近日，有消息傳出，原澳大利亞阿德萊德大學計算機科學學院教授沈春華已于本月正式加入浙江大學。沈春華老師的個人主頁也透露出，他已于 12 月份正式加入了浙江大學，目前在浙大紫金港校區(qū)的計算機輔助設計與圖形學國家重點實驗室工作。

11月，復旦大學官宣原螞蟻集團副總裁、AI團隊負責人漆遠正式加入復旦大學，出任復旦大學“浩清教授”及復旦人工智能創(chuàng)新與產(chǎn)業(yè)研究院院長。漆遠只是近期離開互聯(lián)網(wǎng)大廠的科學家之一。

差不多與漆選同一時間，京東技術委員會主席周伯文也從京東離職創(chuàng)業(yè)。8月份，字節(jié)跳動AI（人工智能）實驗室總監(jiān)李磊離職，入職美國加州大學圣巴巴拉分校（UCSB）任助理教授。消息一出，引發(fā)眾多關注。

前段時間清華大學爆出一張《擬聘新進校人員公示名單》的照片，內(nèi)容中提到 UCLA 教授朱松純將入職清華大學自動化系，職務為科研系列教授。這一消息讓中國科研界又沸騰了。據(jù)悉，朱松純教授是華人 AI 領域的頂級學者。他曾在各種國際頂級期刊上發(fā)表論文 300 余篇，三次獲得馬爾獎，兩次擔任美國視覺、認知科學、AI 領域跨學科合作項目 MURI 負責人。

幾乎每個月都能看到大廠科學家離職的消息。這波AI熱潮階段性結束，神仙們歸隱山林，普通煉丹師該考慮轉型了?？茖W家當年高調(diào)加入，又在如今低調(diào)離場，人來人往也見證了AI領域從絕對的熱潮轉為低谷。

實際上，無論是“人才回國”引發(fā)的愛國主義的熱烈討論，還是 AI 大牛回歸高校對人才培養(yǎng)和科研學術的推動，近兩年，我們發(fā)現(xiàn) AI 行業(yè)一個明顯的趨勢：越來越多的 AI 大牛陸續(xù)離開工業(yè)界轉而回歸學術界。

AI新時代開幕

熱火朝天的AI產(chǎn)業(yè)并不是一個新鮮事物，AI發(fā)展至今，已經(jīng)經(jīng)歷過三次浪潮：

第一次是50年代，AI從誕生到模擬人，最后失敗了被冷落

第二次是60、70年代，專家系統(tǒng)的熱潮

第三次是80、90年代神經(jīng)網(wǎng)絡興起

每一次，都是在理論認知突破后嘗試場景化、硬件化，又都由于理論的局限，造成產(chǎn)業(yè)的退潮。不過，這一次，AI產(chǎn)業(yè)的浪潮與以往不同。半導體產(chǎn)業(yè)的飛躍極大推進了AI理論的場景化、硬件化。再往后，AI產(chǎn)業(yè)發(fā)展的根本瓶頸已經(jīng)不是芯片技術本身，而在于建立在基礎理論之上的，對架構的突破。

基礎理論上的瓶頸反映到當下AI面臨的挑戰(zhàn)中，在找到具體應用場景后，AI公司往往需要面臨三大難題：

功耗問題，以自動駕駛為例，當理論上已證明算法可行，但把算法放到真實場景中，在車內(nèi)測試，現(xiàn)實情況是，一旦開啟自動駕駛模式，航程旋即大幅度縮水

本地化問題，如果將算法和數(shù)據(jù)都放在云端，一旦網(wǎng)絡出現(xiàn)問題，車的安全就失去保障，故而在實際場景中，必須有本地化處理的能力

突破時間的限制，所有AI實際場景應用都有時間限制，而現(xiàn)在的云端算法往往還不夠快

不管是國內(nèi)還是國外，近幾年優(yōu)秀的AI人才多數(shù)被大企業(yè)壟斷，這非常不利于AI市場的創(chuàng)新與發(fā)展。雖然中國AI公司在應用場景上走在世界的前端，但同樣需要意識到的是中國在AI前沿基礎研究上明顯落后于國外。

技術專家作為走在浪潮最前端的人，最明白技術的發(fā)展趨勢，他們的態(tài)度轉變更是說明了 一個不可否認的事實：AI的發(fā)展 已經(jīng)迎來了相當一段時間內(nèi)難以突破的瓶頸。

