过生产力为基础的原始积累吸引新成员。规模是团队生存策略的关键决定因素：如果小团队保持稳定的核心，那么他们的存活时间会更长，但大团队表现出会员流动机制，才能存活更长时间（56）。
随着科学的加速和日益复杂，扩展知识前沿所需的工具在规模和精度上都日益提升。对大多数个人调查员来说，研究工具价值过高，有价无市，但对大多数机构来说也是如此。学术合作一直是解决这个问题的关键方案，这样就能将资源更多集中到科研上。
欧洲核子研究中心的大型强子对撞机是世界上最大和最强大的粒子对撞机，她的诞生不能忽视学术合作，来自100多个国家的10,000多名科学家和工程师参与了这台对撞击的建立。然而，随着规模的增加，与“大科学”相关的价值和风险的权衡随即产生（2）。尽管可以解决更大的问题，但是科学重复性问题要求你重复实验，这可能在实际上或经济上不可行。
合作者会对科学产生巨大影响。根据最近的研究（57,58），失去明星合作者的科学家会经历生产力的大幅下降，特别是如果这位散伙的合作者是一位普通的研究人员的情况下。与极强合作者合作的发表文章平均引用次数会增加17％，这表明职业合作的价值（59）。
鉴于研究论文中作者的数量越来越多，谁应该并且确实获得最多的名誉？科学中名誉的错误分配的经典理论是马太效应（60），其中参与合作工作的较高地位的科学家因其贡献而获得超额名誉。为协作参与人员分配信誉是很困难的，因为不能轻易区分个人贡献（61）。但是，有可能检查共同作者论文的共同模式，以确定群体中的每个共同作者分配的信誉（62）。
学术引用仍然是科学中衡量学术成就的主流方式。鉴于对主流引用标准的长期依赖（63-66），引文积累的动态规律已被几代学者所验证。根据Price（67）开创性的研究，科学论文引文的分布是高度具有倾向性的：许多论文从未被引用，但开创性论文可以累积10,000或更多的引用。这种不均匀的引文分布是科学变动的一种强大的，自然出现的，革新的属性。当论文按机构分组时，它也成立（68）。并且如果一个论文的引用的次数除以论文同学科同年的平均引文，得到的分数分布是所有学科基本上无区别的（69，70）（图5A）。
这意味着通过查看相对引用量可以比较不同学科发表的论文的影响力。例如，一篇收集100篇引文的数学论文比300篇引文的微生物学论文具有更高的学科影响。
（A）如果每篇论文的引用次数c除以该学科所有论文的平均引用次数c0，那么在同一学科和年份上发表的论文的引用分布，各个学科基本上都是统一的。虚线是对数正态拟合曲线。（69）
（B）1964年发表于“物理评论（PhysicalReview）”的四篇论文的引文历史，根据其独特的动态选择，显示出“跳跃衰变”模式（蓝色），峰值延迟（紫红），引文数量稳定模式（绿色），和引文指数上升（红色）。（C.单个纸）引文由三个参数确定：fitnessλ，immediacyμ，和longevityσ。通过适当的（λ，μ，σ）参数重新调整（B）中每篇论文的引用，四篇论文将其合并为一个通用函数，这对所有学科都是相同的。（77）
分布的尾部信息能够捕捉高影响力论文的数量，揭示驱动引用数量累计的机制。最近的分析表明，它遵循幂律分布（71-73）。幂律的尾部可以通过累积优势的过程产生（74），网络科学中将其称为偏好依附（preferentialattachment）（75），表明引用论文的概率随着它已经积累的引用次数增长而增长。
这样的模型可以与引用动力学的其他特征，比如知识的过时共同使用来增强模型说明性。文章引用数量随着时间增加而下降（76，79，106），或者也可以利用一个拟合参数（fitnessparameter）对应每个论文对科学界的吸引力（77,78）。只有一小部分论文不能被以上假设所描述，称为“睡美人”，因为它们在发表后一段时间内都无人问津，但是在经过一段时间后，突然收到大量的关注和引用（80,81）。
扩展阅读：
科学奖项指数增长，为什么获奖者却总是那几个人？
上述形成机制可用于预测单个论文的引用动态。一个预测模型（77）假设论文的引用概率取决于先前引用的数量，并且考虑每篇文章的过时因子（obsolescencefactor）和适应度参数（fitnessparameter）（图5，B，C）就能预测这篇文章的引用数量。可以推断出某个科研工作的长期影响（77）。其他研究已经确定了论文影响因子相关的预测指标（82），例如期刊影响因子（72）。有的研究则表示一个科学家的h-index（83）可以被准确预测（84）。尽管如果考虑科学家的职业生涯阶段和h-指数的累积性，非递减性在内，预测准确性会降低（85）。
消除在科学中使用定量评估指标的不一致性和常用统计数据背后，生成这些数据的内在机制是科学学研究中十分重要的机制。
尽管科学研究确实有它的普遍性，但文化、习惯和偏好方面的实质性学科背景差异使得某些领域内的某些跨领域见解变得难以理解，与其对应的政策则难以实施。每个学科所要求的问题、数据和技能之间的差异表明，可以从特定领域的科学学研究中获得进一步的见解。这些研究模拟和预测适应每个学科领域中的需求和机会。对于年轻的科学家来说，科学学的研究结果提供了过去科研有效的见解，有助于指导他们对未来的预见（Box1）。
创新和传统：纯粹的，真正的创新和高度跨学科的想法可能无法达到它们能达到的科学影响力。为了增强其影响力，应将新思想置于已有的学科环境下发表（26）。
坚持：只要一直保持研究状态，科学家的概念中永远不存在“太老“而无法做出重大发现的情况（49）。
合作：如今研究模式正在向团队转移，因此参与协作是大有益处的。小团队的作品往往是更具颠覆性，而那些强队往往有更大的资源去做更有影响力的大工作（4,50,53）。
声誉：大多数名誉将归属于在文献发表的领域中进行始终如一工作的共同作者（62）。
资金：虽然评审小组承诺支持创新，但他们实际上更倾向于忽视创新。资助机构应要求审稿人评估创新，而不仅仅是他们头脑中预料的成功（24）。
科学学的贡献是：对科学家、制度和思想之间的关系结构开始进行细致的理解，这是识别它背后运作机制的关键起点。总之，这些数据驱动的（data-driven）工作补充了相关研究领域欠缺的内容，如经济学（30）和科学社会学（60,86）。
因果估计（Causalestimation）是一个经济学中的典型例子，计量经济学研究会收集并利用全面的数据源来进行需要的模拟（31,42）。评估因果关系是科学学最需要的未来发展之一：许多描述性研究揭示了科研结构与成功结果之间的强烈相关性，但特定结构“导致”结果的程度仍未得到探索——我们不知道相关关系背后的因果关系。
通过与研究人员建立更紧密的合作关系，科学学将能够更好地识别从模型和大规模数据中发现的联系，这些数据具有促使相关政策诞生的潜力。但是科学学的实验可能是科学学尚未面临的最大挑战。运行随机对照试验将改变由税收所支持的个人或科学机构的研究进程，如此之高的成本必然会引发批评和阻碍（87）。
因此，在不久的将来，准-实验方法（quasi-experimentalapproaches）将在科学学调查中占主导地位。
