科学家逃离企业的故事，依旧在继续。
从2019年AI（人工智慧）行业遇冷以来，一些大型网际网路公司或者AI明星的科学家「出走」的戏码就一直不曾间断。
据虎嗅不完全统计，国内知名AI科学家职位变动人数达十余位。而这与几年前，各大公司纷纷争抢头部AI人才的现象对比明显，一时间这种巨大的反差也引来了业内的唏嘘。
AI科学家没有在企业中体现出应有的商业价值，是这种转变的通解，比如那些带着科研光环加入阿里人工智慧研究院的科学家们，最终大多数又带着对阿里的失望而离开，他们或走入高校，或选择跳槽，那另一方面，依靠高校，或者高校中教授出来创业的情况还比比皆是，比如清华大学机械工程系长聘教授朱煜创办了「华卓精科」和「华海清科」两家半导体领域公司。
为了寻求这种转变之下更为深层的原因，我们对这些科学家进行了采访和调查，试图找到一个包含多个子集的标准答案。
前序：AI科学家走出象牙塔
人才的故事总是离不开行业的发展背景。
追本溯源，我们还需要回到2016年的AI浪潮开始。
彼时，AI之风刚刚兴起，国内创业热情空前，并涌现出了多家AI明星公司，他们动辄融资过亿，估值更是一路高涨。比如，商汤在2017年和2018年两年间就融资数十亿美元，其中仅2018年，融资总额就达到了22.2亿美元，估值也从2017年底的20亿美元猛增至了60亿美元。
据公开资料记载，2016年―2018年间，AI行业的投融资事件多达两千多起，融资金额也再创新高，多达2500亿元。而资本的流向往往也决定了顶级人才的流向。
熟悉这个行业的都知道，因为涉及到前沿技术，在这个阶段，各个企业还是跑马圈地，秀学术肌肉的时期，不管你是网际网路巨头还是创业新秀，相对来讲，大家还是处在同一个起跑线上。
于是，当时最多的报导就是AI公司在顶级学术期刊和比赛的获奖消息，例如CVPR作为计算机视觉领域世界三大顶会之一，成了各家公司竞争的主要战场，以商汤、旷视等AI明星企业为例，可以看到，不管是高管发言还是公司新闻报导，总是在提及在CVPR上的论文数和具体比赛项目的排名。
这样的背景给那些坐了多年冷板凳的高校科学家们带来了大施拳脚的机会。
曾经的一位知名AI大牛在接受虎嗅采访时谈到，「AI没有兴起前，我们在研究生和博士生阶段，都不好意思跟别人说我们是做算法，而是说自己是学计算机的，因为当时很多企业对算法和AI并不了解，反而计算机受欢迎程度更高。」
当AI风起，这些曾经的研究学者一下子就成了企业的争抢的对象，很多公司为了争夺这些人才，甚至开展了竞标大战。
而卡耐基梅隆大学计算机科学院院长Andrew Moore 教授曾公开表示：「一名AI 专家对于企业的价值，至少为500-1000万美元」。
知情人士称，对于AI领域的知名专家，他们在四五年内获得的年薪和股票总薪酬将达到几百万美元或几千万美元。未来某个时候，他们还会续签或者重新磋商一份新合同，非常像职业运动员。
比如据新浪科技报导，2019年9月18日，阿里宣布，前高通首席工程师陈颖和加拿大西蒙弗雷泽大学(SFU) 终身副教授谭平已加入阿里人工智慧实验室，而两位科学家的年薪就高达百万美元。
究其原因，一方面，在商业模式并不清晰之时，他们需要科学家的站台，在那时，仿佛是「得AI科学家者，得一切」。另一方面，由于深度学习等技术太过新兴，人才积累不足。而稀缺使得AI人才的流动越来越频繁，科技巨头们使尽浑身解数抢夺人工智慧顶尖人才，如百度的「少帅计划」，阿里巴巴的达摩院、Facebook的FAIR等。
以阿里达摩院为例，在成立前后，便进行了疯狂的人员扩充，甚至一度被称为顶级科学家的「理想国」。包括但不限于以下专家学者：