只有AI人才在商界的成熟企業(yè)、創(chuàng)新型企業(yè)、非盈利機構和學界間自由流動，AI的未來市場才會更加健康。在企業(yè)呆過的AI科學家在回歸教職后，培養(yǎng)出的學生將更適用于企業(yè)的發(fā)展需求。

大廠留不住科學家

這一趨勢最早從吳恩達開始，隨后李飛飛、張亞勤、沈向洋等AI界大牛也陸續(xù)選擇重返高校。

吳恩達的「三步走」可謂是經(jīng)典，用網(wǎng)友的話說就是：在上升期做科研，在成熟期做產(chǎn)業(yè)，在衰落期做教育。

出生于1976年的吳恩達是AI和機器學習領域國際最權威學者之一，也是在線教育平臺Coursera的聯(lián)合創(chuàng)始人：

1997年獲卡內(nèi)基梅隆大學計算機科學學士學位，1998年獲麻省理工學院碩士學位，2002年獲加州大學伯克利分校博士學位，同年進入斯坦福大學工作，曾任斯坦福AI實驗室主任

2010年，時任斯坦福大學教授的吳恩達加入谷歌，創(chuàng)建了「谷歌大腦」項目，通過分布式集群計算機開發(fā)超大規(guī)模的人工神經(jīng)網(wǎng)絡

2014年5月，加入百度，負責“百度大腦”計劃，擔任百度公司首席科學家

2017年3月，吳恩達宣布從百度辭職，目前是斯坦福大學計算機科學系和電氣工程系的客座教授

2017年3月20日，吳恩達宣布從百度辭職，重新回到自己夢開始的地方coursera，講述深度學習課程

無獨有偶，2018年，谷歌副總裁、首席科學家李飛飛，也重返學術界。擔任斯坦福大學以人為本人工智能研究院（HAI） 聯(lián)合主任。 

 2019年，騰訊AI Lab主任張潼離職加盟創(chuàng)新工場，出任港科大和創(chuàng)新工場聯(lián)合實驗室主任，并兼任科研合伙人。 

 張潼擁有美國康奈爾大學數(shù)學和計算機雙學士學位，以及斯坦福大學計算機碩士和博士學位，在香港科技大學數(shù)學系和計算機系任教。 曾經(jīng)擔任美國新澤西州立大學終身教授，IBM研究院研究員和雅虎研究院主任科學家，百度研究院副院長和大數(shù)據(jù)實驗室負責人，騰訊AlLab主任。 是美國統(tǒng)計學會和國際數(shù)理統(tǒng)計學會fellow，并擔任NIPS、ICML、COLT等國際頂級機器學習會議主席或領域主席，以及PAMI、JMLR和Machine Learning Journal等國際一流人工智能期刊編委。 

2020年7月，曠視南京研究院創(chuàng)始院長魏秀參離職，出任南京理工大學教授。

魏秀參師從南京大學周志華教授和吳建鑫教授從事人工智能領域研究，主要研究領域為計算機視覺和機器學習。 在相關領域國際頂級期刊及國際頂級會議發(fā)表論文四十余篇，相關工作獲得iWildCam 2020、iNaturalist 2019、Apparent Personality Analysis 2016等計算機視覺領域國際權威賽事共4項世界冠軍。 擔任ACCV 2022講習班主席、ICCV、IJCAI、ACM Multimedia、ACCV等相關研討會程序委員會主席，AAAI 2022、IJCAI 2021、BMVC 2021高級程序委員或領域主席。

2020年7月，字節(jié)跳動副總裁、AI Lab主任馬維英離職，加入清華大學智能產(chǎn)業(yè)研究院。

馬維英在美國加州大學圣芭芭拉分校（UCSB）電氣和計算機工程系獲得了碩士和博士學位，曾在世界級會議和學報上發(fā)表過逾 300 篇論文，并擁有 160 多項技術專利。電氣電子工程師學會會士（IEEE Fellow），曾任國際信息檢索大會（SIGIR 2011）聯(lián)合主席、國際互聯(lián)網(wǎng)大會（WWW 2008）的程序委員會聯(lián)合主席。 