大多数科学学研究都将科研文献作为主要数据来源，这意味着这个学科思考和发现的研究对象都是那些成功的案例。然而，大多数科学研究存在失败，有时甚至是巨大的失败。鉴于科学家失败的次数多于成功失败，因此了解理念何时何地，为什么，怎么样失败对理解和改进科学系统至关重要。这些研究可以为重现性危机提供有意义的指导，并帮助我们解决文件抽屉问题（filedrawerproblem）。通过揭示创造性活动，这些研究还可以大大促进对人类创造力的解释。
科学系统和经济系统类似，它是一个使用一维“货币”引文的经济系统。这暗示阶层也存在于科研系统，其中“富人愈富”抑制了新思想的传播，特别是那些新晋科学家和那些不符合特定领域传统身份的人。
通过扩大绩效指标的数量和范围可以改善科学系统。在这方面，制定衡量科学界覆盖网络（metricscoveringweb）（88）、社交媒体（89）活跃度和社会影响（90）的替代指标至关重要。其他可衡量的维度也包括科学家与竞争对手分享的信息（例如数据）（91），以及他们向同行提供的帮助（92），以及他们作为同行作品审稿人的可靠性（93）。
但是，由于需要大量的指标，需要做更多的工作来了解每个指标的作用和不捕获的内容，以确保有意义的解释并避免滥用。科学学可以通过提供模型做出种种贡献，这些模型可以更深入地理解科学绩效指标的覆盖范围以及背后的机制。例如，当使用替代指标（例如，文献下载的分布）时观察到的经验模型将使我们能够探索它们与基于引用数量的度量系统之间的关系（94）并且识别暗箱操作。
将基于引用数量的指标与其他指标相结合将促进科研的多元发展，并实现科研生产力的分工，由此科学家可以通过不同方式取得成就。科学是一个生态系统，不仅需要出版，还需要传播者、教师和注重细节的专家。我们需要能够提出新颖的，改变革新的问题，以及能够回答问题的人。如果好奇心、创造力和知识能有效交流——特别是关于科学技术的应用和社会影响之类的信息——更多元化的方法可以减少重复，科学便能蓬勃发展（95）。
科学学试图解决的一个问题是科学资金的分配。目前的同行评审制度存在偏见和矛盾（96）。几种替代方案已经被提出，例如随机分配资金（97），不涉及提案和审查制度的向专门人员导向的资金（31），向在线人群开放的审查机制（98），去除审稿人绩效的评审机制（99）和科学家众筹（100）资金。
科学学（SciSci）未来研究的一个关键领域是与机器学习和人工智能的整合，让客观的机器和人类一起工作。这些新工具将会有一个令人愉快的深远，因为机器可能比人类合作者更能拓宽科学家的视野。例如，自动驾驶车辆是机器学习技术，是由人类已知的驾驶技术和未知的驾驶习惯信息的成功组合。心智-机器伙伴关系的研究给广泛的卫生、经济、社会、法律等领域的决策上提供了广泛的正面作用（101-103）。如何通过机器与心灵关系改善科学，以及怎么安排能够让科学发展更具成效？这些问题有助于我们了解未来的科学。
编译：集智俱乐部翻译组
来源：science
原题：scienceofscience
原文地址：
基金筛选器哪个最好用？
基金筛选器天天基金最好用。天天基金app，基金品种比较多，找到基金优选，可以根据他的大数据榜单选择最近一周一个月大家都在看都在买的基金。
请基金高手推荐一款好的基金投资软件,谢谢啦!
易天赋的不错。到www.etf88.com下载。
天天活期宝里，该选择哪个充值基金呢？
天天活期宝有天天有优选基金的，可以选充值那个，还有就是稳定的看看历史表现，有些是赌博性质的，比如宝盈什么的。
充值活期宝实质上是申购货币型基金，如果有兴趣的话，也可以用活期宝（或者直接用银行卡支付）申购其他类型的基金，这要根据自身风险承受能力选择合适的基金产品。
基金59001来自每日净值查询
中邮核心优选混合（590001）单位净值（2015-09-08）：1.2131（5.00%）基金每日净值查询方法：1、在所购买基金的官网进行查询登陆所购买基金的官网就可以查询到该基金的基金净值。2、登陆各类基金行业网站查询现在很多基金网站都可以实时的了解基金净值情况，可以看到所有基金的行情。3、下载手机基金理财软件查询手机理财软件已经比较成熟了。可以随时随地的查询自己想了解的基金净值。
知耕优选 | 掌握生物技术领域的“解剖学”，科学也能成为一门生意 - 知乎
经过近20年的发展，我国生物技术产业取得了快速发展，为经济建设和社会发展做出了重要贡献。目前生物技术在我国已广泛应用于农业、医*、环保、轻化工等重要领域，对提高人类健康水平、提高农牧业和工业产量与质量，改善环境正发挥着越来越重要的作用。
与此同时，知耕也发现，我国生物技术行业与国际水平还是有着不小的差异:如自主知识产权过少，竞争力有限，投入严重不足，研究学科广泛，巨大的不确定性和风险等等。
基于以上症结，知耕看到了GaryPisano教授通过对该行业进行的尖锐评论，挖掘出了为什么生物技术行业尽管前景看好却未能达到预期的真相。
该评论不仅揭示了生物技术问题的根本原因；提供了迄今为止关于该行业运作方式的最详尽的分析，还为寻求改善行业绩效的方法的公司、投资者和政策制定者提供了明确的处方。
如果你是大学教授/临床医生，正想转化一项自主研发的创新技术，可以读读此文；如果你是身在生物医*产业的从业者，无论是打工人还是老板，可以读读此文；如果你是专注生物医*产业的投资人，可以读读此文；如果你是医疗健康领域各监管部门的管理者和法律从业者，可以读读此文；
以下，Enjoy：
在其30年的历史中，生物技术产业已经吸引了超过3000亿美元的资本。这种投资大部分是基于生物技术可以改变医疗保健的信念。最初的承诺是，这一新科学，结合深度参与推进基础科学的新型创业企业，将在*物治疗领域引发一场革命。不受传统技术和老牌制*巨头组织的束缚，这些灵活、专注、以科学为基础的企业将打破基础科学和应用科学之间的壁垒，生产出大量新*；这些*物会产生巨大的利润；当然，投资者将获得丰厚的回报。
到目前为止，主要还是承诺。从金融角度来看，生物技术仍像是一个新兴行业。尽管像Amgen和Genentech这样的公司取得了商业上的成功，整个行业的收入也有惊人的增长，但大多数生物技术公司没有盈利。也没有证据表明他们的R&D项目比那些备受指责的制*行业巨头更有成效。这种令人失望的表现提出了一个问题:以获取利润和取悦股东的需要为动机的组织，能够成功地将基础科学研究作为核心活动吗？30年来，关于“商业入侵基础科学（长期以来是大学和其他非营利研究机构的领域）是否限制了获得发现的机会，从而减缓了科学进步“的争论一直很激烈。
一如既往，制*业普遍认为，*物创新的革命将会成功，只是比预期的时间长一点。这可能是积极的想法。在过去的20年里，我对生物技术和制*行业的战略、组织、绩效和发展进行了广泛的研究。我了解到生物技术领域的“解剖学”——大部分借鉴了在软件、计算机、半导体和类似行业中运行良好的模式——存在根本性缺陷，因此无法满足基础科学和商业的需求。除非解剖结构发生巨大变化，否则生物技术将无法吸引实现其转变医疗保健潜力所需的投资和人才。
