当宗福季教授回顾自己的职业生涯时，他看到的并非一条从工程学到统计学再到人工智能的直线路径。相反，他看到的是一系列早年播下的“种子”，每一颗都成长为一种思维方式，定义着他在工业工程、质量控制以及跨学科创新领域的工作。
“回顾我的历程，”这位工业工程与决策分析学系讲座教授反思道，“我意识到，跨学科方法的种子早在我成为研究者之前就已播下。这并非刻意设计，而是通过一连串的好奇心最终汇聚而成。”
这种连接不同领域的直觉始于他的学生时代。在竞争激烈的教育体系中成长，他考入了所在城市最负盛名的高中。虽然数理成绩优异，看似注定要走上传统工程道路，但高中经历却悄然转向。
“回顾我的历程，”这位工业工程与决策分析学系讲座教授反思道，“我意识到，跨学科方法的种子早在我成为研究者之前就已播下。这并非刻意设计，而是通过一连串的好奇心最终汇聚而成。”
随后他在密歇根大学攻读工业与运筹工程研究生，该专业与底特律汽车产业紧密相连。
本科期间，他循规蹈矩地选择了机械工程专业。但随着阅历增长，他的视野逐渐开阔。“机械工程关注的是单一机器，”他解释道，“而工业工程则将整个工厂视为一个系统。这就像拉远镜头——你既能看到机器本身，也能看到它在更大整体中如何运作。这种视角转变改变了我此后处理每个问题的方式。”
他至今记得一位老师曾引导他领略美学的深邃本质。“我读过一本关于‘美’之定义的严肃著作，这本书以中华文化脉络为框架展开论述，”他说，“当时这纯粹是兴趣使然。我未曾料到，这种跨越技术领域与文化疆界的能力，日后会成为我职业生涯的鲜明印记。”
“我被分到了中文文学特长班，”他微笑着回忆道，“当时人们普遍认为数理成绩好代表智商高，所以我一直低调地保持着对文学的热爱。但每周我都会去国学社听文化哲学讲座，那是我对跨学科思维产生兴趣的起点。”
“密歇根当时确实是汽车工业的中心，”他指出，“大多数工程创新都植根于那个生态系统中，我很幸运能在那里学习如何解决真实世界中的实际问题。我的论文与汽车制造相关，而今天我所做的一切都源于那些基础。”
正是在这里，他学到了至关重要的一课：研究的价值取决于它解决的问题。他避开了抽象理论的陷阱，更愿意在车间一线工作，因为那里的质量和可靠性挑战是具体而紧迫的。
暂驻一所年轻学府
后来，当他在已故的创系主任曾明哲教授面试后收到年轻的香港科技大学的聘书时，这个决定并不简单。“当时美国经济强劲，就业前景广阔，”他回忆道。但科大的邀请出乎意料且极具吸引力。“我必须在工业界和学术界之间做出选择。我和妻子决定冒险一试，想着在香港待几年，积累经验，再看看下一步怎么走。这一待就是将近 30年。”
当时，香港科技大学是一个雄心勃勃但尚未得到验证的项目。“我们不知道未来会怎样，”他说，“但我们认同打造‘亚洲麻省理工’的愿景。”回顾在校园度过的三十年，他坦言，最终让他留在这所大学的是这里的人，当然，坐落在香港最壮观海景之一的山坡上的美丽校园也功不可没。
“总而言之，我与学生们建立的相互信任，以及伴随这所机构共同成长的经历，是我最引以为傲的，”他笑容满面地说。
“成长”这个主题是他经常提及的。他并不将自己的任期视为一个静止的职位，而是一段共同演进的时期，在这期间，他和大学都学会了如何从一个大胆的想法，蜕变为一个享誉全球的发现引擎。
从质量到人工智能：学科的演进
如今，宗教授身兼多职，包括质量与数据分析实验室（QLab）主任、工业信息与智能研究所（Triple-I Institute）联合所长，以及香港科技大学—香港生产力促进局工业人工智能与机器人联合研究实验室（INAIR）副主任。但他并不执着于头衔，反而将研究成果视为最引以为傲的成就之一。
长期以来，他的研究聚焦于质量工程与统计过程控制。近期，他荣获 2025 年休哈特奖章——该奖项常被誉为“质量控制领域的诺贝尔奖”，以及 2025 年乔治·L·史密斯国际工业工程推广卓越奖。这两项殊荣既表彰他在提升工业系统质量方面的开创性工作，也肯定了他卓有成效的学术领导力。“我的工作就是质量控制，”他解释道，“用医学术语来说，我们监测系统以检测变化——从‘受控状态’到‘失控状态’的转变——从而提供早期预警。”
他强调了工作中的三大核心支柱：掌握复杂多阶段系统、驾驭高维工业大数据，以及融合人工智能实现智能制造。他开发了先进的流程监控与诊断工具，这些工具运用异常检测、多模态分析和物理信息模型。目前的研究重点在于将人工智能扎根于工业现实，强调关键的安全护栏与高影响力转型。
“数据已变得日益复杂，”他说道，“它不再仅仅是数字，还包括图像、文本和视频。虽然人工智能极为强大，但我们必须记住，若要在真实的工业环境中应用它，仍存在需要弥合的差距。这并非易事。人类的判断必须始终参与其中。”
他强调，目标不是为了自动化而自动化，而是将工业数据转化为“可靠、可信的智能”。他深知，在工厂环境中，人的安全和经济损失息息相关，对错误的容忍度实际上为零。因此，他对人工智能的态度是保守的，侧重于设置防护措施和可解释性，而非不受约束的黑箱模型。