2021年8月，字節(jié)跳動AI Lab總監(jiān)李磊離職，加入大學圣巴巴拉分校（UCSB）。

李磊曾就讀于上海交通大學計算機系本科ACM班，獲得卡耐基梅隆大學計算機系博士，并擔任加州大學伯克利分校博士后研究員。 在機器學習、數(shù)據(jù)挖掘和自然語言理解領域于國際頂級學術會議發(fā)表論文40余篇，擔任2017 KDD Cup與KDD2018 Hands-on Tutorial聯(lián)合主席和ICML、KDD、IJCAI、AAAI等大會程序委員。 

科學家也要背KPI

在阿里的7年時間里，漆遠曾任阿里數(shù)據(jù)科學技術院執(zhí)行院長、螞蟻集團首席AI科學家及數(shù)據(jù)智能委員會主席，也完整經(jīng)歷了一個大廠研究院的成長和動蕩。

2014年，當時已經(jīng)是美國普渡大學計算機系和統(tǒng)計學系終身教授的漆遠，在阿里技術委員會主席王堅的邀約下，登上了回國的飛機。為了拉來漆遠，王堅給出的“誘惑”是阿里用之不盡的商業(yè)數(shù)據(jù)，大量數(shù)據(jù)的價值蘊藏其中，并讓漆遠建立超大規(guī)模機器學習平臺。

與漆遠同一時期回來的，還有美國密歇根州立大學終身教授金榕，阿里數(shù)據(jù)技術研究院iDST就此創(chuàng)立，當年這個號稱阿里最神秘的部門，目標是確保阿里在未來數(shù)十年做到技術領先的地位。

風風火火的iDST就像是一場淺嘗輒止的嘗試，iDST成立不久，就發(fā)現(xiàn)技術突破、落地的時間被低估，而這些從高校邁入商業(yè)公司的科學家，身在局中也不得不跟著轉身。

2015年夏天，成立不到一年的iDST被迅速拆分，這些被王堅邀請回來的科學家走出實驗室不到一年，就被送往各個事業(yè)線，其中金榕去了淘系；漆遠則去了螞蟻金服。

“說白了，技術和商業(yè)能不能相互理解，這可能是當時最大的矛盾。”后來漆遠在回顧這場實驗時表示。

據(jù)此前媒體報道，當時阿里對于iDST的角色定位，是要做阿里其他部門不愿做也做不了的事情。而這個創(chuàng)新部門，也沒有背負績效考核目標。

但事情漸漸發(fā)生了一些變化。技術和商業(yè)的矛盾不容易解決，但打造技術研究院的意愿仍在，于是在2016年，達摩院計劃被提了出來，許多iDST的舊部后來也選擇加入達摩院。相比前身iDST沒有績效考核，達摩院計劃在提出時就強調(diào)，其使命是技術創(chuàng)新，但需要結合阿里的具體業(yè)務。

AI落地困難自然是造成這一困境的重要原因。

落地，是 AI 學術研究的最終歸宿 ; 沒有落地，夢再美，都是枉然。然而，學術界和工業(yè)界在 AI 思維上一直存在分歧。

學術方向的研究，希望探索的最前沿的問題，并且不計成本，不計營收

工業(yè)和企業(yè)角度而言，更偏實用，成本和產(chǎn)出必須被嚴格審視。隨著技術門檻進一步降低，企業(yè)內(nèi)部的技術話語權，必然會回到工程派、產(chǎn)品負責人手中

科學家和業(yè)務之間的矛盾，體現(xiàn)的最明顯的并不是在管理者身上，而是那些夾在科研和業(yè)務之間的研究員，不僅要有成果，也不能只專注于手頭的科研工作。對于他們來說，就是在接連的架構調(diào)整之中，一陣要配合業(yè)務，一陣又要注重研究產(chǎn)出。

一位先后待過大廠研究部門和業(yè)務部門的技術人士表示，在與騰訊的研究院和阿里達摩院合作的過程中可以感受到，共同點是科學家們光產(chǎn)出Paper是不夠的，他們都有業(yè)務產(chǎn)出的壓力，為此，甚至有人會挨個和業(yè)務部門的人接觸，目的是“分到一些業(yè)務”。

而字節(jié)跳動AI Lab實驗室在架構上直接屬于字節(jié)跳動的Data部門。馬維英作為實驗室主任離開后，AI Lab下的各個組直接對接Data部門，這意味著，AI Lab在字節(jié)跳動技術體系內(nèi)的地位進一步下降。