基于此，越来越多的AI人才开始走向市场，走进企业，他们有的亲自下场做初创企业，有的作为企业的「吉祥物」，成为快速获取声量和关注的有力抓手。
矛盾：当学术和商业无法兼容
好景不长。
资本市场的耐心远不及AI科学家的想像，当悬在空中的AI技术不能找到落地场景，不能找到商业模式，几年间建立的AI行业蓝图瞬间成为了泡影。
从上文图中可以看到，这种断崖式的落差在2019年尤为明显，当AI公司靠PPT不再能获得融资，当业内质疑的声音大于肯定，那些最具明星光环的科学家也最先迎来了唱衰的声音。
于是，不管是资金雄厚的网际网路大厂还是冲在行业一线的明星AI公司，都渐渐开始回归理性，开始评估AI科学家的「性价比」。
对于初创企业来讲，这个「性价比」就更为重要，比如对一些企业来说，邀请科学家加盟，能使公司更具品牌价值从而获得资本市场认可，有利于融资，并让企业能够在短时间内，在行业内提高知名度。直白地说，科学家充当着企业的门面。
因此，正如我们所看到的，刚开始企业会拿出非常好的条件和前景来吸引科学家，但毕竟中小企业的「耐心」不足，无法用更长的探索周期来实现技术与产业的结合。这对于注重科研成果的科学家而言，是难以接受的「妥协」。
如此一来，人才流动的速度也变得更快。
举例来讲，据腾讯深网报导，2019年下半年，小鹏汽车为了顺利「过冬」，对一些人员进行了优化，其中就包括由公司的首席科学家郭彦东负责的AI中心。知情人士透露：「郭彦东当时问何小鹏为什么做到快成功时就放弃了，何小鹏说我没钱了得想办法活下来。」
讽刺的是，当年何小鹏为了挖郭彦东，飞到美国微软总部向他许诺要人给人，要钱给钱，研发不设限。由此也不难看出，养活一个AI科学家或者一个AI中心，对于创业公司是一个多么沉重的经济负担。
当然，企业的金钱付出只是一部分，其他原因可能是由于科学家的表现并不如人意，没有满足企业的要求。
拿最近从依图科技离职的颜水成教授举例，知乎匿名网友爆料，依图科技高薪聘请颜教授，一方面是看中其在学术界的地位，另一方面，依图科技希望依靠颜水成打开新加坡的市场，并站稳脚跟。
但一年时间过去了，新加坡市场开拓情况并不理想，也没有带来实际的收入增长。
这似乎可以反映出大多数企业AI实验室或者AI中心用人的心理变化。
对于这一点，阿里AI Labs的例子可能是一个很好的佐证。
据AI科技评论报导，今年1月份脉脉用户爆料，阿里巴巴人工智慧实验室（AI Labs）基本关闭，阿里官网和达摩院都删除了阿里人工智慧实验室的相关页面，但其他实验室的AI研究仍在正常进行。据实名认证的阿里员工介绍，此实验室早在2019年的时候，负责给阿里掌舵的逍遥子就决定撤销。另有阿里员工证实实验室的几个科学家已经离开，而且有的去大学当教师。
至于原因，在脉脉上有分析称，可能是实验室的运营模式出现了问题。毕竟马云曾经在2017年的云栖大会上给实验室（包括达摩院）有过定位：「90%以上研究的东西，不能只在实验室里面，必须在市场上。只有这样，这个实验室才能走得长远。」
不过，针对这件事，阿里方面回应称「AI labs在上一轮架构变动中已经整体并入云智能，目前仍在大量招聘。」
正是有了这样的前车之鉴，越来越多的大厂在引入科学家人才方面也变得更为谨慎，更为巧妙。
近日某网际网路大厂的AI实验室负责人在采访中谈及AI科学家的流动时曾指出，现在越来越多的企业选择与多个国内高校的学者进行合作，这样对于企业和科学家，都有了一个相对安全和合适的距离和保证，也能做到各司其职。
而从科学家自身的角度来讲，加入企业之后的槽点也并不少。其中之一就是项目一直在「被催熟」，关于一点，我们或许只能从国外科学家的处境来类比一二。
