又一位AI大牛離職了。
近日，螞蟻集團計算儲存首席架構師何昌華離職，他在螞蟻集團的職級為P10。
何昌華畢業於斯坦福大學，在谷歌有7年的工作經驗，後在Airbnb負責後臺系統的應用架構。此後加入螞蟻，擔任螞蟻計算儲存首席架構師。
而何昌華離職並不是個例，近兩年中國大廠AI大牛離職屢見不鮮。他們或迴歸高校，或投身創業。如騰訊AI Lab主任張潼，滴滴AI Lab葉傑，位元組跳動副總裁、AI Lab主任馬維英，京東AI開創者周伯文，阿里雲AI智慧首席科學家閔萬，阿里巴巴副總裁、達摩院自動駕駛實驗室負責人王剛，螞蟻集團原副總裁、AI團隊負責人漆遠……
AI大牛紛紛離職，一定存在共同的緣由和底層邏輯，AI商業週刊試圖找到“放大鏡”，撥開AI大牛們離職的“洋蔥皮層”，挖掘事件冰山下的“隱秘角落”。
中國大廠AI Lab：產業與科研之間的“浮萍”
科研與產業就像天平的兩端，一個是今天，一個是明天，但國內大廠大多沒有找到這個平衡點。
大多AI Lab成立的初衷是做基礎研究，很少接觸業務，但隨著企業的持續高投入難以直接帶來收益，不得不調整為支援業務產業化落地。
那麼，一些瑣碎、低門檻的工作，比如標註資料、修改模型、調引數等，自然被安排到了這些研究員頭上，甚至有網友調侃“和富士康的工藝師沒什麼區別”。這與研究員的想法背道而馳，既然長期找不到自身價值，還不如迴歸學術繼續深造。
誠然，亦有部分大廠的AI Lab沒有業務壓力，但扛起了論文數量和質量較重的KPI
發論文有兩個直接好處：一方面是企業很好的PR素材，以宣傳技術的領先性；另一方面可吸引更多的研究人才加入，對招聘大有裨益。
但問題是，隨著CVPR、ICCV、ECCV等學術頂會的近些年投稿數量劇增，論文“內卷”得越來越厲害，論文入選愈來愈難。當投入與產出不成正比，企業便開始重新審視AI Lab存在的價值了。
大廠內部的矛盾也一個不可忽視的阻礙，以騰訊為例，AI Lab研發需要業務側的資料，但不同部門之間的競爭激烈，業務側不一定積極配合。
大廠需要的是大牛的光環，大牛需要的是大廠的經濟回報和資料資源，一旦不匹配的就會好聚好散了
。
AI Lab就像一個內部的高階外包。Lab做出來的研究如果想推銷給業務部門，人家不一定需要。且不說Lab的研究成果不一定能精準解決業務部門的痛點，一些財大氣粗的BG自己擁有搞個研究部門，沒有強烈的跟AI Lab合作的動力。
不妨看看國外科技巨頭的實驗室是如何運營的。
自2010年創立以來，谷歌母公司Alphabet旗下的秘密實驗室Google X針對各方面的重大挑戰每年構想上百個創意。太空升降梯？氣球上網？海水提煉燃料？智慧眼鏡？……這些看似異想天開的點子都是Google X實驗室曾經有過的創意。
Google X鼓勵、甚至要求定期探究荒唐想法。目前Google X已經成功實現不少創意，比如谷歌氣球和Waymo自動駕駛。當然也有很多創意最終失敗，比如Google Glass智慧眼鏡。
Google X的目的不是解決谷歌的問題，它也沒有肩負慈善的使命。這家組織存在的終極目標是，創立一些改變世界的企業，它們可能最終成為下一個谷歌。
用創新思想和文化運營創新本身，看好長期價值和回報，是Google X滔滔不絕的創新源泉，也是國內企業值得借鑑之處。
AI行業何去何從？
AI大牛們紛紛離開網際網路大廠，亦是行業重新洗牌和革新的表象，那麼AI行業將有怎樣的走勢？
目前AI的風口已過或已接近尾聲，資本對AI的投資最終都需要落地和回報，整體來看，技術上近幾年不會有太大的突破。CV如果不是Transformer，整個AI領域的去泡沫化會更快。NLP目前也沒有什麼本質的進展，未來幾年也不大可能會。
在這種情況下，企業核心部門的演算法團隊並不比AI Lab差，甚至更好，因為他們有更豐富場景的資料，而場景又倒逼演算法的創新，包括演算法效率提升和產品化能力。
未來幾年，人工智慧將步入高速產品化的時代，以資料推動的深度學習演算法仍是重要驅動力
。
當然，未來的趨勢是“小資料”而不是“大資料”。近日，AI大牛吳恩達在接受IEEE Spectrum採訪時表示：大資料、大模型作為深度學習演算法引擎已經成功的運行了大約15年，到目前為止，它仍然有動力。話雖如此，它只適用於某些問題，還有一系列其他問題需要小資料才能解決。
小樣本學習將使人工智慧能夠快速適應新任務，滿足快速迭代的新需求。例如來自OpenAI和Meta、WebGPT和BlenderBot 2。0的最新語言模型，它們可以在網上檢索對他們提出的問題的最新答案。
過去一年，我們見證了大型語言模型的巨大進步，AI大模型比拼將在2022年繼續進行。2019年，OpenAI的GPT-2成為第一個擁有超過10億個引數的模型；2020年，GPT-3風靡AI社群，它擁有1750億個引數，讓之前的一切相形見絀，但GPT-3作為最大的AI模型的統治並沒有持續多久；2021年，谷歌Switch Transformer模型（1。6萬億引數）和北京智源研究院“悟道”（1。75萬億引數）模型打破萬億引數壁壘。
這些大模型擁有更強的通用能力，降低了對資料的依賴。市場預計，2022年大型語言模型的規模將繼續增長。2022年最大的模型很有可能來自 OpenAI：GPT-4。
當然，隨著人工智慧深入到越來越多長尾應用，對算力需求倍增。英偉達剛剛釋出了2021 Q4財報，其中資料中心業務營收達32。6億美元，同比增長72%，高於預期值31。5億美元。
可以預見，AI行業是一場長跑，技術上持續迸發出小突破，是一場產品化能力、資本和人才的綜合較量。
寫在最後
AI大牛的出走，核心於公司高估了其創新技術的價值商業化可變現能力，低估了新技術落地的難度。AI大牛選擇迴歸學術界/重回傳統行業都可能是未來趨勢。從傳統行業步入網際網路快車，沾一波新技術的從無到有的紅利已然結束。
未來十年，BAT等網際網路大廠將會遇到巨大挑戰。以流量為主導的網際網路創業模式終止，而以“卡賽道”模式的科技創業模式剛剛開啟。
在新一輪的技術創業浪潮中，網際網路大廠的優勢面臨前所未來的衝擊。事實上，我們發現大廠AI大牛紛紛離職，而創業公司AI大牛卻相對穩定。一些能夠對標美國Salesforce、Oracle等的TO B中國科技企業可能會崛起。