黑爪：世界上最缺人才的行业——巨头为了挖人不惜买公司

文 | 黑爪

吴恩达从百度的离职，把“人工智能抢人大战”的话题又掀起一轮高潮。几年前微软研究院的彼得·李曾经开过一个玩笑，他把吸引一名顶级AI人才的费用与NFL（国家橄榄球联盟）签一个四分卫的价格作比。要知道前20位的NFL四分卫，都是千万美元身家往上，最顶尖的甚至过了十亿。

三月上旬读到36氪的一篇相关报道，除了与经济下滑的大势对比之下，AI人才惊人的薪酬数字外，一句“有钱也挖不到人”才真正戳到了企业的痛处。

财大气粗的，把实验室建到人才密集之处，例如百度的硅谷AI实验室，截止前天（3月28日）的消息，已经又建了第二个。没有这个实力的呢，而且原以为人才密集之处也闹人荒呢？百度这条路并不是一剂良方。

回顾一下近年来的人才战，不外乎几个套路：抢人、抢购小公司、自己培训，其实还有一类，那就是把握政治和政策带来的机会。

▍（一）抢人

几年来，深度学习技术牵着几乎所有互联网巨头的鼻子，正在从根本上改变他们的路径。

先看看谷歌，2013年从多伦多大学把有“深度学习之父”称号的杰弗·辛顿挖出来一半（辛顿一半时间留在多大任教做研究），在他的帮助下，谷歌创建了第一个令全公司所有部门受惠的中心AI实验室。

▲ 杰弗·辛顿（Geoff Hinton)

脸书呢，由另一位有时也被人称作“之父”的彦·乐康（娱乐界认干爹，科技界则封人头衔“之父”。这位“之父”的博士后导师，其实正是前面那位“之父”辛顿）主持，兴建了一个类似的实验室。

那之后，深度学习领域的创业公司、学界大人物，在大额支票的牵引下，如洪水一般涌入各个企业。

埃隆·马斯克从谷歌和脸书挖去几位高手，以打造“更善良的AI”为名，创建了一个非盈利性质的实验室OpenAI。关于这个“更善良”一说，值得开篇另说。

脸书AI部有个重要人物，叫泽尼克，他的亲身经历算是个活例，不光解释了深度学习为什么神奇，更说明了深度学习人才为何这般金贵。

泽尼克在微软投入了十年时间研究视觉系统，目的是让这个系统能够像人类一样去“看见”。这件事到了2013年，他发现利用深度学习技术，只消几个月的时间就把他的十年之功给超了。解释起来有些玄乎，但事实就是这样。简单地说，泽尼克这一类的传统研究人员，为了创建一个视觉系统，他们会把问题分解为一个一个的小部件，将不同的相应技术应用到每一个小部件上，逐个击破，再来整合。而这样的问题，在辛顿这一类学者眼里呢，就都是一件事：一个深度神经网，可以解决很多问题（很多，不是所有）。他们不去一手一脚为每一个子系统写代码，而是创建一个可以通过巨量的数据来进行自主学习，从而实现所要求功能的神经网络。如果要打个比方，这里的计算机科学家更像教练，而不是球员，你并不一行一行地编写系统，你在信息的海洋里，训练调遣出想要的结果。

泽尼克在2013年秋季以前都对此漠然无视。那天他在伯克利听一个博士生的学术座谈，讲解怎样利用深度学习在照片上识别特定物体。比如，给系统载入成百万张的喵星人照片，系统随后便可以从你给它的图片里认出猫来。当这个博士生在解释系统后面所应用到的数学原理时，泽尼克一下子意识到，这才是方向啊。但他有一个最重要的问题想要知道，那就是这个系统的性能有多好，当那个博士生最后说出代表了系统精确度的数字时，泽尼克对自己说“不能再清楚了，这才是通向未来的道路。”

你猜泽尼克接下来做了件什么事？别忘了这篇文章在讨论人才。他当然立即就把这博士生收编到他在微软的麾下，重组了视觉识别团队。后话是，没过多久这整个团队就被脸书给连锅端走了。

通过这件事你肯定不能得出一个泽尼克后知后觉的结论，只能说明，业界在忽然发现沉寂了几十年的深度学习技术，重新爆发出威力之时的一片手忙脚乱。

不光软件企业、互联网公司，连芯片制造商也加入了这个行列。

英特尔宣布成立一个进行AI 研究的实验室，而且明说愿意开出谷歌大脑、脸书AI的同等价钱来招揽精英，并直言不讳，包括像刚离职的吴恩达这个级别的人物。它创建这个实验室的目的，并非要建造自己的AI，而是为了给那些AI公司卖芯片，它得先懂得客户的真实需求。这一轮的AI运动围绕着神经网络，以及通过对大量数据进行分析从而学习完成任务的复杂数学系统在进行，在训练这样一个神经网络时，常常需要几百个GPU芯片。眼下几乎所有的这一类GPU芯片都出自英特尔的对手nvidia。英特尔希望在这个AI实验室的带动下，生产出能够取代GPU的芯片来。