一家外媒曾指出，由马斯克创办的脑机接口明星公司Neuralink，曾拥有大量的创始科学家。但一些离职的前员工称，科学的缓慢发展跟不上马斯克苛刻的时间表。
科学家们被给予了几周时间来完成某些项目，而研究需要更长的时间来完善，从而在公司内部创造了一个「高压锅」似的环境，很多员工觉得「完全被压垮了」。
据晚点报导，大部分公司给的时间包容度不够，研发有成本压力。「短期内不是特别能看得出经济效益的话，它的发展显得就没有那么快」。另一方面，人手也不够。能拿到的招人指标有限，高层也要去平衡各个部门，内部其他部门的人员和资源也做不到完全掌控和调度。
在虎嗅与一些AI学术专家进行交流时发现，他们在企业工作时有一个共同不适应的地方，那就是承担越来越多的管理工作，对于他们来讲，管理工作虽不难胜任，但却有些违背初衷。
其中一位AI科学家谈到，在企业中，虽然科学家或者研究院不用直接承担营收压力，但作为相关业务负责人，科学家还需要处理绩效核算、业务评估等工作，这就要求科学家们在保证科研的同时还要清楚每个人的发展与贡献，使得原本费脑的工作，变得更加耗费心力。
此外，专注于学术的科学家长期生活在象牙塔中，能经受住残酷商业考验的人还是少数。
以国内的某自动驾驶独角兽为例，在该公司的创始团队中有一位科学家级的技术大牛杨帆，其也是公司的技术负责人，起初团队的人基本都各司其职，但随着公司的发展以及整个行业竞争的加剧，技术的落地和变现，逐渐成为了公司发展的优先级。
由此，矛盾也就开始显现。
作为技术从业者，杨帆坚持着对研发的初心，并固执地认为技术不达到一定的极致程度不足以谈落地和变现。这一点则与公司快速销售的想法相悖，没过多久，矛盾爆发，杨帆因为对技术的要求，跟老板发生了几次叫板和争吵。
紧接着，公司中的学术人才开始失去重视，杨帆在内部也开始被打压，先是被质疑管理能力不行，然后就被减少管理人数，从最初管理二三百人一直到最后被完全架空，相当于坐冷板凳。
故事的最后，当然杨帆选择了离开，并进入了一家头部新势力造车公司。一个小细节是，当杨帆离开前公司，他得到的更多是同行或者同事送来的「恭喜」，很难得的大家在「离开是更好的选择」上达成了一致。
总体来讲，企业与AI科学家走向「分手」，更多的是双方共同选择的结果。
终局：谁能体面地离开
于是，便开始了长达数年的AI科学家离职潮。
近年来部分AI学者流向
我们可以清晰地看到，这些企业「科学家」的离职去向无外乎三种可能，其一，跳槽；其二，自己创业；其三，重返高校。
一位接近高校的知情人士告诉虎嗅，虽然在新闻报导中，我们时常可以看到一些科学家回归高校，但其实大部分人是回不去的，毕竟进高校的门槛也非常高，所以更多的人选择了退而求其次，或是选择创业，或是无奈跳槽。
在这些重返学界的人当中，清华AIR产业研究院是一个特殊的存在。2019年最后一天，张亚勤从百度正式退休，并宣布将受聘清华大学，担任「智能科学」讲席教授，牵头组建清华智能产业研究院（AIR）。
一年之后的2020年12月1日，清华大学智能产业研究院（AIR）正式成立，张亚勤也完成了初步的队伍搭建，据悉，AIR团队的人选，张亚勤自己手里有一个名单。紧接着，他的大牛老友们，字节跳动副总裁、AI掌门人马维英、海尔CTO赵峰，阿里天猫精灵首席科学家聂再清纷纷加入战队。
另一个有意思的现象是，很多从离职创业的科学家都选择了当下相对热门的赛道。
比如，贾佳亚创立的思谋科技是一个以AI视觉技术切入智能制造行业的公司；前百度研究院院长林元庆创立的Aibee是一家瞄准垂直行业转型升级的AI整体解决方案公司；前滴滴研究院创始院长何晓飞创立的飞步科技是发力无人驾驶货车场景的公司。
但这些离开大企业的创业者比之前做的真的更好吗？答案并不肯定。
