• 正文
    • 1、最不擅長妥協(xié)的一群人
    • 2、AI科學家的“面子”和“里子”雙重作用
    • 3、AI科學家所激化的組織矛盾
    • 4、讓科學家去賣產(chǎn)品
    • 5、“去AI部門化”與“被錯亂使用的AI人”
    • 6、AI人才眼中的理想型企業(yè)研究院
    • 7、企業(yè)研究院:走MIT模式,還是哈佛模式?
  • 相關(guān)推薦
申請入駐 產(chǎn)業(yè)圖譜

AI 人才越來越不值錢了嗎?

2021/09/14
152
加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點資訊討論

 

 

“實不相瞞,我們已經(jīng)不敢招那些有頭有臉的AI科學家了。”傳統(tǒng)IT上市企業(yè)高管程路搖頭嘆氣道。

AI科學家恐懼癥這個詞,近些年時不時從企業(yè)家口中聽到,尤其是那些作風老派的經(jīng)營者。

背后的邏輯,并非行業(yè)里老生常談的“不落地、不賺錢、研究不重要”等看似有道理,實則非常狹隘的措辭。

而是,大部分公司現(xiàn)有的組織能力,并不能消化掉這批象牙塔里天賦異稟的人才。好比讓喬丹、科比等一眾球星出生在非洲,大概率無法取得現(xiàn)有成就一樣。人們往往把組織問題,全部歸結(jié)到人身上。片面、偏頗、悲哀。

傳統(tǒng)公司的組織運轉(zhuǎn)落后程度,相比BAT、字節(jié)、美團,跟非洲與美國的差異如出一轍。

這些公司所產(chǎn)生的AI科學家恐懼癥,也是一種對組織能力不自信的映射。

“當二、三線公司,發(fā)現(xiàn)自己并不具備吸收首席科學家的組織能力,陸續(xù)叫停招募后,人才供需的天秤便開始傾斜。肉多了,狼開始變少了,部分高級AI人才的貶值,是自然而然的事情。”

1、最不擅長妥協(xié)的一群人

早些年里,互聯(lián)網(wǎng)巨頭招募知名AI科學家的目的非常簡單:吸引更多人才,幫公司走完智能化轉(zhuǎn)型的從0到0.5,創(chuàng)造更大的想象力空間,間接對工程、產(chǎn)品、銷售、人事、財務(wù)部門產(chǎn)生良性作用。

問題在于,這些作用潤物細無聲,不能直接顯現(xiàn),更無法KPI化。

“除了搜索和廣告等自有場景外,AI的主要形態(tài)便是對外賦能,也就是以ToB的形態(tài)存在。讓科學家直接去做解決方案、跑業(yè)務(wù),顯然不現(xiàn)實??茖W尋找的是最優(yōu)解,ToB產(chǎn)品的本質(zhì),則是以最優(yōu)解為目標的一種妥協(xié)。”程路補充道。

當今國內(nèi)ToB行業(yè),本質(zhì)上就是一種妥協(xié):標準化和定制化之間的妥協(xié)、高毛利與虧損之間的妥協(xié)、你主導和客戶主導之間的妥協(xié)……

“科學家最不擅長的就是妥協(xié),在他們的局部世界里,自己永遠是MVP,科學界確實也需要這樣偏執(zhí)和自負的精神。但回到工業(yè)界:大部分管理層并不迷信方法,只關(guān)心你拿到了多少用戶,賺到了多少錢。如果是技術(shù)團隊,更看重你不可或缺的支撐能力,為什么阿里云和OceanBase工程團隊地位那么高,可以說,沒有他們就沒有雙11。”Google前技術(shù)高管吳全告訴雷鋒網(wǎng)。

現(xiàn)在AI的支撐作用,有到這個程度嗎?遠沒有。

因此考核AI科學家,成了一個世紀難題。面子作用大于里子,為企業(yè)科學家們招來不少非議。

2、AI科學家的“面子”和“里子”雙重作用

企業(yè)對科學家的評價標準,分兩種:對內(nèi)和對外。

對內(nèi),直接幫企業(yè)解決實際技術(shù)、業(yè)務(wù)、管理問題。

對外,即與外界建立起連接,靠自身影響力招募到大量頂級人才,同時能夠與外部頂級研究機構(gòu)達成戰(zhàn)略合作,反哺自身的技術(shù)儲備,尤其是放大自身的技術(shù)影響力和行業(yè)號召力。