業(yè)務部門可能以前是對研究院抱有很大期待的，但經(jīng)過這么多年發(fā)展，發(fā)現(xiàn)很多很頂尖的Paper，在業(yè)務里其實是沒法用的。這就是做研究和業(yè)務的巨大鴻溝，一個例子是，做研究的時候，用到的數(shù)據(jù)可能是很完美的，但實際上業(yè)務里的數(shù)據(jù)很復雜很“臟”，反而可能是一些簡單的策略會更有效。

作為業(yè)務部門其實也不太樂意和研究部門合作，就算是包給他們做，洗數(shù)據(jù)、調(diào)模型這些事情還是要業(yè)務來配合，再加上一些溝通的成本，還不如業(yè)務部門自己解決。合作之后，雙方可能還要掰扯一些KPI計算分配這樣的細節(jié)問題。

因而，很多時候業(yè)務部門把一些邊角的工作給到了研究部門，核心的業(yè)務扔緊握在自己手上，最終研究部門的成績也不會出彩。這導致研究部門非常尷尬。

在大公司做科研，向上管理非常重要，但不是每個高校出身的研究員都能掌握這項職場技能。有的出身藤校博士的研究員，在里面折騰了幾年至今還只是P7，現(xiàn)在想搞點自己感興趣的項目都很難。

一位近兩年從美國博士畢業(yè)回國任教的青年學者表示：相較于工業(yè)界，回學術界任教對于研究人員有著更高自由度的吸引力：從企業(yè)的研究科學家轉型為高校的教授，他們往往可以在自己感興趣，但是并不為公司短期所需要的的基礎研究方向上投注更大的精力而不求短期的回報。

洗牌時刻：2.0時代

不管是國內(nèi)還是國外，AI研究院的作用都可以大致分為三類：

基礎研究作為技術儲備，可能未來有很大用處

為實際業(yè)務提供支持，強調(diào)和實際場景結合實現(xiàn)技術落地、商業(yè)化

秀肌肉，考驗企業(yè)的公關能力以達到宣傳、吸引人才的效果

幾年過去了，AI 行業(yè)并沒有往大家設想的藍圖方向發(fā)展，反而是行業(yè)遭遇大洗牌，明星公司相繼隕落。行業(yè)觸及天花板，AI 大牛選擇回歸學術界。不可否認，相比于前幾年的發(fā)展，現(xiàn)如今的 AI 產(chǎn)業(yè)呈現(xiàn)出一種“繁榮”現(xiàn)象，但是似乎也碰到了一個天花板，產(chǎn)業(yè)創(chuàng)新進入了一個瓶頸期。

對互聯(lián)網(wǎng)公司來說，從人才下海熱到回歸熱，經(jīng)歷了從狂熱到“冷靜”。互聯(lián)網(wǎng)企業(yè)增長趨于停滯的時候，高投入?yún)s短期看不到回報的AI研究被率先冷落：

一方面，最近幾年國內(nèi)科技公司AI Lab正在面臨越來越多的業(yè)務壓力

另一方面，在目前科技公司高待遇的背景之下，高級研究人員可以在幾年之內(nèi)獲得很高的財務回報，這也讓他們在選擇之后的職業(yè)生涯時有了更大的自由度

• 阿里達摩院已經(jīng)被要求盈虧自負
• 騰訊的AI Lab和優(yōu)圖實驗室也更多的成為內(nèi)部的算法提供者而不是通用研究平臺
• 字節(jié)的AI Lab在大約半年前經(jīng)歷了一次組織調(diào)整，部分人員已經(jīng)更加專注于業(yè)務方向
• 百度研究院在領軍人物吳恩達（Andrew Ng）離開之后經(jīng)歷了一波較大的基礎研究人員流失，較巔峰時期，規(guī)模大大縮減

就算是在硅谷，能堅持大量資源投入、為科學家研究提供高自由度的公司可能也只有谷歌、微軟和Meta。這也顯示出，基礎研究需要長期高額的投入，但遙遠且模糊的回報讓這場游戲變得不是每家公司都玩得起。

在谷歌的版圖里，DeepMind是大公司研究院的標桿，即便如此，商業(yè)化的壓力依然存在。DeepMind聯(lián)合創(chuàng)始人Humayun Sheikh自己也說過：如果谷歌沒有以6 億美元的價格收購DeepMind，他們的AI實驗室可能已經(jīng)破產(chǎn)。DeepMind自從2010年正式成立以來，就從沒實現(xiàn)過盈利。

