杨植麟：选择创业，是为了从「组织架构」上解决AI落地难题( 二 )

具体的表现有：一，高校教师往往更偏向学术研究，与工业界的联系较少，也缺少工业界落地的思考与驱动力；二，与此同时，虽然许多互联网大厂也会招入杰出的科学家去解决技术难题，但它们的首要出发点是赋能业务，而非推动AI落地。
从大厂运作的组织架构上来说，这些杰出的科学家没有足够的资源或权利去推动产品落地。公司的业务方向会调整，即使科学家有意愿去推动一项产品的落地，成本与代价也会大幅增加，技术的转化率与效率也会受到企业组织架构的影响。
在杨植麟看来，这是一个非常大的限制，这也造成了在大厂中，许多AI技术的落地周期十分漫长，也不够敏捷。因此，2019年博士毕业时，他拒绝了谷歌、Facebook与华为等大厂的高薪offer，选择了回国创业。

文章插图

图注：杨植麟与两位博士导师Ruslan Salakhutdinov（最右）、William Cohen（最左）合影「创业的好处是我们可以自己决定公司的组织架构。人生苦短，精力有限，优化公司的组织形式可以有效减少中间损耗，缩小技术转化与社会价值之间的距离。」杨植麟谈道。
杨植麟对AI科技评论回忆，他的本科与博士导师都十分看重技术的实际价值，这给他带来了很大的启发。不同的是，他会更激进地去追求落地的结果，深入业务中进行研究。他的计划是同时进行学术研究与技术落地，并同时取得成果。
循环智能成立于2016年。也就是说，杨植麟从博士二年级开始就一边搞学术研究、一边创业。
正是有感于「大厂科学家」的尴尬处境，他一直强调「我们需要新的思考」。在循环智能，他不仅是AI技术负责人，还是产品经理，这无疑是一个「范式层面的革新」，是他心中能够有效打破技术与价值之间壁垒的最优途径：
「一方面，我们会去做基础的研究，如预训练、多模态等；另一方面，我们也要去进行落地。这两个事情可以互相提升与促进。」

2、研究与落地，双轮驱动
循环智能最早的三位创始人陈麒聪、杨植麟与张宇韬相识于清华大学的知识工程实验室，都有一股「用AI创造社会价值」的热血。三人都是技术出身，后来因为业务发展，循环智能在2018年又引入了另一位擅长技术产品运营的「第四把手」揭发。
自成立以来，杨植麟就是团队的核心技术骨干。2016年与2017年，他与陈麒聪、张宇韬开始摸索技术的应用方向。
对新一代AI创业者来说，2017年是一个重要的时间节点。
那一年，谷歌团队在“Attention is All You Need”一文中提出Transformer模型，该模型没有采用卷机网络与以往RNN的时序结构，采用编码机制，编码端同时包含语义信息（Multi-Head Attention）和位置信息（Positional Encoding），能够并行计算，大大提升了语言模型的训练速度。
对于专注技术落地的创业者来说，这无疑是一项利好消息，能够减少预训练的时间，节约研发成本，加速技术与场景的匹配速度。Transformer的出现，打破了计算机视觉凭借深度学习在AI创业圈一统天下的垄断局面，使一大批基于NLP技术的创业公司开始崭露头角，循环智能便是其中之一。
循环智能的主要业务是运用NLP、语音、多模态、大模型等人工智能技术打造「销售科技」方案，帮助企业的销售团队提升销售业绩。
杨植麟谈道：「我们认为，AI产生价值的过程可以分为几个阶段，而其中一个阶段就是帮助每个人变得更好，提升人的能力，从而提升整个社会的运行效率。这个Vision（愿景）是我们公司成立之初就有的想法。」