任正非在一次采訪中表示，目前華為至少有 700 名數學家、800 多名物理學家、120 多名化學家、六七千名基礎研究的專家以及六萬多名工程師，這是華為近些年來快速發展的攻堅力量。 那么，華為作為一名企業，真的有那么多數學家、科學家嗎？甚至有人說，華為的科研力量已經比清華北大、中科院等985高校和科研院所都強大了，事實真的如此嗎？
這篇文章，站長就簡單聊聊華為的科研力量。
華為的科研力量01 華為的科研設施
和中科院一樣，華為有遍布北京、上海、西安、南京和武漢等地的各大研究所，這些研究所的定位不同，負責的產品線也不一樣：
南京研究所： 專注于業務軟件，數據通信兩大領域的解決方案和關鍵技術的研發。
上海研究所： 無線網絡設備，終端旗艦智能手機，海思移動芯片產品和新能源業務。
杭州研究所： 智能攝像機、以及網絡云研發。
北京研究所： 聚焦數據通信金屬的研發。
武漢研究所： 背靠中國光谷，專注于光容量研發和終端研發。
西安研究所： 云計算，大數據，無線網絡，固定網絡，手機手表手鏈等領域。
成都研究所 ：存儲研發，無線二次研發，傳輸研發。
除了國內各大研究所外，華為還在 德國、瑞典斯德哥爾摩、美國達拉斯及硅谷、印度班加羅爾、俄羅斯莫斯科、日本、加拿大和土耳其 等國家建立了8個境外研究所，主要依托當地的大學進行產學研合作。
比如， 俄羅斯 在無線射頻領域居于世界領先地位，華為早在1999年就在俄羅斯設立了數學研究所，吸引頂尖的俄羅斯數學家來參與華為的基礎性研發。
2001年，華為在 硅谷和達拉斯 設立了兩個研究所，因為美國是CDMA、數據通信和云計算的發源地。
隨后，華為在 瑞典斯德哥爾摩 設立了3G技術研究所，因為瑞典是3G技術的發源地，這里的愛立信是3G技術的領導者。
此外，華為在 德國慕尼黑 的研究所現在已經擁有將近400名專家，研發團隊本地化率達到了80%。
華為除了上述研究所外，還有一個直屬總部的實驗室——2012實驗室 。這個實驗室主要面向的是未來5-10年的發展方向的研究，比如新一代通信、云計算、音頻視頻分析、數據挖掘、機器學習等，2012實驗室以世界著名的數學家命名，比如 香農實驗室，高斯實驗室、謝爾德實驗室、歐拉實驗室、圖靈實驗室 等。
02 華為的科研人員
截至2019年底，華為的全球員工總數高達19.4萬人，其中科研人員約有9.6萬人，占總人數的49%。
而在這9.6萬明研發人員中，包括 700名數學家、800多名物理學家、120多名化學家、六七千名基礎研究的專家以及六七萬名工程師。
如此龐大的研發人員力量，比中科院的科研人員數量還要多（不過說實話，中科院的科研人員博士占比更高）。
截至2015年12月31日， 華為加入了300多個標準組織/產業聯盟/開源社區， 擔任超過280個重要職位， 在IEEE- SA、ETSI、WFA、TMF、OpenStack、Linaro、OASIS和CCSA等組織擔任董事會成員。2014年提交標準提案超過4800篇，2015年提交提案超過5400 篇，累計提交提案43000余篇。
03 華為的研發投入
作為一個 科技 型企業，華為每年投入研發費用的 20%~30% 用于基礎科學研究，去年有近 900 億人民投入了研發，早就進入了研發開支世界前十的行列。
按照20%的基礎研發占比來計算，意味著華為每年將有200億左右的費用投入基礎科學研究。
那么現在200億左右的基礎科學研究到底是個什么概念呢？下表是2017年國內大學科研經費的排名情況：
是的！ 這個200億元超過了國內科研經費TOP5大學的總和！
華為為什么要關注基礎科學研究？關于華為要招聘頂尖數學家和物理學家的原因，任正非在一次采訪中給出了答案，那就是華為目前在通信領域已經超越了老牌公司，走在了最前面，按照任正非的話說就是已經進入了“無人區”。
而在這一階段，通信技術要想在向前進一步，就要在數學和物理、化學等基礎學科上下功夫，而不是局限于現有的理論進行縫縫補補。
而現在無論是國內高校還是國外高校，在這一領域都還沒有可以直接拿來用的理論，所以華為只能招聘數學家自己去研究。
上面一圖是華為任正非總裁接見了Polar碼的發現者Erdal Arikan教授，并給他頒獎。
華為真的能比肩中科院和清北院校嗎？很多人認為，華為無論是在基礎科學的資金投入、科研人員投入還是實驗室數量上都頗具規模，甚至有人認為，華為的科研力量已經超過了中科院和清北一票高校，那么，事實真的如此嗎？
科學驛站認為，事實并非如此。
華為作為一個公司，盈利是企業的基本目標，而基礎科學研究并不像工程研究一樣，可以在短時間內反哺工業設計，帶來可預期的利潤。無論是數學還是物理學，它們的研究成果可能要經過上百年的時間才能驗證，而等到可以應用于產品，則又要經過上百年時間，能花這么上百年時間進行持續投入而不求利潤回報的，只能是以財政作為支撐的科研院所。