构建跨学科社群
除了研究工作，宗教授还因其多项领导职务而备受赞誉，包括对香港科技大学（广州）发展的深远影响。作为港科大（广州）信息枢纽的创始署理院长，这成为他职业生涯的转折点。
“我协助招募了广州校区信息枢纽的首批 50 名教职员工，从零开始建设这个学院，”他说道，“与这些杰出人才的交流让我有信心弥合工业实践与人工智能之间的鸿沟。”
他在广州的另一项重要贡献是创立了“Triple-i 研究院”——这是对工业领域复杂挑战的自然回应。该研究院涵盖工业大数据、工业智能、工业物联网及工业碳中和等研究领域，旨在推动智能化转型并提升产业竞争力。
“有时候，跨学科工作的愿景并非刻意设计而成——而是应运而生，因为当今我们面临的问题需要同时运用人工智能、机器人技术、数据科学和制造业等多领域专业知识。”他指出。
秉承创校校长的愿景，他打破了各学域／学系之间的壁垒，建立了一个促使研究人员必须直面产业驱动型任务现实的研究中心。他坚信最重大的突破往往诞生于“交叉地带”，而在香港科技大学（广州）任职期间，他致力于确保这些交叉地带不仅是理论层面的存在，更是通过联合实验室、共同目标以及持续的跨学科协作得以实现的实体空间。
教学作为一种设计哲学
宗教授是一位热忱的导师，他认为教学是一门需要不断革新的技艺。“我真心热爱教学，”他说道。回顾与斯坦福大学长期合作的全球制造联合课程——该课程始于 1995 年，后经他参与得以延续并重塑——他回忆道：“这是一个高强度的项目，学生们跨洲协作解决真实的工业问题。无论对学生还是教授而言都充满挑战，但合作企业非常重视它，因为学生们产出了真正有用的创新成果。”
学生们往返于香港和美国之间，直接与行业赞助方合作，亲身体验了应对复杂且高风险工程挑战的意义。对宗教授而言，这印证了他的信念：工程教育必须超越课堂，深入真实系统。
香港科技大学—斯坦福全球制造联合课程的学生与教职员工。照片分别摄于 2013 年的香港科技大学（左）和斯坦福大学（右）。
同样具有深远影响的是他在担任工业工程与决策分析系主任期间（2009—2015 年）于2013 年夏季引入的设计思维课程。受斯坦福大学类似课程的启发，他开创性地与中国美术学院展开合作——这在当时是工程师与艺术家之间非同寻常的跨界协作。许多人质疑这两种文化能否产生有意义的碰撞。然而在他的引领下，科技与艺术专业的学生并肩协作，共同开发出兼具技术可行性与美学感知力的项目。
“与中国美术学院的设计思维合作令我尤为难忘，”他回忆道，“因为这提醒工程专业的学生：美学、共情与匠心同样是品质的组成部分。”
在他看来，这门课程证明了创新不仅是分析性的，更是以人为本的；严谨与创造力并非对立，而是相辅相成。
在生成式 AI 时代，他认为课堂模式必须再次进化。“当 AI 能即时给出答案时，我们不能再依赖传统作业。作为教师，我们必须设计真正能拓展学生能力的练习。”
由香港科技大学与中国美术学院（杭州）联合开设的设计思维课程。照片分别摄于 2013 年（左，中国美术学院）和2017 年（右，香港科技大学）。
他指出，下一代需要具备三项核心能力：提出正确问题的能力（探究精神）、跨领域联结的能力（学科交叉融合），以及“品味”或判断力。“在人工智能生成内容的时代，人类的判断力才是稀缺且不可替代的特质，”他强调道。他敦促学生不要与机器比拼计算能力，而要在机器无法企及的领域精益求精：识别问题核心、辨别优劣高下、将零散信息整合为逻辑连贯的论述。
从质量到人工智能：学科的演进
在校园之外，宗教授保持着一种平衡专业强度与内心宁静的节奏。“我练习武当武术多年，”他说，“这能让我重新调整，重新感知自己的身体。这与研究效率无关，而是为了保持内心的平和。”他发现，身体的修炼同样塑造了思维的纪律。
他每天还会诵读《金刚经》。“这有助于保持内心的空间。如果你总是疲于应对眼前的问题，就会忘记什么才是真正重要的。”他的哲学是，严谨与自由并非相互排斥。“研究的逻辑与创意的‘随机漫步’可以共存，”他说，“你需要留出足够的空间来审视全局，最终，你会找到串联起这些点的机会。”
他以“职业生涯是马拉松而非短跑”的哲学信条生活，这或许是他性格中最鲜明的特质。尽管他取得了非凡成就——从休哈特奖章到创立多个研究机构——但他拒绝将人生定义为一场竞赛。相反，他将职业生涯视为一场深思熟虑的探索之旅。他留在学术界并非因为安稳，而是因为这里能让他自由追寻那些真正重要的问题。
从密歇根到香港再到广州，宗教授的人生轨迹始终在搭建桥梁：学科之间的桥梁、理论与实践的桥梁、数字时代需求与人文精神的桥梁。他始终保持着学者的谦逊，仍在寻找下一颗待播的种子，时而聚焦机器细节，时而俯瞰系统全局，并不断提醒身边人：任何研究的终极衡量标准并非引用次数，而是它为世界带来的切实改变。
