又一位AI大牛离职了。
近日，蚂蚁集团计算存储首席架构师何昌华离职，他在蚂蚁集团的职级为P10。
何昌华毕业于斯坦福大学，在谷歌有7年的工作经验，后在Airbnb负责后台系统的应用架构。此后加入蚂蚁，担任蚂蚁计算存储首席架构师。
而何昌华离职并不是个例，近两年中国大厂AI大牛离职屡见不鲜。他们或回归高校，或投身创业。如腾讯AI Lab主任张潼，滴滴AI Lab叶杰，字节跳动副总裁、AI Lab主任马维英，京东AI开创者周伯文，阿里云AI智能首席科学家闵万，阿里巴巴副总裁、达摩院自动驾驶实验室负责人王刚，蚂蚁集团原副总裁、AI团队负责人漆远……
AI大牛纷纷离职，一定存在共同的缘由和底层逻辑，AI商业周刊试图找到“放大镜”，拨开AI大牛们离职的“洋葱皮层”，挖掘事件冰山下的“隐秘角落”。
中国大厂AI Lab：产业与科研之间的“浮萍”
科研与产业就像天平的两端，一个是今天，一个是明天，但国内大厂大多没有找到这个平衡点。
大多AI Lab成立的初衷是做基础研究，很少接触业务，但随着企业的持续高投入难以直接带来收益，不得不调整为支持业务产业化落地。
那么，一些琐碎、低门槛的工作，比如标注数据、修改模型、调参数等，自然被安排到了这些研究员头上，甚至有网友调侃“和富士康的工艺师没什么区别”。这与研究员的想法背道而驰，既然长期找不到自身价值，还不如回归学术继续深造。
诚然，亦有部分大厂的AI Lab没有业务压力，但扛起了论文数量和质量较重的KPI
发论文有两个直接好处：一方面是企业很好的PR素材，以宣传技术的领先性；另一方面可吸引更多的研究人才加入，对招聘大有裨益。
但问题是，随着CVPR、ICCV、ECCV等学术顶会的近些年投稿数量剧增，论文“内卷”得越来越厉害，论文入选愈来愈难。当投入与产出不成正比，企业便开始重新审视AI Lab存在的价值了。
大厂内部的矛盾也一个不可忽视的阻碍，以腾讯为例，AI Lab研发需要业务侧的数据，但不同部门之间的竞争激烈，业务侧不一定积极配合。大厂需要的是大牛的光环，大牛需要的是大厂的经济回报和数据资源，一旦不匹配的就会好聚好散了。
AI Lab就像一个内部的高级外包。Lab做出来的研究如果想推销给业务部门，人家不一定需要。且不说Lab的研究成果不一定能精准解决业务部门的痛点，一些财大气粗的BG自己拥有搞个研究部门，没有强烈的跟AI Lab合作的动力。
不妨看看国外科技巨头的实验室是如何运营的。
自2010年创立以来，谷歌母公司Alphabet旗下的秘密实验室Google X针对各方面的重大挑战每年构想上百个创意。太空升降梯？气球上网？海水提炼燃料？智能眼镜？……这些看似异想天开的点子都是Google X实验室曾经有过的创意。
Google X鼓励、甚至要求定期探究荒唐想法。目前Google X已经成功实现不少创意，比如谷歌气球和Waymo自动驾驶。当然也有很多创意最终失败，比如Google Glass智能眼镜。
Google X的目的不是解决谷歌的问题，它也没有肩负慈善的使命。这家组织存在的终极目标是，创立一些改变世界的企业，它们可能最终成为下一个谷歌。
用创新思想和文化运营创新本身，看好长期价值和回报，是Google X滔滔不绝的创新源泉，也是国内企业值得借鉴之处。
AI行业何去何从？
AI大牛们纷纷离开互联网大厂，亦是行业重新洗牌和革新的表象，那么AI行业将有怎样的走势？
目前AI的风口已过或已接近尾声，资本对AI的投资最终都需要落地和回报，整体来看，技术上近几年不会有太大的突破。CV如果不是Transformer，整个AI领域的去泡沫化会更快。NLP目前也没有什么本质的进展，未来几年也不大可能会。
在这种情况下，企业核心部门的算法团队并不比AI Lab差，甚至更好，因为他们有更丰富场景的数据，而场景又倒逼算法的创新，包括算法效率提升和产品化能力。
未来几年，人工智能将步入高速产品化的时代，以数据推动的深度学习算法仍是重要驱动力。
当然，未来的趋势是“小数据”而不是“大数据”。近日，AI大牛吴恩达在接受IEEE Spectrum采访时表示：大数据、大模型作为深度学习算法引擎已经成功的运行了大约15年，到目前为止，它仍然有动力。话虽如此，它只适用于某些问题，还有一系列其他问题需要小数据才能解决。
小样本学习将使人工智能能够快速适应新任务，满足快速迭代的新需求。例如来自OpenAI和Meta、WebGPT和BlenderBot 2.0的最新语言模型，它们可以在网上检索对他们提出的问题的最新答案。
过去一年，我们见证了大型语言模型的巨大进步，AI大模型比拼将在2022年继续进行。2019年，OpenAI的GPT-2成为第一个拥有超过10亿个参数的模型；2020年，GPT-3风靡AI社区，它拥有1750亿个参数，让之前的一切相形见绌，但GPT-3作为最大的AI模型的统治并没有持续多久；2021年，谷歌Switch Transformer模型（1.6万亿参数）和北京智源研究院“悟道”（1.75万亿参数）模型打破万亿参数壁垒。
这些大模型拥有更强的通用能力，降低了对数据的依赖。市场预计，2022年大型语言模型的规模将继续增长。2022年最大的模型很有可能来自 OpenAI：GPT-4。
当然，随着人工智能深入到越来越多长尾应用，对算力需求倍增。英伟达刚刚发布了2021 Q4财报，其中数据中心业务营收达32.6亿美元，同比增长72%，高于预期值31.5亿美元。
可以预见，AI行业是一场长跑，技术上持续迸发出小突破，是一场产品化能力、资本和人才的综合较量。
写在最后
AI大牛的出走，核心于公司高估了其创新技术的价值商业化可变现能力，低估了新技术落地的难度。AI大牛选择回归学术界/重回传统行业都可能是未来趋势。从传统行业步入互联网快车，沾一波新技术的从无到有的红利已然结束。
未来十年，BAT等互联网大厂将会遇到巨大挑战。以流量为主导的互联网创业模式终止，而以“卡赛道”模式的科技创业模式刚刚开启。
在新一轮的技术创业浪潮中，互联网大厂的优势面临前所未来的冲击。事实上，我们发现大厂AI大牛纷纷离职，而创业公司AI大牛却相对稳定。一些能够对标美国Salesforce、Oracle等的TO B中国科技企业可能会崛起。
营业执照公示信息