所谓“解剖”，我指的是：
（1）该领域的直接参与者(初创企业、老牌公司、非营利实验室、大学、投资者、客户)；
要使生物技术取得完全成功，它的解剖结构必须帮助参与者在三个方面出类拔萃:
（2）整合存在于一系列学科和职能中的技能和能力；（3）从组织和行业层面推进关键知识。
行业的各个“解剖”部分应该相互支持以应对各种挑战。而在生物技术领域，他们（各个“解剖”部分）的工作目标往往不一致。例如，该行业管理和奖励风险的方式——企业的融资方式——与创造新*所需的漫长的R&D时间表相冲突。又例如，该行业的分散性，有许多跨越不同领域的小型专业参与者（机构/企业），本是管理和奖励冒险的潜在有用模式，但它也创造了阻碍关键知识整合的经验孤岛。又例如，生物技术的知识产权市场允许个体公司锁定基础科学知识的权利，这也限制了其他能够通过试错学习来发展这些知识的科学家数量。
尽管所有这些听起来相当悲观，但这并不意味着该行业注定要失败。这并不意味着科学不能成为一门生意。但这确实意味着生物技术的结构需要改变——这项事业不仅会对*物R&D和医疗保健产生重大影响，还会对大学和**资助的科学研究、从事基础科学的其他新兴产业以及美国经济产生重大影响。本文的目的是为上述提供一个框架理解并提供一些关于新的组织形式、机构安排和将需要的规则的想法。
以科学为基础的商业是一个相对较新的现象。我所说的“以科学为基础”是指它不仅试图利用现有的科学，还试图发展科学知识，并获取它所创造的知识的价值。这类企业的经济价值很大一部分最终取决于其科学质量。
在biotech出现之前，科学和商业在很大程度上是在不同的领域运作的。进行研究以扩展基础科学知识是大学、**实验室和非营利机构的职责。将基础科学商业化——用它来开发产品和服务，从而获取其价值——是盈利性公司的主要任务。历史上，包括美国电话电报公司(贝尔实验室的母公司)、IBM、施乐(帕洛阿尔托研究中心的母公司)和通用电气在内的少数公司做了一些出色的研究，但它们是例外。总的来说，企业不从事基础科学，科学机构也不试图做生意。
生物技术sector融合了这两个领域，创造了一种纳米技术、先进材料和其他行业所采用的科学-商业模式。营利性企业现在经常自己进行基础科学研究，大学已经成为科学事业的积极参与者。他们为他们的发现申请专利；他们的技术转让办公室积极寻找商业伙伴来授权专利；他们与风险投资家合伙创办公司，将来自学术实验室的科学商业化。
在许多情况下，大学和生物技术公司之间的界限是模糊的。大量生物技术公司的创始人包括教授(其中许多是世界知名的科学家)，他们向初创企业传授从大学获得的技术，通常以股权作为回报。这些公司经常与大学保持联系，在研究项目上与教师和博士后密切合作，有时还利用大学实验室。在许多情况下，创始科学家甚至保留了他们的教职。科学事业诞生于1976年，当时第一家生物技术公司Genentech开发了重组DNA技术，这是一种工程细胞生产人类蛋白质的技术。它是由年轻的风险投资家RobertSwanson和旧金山加利福尼亚大学教授HerbertBoyer共同建立的。除了证明生物技术可以用来开发*物，基因泰克还创造了一个将知识产权货币化的模型，这一模型在塑造生物技术产业的面貌和表现方面被证明是非常强大的。该模型由三个相互关联的要素组成:
（1）通过创建新公司而不是出售给现有公司，将技术从大学转移到私营机构；
（2）风险资本和公共股权市场，在关键阶段提供资金，并为创始人——投资者、科学家和大学——承担的风险提供回报；
（3）一个专门技术市场，年轻公司向成熟企业提供知识产权以换取资金。
1978年，基因泰克与大型制*公司礼来公司达成协议。作为重组胰岛素生产和营销权的回报，礼来公司将资助该产品的开发，并向基因技术公司支付销售特许权使用费。该协议消除了新公司进入制*行业的主要障碍之一:开发一种*物通常需要很长时间(10到12年)的巨额成本(按今天的美元计算为8亿到10亿美元)。这也是制*公司第一次将R&D项目外包给盈利性企业。从那以后，几乎每一家新的生物技术公司都与一家已建立的制*或化学公司建立了至少一种合同关系，大多数公司还建立了好几种合同关系。这个专门技术的市场鼓励风险资本家为初创企业提供种子资金。它还通过为投资者提供利润和收入之外的另一种价值衡量标准，帮助生物技术公司利用公开股票市场进行融资。基因泰克在1980年大获成功的首次公开募股表明，一个没有产品收入或收益的公司可以上市——这使得该行业对风险投资家更具吸引力。
这种将知识产权货币化的体系的兴起，与对生物技术的厚望交织在一起。从20世纪80年代到90年代，该行业似乎为威胁老牌制*公司的R&D生产率危机提供了一个解决方案。面对管线中潜在畅销*物的短缺，这些公司大幅增加了R&D的开支，但无济于事。由于新*无法弥补那些失去专利保护的主要（畅销）*物，金融分析师质疑该行业利润的可持续性。在科学界和投资银行界拥护生物技术的从业者相信，生物技术将创造出大量有利润的新*。他们认为，相对于官僚的、纵向一体化的制*巨头，小型的、专业化的生物技术公司在研究方面具有相对优势；因此，大型制*公司应该专注于市场营销，将创新的R&D留给更接近科学的灵活的生物技术公司。甚至一些大型制*公司的高管似乎也相信这一点，他们决定逐步与生物技术公司结盟就是证明。因为第一波生物技术公司的产品（包括安进、百健艾迪、塞特斯、凯龙星、基因泰克和健赞）都是在人体中发现的蛋白质，参与该领域的科学家、管理者和投资银行家认为它们的失败率将比传统的化学*物低得多。较低的技术风险意味着较低的商业风险。一些基因工程替代激素(胰岛素、人类生长激素和凝血因子VIII)治疗血友病的初步成功似乎证实了这一观点。
人类基因组测序和所谓的工业化R&D技术的发明进一步支持了生物技术将产生突破性疗法并极大提高R&D生产力的预测。理由是，产生的大量生物数据将极大地有助于确定疾病的确切原因，而且诸如组合化学(用于创造新化合物)、高通量筛选(用于测试化合物的*用潜力)和计算化学(用于“合理设计”具有特定效果的*物)将大大提高候选*物的数量和质量。低效的、反复试验的、基于工艺的、一次一个分子的*物发现方法的日子被认为屈指可数了。
对这些新兴技术的兴奋，生物技术初创企业的爆炸式增长(30年来约4000家)，以及该行业不断飙升的年收入(现在约为400亿美元)只是增强了这种乐观情绪。但是，如果这个行业的成功是通过盈利能力和革新R&D以产生大量突破性*物的进展来衡量的，一幅令人不安的画面就出现了。
首先，只有极小一部分生物技术公司曾经盈利或产生正现金流，整个行业都在亏损。图中(见“图1生物技术的无利润增长”)那些盈利的公司，只有少数精英老企业——包括安进、BiogenIdec、Genentech和Genzyme——产生了可观的利润，只有安进和基因泰克打入了老牌制*公司的联盟。特别值得注意的是，基因泰克在开创了知识产权货币化系统之后，走上了一条不同的道路：与安进、Genzyme和其他一些公司一起，通过在制造和营销方面的大量投资进行垂直整合，同时继续建立内部科学创新能力。此外，基因泰克还与拥有其56%股份的瑞士制*巨头罗氏公司建立了长期合作关系。
