在这个冬天的裁员大潮中,科学家也正在离开互联网。
11月,复旦大学官宣原蚂蚁集团副总裁、AI团队负责人漆远正式加入复旦大学,出任复旦大学“浩清教授”及复旦人工智能创新与产业研究院院长。
漆远只是近期离开互联网大厂的科学家之一。差不多与他回归学界同时,京东技术委员会主席周伯文也已从京东离职创业。
“几乎每个月都能看到大厂科学家离职的消息。”刚刚离开某大厂AI研究院的明德说。
这让他有些感慨。正如一位知乎答主在一个回复里说的:“这波AI热潮阶段性结束,神仙们归隐山林,普通炼丹师该考虑转型了。”
科学家当年高调加入,又在如今低调离场,人来人往也见证了AI领域从绝对的热潮转为低谷。
作为一名普通“炼丹师”,明德觉得在大厂做科研日子自然没有大学里好,除了研究方向有些受限,还要和业务部门抢项目,但大厂开出的体面薪酬也是其他地方所给不了的。“没办法,科学家也要背KPI。”
留不住的科学家
在阿里的7年时间里,漆远曾任阿里数据科学技术院执行院长、蚂蚁集团首席AI科学家及数据智能委员会主席,也完整经历了一个大厂研究院的成长和动荡。
2014年,当时已经是美国普渡大学计算机系和统计学系终身教授的漆远,在阿里技术委员会主席王坚的邀约下,登上了回国的飞机。为了拉来漆远,王坚给出的“诱惑”是阿里用之不尽的商业数据,大量数据的价值蕴藏其中,并让漆远在建立超大规模机器学习平台。
与漆远同一时期回来的,还有美国密歇根州立大学终身教授金榕,阿里数据技术研究院iDST就此创立,当年这个号称阿里最神秘部门,目标是确保阿里在未来数十年做到技术领先的地位。
但风风火火的iDST就像是一场浅尝辄止的尝试,iDST成立不久,就发现技术突破、落地的时间被低估,而这些从高校迈入商业公司的科学家,身在局中也不得不跟着转身。
2015年夏天,成立不到一年的iDST被迅速拆分,这些被王坚邀请回来的科学家走出实验室不到一年,就被送往各个事业线,其中金榕去了淘系;漆远则去了蚂蚁金服。
“说白了,技术和商业能不能相互理解,这可能是当时最大的矛盾。”后来漆远在回顾这场实验时表示。
据此前媒体报道,当时阿里对于iDST的角色定位,是要做阿里其他部门不愿做也做不了的事情。而这个创新部门,也没有背负绩效考核目标。
但事情渐渐发生了一些变化。技术和商业的矛盾不容易解决,但打造技术研究院的意愿仍在,于是在2016年,达摩院计划被提了出来,许多iDST的旧部后来也选择加入达摩院。相比前身iDST没有绩效考核,达摩院计划在提出时就强调,其使命是技术创新,但需要结合阿里的具体业务。
AI落地困难自然是造成这一困境的重要原因。
事实上,AI这一波的红利本质上来源于大数据、大算力的提升,所谓“多人工少智能”,大多数漂亮的paper在实际业务中效果都比较差,直接的结果就是商业化进度不理想。
大公司成立研究院,本质上都希望借助公司已有的数据和平台去做一些工作,最终反哺公司的业务,但在实际上,就像AI四小龙作为这一波热潮中的代表一直没能赢利,企业所遇到的商业化问题,互联网AI研究院也差不多都遇上了。
但科学家和业务之间的矛盾,体现的最明显的并不是在管理者身上,而是那些夹在科研和业务之间的研究员,不仅要有成果,也不能只专注于手头的科研工作。
对于他们来说,就是在接连的架构调整之中,“一阵要配合业务,一阵又要注重研究产出。”
其实,这种情况不仅存在于阿里,研究和业务产出之间的矛盾在各个企业研究院都广泛存在。
一位先后待过大厂研究部门和业务部门的技术人士对20社表示,在与腾讯的研究院和阿里达摩院合作的过程中可以感受到,共同点是科学家们光产出paper是不够的,他们都有业务产出的压力,为此甚至有人会挨个和业务部门的人接触,目的是“分到一些业务”。
而字节跳动AI Lab实验室在架构上直接属于字节跳动的Data部门。据科技媒体量子位消息,去年马维英作为实验室主任离开后,AI Lab下的各个组直接对接Data部门,这意味着,AI Lab在字节跳动技术体系内的地位进一步下降。
“业务部门可能以前是对研究院抱有很大期待的,但经过这么多年发展,发现很多很顶尖的paper,在业务里其实是没法用的。”上述人士表示。
这就是做研究和业务的巨大鸿沟,一个例子是,做研究的时候,用到的数据可能是很完美的,但实际上业务里的数据很复杂很“脏”,反而可能是一些简单的策略会更有效。
