12级物理学系博士毛宏亮：从计算生物学到大模型，在数据浪潮中寻找确定性
文章来源： 2026年寒假复旦大学校友走访活动
走访同学：计算与智能创新学院颜家勉
毛宏亮， 2012年进入复旦大学物理学系攻读博士学位，现在互联网企业从事大模型相关工作。
1、能否请您简单介绍一下您的求学经历？
我本科学习的是电子工程专业。2012年通过保研面试进入复旦大学物理学系攻读博士。当时正值生命科学研究范式转型的窗口期，我发现传统的“湿实验”（实验室操作）并非我所长，而随着测序技术的发展，产生了海量的生物学数据。利用数学建模和数据分析来解释生命现象的“干实验”——即计算生物学，当时处于上升期。
复旦物理学系有着深厚的学术积淀，我在研究生期间主要致力于构建生物分类模型，并开发相关的生物信息学软件，成果发表于行业顶级期刊。从电子工程到计算生物学，再到后来的互联网算法，虽然研究的领域有所变化，但核心逻辑始终是一脉相承的：以数据为驱动，用计算寻找规律。
2、在复旦期间，母校的哪些经历对您的学术或职业道路产生了关键影响？
博士五年的磨砺，对我性格和思维方式的塑造是根本性的。我印象最深的就是高年级时的“探索焦虑”。当时为了产出高质量的学术成果，曾长达大半年陷入进度停滞的痛苦中。这种在黑暗中摸索、不知道前路何方的状态，其实是博士阶段的常态——你是在人类知识体系的边缘尝试推开一扇小窗，前面没有光，你必须学会忍受寂寞与焦虑。
幸运的是，在导师的指导下，我最终实现了“软着陆”。郝老师常和我们分享他看待事物的方式，这种宏大的学术视野让我受用终身。复旦带给我的不仅是技术，更是一种“计算直觉”。无论是物理、生物还是AI，我一直专注于数据与计算本身。
3、从学术界转向互联网工业界，您经历了怎样的职场演进？
2017年毕业时，我选择了进入工业界。最初从事数据挖掘相关工作，那时候“深度学习”刚刚爆火。包括现在我在互联网企业从事人工智能领域相关的工作。我的职业路径可以说与时代的浪潮息息相关：从最初的特征工程，到深度学习框架，再到2022年底ChatGPT爆发后的大模型浪潮。目前我主要负责大模型的“安全对齐”相关工作，简单说就是通过训练，让大模型在对话中不生成违背人类价值观、道德观的内容。
4、在互联网大厂从事研发工作，与在学校做科研最大的区别是什么？
最大的挑战在于“协同成本”。在学校，我的三个核心工作基本是我和导师两个人就搞定了，关系简单。但在大厂，大模型的生产是一条极长的链路：算力调度、数据清洗、预训练、后训练、测评、部署。你可能拥有上万张GPU显卡的集群资源，但你也面临着巨大的沟通成本。
现在的AI研究越来越依赖资源。顶级的工作往往出自像OpenAI、Google DeepMind或者国内的“大厂/独角兽”。作为一个研究者，你必须适应这种从“单打独斗”到“大规模兵团作战”的转变。
5、您对想要从事大模型相关工作的复旦学弟学妹有何寄语？
第一，要关注数据。这是对做科研的建议，即便现在是大模型时代，也不要只看模型曲线，一定要亲自去抽样看原始数据。如果你不理解输入，对模型的理解永远是不够的。
第二，在大模型浪潮中寻找“卖水人”的机会。当所有人都在挖金矿时，去思考产业链的上游或下游也是一个好选择。当大模型行业爆火的时候，考虑其上下游相关岗位作为自己的职业发展也是一种不错的选择
第三，充分利用实习机会。如果你想进工业界，可以去头部的行业公司实操半年以上，看清楚这个行业到底在发生什么，这样有利于更好决定自己的职业生涯规划。
