互联网留不住科学家

图片来源@视觉中国

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。”

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。

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。

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。

（明德为化名）

关键词： 科学家 商业