這也就決定了華為任正非所說的數百名數學家也好，物理學家也好，絕大多數是工程應用型人才，重點在于幫助企業解決一些研發難題。而中科院的數學家則是進行理論研究和 探索 ，實際應用能力不強。
正如數學家 丘成桐 質疑華為有700名數學家的真實性一樣，任正非所說的數學家應該只能算數學工程師，而不是真正的數學家。
所以，華為的研發能力是很強，但在理論研究方面，與中科院及清北高校相比還是遜色不少的，而我們目前最應該做好的，就是讓像華為一樣優秀的 科技 企業與科研院所通力合作，真正做到“產-學-研”的融合。
謝謝您的問題。華為有很多數學家、物理學家，說明任正非極其看重數學、物理等基礎科學作用。
我們普遍認為物理學家，化學家，數學家都應該在大學課堂，研究所；而在企業，似乎難以理解。而在華為，至少有700名數學家、800多名物理學家、120多名化學家、六七千名基礎研究的專家、六萬多名各種高級工程師、工程師……
華為，感覺就是“企業大學”，因為在華為18萬的員工中，有8萬研發人員，而在公司占比45%左右，而在十年的投入研發費用超過了3940億元，可以說華為的研發從來沒有停過。而，華為的物理學家，化學家，數學家等等，其實都是為了讓華為能夠在競爭中獲得消費者的認可。
我們知道在1月24日，華為發布了5G基站芯片，天罡。而截止到24日，華為已經在世界簽訂了30份合同，出售了2.5萬個基站。可以說華為的5G成果，是華為在這些年的沉淀而獲得。任正非可以驕傲的對媒體說：全世界能把微波和5G同時做好的，只有華為。
其實，華為注重對數學家，物理學家，化學家的注重，更說明了華為對于研發的投入，而華為的發展并非一朝一夕的成就，它是是 科技 深耕，花大時間投入的結果，而重視教育就是一個企業能夠長久深耕必須要堅持的內容。
說到華為的數學家，物理學家，化學家，就不得不提一下，曾經的通信業里的圣殿--貝爾實驗室。
在通信業里，曾經有一個實驗室，被稱為通信業里的圣殿，那就是AT&T旗下的貝爾實驗室。
貝爾實驗室，是商業科研的頂峰，它曾經的地位，可以說是全部的通信業研發人員向往的圣地。
美國貝爾實驗，是晶體管、激光器、太陽能電池、發光二極管、數字交換機、移動通信網絡、數字計算機、通信衛星、長途電話網絡、有聲電影、立體聲等多個影響人類文明進程的重大發明的發源地。
同時，計算機行業的UNIX和C語音也是出自貝爾實驗室。
貝爾實驗室一共獲得了8次諾貝爾獎，其中7次是物理學獎，1次是化學獎。
無線天文學的發源地也是貝爾實驗室。
通信業里比較公認的美國通信業的衰落的一個非常重大的原因，就是AT&T被拆分，而導致貝爾實驗室研發資金不足，從此才開始了美國通信業失去了把持通信業發展方向的能力。
足夠的利潤足以支撐華為投入巨大的資金進行研發，而研發投入也是華為可以保持行業領先的關鍵。華為是全球第一大通信制造業企業，在全球的通信業里具有非常高的地位。在多個涉及通信業的領域之中，華為都保持著全球領先的水平。
在當下最熱門的5G領域，華為也保持著全球第一大的標準必要專利所有者的地位，這也是華為持續投入研發的結果。
而通信業的研發，是離不開數學、物理這些基礎的理論的，數學和物理是通信業的基礎。
而化學則是一次材料學的基礎，對于華為的產品的性能也可以起到很強的促進作用，也讓華為的產品的適應性更強大，現在華為的產品可以遍布全球，也有化學家的努力在里邊。
總而言之，華為有著很高的利潤，可以養的起很多的物理學家、數學家、化學家，而這些科學家的研發，也可以反哺華為，使得華為保持著通信業里的領先地位，這是一個互相依存，互相促進的共贏。
華為能有今天的偉大成就并非一朝一夕得來的，歷經了常人難以想象的磨難！創始人任正非身患癌癥、糖尿病等幾種疾病，企業差點被自己培養的接班人、任正非最為器重的干兒子李一男打垮！任正非不止一次的想自殺，2003年華為賣身摩托羅拉的協議都簽好了，摩托羅拉后來反悔了，華為詮釋了一句名言：所有偉大的背后都是苦難！
華為很多年前年前就開始大規模投入研發了！華為真的是把歐美人喝咖啡、度假的時間用來埋頭研發！多年的艱苦研發、從別人看不上眼的基礎數學、基礎物理、化學、算法、統計學開始孜孜不倦，歷經千辛萬苦，最后形成大量專利技術的積累，才有今天的厚積薄發，水到渠成！
華為擁有相當牛逼的、獨一無二的財散人聚的利益分配機制，配合永遠以客戶為中心的價值觀，佛擋殺佛、神擋殺神的兇猛的狼性文化，加上高薪水、巨額研發費用、巨額收入、高瞻遠矚的超前眼光、敏銳的市場嗅覺、劃時代的企業戰略、提前布局未來，企業競爭力達到了恐怖級別！
華為擅長整合全球最好的資源，這點也很厲害！華為聘請了世界生產管理最牛逼的豐田退休高管做精益生產顧問，述職制度是挖微軟高管來搞的，高薪聘請了不少俄羅斯的世界頂級數學家！財務顧問是鼎鼎大名的世界四大會計師事務所之一的畢馬威！
華為不僅僅手機、芯片、電信設備牛逼，華為在云計算、物聯網、人工智能(AI)、大數據等新ICT領域持續創新，數據