對互聯(lián)網(wǎng)巨頭而言,面子所創(chuàng)造的價值,是無可比擬的。面子型公司活不久,里子型公司做不大。而那些活的最好的、有里有面的大公司,在他們眼里,AI的面子,有些時候比里子更重要。

但那些處在溫飽邊緣的二線AI公司或傳統(tǒng)IT公司、產(chǎn)業(yè)公司,招募AI研究高管,更多是抱著對AI的過分期待,希望借此解決實際問題,形成商業(yè)變現(xiàn),想法異常的務(wù)實。

過去五年,中小企業(yè)的AI研究院驗證了一個道理。那就是,對于AI人才的用法,一旦過于務(wù)實,便是用“大炮打蒼蠅”,一是浪費,二是不一定打得著。

此外,這種做法還會讓旁邊的一眾“蒼蠅拍”高管(真正解決實際問題的人)無法理解,認為自己不受重用,從而帶來了新的組織問題。

3、AI科學家所激化的組織矛盾

一家集成商高管告訴雷鋒網(wǎng),他們曾試圖用四、五百萬的年薪挖某學術(shù)專家,雖然這價格相比于動輒千萬的AI首席科學家年薪,已足夠劃算,但仍招來人事和業(yè)務(wù)高管的不滿,激化了組織矛盾。

人事高管認為他的薪資過高,挑戰(zhàn)了現(xiàn)有的薪資結(jié)構(gòu)。業(yè)務(wù)高管則覺得他們自己在業(yè)務(wù)一線摸爬滾打二十多年,為公司立下了汗馬功勞,也沒享受到那樣的待遇。

“跑在項目一線的人,對這件事非常的不爽。在他們的價值觀中,誰能更好地幫客戶解決問題,誰就應(yīng)該拿高薪資。但現(xiàn)在出來個搞虛頭巴腦的研究人員,技術(shù)再好,不落地又有何用?開那么高的薪資,讓其他干實事的人怎么安心干活。”該集成商的副總裁異常氣憤。

任正非有一句是這樣說的:企業(yè)持續(xù)發(fā)展的動力不是人才,而是利益分配。也就是說,好的利益分配機制才是企業(yè)持續(xù)發(fā)展的動力。

這樣一個看似小小的利益分配問題,都直接影響到了組織凝聚力。

不止二線集成商,即便是財大氣粗的百度,前首席科學家吳恩達的博士生Adam,一畢業(yè)就被任命為總監(jiān)領(lǐng)著200萬美金的年薪,這是許多百度十年以上工程師都不曾有的待遇,江湖上所謂的斯坦福等名校AI博士畢業(yè)領(lǐng)200萬美金年薪的傳言就來源于此。這種非常規(guī)的用人,給吳恩達及其實驗室招來公司內(nèi)的諸多非議。

而AI科學家高薪聘請自己學生的案例,在很多公司屢見不鮮。企業(yè)為科學家們開啟的種種特殊通道,自然會讓自己引火上身。

某知名金融機構(gòu),公司產(chǎn)品部門時常抱怨其研究院“人均薪資高,能解決的問題少。”時間一久后,企業(yè)董事長也發(fā)現(xiàn)了AI人均投入產(chǎn)出比低的癥結(jié),于是破天荒地為他們制定了營收KPI。

4、讓科學家去賣產(chǎn)品

讓AI科學家走到田間地頭去賺錢,分兩種形式。

其一,和其他部門合伙賺別人的錢:如研究院幫助云部門的解決方案團隊做技術(shù)支持,云部門獲得的訂單,部分營收額需分配給研究院。因此研究院下設(shè)的各個子實驗室,為了評獎評優(yōu),經(jīng)常會和解決方案團隊在一起做項目落地。