▍（二）抢购小公司

软件和互联网行业笼络人才，实际上很多时候是通过收购人才所创立的小公司来完成的。

2013年，谷歌收购了DNNresearch，当然，此举醉翁之意不在酒，意在公司背后的大神，多伦多大学的辛顿教授，随即再以六亿五千美元的价格吞下位于伦敦的DeepMind，形成了它的第二个AI实验室。这两件事开启了整个行业的收购热潮。

这些行业里大玩家的做法，用埃隆·马斯克的话来说，便是在AI初创公司起飞前，把它们扫荡一空，全部买到自己手里来。

前文提到的英特尔创建AI实验室，与之相伴的动作，是它去年以4亿美金的价格收购Nervana，目标紧盯谷歌和脸书的AI需求。英特尔能否达成取代nvidia GPU的目标我们不知道，但这个芯片巨头的紧迫感所释放出的信息，却明确无误地告诉我们，这场AI运动，已经深深地波及到硬件产业。

另一个例子是通用电气公司GE，它主要生产喷气式发动机，风电及医疗设备等。然而这个已经120多年历史的老牌工业巨头，也在数字化年代开始调整自己。它致力于开发一种软件，希望从所有的硬件中提取数据，从而获取业界过去绝无可能获得的对生产过程的认识。然而问题在于，分析这些数据非常困难，能完成这项任务所需要的人才十分稀缺。

于是GE开始四处收购。

先是买下了一个伯克利机器学习创业团队Wise.io，收购价没有公开，团队有30个人，其中很多天体物理学家。GE的CEO杰夫·伊梅尔特说，“给他们提供航空数据，他们就是杀手。”

▲ GE CEO杰夫·伊梅尔特（Jeff Immelt）

这对于GE和伊梅尔特，以及他们的客户而言，当然是好事。可那些也希望将AI注入自己的操作生产环节的小公司怎么办呢？曾经，Wise.io的理想是“将 AI大众化”，也就是说，创造出一种工具，任何人都可以借此创建自己的机器学习应用，可如今它从业界消失了，融进了GE。

另一桩围绕AI人才大战的显著收购发生在去年年底。优步把刚刚两岁的初创公司Geometric Intelligence纳入麾下，发誓要超过互联网巨头谷歌和脸书正在研发中的深度学习系统。

大家都在关注，这个由纽约大学心理学家加里·马科斯和剑桥信息工程教授祖宾·加若曼尼（这又是一位辛顿在多伦多大学的门生）联合创建，其另外十三名研究人员遍布全球的人工智能实验室一直闭口不提的神秘武功路数，究竟是什么。如果传说是真的，也就是说，它需要的数据量远远小于目前的其他深度学习系统的话，这将无疑是个杀手锏。

就像亚马逊正忙着将自己从一个网上书店转型成为云计算寡头一样，优步很显然正在把自己从一个租车软件公司变成自驾车、以至硬核AI公司。希望有朝一日能与四大齐名：谷歌、亚马逊、脸书、苹果。

过去的几年里，重量级公司疯抢来收入自己的麾下的AI创业公司，有些可能业外的人连名字也没听说过。推特买下Mad Bits，Whetlab，以及Magic Pony；苹果把Turi 和Tuplejump纳入囊中；Salesforce 收购了MetaMind 和Prediction I/O；英特尔收购Nirvana......这还只是长长的清单里的一部分。更要命的是，收购大军不仅仅是软件和互联网公司，其他巨头例如三星和前面提到的GE都在将 AI应用到他们的产品中。一旦创业公司露出苗头，立即被那些最饥渴，最有钱的公司吞下去。

现实是，并非人人都可以去门外走一圈，探囊取物一般就带回来30个擅长做AI的天体物理学家，或者收编一队身怀绝技的神秘高手。科技领域一直都是人才战场，巨头们正在利用收购将这个战场倾斜。

▍（三）自己培训

表面上看，谷歌这些大玩家仅仅是把人才从市场上掏空。可仔细再想，他们所收购的很多初创公司，原本是有志于为各行业开发AI工具和平台，使得没有AI人才的小公司利用那些工具和平台，也可以享受到这个技术带来的便利。

比如Wise.io和Metamind最初的目标，都是为所有人提供可以用来自己搭建机器学习系统的工具，然而如今一个归入GE，另一个入户Salesforce，以及新近成为英特尔一部分的Nirvana。这么一来，世界对AI人才的需求相应地也就更大了。

也许，自己培训便成了没有本钱来买买买的小公司的最好出路。更何况大公司也都已经这么在做了。

当泽尼克要开内部课的消息，发送到脸书员工手机上时，很多人正在吃午饭。发现用手机已经很难注册得上，人们纷纷扔下吃了一半的午餐，冲刺回到座位上用电脑注册，然而等待很多人的还是沮丧的结果：抱歉，下次请早。

这些公司已经把市面上的人才几乎扫荡一空，需求还在上升。然后就在不久之前，深度学习哪怕在学术界，都还处于非主流地位，因此在此领域接受过专业学术训练的人少之又少。这其实从另一个角度说明，对大多数人来说，起点是一样的，大家一起从头学。脸书这才出招，在公司内部正式开课，并广收长期实习生，来创建一个横跨整个公司的AI人才库，“我们有的是头脑聪明的员工。”