「图1:biotech的无利润增长：上市的生物技术公司的收入急剧增长，但它们的利润徘徊在接近于零。除了最大、最赚钱的公司安进，该行业一直很不佳始终如一的赤字。如果将私营公司纳入数据池，其损失将会更大」
第二，没有迹象表明生物技术已经彻底改变了R&D制*的生产率，尽管许多人声称这是事实。生物技术公司推出的每种新*的平均R&D成本与大型制*公司推出的每种新*的平均成本没有显著差异。(见图2“生物技术没有在R&D生产率方面产生突破。”）工业化的R&D也没有显著增加大量的化合物进入了人体临床试验，更不用说进入市场了(见图3“生物技术产业化研发尚未实现”）。没有确凿的证据表明生物技术公司的非凡生产率是因为它们所承担的项目的复杂性和风险性。
「图2:biotech在研发生产力方面没有取得任何突破：生物技术公司推出的每种新*的平均研发成本与大型制*公司推出的每种新*的平均研发成本没有显著差异。」
「图3:生物技术产业化研发尚未实现：...biotech开发的至少已经发展到人类临床试验的化合物数量并没有明显增加」
也没有理由相信biotech的生产率会随着时间的推移而提高。乐观主义者指出，生物技术公司在临床开发*物中所占的比例越来越大。这表明，我们应该期待未来会有大量的*物从生物技术管道中涌现出来。但是，尽管工业在R&D上的支出持续大幅增长，biotech*物开发的损耗率也随着时间的推移而增长。因此，在R&D投资的生物技术的每一美元产出是否会显著提高是值得怀疑的。
最后，也许并不令人惊讶的是生物技术行业似乎正在从其在R&D极端激进和高风险的独特位置上撤退。自2001年基因组学泡沫破裂以来，初创企业的战略和风险投资家的偏好发生了显著变化。企业家和投资者开始寻找风险更低、回报更快的模式，比如许可其他公司的现有项目和产品，然后对其进行后续开发，而不是组建所谓的“从分子到市场的公司”(其第一批产品收入可能要在十多年后才能实现)。诸如有价值的新配方的改进和新的给*技术等。它们可以导致显著的治疗改进和扩大的治疗选择。也就是说，战略的变化引发了一个主要问题：如果年轻的生物技术公司不追求突破性科学技术，谁会关注提供潜在医学突破的高风险长期项目？
从事生物技术的人长期以来一直认为该行业最终会繁荣发展。有些人仍然认为这只是时间和金钱的问题。其他人坚持认为技术将会拯救世界。基因组学、蛋白质组学、系统生物学和其他方面的进展将使在R&D过程的极早期阶段以高精度识别有前景的候选*物成为可能，这将使得研发失败率、周期时间和成本大幅降低。
就像生命体一样，工业不是“反设计的”，而是有设计的。在生命体中，这些设计被称为解剖学。解剖学有助于我们理解特定物种的能力，以及为什么某些物种能在某些环境中茁壮成长，而在其他环境中却不能。解剖学解释了为什么猎豹能跑65英里每小时，而乌龟不能。解剖学与环境的契合在经济学中也很重要。
生物技术行业的解剖结构看起来与软件和半导体等其他高科技行业非常相似。它涉及专注于R&D价值链特定部分的大学衍生的初创企业；风险资本和公共股票市场的作用；和技术市场。有些人可能会称之为硅谷经济学，这些在其他领域取得了惊人的成功。对生物技术的剖析是基于这样一个前提，即它将与它们非常相似。但是当谈到R&D时，生物技术在三个方面有很大的不同:
与巨大的不确定性和风险作斗争。在大多数行业中，技术的基本可行性对R&D来说不是问题，在这些行业中，努力和资源主要用于开发已知技术上可行的概念。汽车设计师可能会努力解决与汽车相关的各种零件的工程问题，并担心设计是否可以制造，客户是否会购买车辆。但他们几乎可以肯定，在这个过程结束时，车辆将工作。即使在半导体、高性能计算机和飞机等高科技行业，通常也很清楚哪些商业R&D项目在科学上可行，哪些不可行。
*物研发则不是这样。候选*物是否安全有效只能通过漫长的反复试验过程来确定。尽管在过去的几十年里遗传学和分子生物学取得了非凡的进展，科学家们仍然发现预测一个特定的新分子将如何在人类身上起作用极其困难。即使在今天，他们也可以假设，经过多年的努力，一个项目最有可能的结果是失败。从历史上看，大约6000种合成化合物中只有一种上市，只有10%到20%开始临床试验的*物最终被批准用于商业销售。
基础科学的进步可能最终会提高这些几率。但是到目前为止(与预期相反)，生物技术实际上增加了*物研发的不确定性。尽管靶点(疾病的可能原因)、攻击它们的武器(疗法)以及识别新的潜在原因和治疗方法的新方法已经开发出来，但是对这些选项的了解仍然是肤浅的，迫使科学家进行更多的尝试和错误，而不是更少。因此，尽管生物技术的进步最终可能会降低R&D的技术风险，但迄今为止，它们却产生了相反的效果。
深刻、持续的不确定性转化为长期的高风险。乍一看，生物技术公司的知识产权货币化系统在管理这种风险方面似乎运行得相当好。新公司的迅速形成引发了过多的实验。股权所有权的诱惑鼓励科学企业家承担创办新公司固有的风险。
风险资本家拥有必要的资金来管理早期风险，并通过建立投资组合来分散风险。然而，一项更细致的调查显示，该体系中隐藏的缺陷阻碍了该行业的整体业务表现。风险投资家对某一特定投资的时间跨度大约为3年——远不及大多数公司获得一种*物上市所需的10年或12年。此外，由于它们需要分散风险，即使是最大的基金也无法承担向任何一家初创企业投入巨额资金。根据国家风险投资协会关于基金投资政策的数据，对一家生物技术公司的平均投资约为300万美元。平均最高金额为2000万美元——远远低于开发一种成功*物通常所需的8亿至10亿美元。
生物技术公司依靠公共股权和战略联盟来缩小差距。然而，这些解决方案产生了其他问题。
公共股票市场并不是为了应对仅从事研发的企业所面临的挑战，而仅从事研发的企业构成了大部分的生物技术sector。这些公司不能以盈利为基础进行估值，大部分都没有。他们的价值几乎完全取决于他们正在进行的R&D项目。但是，试图根据面临多年巨大的技术和商业不确定性的项目对它们进行估值几乎是不可能的。信息是不充分的。对于一般的无形资产，尤其是R&D项目，没有明确的披露和估价标准。公认会计原则(GAAP)通常不要求公司披露其R&D项目，尽管生物技术和制*公司必须披露其开发管道的状态信息，但这些要求是模糊的。例如，公司可以自行决定提供给定产品的可能治疗用途、临床试验结果和进展以及未来发展计划的详细程度。如果没有足够的信息，即使是最复杂的估值技术，如实物期权和蒙特卡洛模拟，也是有限的。
投资者面临的另一个挑战是解释公开宣布的临床试验结果。公司可以也确实以不同的方式解释这些结果。即使他们对它们的解释相似，他们也可能基于不同的风险偏好，对是否进入下一阶段做出不同的决定。