這個時候,研究院的屬性也開始發(fā)生了變化。

“以阿里達摩院為例,它創(chuàng)立初期的定位是基礎(chǔ)技術(shù)研究院,但現(xiàn)在完全淪為應(yīng)用研究院,全面服務(wù)阿里云的業(yè)務(wù)?,F(xiàn)在國內(nèi)最純粹的企業(yè)AI實驗室就是張正友領(lǐng)導的騰訊AI Lab,他們是真的投入絕對人力、物力去做前沿研究。張正友去年成為騰訊歷史上首位17級專家,側(cè)面可以看出騰訊內(nèi)部對長線前沿研究的決心。”吳全舉證道。

第二種賺錢方式,即左手倒右手。這在金融行業(yè)非常多見,業(yè)務(wù)部門若有需求,會向科技子公司或研究院下發(fā)需求,而這個時候,研究院會向業(yè)務(wù)部門按投入人頭和服務(wù)器使用量來收費。

“假如業(yè)務(wù)部門需要開發(fā)一個非?;A(chǔ)的AI功能,研究院會評估需要多少個AI研發(fā)以及多少周期,然后給出報價。”

但這個時候,問題出現(xiàn)了。用一句話形容,便是“自家人開始坑自家人”。

業(yè)務(wù)部門發(fā)現(xiàn),同樣功能的實現(xiàn),找外部AI供應(yīng)商采購,成本往往比找自家研究院便宜不少。

這中間有以下幾點:一是外部供應(yīng)商本身有較為成型的產(chǎn)品,改動改動即可快速部署。其次,外部供應(yīng)商的人力薪資成本相對較低。還有一個重要原因,AI供應(yīng)商為了擴大客戶規(guī)模,做標桿案例客戶,甚至會虧本銷售。

反觀研究院,由于營收業(yè)績壓力巨大,以及知曉部分項目由于安全原因不能外包,于是漫天要價,而且因為都是同事,態(tài)度趾高氣昂。

“做著乙方的事情,卻拿著甲方的薪資,還一副甲方大爺?shù)淖炷槨?rdquo;李成無奈的說道。“有些項目,即便貴,也不得不含著淚去采購。要合規(guī),要安全,用自家更穩(wěn)健一些。”

“有時候,研究院的實施即便做得很差,他們還會在匯報會上瘋狂diss產(chǎn)品部門不配合,IT部門代碼爛,數(shù)據(jù)部門樣本質(zhì)量不高……”

組織矛盾,就在這些滴滴點點中爆發(fā)了。

誰來管他們?

5、“去AI部門化”與“被錯亂使用的AI人”

一直以來,互聯(lián)網(wǎng)巨頭的AI研究院都是獨立于工程部門,話語權(quán)巨大。

隨著AI所創(chuàng)造的價值難以在短時間內(nèi)顯現(xiàn),CEO們越來越傾向讓工程領(lǐng)導去管理研究院。如吳恩達在百度時期,直接向李彥宏匯報,離職后,AI研究團隊被工程體系領(lǐng)導。

同樣,李飛飛離職Google后,工程統(tǒng)帥Jeff Dean接管了Google的人工智能研究。沈向洋離職后,微軟CTO接手其6000人以上的研究團隊。

過往,有技術(shù)前瞻性的CEO們,寄希望形成一條自上而下的AI研究驅(qū)動工程、工程驅(qū)動產(chǎn)品、 產(chǎn)品賦能用戶/客戶的鏈條。事實發(fā)現(xiàn),當前的AI并不能驅(qū)動工程,它只是工程的一部分,輔助落地。

過往話語權(quán)頗高的獨立AI研究院,也陸續(xù)名存實亡,成了工程部門的子團隊。當部分研究院在公司的地位和話語權(quán)逐步被工程部門剝奪后,他們對AI人才的招募需求還大嗎?