得不到的永远在骚动。
一位重返学界的AI学者表示，几乎每个科研人员都有一个创业梦想，因为创业的最终目标是把技术做出影响力。
不可否认，AI科学家出走企业是企业和个人双方选择的结果，当AI科学家能影响的业务范围越来越窄，当企业竞争回归到商业价值的下半场，或许，这对于双方才是最经济的选择。
尾声：科学家与企业的鸿沟何解
那么科学家与企业之间的鸿沟究竟该如何填补？
首先，可以肯定的是，任何一个科学家都有把落地技术、扩大技术影响力的初衷。
而这个诉求却只能与某一时期的少数企业切合。比如，智能音箱起势时，百度、阿里和腾讯的AI科学家、NLP（自然语言处理）专家等，比如，AI视觉兴起之时，各个公司都在争抢的技术大拿，再比如，现在各大企业都在争抢的晶片行业专家、学者。
所以，选择合时宜地「进出」对于科学家十分重要。
另外，虽然顶着科学家的光环，这些学者能够获得更高的薪资，但从某种程度上也意味着更多的放弃。
从科学家的角度来讲，适应企业、摒弃学术界阳春白雪的观念则是第一要面对的，相应地，应该更多地迎合或者是顺应公司的发展需要。
一位同时拥有企业业务部门、企业研究院和高校研究院经历的学者表示，这三类部门对于学术人员来讲，利弊非常明显。
单从学术研究来讲，其实是技术影响力是递进的，比如在企业业务部门技术只能影响一个或者一系列的产品，企业研究院的技术则是影响整个公司技术走向，到高校的研究院解决的更多的是技术融合和产业技术的问题，影响面一步步在拓宽。
不过，上述观点并没有得到普遍的认可，有观点认为高校恰恰解决的不是产业技术问题，相反地，企业的研究院似乎才是产学研的结合。
众所周知，在国内，很长一段时间里，做研究一般是高校的「任务」。这也就从基因上决定了高校的产业研究更为的「应试」，大多数的目的为了学术比赛，为了论文发表。高校中的学者们更习惯在象牙塔里搞研究，在商业落地方面的能力非常薄弱。
而这种风气也延续到了早期的AI创业者身上，因为在某些有高校背景的创业者看来，在顶级期刊发表论文或者在学术比赛中获胜，是仅有的快速成长之路，他们更多的关注点在于证明自己，而不在落地。
其实，这暴露出了中国产学研的一种通病，甚至成为了一段时间内AI创业公司哀鸿遍野的一大主因――光有技术，产品难以得到市场认可。
而国内产学研的这种现状，也让越来越多的大公司开始在国外高校寻求产学研合作，比如华为每年在海外都会有大笔的产学研费用支出，以保证其在技术前沿方面的优势。
从企业角度来讲，创业公司的科学家可能承担更多的责任，比如资源、营收和技术。而大企业中，受制于企业内部的管理，科学家的动作容易束手束脚，最终导致动作变形。所以企业在招聘这些人才时，更应该因材施教，合理划分责任，发挥所长。
但归根结底，其实是企业和科学家都想从AI浪潮中收获更多，在彼此身上要的更多。毕竟没有一家企业是慈善机构，能够不计成本地付出。相反地，资本的本质是希望花更少的钱，干更多的事儿。
而这也是科学家会不断地进行职业选择和价值衡量的重要原因之一。
如此可见，科学家与企业之间的鸿沟并非难以跨越，只不过，企业和个人都随时在做着一道关于「性价比」的选择题。
我们可以预见，未来AI科学家回归学术界，亦或者创业的趋势还将继续。
转载声明：本文为转载发布，仅代表原作者或原平台态度，不代表我方观点。仅提供信息发布平台，文章或有适当删改。对转载有异议和删稿要求的原着方，可联络。
“唐人街”Fb每日分享澳大利亚精选新闻，让你随时随地知道澳洲最新 @玩乐、@移民、@生活资讯：https://www.fb.com/news.china.com.au/
【欢迎新闻爆料，洽谈合作！】微信订阅帐号：news-china-com-au
