來源：21Tech(News-21)
作者：倪雨晴
編輯：李清宇、劉雪瑩
AI大咖去哪兒
人工智能還在等待寒武紀式的大爆發時期。
我們還不知道確切的時間，但可以確定的是，當下的AI江湖格局未定，人才頻繁流動。一時之間，AI人才的競爭、去向也成為經久不衰的話題。
工業界巨頭們重金邀請技術大牛加盟，學術界的大咖們也紛紛跨圈創業，其中有太多我們熟知的故事。這個行業中，聚集了如此多頂尖人才、聰明的大腦，探究未來的方向。
即使期間有泡沫，那也是高科技的泡沫，大眾的關注度也轉向了科技領域，這一波AI的熱浪也吸引大量資金、人才的湧入。
過去我們常常看到的是AI大咖在工業界的流轉（Industry Industry ），當然今年也依舊引人注目。
例如，近日原阿里雲首席科學家閔萬裡，從阿里巴巴離開，轉身投資領域，致力於升級傳統行業；
6月，360集團AI研究院院長、首席科學家顏水成選擇離開360，據了解他將加入依圖科技；
今年年初，原Facebook AI科學家賈揚清加入阿里巴巴，擔任技術副總裁。
這一名單還很長，有的更換了公司的跑道，有的從公司研究院出走，踏上創業之路。
然而，從工業界回歸學界（Industry Academy）的案例也開始出現。
比如，騰訊AI Lab的創始負責人張潼回歸學界，並出任創新工場科研合夥人；
李飛飛曾在2016年宣布加入谷歌，成為谷歌雲AI負責人，2018年又選擇回到學校，擔任史丹佛教授。
眾所周知，學術界更看重前沿技術的研究，工業界更偏向實用性，那麽，對於投身學界還是產業界，大咖們又是怎麽考慮的呢？
對於從騰訊回到學界的歷程，張潼此前在接受21Tech記者採訪時曾說：“我感覺現在還是挺好的，我最關心、最希望的是十年以後，能夠在AI包括技術理論上能夠有重大的突破，在整個學術上能夠有更多的貢獻。”
在他看來，學術界和工業界在AI之間不存在鴻溝，目標有不同之處，“工業界更偏實用，這種大數據+計算力+模型，的確解決了很多實用問題，雖然原理上沒有很多的實踐。學術界分兩部分看，一方面有很多的學術研究解決實用性的問題。另外，我還會對一些原理性的東西感興趣，會更加前瞻一點，但是有時候太前瞻的不一定能夠馬上用到。所以我覺得學術界思考得更遠一些。”
回歸學界，也是以另一種方式參與到AI產業中，有AI公司高管向21Tech表示，張潼是比較少見的既有科學界背景，又有企業家能力的人才。而很AI學術界的人看到工業界很火就去做，其實不是每個人都適合的，學術界是產出論文，但工業界預期不一樣。
為何穿梭？
確實，在工業界中，AI產品能否落地掙錢、KPI能否完成，都很關鍵。
但是，為什麽在人工智能領域，工業界和學術界的穿梭、流動會如此頻繁？這就和人工智能的兩個特性有關。
從歷史上看，在計算機產業裡，大規模應用的各個領域中，沒有一個學科，像人工智能這樣，同時具有學術性和商業性。
即便是作業系統級別，也不需要這樣大規模的學術協作，只要商業級的就足夠。因為作業系統的理論框架是比較清晰的，一個大神搭建出來之後，就可以拋開學術界開發商業模式。而人工智能的大規模商用，雖然有應用案例，卻還不夠明朗，但是其學術屬性又非常強，所以學術界和工業界的聯繫就很緊密。
一方面，人工智能很大原因出現，也是因為大規模商業公司有了學術團隊，所以它才能夠發展起來。如果商業公司沒有足夠大，沒有那麽誇張的利潤，谷歌也不可能單獨成立一個團隊去研究下圍棋。有了高利潤的商業化公司，才帶來了人工智能應用的發展。
另一方面，谷歌算法通過研發人員是可以搞定，但是數據可是很費錢的。現在很多數據集都需要人工進行標注，不論雇人標注還是直接購買，成本都很高。這些數據集是學術界不可能完成的，但是算法層面又很依賴學術界。
所以可以看到，在人工智能領域，高級學術人才大規模地往商業人才遷移。其他領域也需要很多高級別的學術人才，但是，沒有像這樣成規模、成體系地從計算機學界裡出來。
然而，現在橫亙在大家面前的問題是，人工智能到底有什麽用？下圍棋到底有什麽用？人工智能應用更像人類即將進入一個新的智能化紀元的一種產品，現在需要大規模的成本投入，這些投入又不能短時間內產生利潤。
教授學生成群結隊地從裡面出來，他們本身帶著學術性，但是商業化落地又沒有那麽快，然後會發現，KPI完成不了、掙錢也難，但是學術界又不需要產生利潤，所以大家又會產生搖擺。
有AI從業者告訴21Tech：“非常深刻的體會到，很多東西公司想做，包括谷歌都想做，但是KPI完成不了。”
KPI完成不了的很大原因是在於，商業化場景也許有，也許沒有，沒有的話且不說，可能時代沒到。
“但是沒有和有之間的地帶是很模糊的，如果你的技術非常強，可以把成本降到很低，有很多場景自然就有了，”前述從業者說道，“但是如果配套的技術領域沒有實現，比如我們在算法領域走的很靠前了，傳感器成本過高、數據采集成本過高也無法實現應用；再比如其他的商業應用接受度過高、政策成本壓力過大、開源社區的關係變的微妙和複雜，等等各種因素都會製約商用。”
因此，目前AI商業化的方式變的很模糊很複雜不明確，就谷歌來說，也是通過高額利潤向無利潤的業務進行補貼，還有廣告變現。企業需要的，不僅僅是學術論文。
如果大規模應用場景，很容易落地、資源非常充分，那人才出來以後不會再大規模地回到學術界。其他學科也是一樣，有些純研究領域，比如說數學研究，沒有辦法商業化，那就在大學、研究所裡待著，而金融等完全需要商業化的學科，那就進入公司。
計算機領域中，人工智能可以說是第一個學術和商業兩方面屬性都非常強的學科。所以在記者看來，AI的前進就像是不倒翁一樣，總要在學界和工業界進行遷移，這也是技術演變本身需要的過程。
香港九龍灣馬來街興發大廈15樓D室