公众投资者已经将目光投向市场，寻找填补这一信息缺口的诀窍。凭借他们多年的经验，和大批科学家、大型制*公司与生物技术公司达成交易的人肯定有评估项目的技术和商业前景的知识。因此，默克、诺华或礼来公司愿意投资一家生物技术公司的项目，应该表明它的前景是好的，对吗？不一定。制*公司经常在他们缺乏专业知识的领域结盟。此外，在许多情况下，他们在联盟上花费巨大，却收获甚微——或者已经放弃许可最终可能成为重磅*的早期*物。
知识产权货币化制度存在缺陷的进一步证据是，总的来说，生物技术投资的长期回报与巨大的风险并不相称。虽然风险资本基金经历了一些辉煌的年份，个别生物技术股表现突出，但相对于风险而言，总体平均回报令人失望。从1986年到2002年，风险资本基金产生了16.6%的平均年内部收益率。旧金山商业银行Burrill进行的一项分析发现，从1979年到2000年购买所有340只生物技术IPO股票并持有这些股票直到2001年1月(或直到一家公司被收购)的投资者将实现15%的平均年回报率。
整合不同的学科。很大程度上由于生物技术产业的出现,“*物R&D”的工具箱变得更大、更多样化。在20世纪70年代中期，它被一门单一的学科所主导：*物化学。今天，它包括分子生物学、细胞生物学、遗传学、生物信息学、计算化学、蛋白质化学、组合化学、遗传工程、高通量筛选和许多其他学科。这些新工具带来了新的机会，但是每一种工具都只揭示一个非常复杂的难题的一部分。有效地发现和开发*物需要所有的部分走到一起。因此，跨不同科学、技术和功能领域的整合比以往任何时候都更加重要，如果生物技术的科学前景终将实现。整合的挑战不是*物所独有的。几乎所有的R&D都涉及解决多种类型的问题。不仅必须解决许多问题，而且这些解决方案最终必须作为一个整体共同发挥作用。在某些情况下——包括高度复杂的系统，如电子设备、汽车、软件和飞机——一个大的R&D问题可以分解成一组相对独立的子问题，独立解决，然后组合在一起。模块化使专门研究系统不同部分的不同组织之间的劳动分工成为可能，但它通常需要定义明确的接口和标准，这些接口和标准规定了系统的不同组件应该如何配合和一起工作。此外，模块化要求将知识产权编纂成文，并明确定义和保护知识产权。*物开发缺乏这些要素。
*物开发所涉及的众多功能和技术活动大多是高度相互依赖的。一个恰当的例子是确定*物发现的靶标。有待解决的大问题是这种疾病的潜在机制是什么，以及*物治疗可能在哪里进行干预。因为人类生物学非常复杂，目标识别也非常复杂。途径是什么？什么基因可能在起作用？他们是如何互动的？那些基因表达的蛋白质是什么，它们有什么作用？它们的结构是什么？他们中的一个或多个成为“成*性”目标的可能性有多大？回答这些问题需要不同学科的洞察力，包括结构基因组学、功能基因组学、细胞生物学、分子生物学和蛋白质化学，还需要广泛的方法，包括计算方法、高通量实验和传统“wet”biology。
同样的整合也必然发生在开发的更下游，但仍然与其他学科，如毒理学，工艺开发，配方设计，临床研究，生物统计学，法规事务和营销等。通过孤立地单独解决问题来成功开发一种*物是很困难的，如果不是完全不可能的话，因为每一个技术选择(你的靶标、你开发的分子、配方、临床试验的设计、目标患者群体的选择，以及制造工艺的选择)对其他人都有影响。找到解决方案需要不同学科的科学家反复交换大量信息。换句话说，它们必须以高度集成的方式一起工作。
实现整合有两种基本方式。一种是让单个公司拥有拼图的所有必要部分(垂直整合)。另一种是依赖市场的网络，在这种网络中，独立的专家通过联盟、许可协议和合作来整合他们的工作。传统制*行业采用前者，生物技术行业采用后者。大多数生物技术公司的成立是为了让高度敬业的科学家组成的小团队专注于开发一项特定的发现或一所大学发起的工作。结果是成百上千的专业知识孤岛。生物技术部门（sector）严重依赖市场来获取连接这些知识孤岛的技术。然而，有迹象表明，市场并不能促进开发新*所需的信息流动和集体解决问题。
为了以高效的方式运行，任何财产的市场——无论是房地产还是知识产权——都需要定义明确、受到良好保护的权利。强有力的知识产权保护通常存在于软件和半导体中。例如，一段软件代码是一个相当独特的实体，可以受到法律机制的保护，而且它的盗窃很容易被发现。在生物技术领域，知识产权制度更加复杂和模糊。人们通常不清楚什么可以申请专利，什么不可以。此外，最有价值的知识产权往往不是某个特定的分子，而是与该分子如何表现、能做什么、潜在问题是什么以及如何发展有关的数据、理解和见解。这种知识可能更难申请专利。
模糊的知识产权产生了两个问题：首先，它让其所有者对共有知识产权三思而后行；其次，它为围绕共享内容的合同纠纷提供了肥沃的土壤。
Biotech遭受到了两者的损失。前合伙人和合作者之间的诉讼相当普遍。事实上，基因泰克公司和礼来公司的重组胰岛素交易在许多方面成为该行业的样板，最终卷入了一场关于基因技术使用权的法律纠纷---生产人类生长激素的工程技术。在共同开发重组人促红细胞生成素(一种刺激人体产生红细胞的合成蛋白)后，安进和强生就营销权的划分进行了一场激烈的法律斗争。几年后，他们又一次争论这种*物的新版本是一种全新的产品还是原始*物的改进形式。
共享信息的另一个巨大障碍是对*物研发至关重要的许多知识的隐性本质。这种知识无法以书面形式完全描述，因为技术或诀窍背后的因果原理尚未完全确定。这在新兴领域中很常见，但是正如我们将看到的，生物技术中隐性知识的数量阻碍了该领域的学习速度。
促进累积学习。学习对于以科学为基础的行业的长期健康发展的重要性怎么强调都不为过。笼罩着生物技术和*物R&D的深刻而持久的不确定性，意味着已知的东西与有待发现的东西相比相形见绌。新的假设和发现必须不断地被评估，并且必须决定哪些选择应该继续，哪些应该放弃。这些决定必须在有限的知识和经验的迷雾中做出。错误是常见的，不是因为人或公司不称职，而是因为他们总是在知识的边缘跳舞。当失败远比成功更常见时，
就像*物开发一样，从失败中吸取教训的能力对取得进步至关重要。在一个系统或一个行业中，学习可以发生在多个层面上。例如，一个花了几十年时间研究细胞生长因子的科学家将积累了相当多的知识，他工作的实验室将从他的研究以及实验室其他人的研究中学到许多新东西。这种学习不仅是个人知识的集合，也是社区共享的见解。这些知识中的一部分将在组织的程序和方法中正式化，但大部分可能是隐性的。
尽管科学进步了，但是*物发现仍然有一种依赖判断的艺术，本能和经验。例如，单个科学家对一种分子、一种攻击疾病的生物靶标或一种*物在体内的行为的了解不能被编纂或简化为精确的规则——如果X，那么Y。来自实验的数据得到各种各样的解释和意见的影响。对一个研究人员来说，同样一个构成了潜在功效的强烈信号，可能也会让另一个研究人员踌躇不前。
因此，在这样的环境中，分享长期的经验非常重要，分享的广度也非常重要。为了科学的进步，每个拥有解决问题所需专业知识的学科都必须能够利用集体智慧。
不幸的是，生物技术行业并没有从长期的经验中学习。它的知识产权货币化体系再次成为是罪魁祸首。通过刺激初创企业的发展，这一体系帮助创造了一个相对缺乏经验的企业组成的行业。典型的生物技术领域的年轻公司根本缺乏基因泰克进行了30年R&D的过程中积累的经验和能力。新的企业也无法通过经验来学习。他们的金融资源有限，投资者不愿意给他们时间来完善他们的工艺。