“依舊巨大,只不過給不到以往那么高的職級了。過往一個優(yōu)秀的AI應(yīng)屆博士生,有可能拿到等同于阿里P8級的職位,現(xiàn)在這個可能性微乎其微。”一獵頭告訴雷鋒網(wǎng)。

此外,AI四小龍之流獨角獸的研究院,在人才市場上的競爭力逐漸變小,過往他們在快速發(fā)展的時候,因湯曉鷗、孫劍等招牌科學家的號召力,不少優(yōu)秀的年輕人紛紛會踏上創(chuàng)業(yè)公司之路。

現(xiàn)在隨著AI創(chuàng)業(yè)公司想象力空間遇到天花板,年輕人們更傾向于去薪資更高、工作變動更小的互聯(lián)網(wǎng)大廠。

2017年前后,在AI融資最井噴的時期,商湯曠視的薪資甚至是高于BAT的,搶人大戰(zhàn)帶來的結(jié)果,就是薪資的水漲船高,AI人才一天比一天貴。

現(xiàn)在隨著四小龍等獨角獸的員工數(shù)相比那個時間已暴增十倍,外加上連年虧損,以及過去一年IPO的接連遇冷,創(chuàng)業(yè)公司已經(jīng)難以開出四年前那么具有競爭力的薪資和期權(quán)激勵。

水漲不起來,船就開始下沉了。

“現(xiàn)在AI的開源工具操作越來越簡單,開發(fā)門檻一年比一年低。好比PS的出現(xiàn),餓死了一大批畫家。”

“AI工具的普惠化,直接利好兩類人:一類是凌駕于工具之上的應(yīng)屆天才,如周志華、朱軍、林達華等名師麾下畢業(yè)的博士,去到企業(yè)鉆研基礎(chǔ)前沿技術(shù),幫公司做好面子。一類人是不求研究能力多強,但熟悉工具即可,成為落地團隊蕓蕓眾生中的一名大頭兵,為公司撐好里子。而那些處于中間部分平平無奇的人員,高不成低不就,略顯尷尬。”一視覺企業(yè)的AI博士薛然告訴雷鋒網(wǎng)。

“他從入職到現(xiàn)在,就一直在做業(yè)務(wù)開發(fā),什么高大上的研究都沒做過,感覺自己已經(jīng)被學術(shù)界拋棄了。”以如此高的年薪,卻做著數(shù)據(jù)清洗、簡單的建模工作,這讓他非常困惑和痛苦。”

當然還有一批人的用處,更加離奇:能干點啥干點啥。

一AI獨角獸公司的AI博士蕭楚向雷鋒網(wǎng)訴苦,“我感覺有些企業(yè)實驗室的氛圍很自由,但好像有點太自由了。”在進入實驗室三年,發(fā)表了幾篇論文后,有一天蕭楚找產(chǎn)品部門了解了情況,發(fā)現(xiàn)在公司的產(chǎn)品里,基本沒有他們實驗室技術(shù)的影子。“公司聘用我們,或許只是想讓我們發(fā)發(fā)頂會論文,打打比賽,給他們做做PR。”

6、AI人才眼中的理想型企業(yè)研究院

要撐得起面子,首先需要有強大的企業(yè)資產(chǎn)做支撐。

谷歌為什么能容忍DeepMind長期虧損?答案非常簡單,有錢。FAIR、MSRA背后的Facebook、微軟,也是如此。

微軟和谷歌并不是企業(yè)研究院的鼻祖,實際上,企業(yè)研究院在二十世紀上半葉經(jīng)歷了一個輝煌時期,代表企業(yè)包括杜邦、通用電氣、AT&T、IBM。其中,AT&T成立的研究院就是著名的貝爾實驗室。

這些企業(yè)研究院都有類似的發(fā)展軌跡,首先通過應(yīng)用類技術(shù)轉(zhuǎn)化讓公司迅速擴張,比如通用電氣的GE中央研究院一開始的發(fā)展模式就是簡單粗暴的“買專利”;在公司壯大奠定行業(yè)領(lǐng)軍地位后,再走向基礎(chǔ)研究,并讓研究院獨立,GE此后便發(fā)明了白熾燈、無線電和X射線,貝爾實驗室也因此誕生了十幾位諾貝爾獎得主和四位圖靈獎得主(包括了CNN奠基人Yann LeCun)。