“作为业务部门其实也不太乐意和他们合作,就算是包给他们做,洗数据、调模型这些事情还是要我们来配合,再加上一些沟通的成本,还不如业务部门自己解决。”该人员表示,合作之后,双方可能还要掰扯一些KPI计算分配这些细节问题。
因而,很多时候业务部门把一些边角的工作给到了研究部门,核心的业务扔紧握在自己手上,最终研究部门的成绩也不会出彩。
这导致研究部门非常尴尬。
一位业内人士表示,大佬们在业务和科研之间摇摆,跳来跳去都还有响亮的title,那埋头做科研的一线研究员就可能夹在其中,耗费了自己的科研生涯。
“在大公司做科研,向上管理非常重要,但不是每个高校出身的研究员都能掌握这项职场技能。有的出身藤校博士的研究员,在里面折腾了几年至今还只是P7,现在想搞点自己感兴趣的项目都很难。”上述人士表示。
AI科学家的“旋转门”
对科学家来说,学界才是他们原本更熟悉的地方。互联网公司的出现、前沿技术的需求,让这一领域的学者有了更多进入业界的可能。
计算机是少数可以选择在高校或进入业界搞科研的专业。在行业高速发展的时期里,这种专业的特殊性让这批象牙塔里的学者赶上了时代红利。
随着AI热潮兴起,AI基础研究者有机会离开学术圈,投身工业界。在顶尖人才有限的情况下,谷歌、微软、亚马逊和苹果这些最有钱的科技巨头大手一挥就开出5倍以上的薪资招揽科研人员加入,抢人的同时也希望推动AI在公司内部发展。
比较典型的案例是,2015年,Uber从卡内基梅隆大学的机器人实验室打包带走了40人,其中亦不乏教授级学者。2018年,深度学习三巨头Yoshua Bengio、Yann LeCun、Geoffrey Hinton获得了被称为诺贝尔计算学奖的图灵奖。当时,其中有两人已经从学界跨入业界,Geoffrey Hinton当时已经进入了谷歌,Yann LeCun则在Facebook。
同一时间,国内的百度、阿里、腾讯、滴滴等巨头也纷纷跟进,除了优厚的待遇,科技公司还能提供业务上产生的海量数据以及资源,这对AI研究者来说也有着莫大的吸引力,在理想情况下,这能够为后者的研究成果落地提供最全面的支持。
于是,大批学者走出象牙塔,来到大公司。
这在当时甚至引发了一场人才危机。毕竟高校仍是前沿技术的重要发源地,学界看着一个个大牛离开高校走进科技公司的大门,纷纷表示教授离职率的急剧上升,会影响高素质学生的培养,从源头上阻碍了这个技术领域的创新发展。
但这已经是几年前的事情了。事实上,行业发展在短短两三年内迅速转向,AI在行业落地进展不及预期,互联网企业自身增长趋于放缓,代表着长期主义的基础研究,在许多企业里不再是最紧要的事情。
周伯文和漆远的选择代表了目前互联网科学家的离职的两大去向:创业和回归学术。
再早之前的8月,字节跳动人工智能实验室总监李磊离职,入职加州大学圣巴巴拉分校(UCSB)。这位80后是NLP领域的大牛,曾被称为百度美国深度学习实验室的少帅科学家。
今年3月份,腾讯副总裁、AI Lab院长姚星,在腾讯待了17年的技术高管选择离职创业,瞄准的是“全真互联网”,一开始就拿到了高榕、五源、高瓴等资本的支持。
去年7月,字节跳动副总裁、人工智能实验室主任马维英离职,跟随原百度总裁张亚勤的脚步,赴清华大学智能产业研究院任职。
对互联网公司来说,从过去以丰厚的待遇挖来科学家,到如今纷纷出走,也显示出当AI发展遇到瓶颈、互联网企业增长也趋于停滞的时候,高投入却短期看不到回报的AI研究被率先冷落。
研究院,不是每家都玩得起
事实上,互联网公司在前沿技术上的大量投入,与短期见不到商业落地的矛盾到哪都存在。
不管是国内还是国外,AI研究院的作用都可以大致分为三类:
基础研究作为技术储备,可能未来有很大用处;为实际业务提供支持,强调和实际场景结合实现技术落地、商业化;秀肌肉,考验企业的公关能力以达到宣传、吸引人才的效果。
但就算是在硅谷,能坚持大量资源投入、为科学家研究提供高自由度的公司可能也只有谷歌、微软和Facebook。这也显示出,基础研究需要长期高额的投入,但遥远且模糊的回报让这场游戏变得不是每家公司都玩得起。
比如在谷歌的版图里,DeepMind是大公司研究院的标杆,即便如此,商业化的压力依然存在。