最后，专有技术市场阻碍了企业形成长期的学习关系。缺乏明确界定的知识产权是一个问题；联盟的短期合作是另一个问题。太多时候，优先考虑的是交易，而不是建立长期的联合能力。因此，大多数联盟都保持距离，而且相当短暂。根据哈佛商学院的JoshLerner和斯坦福商学院的UlrikeMalmendier的研究，一份典型的合同的期限不到四年——比开发一种*物所需的时间要短得多。此外，这种关系通常以达到特定的短期里程碑为中心；如果缺少一个，联盟可能会终止。总而言之，行业内融合和学习的障碍是巨大的。鉴于这些障碍，生物技术遭遇生产率问题就不足为奇了。
为了处理深刻的不确定性和高风险，允许密切相关的问题解决和利用整个行业学科的集体经验，biotech需要一个新的解剖——一个涉及各种商业模式、组织形式和制度安排的解剖学。开发创新性更强的*物所需的方法与开发创新性较弱的*物所需的方法大不相同。一种尺寸不适合所有人。更合适的解剖可能包括以下要素：
更多的垂直整合。纵向一体化远未消亡，它在制*业的未来将扮演重要角色。这将是最有用的，在追求最科学的创新*物。垂直整合需要一定程度的规模，这意味着成熟的制*公司完全有能力成为整合者。但是这需要改变。大多数大型制*公司都在自己的公司范围内建立了自己的专业知识孤岛，这种存在严重问题的做法可能解释了它们在R&D生产率低下的原因。为了实现他们作为集成者的潜力，他们需要新的内部结构、系统和流程来连接技术和功能领域的专业知识。
更少、更紧密、更长期的合作。联盟将继续成为内部研发的重要补充。考虑到技术变革的广度和速度，没有外部机构——大学和较小的专业生物技术公司——的帮助，即使是最大的公司也无法探索R&D的方方面面。然而，它们之间的合作关系在形式和数量上将与目前在该领域占主导地位的合作关系大相径庭。
对于科学或技术上新颖的项目，建立更少、更深的关系是有意义的。一家制*公司与其一年签40份协议，不如在任何一个时间，只参与五到六份持续五到十年、范围广泛的交易。例如，合作可以集中在特定的治疗领域或目标人群，而不是集中在特定的分子上。这种关系可能会带来更多的专有信息共享、更多的共同学习和更大、更有成效的投资。我们根本不能指望独立企业在专注于短期目标并强调大数法则而非承诺的业务发展框架内分享知识并进行真正的协作。
更少的独立生物技术公司。小型创业型生物技术公司将继续成为这一格*中的重要元素。但独立上市公司将会少得多。公众持股模式只对有收益的公司有效，允许投资者判断他们的前景；根据现有的信息披露惯例，纯粹的R&D企业不属于公共股本领域。
准公共（Quasi-public）公司。上市公司的一个可能的选择是准上市公司。它的股票上市，但一家具有长期战略利益的大公司拥有多数股权。这种关系将为一家公司提供比普通上市公司更强有力的监管，以及一种更长期的监管模式前瞻性和有保证的资金——所有这些都对*物研发至关重要。它还将允许该公司具有相当程度的独立性，并提供股票期权和其他激励措施吸引和留住创业者。由罗氏公司拥有多数股权的基因泰克是现有的为数不多的例子之一。基因泰克的利润一直很高；它的R&D项目是业内最有成效的项目之一；尽管有所增长，它仍然保持了企业家精神和基于科学的文化。
大学的新重点。大学的心态和政策需要转变。他们应该主要关注对科学界贡献的最大化，而不是许可收入和等价回报的最大化。许多关于大学在科学领域活动的争论都集中在专利的影响上，并且提出了一个错误的问题：大学应该为他们的发现申请专利吗？核心问题是大学在多大程度上提供嵌入其专利的知识。他们应该更加谨慎地对基础科学发现授予排他性许可，并支持新公司的创建。将科学交给更多的探索者可能会加快进步的步伐。
“开放”许可使上游发现在合理的经济条件下广泛可用，当技术所讨论的是广泛适用的工具、技术或概念，它们有许多潜在的(但不确定的)开发途径。如果重组DNA、单克隆抗体和其他基本的基因工程技术被一家公司独占，那么生物技术的进步就会大大减慢。当所涉及的技术是特定的，并处于其发展的下游，其价值随着获得技术的机会的增加而下降，并且需要某些补充资产和能力来充分利用该技术时，向现有公司授予独家许可是必要的。例如，如果将一种新的癌症疗法授权给一个在开发癌症*物以及设计和管理临床试验方面都有经验的组织，这种疗法可能会得到更充分的开发。但是，如果这种疗法也被许可给竞争者，那家公司就不愿意投资开发了。只有当技术差异非常巨大，以至于现有公司缺乏开发技术的必要能力时，授予初创企业独家许可才有意义。例如，在一家能够从零开始建立基本能力的新公司内部孵化一项高度新颖的技术，如组织工程，可能是有意义的。
更多跨学科的学术研究。在*物商业化开发中，知识库被分割成高度专业化的领域是整合的主要障碍。比如说，在化学和基因组学方面有很深的知识，但是关于它们之间的联系的知识却少得多。这部分是因为每个学科都有自己的焦点问题、语言、智力目标、理论、公认的方法、出版物以及评估研究的标准。
一些困难可能在于大学用来授予研究基金的同行评审过程。这一过程在确保决策基于科学价值方面做得很好，但是评审者倾向于授予他们自己学科范围内的项目。为了解决这个问题，一些大学在过去的十年里建立了跨学科的研究所，将来自生物学、化学、数学、计算机科学、物理学、工程学和医学的科学家聚集在一起。布罗德研究所是一个研究合作机构，成员包括哈佛大学和麻省理工学院的教师、专业人员和学生，就是一个例子。这种合作是朝着正确方向迈出的一步。
更多的转化研究。顾名思义，这种研究将基本的科学发现和概念转化为具体的产品机会。它将早期基础研究与临床试验联系起来，包括诸如靶标识别和验证、体外和体内筛选等活动，并可能进行一些早期人类临床试验。努力理解干细胞如何分裂和特化是基础科学研究的一个例子。开发关于使用干细胞治疗糖尿病的假设和见解是转化研究的一个例子。从历史上看，转化研究的问题在于，美国国立卫生研究院(NationalInstitutesofHealth)和其他资助基础研究的**机构将转化研究视为应用科学，而风险资本者则认为转化研究风险太大、时间太长。此外，进行转化研究需要对知识产权进行投资，例如新的动物模型，这可能很难商业化，甚至很难保护。
转化研究可以通过两种方式获得资助。首先是将**资助的范围延伸到下游。随着美国NIH医学研究路线图的推出，这种情况已经开始发生，该机构的主任发起了一项倡议，以确定和解决生物医学研究中的主要机会和差距。第二种是通过更多的私人资金。最大的制*公司可以增加对他们自己或与大学合作进行的转化研究的支持。例如，诺华公司一直在追求这两种策略。风险投资也有希望。这些组织往往是私人资助的非营利机构，专注于推进特定疾病的治疗。一些例子是比尔和梅林达盖茨基金会(用于发展中国家的艾滋病和传染病研究)、迈克尔·J·福克斯帕金森研究基金会、多发性骨髓瘤研究基金会和前列腺癌基金会。这些组织在融资和管理与传统的盈利性风险投资家非常相似，但有几个很大的不同:他们有长远的眼光，他们的目标是在治疗上有所作为，而不是在三到五年内将利润返还给有限合伙人。