當然,獨立之后的企業(yè)研究院也并不是變成了像高校那樣的象牙塔,而是有著明顯的層次劃分。比如GE中央研究院就將技術(shù)研發(fā)工作分為兩類:基礎(chǔ)研究、技術(shù)升級或改造,對于這兩類研究,可以由不同類型的科學家去獨立進行。

在貝爾實驗室也是一樣,而且他們從基礎(chǔ)研究到產(chǎn)品開發(fā),再到推向市場的周期特別短,這種高效的協(xié)作有賴于大團隊的人才供給,以及管理模式的創(chuàng)新。

得益于自由的基礎(chǔ)研究氛圍,貝爾實驗室向全世界貢獻了晶體管、激光、Unix、C語言等等改變世界的偉大發(fā)明。

這種自由不是一句“我愿意把一生獻給學術(shù)”就能得到的,貝爾實驗室嚴格的人才選拔標準保證了研究人員的基本科學素養(yǎng)和對科學研究的激情,以此其自由氛圍才得以發(fā)揮有益的作用。

這種自由還有一層含義,就是只受同行評議限制,而不受外界考核壓力限制。在上世紀八十年代經(jīng)歷了拆分和華爾街介入后,頭上頂著業(yè)績考核的貝爾實驗室再也沒辦法回復活力,科學家甚至面臨著要和市場部聯(lián)合推銷產(chǎn)品的尷尬處境。

以史為鏡,可以知興替。

反觀當下眾多企業(yè)AI研究院面臨的種種窘境,不難看出,“命不久矣”。

可以支撐起基礎(chǔ)研究的企業(yè)研究院,能夠為企業(yè)提供前瞻性視角,進行頂層設(shè)計,其存在關(guān)乎公司未來的行業(yè)領(lǐng)導力。

但由于市場的殘酷生存邏輯,企業(yè)研究院的存在也必然是自下而上的衍生品。在歷史上,只有實力雄厚的企業(yè)才能支撐起擁有象牙塔的研究院。公司出現(xiàn)危機一般不會動頂層管理者,但第一個被盯上的,往往就是研究院。

對于中小企業(yè)的AI研究院也是那樣。一行業(yè)人士告訴雷鋒網(wǎng),如今這些公司的AI研究院很多都已經(jīng)名存實亡,不敢再招AI高管了。

一方面是急功近利,另一方面,在學術(shù)研究上,這些實驗室也未能產(chǎn)出足夠有影響力的成果。“雖然看上去很自由,也發(fā)了不少頂會論文,但其實很少有完全自主的idea,基本都是follow谷歌、OpenAI這些公司做的改進研究,比如BERT、GPT-3、AlphaFold等等,我們?nèi)几^。”蕭楚告訴我們。

蕭楚認為,雖然像AlphaGo、AlphaFold這些研究有不少PR成分,“但能夠以學術(shù)成果做PR還是很了不起的,對比我們,國內(nèi)仍然是跟風模式,一個主要原因是由于AI人才的歷史積淀不足。“蕭楚說道。

在蕭楚的眼里,盡管這幾年國內(nèi)頂會論文數(shù)量大有登頂之勢,但整個領(lǐng)域的前沿依然由國外的知名實驗室主導。

“國內(nèi)即便是大牛,大多數(shù)還是在做follow up的工作。而國外的大企業(yè)實驗室,會有很多五十歲左右的大牛教授坐鎮(zhèn),他們近距離經(jīng)歷過人工智能的多次歷史浪潮,在領(lǐng)域認知上自然高我們一個level。”

回顧人工智能早期階段,不管是催生人工智能革命的達特茅斯會議的核心人物,包括約翰·麥卡錫、馬文·明斯基、雷·所羅門諾夫、克勞德·香農(nóng)、司馬賀、艾倫·紐厄爾等人。

還是后續(xù)人工智能的多個歷史階段的引領(lǐng)者,包括自動定理證明、專家系統(tǒng)、知識圖譜、神經(jīng)網(wǎng)絡(luò)的先驅(qū):Martin Davis、Bruce G.Buchchanan、Douglas Lenat、Warren McCulloch、Walter Pitts等人。乃至控制論之父Norbert Wiener、強化學習原型即細胞自動機之父馮·諾依曼,他們都是美國學者。