DeepMind的研究实力大概是不用质疑的。2016年推出了AlphaGo,两盘围棋分别击败两个世界级选手,让全球AI行业迈入到一个新的阶段。今年以来,DeepMind 先是推出了惊人的蛋白质结构预测 AI——AlphaFold 2,以及AlphaGo 的进阶版——MuZero。
谷歌也是个好金主,2014年以6亿美元收购之后,给到的条件可以说是优渥,双方签订的协议里指出,DeepMind能够独立运营,在不失去控股权的前提下获得了Google提供的现金流和计算能力。
DeepMind联合创始人Humayun Sheikh自己也说过,“如果谷歌没有以6 亿美元的价格收购DeepMind,他们的AI实验室可能已经破产。”
DeepMind自从2010年正式成立以来,就从没实现过盈利。
过往报道显示,DeepMind的主要营收来自Google和YouTube等内部项目。就是这样一个倾斜了无数资源的研究院,只是在内部落地,就已经困难重重。
比如借助DeepMind的研究,在安卓的电池管理上方面加入AI功能,通过智能管理手机电量使用的方式优化电池寿命;以及通过将DeepMind的机器学习应用到的谷歌数据中心,降低能源成本。
但这些成果带来的收益到目前仍难以计算,但可以看到的数据是,人员规模在千人左右的DeepMind每年要烧掉数亿元。
2020年底,DeepMind披露了财务报告:2019年亏损达4.77亿英镑,与2018年几乎齐平。财务问题也让DeepMind和母公司之间矛盾不断。
今年5月,《华尔街日报》爆料,DeepMind已经和谷歌争吵了数年,前者希望在运营上获得更多自主权,以及一个独立的法律架构。但谷歌最终收紧了对AI研究的控制,在今年彻底拒绝了这一请求。
与此同时,谷歌原本就有多个AI研究团队,在收购了DeepMind之后,就和已有研究团队如Google Brain产生了不愉快。据The Information消息,有谷歌员工不满于Deepmind的特殊地位,他表示Google Brain已经证明了自身的价值,他们所做的事情是基于谷歌已有的业务,开发例如优化地图的图像识别功能、优化语音识别能力之类的工作。
但转头一看,DeepMind研究的东西看起来很厉害,但折腾了几年什么钱也赚不到,可能未来十年时间都做不到收支平衡。更可气的是,在团队之间的交流当中,他们发现DeepMind的高管似乎并不欣赏谷歌已经开发的机器学习算法,因此颇有抱怨。
最舍得在基础研究上砸钱的谷歌尚且如此,就更别说靠着融资运营的AI初创。比如在2016年,由三巨头之一的Yoshua Bengio创立的AI公司Element AI就因为落地不顺利,在去年烧完了所有融资之后黯然倒闭。
而在国内,能够看到较完整财务数据的就只有被称为AI四小龙的商汤、旷视、云从和依图,他们已经是此次AI创业热潮中的明星公司。
四家公司在一级市场融资接近500亿元,总估值超过了1400亿元。随着技术逐渐成熟,商业化的脚步却迟迟没有达到理想的进展。
根据弗若斯特沙利文报告,以去年的收入计算,商汤已经是亚洲范围内最大的AI软件公司。在中国计算机视觉软件供应商市场,商汤科技以11%的市场份额排名第一,第二名市场份额为6%。
但不管是排第一还是第二,没有一家公司真正挣了钱。
招股书显示,商汤科技在过去三年半累计亏损242.72亿元,旷视2018-2020三年累计亏损127.7亿元,云从这三年亏损超26亿元,依图两年半亏损61亿元。基本上属于卖的越多,就亏的越多。
AI四小龙的窘境是整个行业进展缓慢的集中表现,据业内人士介绍,AI落地主要以to B/G的模式为主,更像是做着定制化外包的角色,还存在因无法直接用户群体而缺少海量的数据问题。
当现在AI发展遇到瓶颈,大厂高层的耐心可能就没那么多了。
明德说,做研究需要长期稳定的投入,自己也不愿意在企业被考核、一直被业务纠缠,还是希望回到比较自由的高校。
近几年,中国互联网巨头被吐槽离基础科研越来越远,离卖菜越来越近。一个被经常引用的例证是,在《麻省理工科技评论》评选出2020年“十大颠覆性技术”中,并无中国互联网公司的身影。而AI,原本是离互联网最近的一个基础研究方向。