有了这样的组织形式和制度安排，科学可以成为一门生意。认为生物技术的结构会发生如此彻底的变化，这现实吗？是的，有两个原因。一是我列举的许多元素已经存在，虽然它们仍是例外，它们的成功无疑会吸引追随者。另一个是，进化是商业的常态。重大技术创新的时代伴随着工业设计的转型创新。例如，铁路和电报系统的发展，需要巨大的投资和复杂性的运营管理，产生了现代公司，它将所有权(股东)和经营权(受薪专业人士)分开。在过去的一个世纪里，现代公司一直在不断发展。例如，20世纪下半叶，风险资本在美国的出现，帮助产生了在半导体、软件、计算机和通信领域发挥关键作用的企业组织。
我们可以希望，biotech也能得到类似的发展，并像纳米技术等基于科学的新兴企业一样创造一个模式。经过30年的实验，很明显，biotech并不仅仅只是另一个高科技产业。它需要一种与众不同的解剖学——一种既能满足科学需求又能满足商业需求的解剖学。只有到那时，它才能实现彻底改革*物开发、征服最棘手的疾病并创造巨大的经济财富的目标。
参考资料：
有谁那有好一点的基金软件？
用Wind资讯理财终端吧，权威！！！
上新！基金优选
上线
啦
基金优选
“基金优选”模块操作指南
1
一、什么是基金优选？
基金优选是天狼软件全新上线的模块，是用来筛选基金，观测基金风险收益的工具。在这里，你可以根据基金类型、基金公司等基础条件筛选基金，也可以根据关注的行业板块反选基金。基金散点图能告诉你，你的基金风险收益如何，是否战胜了市场平均水平。
基金优选模块在灵动版、决胜版和野狼3000版本展示。
2
基金优选模块如何配置？
基金优选模块在决胜版本中展示的区域是【基金模块】的【基金优选】界面。
配置方法：
点击软件右上方的【设置】按钮，在管理页面组中点击【基金】，在可选页面栏中找到【基金优选】，再点击弹窗中部的左箭头图标，将选中的指标加入配置列表中，完成后点击【退出】，新指标就显示在基金界面中了。
3
基金优选模块如何选基金？
1.根据基础条件选基
分析对象可设置为：自选基金、全部基金、代销基金等，也可以根据基金公司、基金类型、基金市场等条件进行选择。
2.多条件选基，如：代销+某基金公司
工具--自定义基金--板块运算--勾选代销基金+勾选某基金公司--选择“交集”--保存--确定--命名--确定
3.根据股票板块选基
分析对象设置为【全部基金】，在股票板块解析处选择关注的板块（可多选），则十大重仓股中包含选中的“某板块或者某板块”的基金就会展示在下方。如需查看某基金重仓板块情况，可移至十大重仓持股处查看。
4.散点图捕获选基
在散点图中选择想进行分析的样本，选择捕获按钮，如：自由捕获、圆形捕获、矩形捕获、点状捕获等，通过样本基金在散点图上的位置进行捕获，如：捕获牛蛙基金
5.自定义板块选基
工具--自定义板块--板块运算--勾选想要合并的板块--并集--保存--确定--命名--确定--板块解析设置--选择想要解析的板块。
感谢阅读
更多精彩内容，关注狼帅小助理直播！
江苏高校创业图谱 南京航空航天大学篇 | 互联网创投圈豪华同学录-搜狐
在四月份的尾巴上，第四期豪华同学录——“江苏高校创业图谱·南京航空航天大学篇”如约而至。
“效法羲和驭天马，志在长空牧群星”。南航校歌中的歌词所诠释的正是南航人矢志航空、砥砺奋进的精神。
在这样一所以工为主、理工结合的高等学府，你所看到的，仅仅是男女生数量对比悬殊、国内航空技术领先？又或者是历届校友在学术界牛人无数、政界叱咤风云就完了吗？
南航校友在商界看似短板，实则不然。创客君经过整理发现，南航的商业圈一样是卧虎藏龙、暗潮汹涌。跟其他高校相比，丝毫不逊色的呀。
下面，就跟着创客君一睹为快吧。欢迎重戳创客君补充名单~
1、阎焱：赛富亚洲投资基金创始管理合伙人
投资领域：互联网、医疗健康、制造业、文化娱乐体育、教育、金融
简介：1982年毕业于南京航空学院飞机系。1984年，考入了北京大学社会学系攻读费孝通老先生的研究生。1987年研读美国普林斯顿大学国际**经济学博士学位，1990年底，完成普林斯顿学业的阎焱进入世界银行工作。2001年，任软银亚洲信息基础投资基金总裁及执行董事总经理。2004年至今，担任赛富亚洲投资基金创始管理合伙人。投资项目包括58同城网、青牛软件、盛大娱乐、ATA、雷士照明等。
2、计越：红杉资本中国基金合伙人
投资领域：互联网、移动互联网、文化娱乐体育
简介：计越（StevenJi），红杉资本中国基金合伙人。在2005年加入红杉之前,曾在华登国际、祥峰投资、CIV风险投资公司负责过多个项目的投资。计越还曾是希捷科技中国区的首批职员，担任过多个不同的管理职位。计越先生拥有中欧国际商务学院MBA学位，南京航空航天大学工程学学士学位。
3、倪泽望：深圳市创新投资集团董事长
投资领域：制造业、高科技行业、服务业、物流业等
简介：2015年加入深圳市创新投资集团，高级工程师。南京航空航天大学机械设计制造专业全日制博士毕业，在职获得中山大学企业管理专业博士学位。曾任深圳华为技术有限公司副总工程师、深圳泰康信工业有限公司总经理。1997年进入深圳市机关工作，先后担任罗湖区科技*副*长、*长、副区长、常务副区长、区长、区委书记等职。
4、刘卫国：中兴合创总裁
投资领域：互联网、移动互联网、文化娱乐体育、金融、文化娱乐体育、硬件
简介：任中兴合创总裁，拥有6年的制造型企业技术和生产管理经验，超过12年的投资银行和私募股权投资经验，于2011年初加入中兴合创；1999年起，先后加入湘财证券股权投资部，泰阳证券投资银行部，京华山一证券（香港）投资银行部从事股权投资，企业A股、港股上市保荐融资，并购咨询等顾问服务；2009年起任中南成长投资管理公司副总经理，主导完成超过6亿元的多个股权投资项目；1991年获得南京航空航天大学工学学士学位，1999年获得湖南大学管理学硕士学位。
1、吕新奎：CETC（中国电子科技集团）主要创始人
简介：1963年于南京航空航天大学遥信遥测专业毕业并参加工作。信息产业部前副部长，中国互联网奠基者之一，CETC（中国电子科技集团）主要创始人，前任公司总经理，全国政协委员。
2、梁超：YOHO!有货创始人及CEO
简介：2002年南京航空航天大学毕业后加入南京电视台做了电视节目编导；2004年离职后开始创业。YOHO!有货，是一个潮流品牌商品销售平台。借助中国潮流产业的发展和YOHO!在平面媒体、网络社区、线下活动等产品的推广，目前已有200多个品牌“入驻”销售。最新D轮融资达1亿美元。
3、童永胜：深圳麦格米特电气股份有限公司创始人
简介：浙江大学博士后，南京航空航天大学航空电气工程博士。96年加入华为电气，主管研发、市场。随后加入艾默生任副总裁。2005年离职创办麦格米特电气，是一家以电力电子及工业控制技术为核心，立志成为全球一流的电气控制与节能领域的方案提供者。业务涵盖智能家电、工业自动化、定制电源三大领域。获首批国家级高新技术企业。
