科学家|科学家逃离互联网大厂计算机|计算机系|麻省理工学院

AI落地困难自然是造成这一困境的重要原因。

事实上，AI这一波的红利本质上来源于大数据、大算力的提升，所谓“多人工少智能”，大多数漂亮的Paper在实际业务中效果都比较差，直接的结果就是商业化进度不理想。

大公司成立研究院，本质上都希望借助公司已有的数据和平台去做一些工作，最终反哺公司的业务，但在实际上，就像AI四小龙，作为这一波热潮中的代表，一直没能赢利，企业所遇到的商业化问题，互联网AI研究院也差不多都遇上了。

但科学家和业务之间的矛盾，体现的最明显的并不是在管理者身上，而是那些夹在科研和业务之间的研究员，不仅要有成果，也不能只专注于手头的科研工作。

对于他们来说，就是在接连的架构调整之中，“一阵要配合业务，一阵又要注重研究产出。”

其实，这种情况不仅存在于阿里，研究和业务产出之间的矛盾在各个企业研究院都广泛存在。

一位先后待过大厂研究部门和业务部门的技术人士对20社表示，在与腾讯的研究院和阿里达摩院合作的过程中可以感受到，共同点是科学家们光产出Paper是不够的，他们都有业务产出的压力，为此，甚至有人会挨个和业务部门的人接触，目的是“分到一些业务”。

而字节跳动AI Lab实验室在架构上直接属于字节跳动的Data部门。据科技媒体量子位消息，去年马维英作为实验室主任离开后，AI Lab下的各个组直接对接Data部门，这意味着，AI Lab在字节跳动技术体系内的地位进一步下降。

“业务部门可能以前是对研究院抱有很大期待的，但经过这么多年发展，发现很多很顶尖的Paper，在业务里其实是没法用的。”上述人士表示。

这就是做研究和业务的巨大鸿沟，一个例子是，做研究的时候，用到的数据可能是很完美的，但实际上业务里的数据很复杂很“脏”，反而可能是一些简单的策略会更有效。

“作为业务部门其实也不太乐意和他们合作，就算是包给他们做，洗数据、调模型这些事情还是要我们来配合，再加上一些沟通的成本，还不如业务部门自己解决。”该人员表示，合作之后，双方可能还要掰扯一些KPI计算分配这样的细节问题。

因而，很多时候业务部门把一些边角的工作给到了研究部门，核心的业务扔紧握在自己手上，最终研究部门的成绩也不会出彩。

这导致研究部门非常尴尬。

一位业内人士表示，大佬们在业务和科研之间摇摆，跳来跳去都还有响亮的title，那些埋头做科研的一线研究员就可能夹在其中，耗费了自己的科研生涯。

“在大公司做科研，向上管理非常重要，但不是每个高校出身的研究员都能掌握这项职场技能。有的出身藤校博士的研究员，在里面折腾了几年至今还只是P7，现在想搞点自己感兴趣的项目都很难。”上述人士表示。

二、AI科学家的“旋转门”

对科学家来说，学界才是他们更熟悉的地方。互联网公司的出现、前沿技术的需求，让这一领域的学者有了更多进入业界的可能。

计算机是少数可以选择在高校或进入业界搞科研的专业。在行业高速发展的时期里，这种专业的特殊性让这批象牙塔里的学者赶上了时代红利。

随着AI热潮兴起，AI基础研究者有机会离开学术圈，投身工业界。在顶尖人才有限的情况下，谷歌、微软、亚马逊和苹果这些最有钱的科技巨头大手一挥就开出5倍以上的薪资招揽科研人员加入，抢人的同时也希望推动AI在公司内部发展。