過往報道顯示，DeepMind的主要營收來自Google和YouTube等內(nèi)部項目。就是這樣一個傾斜了無數(shù)資源的研究院，只是在內(nèi)部落地，就已經(jīng)困難重重。

今年5月，《華爾街日報》爆料，DeepMind已經(jīng)和谷歌爭吵了數(shù)年，前者希望在運營上獲得更多自主權，以及一個獨立的法律架構。但谷歌最終收緊了對AI研究的控制，在今年徹底拒絕了這一請求。

據(jù)The Information消息，有谷歌員工不滿于Deepmind的特殊地位，他表示Google Brain已經(jīng)證明了自身的價值，他們所做的事情是基于谷歌已有的業(yè)務，開發(fā)例如優(yōu)化地圖的圖像識別功能、優(yōu)化語音識別能力之類的工作。但轉頭一看，DeepMind研究的東西看起來很厲害，但折騰了幾年什么錢也賺不到，可能未來十年時間都做不到收支平衡。

最舍得在基礎研究上砸錢的谷歌尚且如此，就更別說靠著融資運營的AI初創(chuàng)。在國內(nèi)，能夠看到較完整財務數(shù)據(jù)的就只有被稱為AI四小龍的商湯、曠視、云從和依圖，他們已經(jīng)是此次AI創(chuàng)業(yè)熱潮中的明星公司。

虧損，是CV四小龍避無可避的話題。AI企業(yè)特有的高科技、高人才、高研發(fā)的“三高”富貴病魔咒，賺的錢趕不上研發(fā)投入的錢。在“悲催”背后，是這幾家公司均未實現(xiàn)盈利、依然需要大量資金投入、商業(yè)化場景落地困難的現(xiàn)實。
 

早年間，CV四小龍幾乎都在探索AI+行業(yè)，而“行業(yè)”則包含金融、零售、安防、汽車、物流等領域，不同點在于各自的領域各有側重。但從2019年前后，同處計算機視覺下的AI四小龍開始講起了“獨特”故事：

曠視把目標定在了AIoT上，所有業(yè)務都要帶上“物聯(lián)網(wǎng)”?；诖?，還打造了“算法+軟件+硬件”的一體化產(chǎn)品體系，推出物聯(lián)網(wǎng)時代的AIoT操作系統(tǒng)。目前，在招股書中，其主要業(yè)務分為物聯(lián)網(wǎng)解決方案、城市物聯(lián)網(wǎng)解決方案、供應鏈物聯(lián)網(wǎng)解決方案

依圖則在探索應用場景過程中發(fā)現(xiàn)了產(chǎn)業(yè)鏈上的“芯片”一環(huán)，于是打開了“算力提供商”的新世界，以人工智能芯片技術和算法技術為核心

商湯招股書中，其主營業(yè)務分類為智慧商業(yè)、智慧城市、智慧生活和智慧汽車。將自身定位成人工智能軟件平臺型公司，打出了“1（基礎研究）+1（產(chǎn)業(yè)結合）+X（行業(yè)伙伴）”戰(zhàn)略，AI+“所有”，沒有給自己限定場景，什么行業(yè)都做

云從則是涉及智慧金融、智慧治理、智慧出行、智慧商業(yè)四個領域

作為CV領域的“小弟”，格靈深瞳的業(yè)務分類為城市管理產(chǎn)品及解決方案、智慧金融產(chǎn)品及解決方案、商業(yè)零售產(chǎn)品及解決方案

 盡管說法各有千秋，但實際上他們幾家最初的技術門檻與路線接近，商業(yè)化場景也都是從消費、安防、金融等領域開始，所以，這幾年來不斷喊出的新口號，追根溯源，還是新瓶裝舊酒。AI企業(yè)家們現(xiàn)在講出的故事，早已不再能如同此前般打動人心。

四家公司在一級市場融資接近500億元，總估值超過了1400億元。隨著技術逐漸成熟，商業(yè)化的腳步卻遲遲沒有達到理想的進展。二級市場的表現(xiàn)倒掛一級市場，這讓投資者們對“估值高、回報周期久”的AI公司已經(jīng)失去了信心和耐心。資本冷卻的重擔最先就砸在了“CV四小龍”所在領域。這堪稱“三十年河東三十年河西”，此前CV是中國市場AI行業(yè)中技術和落地均發(fā)展最快的，現(xiàn)在，它卻成為“卷”得最厲害的窄巷。