4、高云峰：大族激光科技产业集团股份有限公司董事长
简介：毕业于北京航空航天大学飞行器设计专业，后任职于南航。1996年创办大族激光公司，主要领域在激光加工设备的研发、制造及销售。2002年公司激光信息标记设备国内市场占有率达到71.96%，2004年成为国内首家以激光为主业的上市公司，现已成为全球激光信息标记设备产销量最大的公司之一。
5、姚军红：大搜车创始人及CEO
简介：南航毕业，神州租车创始团队成员、前执行副总裁。大搜车是一个专业的O2O模式二手车交易服务提供商，此前主打线上信息、线下门店撮合，而后发展为与4S店合作，先后推出了车牛、大风车等产品，去年C轮融资2649万美元。
6、单丹丹：福佑卡车创始人、CEO
简介：南航毕业，2004年创立福佑物流；2011年创建网上订餐平台——筷乐777；2014年，打造出全新的物流O2O平台——福佑卡车，福佑卡车是一家第三方长途整车物流O2O服务提供商，主要定位于大体量、高价值的货物，将货主、经纪人和司机通过福佑卡车的平台进行连接，完成货物与车辆的智能匹配与运输。最新B轮融资1亿人民币。
7、张磊：车车科技、一块超级电话创始人
简介：南航毕业，前点心移动创始人兼首席执行官，前百度无线核心成员，曾在华为从事电信领域业务和软件的开发管理。车车车险是一家为车主提供车险智能推荐引擎的互联网公司，A轮融资1亿人民币。Yeecall一块超级电话是一个手机上的超高清免费电话应用，支持多人通话、趣味互动涂鸦，A轮融资数百万美元。
8、陈嘉榕：微猫、上海微麦电子商务创始人及CEO
简介：上海同济、南航毕业，此前曾担任创新工场投资总监、微软MSN（中国）副总经理等。微猫是一个社会化电子商务服务平台，以社会化媒体为切入口帮助商家建设“微店铺”，将商品信息和购买行为碎片化渗透进所有的社交网络。16年1月份A轮融资数千万人民币。
9、霍俊：xFcycle斑马智能自行车联合创始人
简介：南航电子工程专业毕业，xFcycle斑马智能自行车是一个智能出行设备，以健康骑行为基础，基于人体工程学设计，集成了能量回收系统、GPS定位安防系统、低功耗蓝牙、云服务专家系统、MEMS传感器系统等，隶属于北京缪斯众智科技有限公司。
10、陈浙涛：拍我网联合创始人
简介：南航毕业，拍我网天使轮投资获得数百万人民币，是一个摄影作品分享及摄影师服务对接平台，面向自由摄影师、摄影工作室提供服务，隶属于杭州捕光捉影科技有限公司。
11、刘洋：繁星优选创始人、CEO
简介：2007年毕业于南京航空航天大学日语（国际贸易）专业。毕业后任职简伯特集团。2009年第一次创业，创立了对日跨境电商桑弘羊，积累了丰富的实战经验。2011年远赴京都大学攻读大学研究生，待了一年半，刘洋退学再次创业。而后创立繁星优选移动电商平台，繁星优选是一家提出永远不卖广告位的社群电商平台，主打网红电商模式，打造了五岳散人、王小山等名人电商。
12、傅尚斌：米么金服CTO
简介：拥有8年IT开发经验：2008年之前经历1年半的web网站开发，之后的3年里涉足移动互联网行业，经历了2008、2009年的symbian时代，见证了android和ios智能手机的风生水起。2012年从事手机平台软件工作，2013年从事linux平台终端设备软件开发。拥有南京航空航天大学学士学位，信息与计算科学专业。
14、张伟：原型金融CSO
简介：CFA（特许金融分析师）/金融投资与工商管理双硕士，先后在摩根士丹利、平安证券、美联融通、南方航空等知名企业担任分析员、投资顾问、产品总监等职位；拥有南航运输管理学士学位，北航工商管理硕士学位及英国埃克赛特大学金融与投资硕士学位。原型金融是一个以O2O社区为核心，覆盖金融、消费、支付以及征信四大板块的平台，专注大学生、演艺等新兴市场和具有爆发力的产业。
15、张井奇：车萌、惠i车创始人
简介：毕业于南京航空航天大学，曾任职飞机维修技术员，并曾就职于海航集团战略部门。车萌是一款汽车卡通头像制作应用，功能上类似“脸萌”，但其应用场景专门定位于汽车。惠i车是一家提供汽车后服务的初创公司，主打上门保养与维修服务。
16、俞文锋：杭州森动数码科技有限公司CEO
简介：南航毕业，森动数码致力于交互、3D、识别领域的技术研发，旗下产品包括3D互动虚拟试衣间等，隶属于杭州森动数码科技有限公司。
17、路意：AuraMarkerStudio联合创始人及CEO
简介：南航毕业，2004年-2012年在华为工作，担任消费者UCD中心负责人，2012年离职创业。AuraMarkerStudio是一家移动应用开发商，产品有手绘艺术家、记Zine等。
18、黄利：南京爱西柚网络科技联合创始人及COO
简介：南航毕业。南京爱西柚网络，致力于提供全方位的移动客户端项目解决方案，产品有噢粑粑（一款智能手机软件，主要功能为寻找身边的公厕）、我爱明信片、照妖镜等。
19、林炳春：优容网创始人及CEO
简介：南航毕业，曾在华为技术做了3年软件开发、2年海外市场销售。优容网，一家专注于化妆品行业的社会化电子商务平台，为网购女性提供一站式购前资料收集、购买渠道筛选和比价服务。
20、顾建兴：深圳市记我账上网络科技有限公司联合创始人及运营副总裁，中酒网CEO
简介：毕业于南航，“记我账上”是一个提供“消费垫付”先买后付的电子商务网站。中酒网是一个中高档酒类商品B2C和O2O电子商务服务商，主营国产中高档白酒、红酒、进口红酒和洋酒等，15年青青稞酒投资1.44亿元收购中酒网90.55%股权。
21、刘川：乾贷网联合创始人
简介：南航78级校友，创建贵州省中小企业服务中心旗下的互联网金融P2B平台，乾贷网的控股机构是民营非企业、公益性的非营利组织——贵州省中小企业服务中心。平台于2013年上线，到15年交易额将近7亿元，在投余额3.5亿元，有5万多人加入乾贷网。
22、田凤柱：航达科技公司创始人
简介：现南航大四学生，看准我国农村植被保护采用无人机作业的大趋势，凭借着遥控喷*飞机专利和南航无人机研究的优势，他致力打造无人机植保机系列产品。从2012年开始自主创业，到2015年底，平均年营业额已经突破百万。
23、王剑：我要拜师网络科技有限公司创始人
简介：南航硕士，该项目于2015年6月在南京工商*登记注册，公司注册资本50万元，采用互联网进行教学，主要依托专业、系统的教学体系和教材进行课程的录制和投放，实现学生与教师分离，实现学习的场所和形式灵活多变。目前，该项目培训学员人数达6000人次。
24、童敬宇：南京水幻之音信息科技有限公司创始人
简介：去年从南京航空航天大学自动化专业毕业，和相识五年、同样爱音乐爱游戏的美国普渡大学的陈潘天乐一起策划了一款可以“承载音乐”的游戏。历时一年，《zion载音》一上线就赢得了日均1万的下载量，一度进入AppStore付费排行榜前三。
25、赵成玮：南京捌零零网络科技有限
转载请注明出处品达科技 » 优选基金的软件吗(知耕优选 | 找准交叉学科“科学学”转化成生产力的定位，搅动经济变革风云 - 知乎)