谷歌也在做着同样的事，规模可能更大。

在所有的公司都嚷嚷人才真空的大环境下，接下来几年的大学课程设置无疑会闻风而动。但是大公司们现在就像盼着圣诞礼物的小孩一样，“现在就要！”远水解不了近渴，自己培训吧。

这点上，吴恩达又一次令人赞叹。他早在2012年创建在线课堂Coursera时，就开始了深度学习的福音传播，在这个平台上授课的，包括了辛顿这样的先行者，不知惠及多少企业和包括笔者在内的从业人员。正是通过2013年起，每天午餐时坐在咖啡厅里利用Coursera的课程，笔者得以从十年前的支持向量机（SVM）转而对深度学习略知一二。

▍（四）政治带来的机会

熟悉科技界名人八卦的，对妮可·夏娜翰这个名字一定不会陌生。这位谷歌创办人布林的现任女友，曾公开对媒体说，她是从男友的牙缝里抠食。可是就连她，也难逃创业小公司所面临的求才困境。

▲ 妮可·夏娜翰与布林一起出席metgala2016

夏娜翰的公司，ClearAccessIP，利用机器学习技术，挖掘有用的专利交易信息来开发自动分析专利组合的软件。这意味着她需要数据科学家，具有深度神经网络经验，以及能够使用谷歌开源 TensorFlow学习引擎的人才。去年底她相中了4位，其结果是一个也未能如她所愿，其中一位来自加拿大的候选人，最后拒绝她时说，不愿搬去美国。

去年美国的大选结果，使得美国的一些小公司在AI人才缺口问题上更是雪上加霜。而北面的邻居，过去常被人吐槽为“专业为南方生产输送博士”的，以多伦多大学和蒙特利尔大学为中心的机器学习人才链，立即想要抓住这个机会。

蒙特利尔大学的本吉欧教授，本轮机器学习运动中的另一名主角，第一时间广撒英雄帖，邀请各路AI研究人员和数据科学家，齐聚魁北克省，希望建立一个围绕机器学习研究的社区。

“在这个令人沮丧的结果出来之后，我有一点想指出，在广大的北部，加拿大有一个完全不一样的政府。”本吉欧在脸书上写道。脸书的彦·乐康马上跟进转发，“对于希望在北美工作的AI研究员来说，蒙特利尔绝对是个好的落脚点，尤其是当你属于新的美国政府不再欢迎的种类之一时。”

加拿大这次似乎决意要阻止继续充当美国的AI脑力培训基地这件事了。作为人工智能的主要发源地，并且在深度学习的研究领域一直处于领先地位的加拿大，长期以来能做的，只是持续为谷歌、脸书和微软培训人才。众所周知，出自加拿大各人工智能实验室的研究人员充斥了各大公司，活跃在即时语言翻译工具、面部识别、推荐系统等领域。

就在这篇文章快要写完时，矢量研究院（Vector Institute）成立了。这是一个隶属多伦多大学的独立非营利研究结构，由联邦政府、省政府和超过80家企业共同出资创建。而辛顿的工作地点也将从谷歌总部迁回多伦多，他将担任这个新研究院的研究总顾问。“肯定会有其他研究人员希望从美国搬回来的——已经好几个人向我打听过了，”辛顿说。

这样的事并非第一次。伊朗门事件发生时，辛顿在卡内基梅隆大学，他意识到如果继续在美国进行他的研究工作，意味着要接受里根政府的资金，“我宁愿去加拿大”，他回忆说。1987年，他来到多伦多大学任教。

▲ 辛顿的部分门生（从左上始逆时针：脸书，彦·乐康，AI研究总监；SmartFinance，理查德·泽摩，创始人及首席信息官；苹果，鲁斯兰·萨拉克霍特迪诺夫，AI总监；OpenAI，伊利亚·苏特斯科瓦，总监；DeepGenomics，布兰登·弗莱，总裁CEO）

如果说辛顿这个英国人做出这样的选择不够奇怪的话，还有另一位重要的人工智能科学家，阿尔伯塔大学计算机教授理查德·萨顿这位出生于俄亥俄州的美国人，他于2003年美军踏上巴格达土地时北上加拿大，“布什入侵伊拉克，是时候离开了。”

是什么决定了人才的流向？薪酬、雇主的科研技术水准、个人发展空间……这些可能是最常见的答案。上星期，我见到一个新近由助理教授升作副教授的朋友，因为从前的同门情谊，所以并不忌讳谈及薪酬。联想到刚公开的去年公务员薪酬一览，我逗他，快赶上政府雇员里的管道工、看门人和垃圾工标准了呢，不错啊。他说，可是我喜欢校园，这是适合我的地方。这和辛顿几十年来，在学术界被边缘化坚持做自己认定而喜欢的研究项目，有着相似的神态。

本文原标题：《AI人才战：决定人才流向的究竟是什么？》

  ·END·