在美國留學多年的蕭楚對于兩國人才差異上有著深刻體會,而今在Guide2Research的CS學者榜單上,也依然是美國科學家主導。

另外一個原因就是理論素養(yǎng)不夠。對于科學理論的重要性,歷史早已給出了無數(shù)例證。

比如,香農(nóng)提出了信息論之后,人們才得以用精確而簡潔的數(shù)學語言來討論信息概念,從而給出確定的理論結(jié)論,即數(shù)據(jù)壓縮極限和通信速率極限。香農(nóng)對信息的數(shù)學定義去除了信息的繁雜含義,抽象出了信息的最重要性質(zhì),即不確定性。借用已有的成熟數(shù)學工具,信息論得以飛速發(fā)展。這種理論探索頗符合香農(nóng)的研究風格,他曾經(jīng)說過,“最好的研究是修剪已有的知識樹而不是去發(fā)展它。”

蕭楚說道,如今人工智能尚屬于百花齊放階段,如果在某一天遇到了瓶頸,或許可以考慮去“修剪已有的知識樹”,也即是在理論上抽象出智能最本質(zhì)的數(shù)學概念,以此帶來人工智能的下一步飛躍式發(fā)展。

回到現(xiàn)實,蕭楚觀察到,今年公司招收的AI博士名額比往年少了,薪資水平也開始下降,“我自己的薪資也怎么沒漲過,微微苦澀。”另一邊,薛然的處境或許更加困難,“公司已經(jīng)通知,要開源節(jié)流。我知道,肯定第一個拿我們開刀。”

7、企業(yè)研究院:走MIT模式,還是哈佛模式?

哈佛大學終身教授、模式識別領(lǐng)域開拓者何毓琦教授曾基于自身求學經(jīng)歷總結(jié)出了兩種截然不同的教育模式——麻省理工模式和哈佛模式。

麻省理工學院課業(yè)繁重,考核嚴格,其畢業(yè)生必能掌握某一領(lǐng)域的專業(yè)知識和技能,并有獨立學習能力,“質(zhì)量穩(wěn)定”——水平比較平均。而哈佛大學的教育理念更加自由開放,考核少,并且會鼓勵學生廣泛涉獵,“質(zhì)量不穩(wěn)定”——水平參差不齊,盡管平均水平也很高。

因此,在后期發(fā)展上,這兩所學校的畢業(yè)生取得的成就類型也有較大區(qū)別,“哈佛孕育了更多的諾貝爾獎獲得者,而麻省理工孕育了更多的高科技公司。”

何教授最后也總結(jié)道,麻省理工模式更加適合發(fā)展中國家,哈佛模式則是在國家發(fā)展到一定程度后為了與世界接軌而必須結(jié)合的模式。

對比中小企業(yè)和大企業(yè),也是如此。中小企業(yè)隨時掙扎在生死邊緣,必須首先保證產(chǎn)品質(zhì)量過關(guān),還不是刻意追求獨創(chuàng)性的時候,也就是麻省理工模式。

也因此,企業(yè)研究院在中小企業(yè)會如此不適應(yīng)亦不再奇怪。很多時候,一些突然冒出的極其獨特的獨角獸公司,其獨創(chuàng)性也只體現(xiàn)在剛剛創(chuàng)立的瞬間,其后便需要面對巨大的競爭壓力。

而對于大公司,其資產(chǎn)實力能保證長期依靠已有業(yè)務(wù)生存,同時也能支撐需要面對大量失敗嘗試的基礎(chǔ)研究,也就是哈佛模式。單純依靠管理創(chuàng)新難以持續(xù)帶來新增長,大公司也必須隨時具備危機意識,將希望寄托于科學人才和基礎(chǔ)研究,以期一朝建立十年新優(yōu)勢。

文中程路、李成、薛然、蕭楚均為化名。

本文由雷鋒網(wǎng)原創(chuàng),作者:青暮。申請授權(quán)請回復“轉(zhuǎn)載”,未經(jīng)授權(quán)不得轉(zhuǎn)載。

相關(guān)推薦