李开复：北美AI巨头也有“派系”斗争

上个月，李开复受邀前往北美，参与了一系列AI相关活动。他在MIT分享了来自中国的AI进展，还与“AI三巨头”——Hinton、LeCun和Bengio，进行了面对面交流。

他也看到了Google、Facebook和微软在AI人才组织和发展中，遭遇的竞争和挑战。

回国后，李开复向AI自媒体量子位的读者口述了自己的北美见闻。

本文转载自量子位（公众号 QbitAI）

△ 李开复 Giulia Marchi/Bloomberg

各位读者朋友们：

你们好！

这一次去北美，最核心的议程是参加MIT计算机科学与人工智能实验室（CSAIL）和数字经济中心（IDE）主办的AI会议，主题是：AI和就业的未来。

避而不谈的AI挑战

先谈谈大会观感吧，这一次Google、Facebook和微软等美国AI巨头公司都有代表参加，但最令我惊讶的是这些巨头这次表现出的AI态度。

原本以为会谈论很多人工智能对未来和人类的影响，比如工作、隐私、网络安全等等，好的坏的都会探讨，但会上并没有听到太多“负面”的探讨。

这次这三家公司的代表演讲，显得有些避重就轻。谈谈技术，讲讲科技与未来，然后说下自己正在进行的研究，偶尔也谈论政策，但多半还是与特朗普有关，签证移民政策之类的，基本没有谈论人工智能正在带来的挑战。

三家公司代表中，只有Google的代表谈到一点人工智能带来的挑战，不过他主要讲的还是未来三年的计划，比如Google帮助培训人类更好的使用AI，核心是帮助其他领域的科学家利用AI把工作做得更好。对于如何解决客服失业或工作被替换的问题，并不涉及。

我在这三家公司都有高管朋友，他们后来跟我私下解释说，公司公关部门清楚地告诉过他们，不可以谈人工智能潜在的负面影响，要尽可能把人工智能描述得很美好，一切都是“人+机器=3”，人很强，机器很强，加起来更强。

今后人类还会学着跟机器一起彼此增强技能，就业问题也会迎刃而解，其他技术问题也会迎刃而解，现在正是巨大生产力的大发展时期，机器正在帮助人类解决各种不适合人类解决的问题，所以不要过于谈论一些不太美好的事情。

我觉得这不是一种负责任的公关策略和行为。因为这三家公司作为美国甚至全球AI的领跑者，熟知最新技术进展，也知道“水能载舟亦能覆舟”的道理，不能只向大众传达“载舟”。

我觉得在人工智能的探讨中，一定要有责任感，不仅要分享带来的巨大机会，也要分享未来潜在的挑战，然后让更多力量参与进来去解决问题，我觉得这才是比较负责任的做法。

对中国AI发展心态复杂

另一个令我惊讶的是以美国公司为核心的AI组织，对中国AI的态度。

美国有很多组织在讨论AI方面的议题，比如Partnership on AI，应该算是大家相对比较认可的非盈利机构，但现在组织成员都是美国的公司，这就有些“尴尬”。

中国的AI进展也很快，你不请中国公司加入进来探讨，自己琢磨如何在AI发展上给开发者制定规则、做出约束，或者如何避免AI在道德和社会层面带来负面影响，这都有些不切实际。

而且你不请中国公司参与，自己做一大堆决定，最后中国公司在你们警惕的那些红线和边缘地带进展飞快，反而失去了一开始成立组织的初衷。

这些都是一目了然的事实。但美国这帮AI公司也有一些私下的顾虑。他们觉得在隐私等相关问题上，中美两国的道德接受度是完全不同的，比如装摄像头，中国可能接受、执行起来比美国要快，你这个组织制定的约束，也不一定就能发挥效力。

总之给我的核心感觉是：Partnership on AI这样的组织没有底气认为自己可以获得中国公司的支持，但可能因为没有中国公司参与，他们又会因之有所损失。因为他们一边自己达成共识、相互约束，另一边中国AI快速发展，他们就会落后。

如果放在过去，可能问题不大，因为美国的科技远远领先其他国家，但现在AI来讲，中国和美国之间的差距并不大，所以我觉得美国这些AI组织如今境地有些尴尬，身陷两难。

OpenAI 离初衷越来越远

谈到AI相关的组织，可能国内知名度比较高的是马斯克和YC创始人Sam发起的OpenAI，当时也招揽到了不少人才，不过最近正在遇到危机，很多核心人物都走了，我也从一些核心人员那里听到一些原因。

先说说离开的代表性大牛吧。Pieter Abbeel，是加州大学伯克利分校教授，强化学习领域的大牛。去年4月正式离开伯克利加入OpenAI，从顾问转为全职研究员。最近从OpenAI走了，可以说影响不小。

他离职以后，创业做了一家名为Embodied Intelligence的公司，教机器人学习，比如去做一些从人的动作学习、然后做重复性工作的算法开发。

这家公司里，还有OpenAI的前研究员Peter Chen和Rocky Duan，他们都是Abbeel在伯克利的博士生。所以相当于师徒一起离开了吧。

另一个大牛是lan Goodfellow，GAN的发明者，他之前离开Google大脑团队加入OpenAI，今年又重新回到了Google大脑。

我这次也跟OpenAI中待过的人聊过，大家离职的核心原因其实挺一致。

首先，当初加入OpenAI，是希望把AI做得更开放，不要垄断在几家大公司手中，毕竟当时马斯克发起成立OpenAI，说的就是Google为代表的公司太强势，把超过50%的业界顶级AI专家招入麾下，长此以往，可能会导致AI技术的垄断或者走向其他方向。

其次，OpenAI发起时，对于AI发展存在的一些挑战，比如隐私、安全、威胁人类工作之类的问题，他们希望用更开放的方法去做，这样等到AI真正发展起来后，才不会让少数公司独大，这是第二个共同理想。

还有第三个原因，没有怎么被拿出来谈。到OpenAI这样的组织待着，要比学校里薪资高出3-5倍，这些学术人才到了OpenAI，也还是能推进自己的研究，加上马斯克的口才及个人魅力，所以创立之初，人才纷至沓来。

但现在快2年过去，也就有一些问题暴露了。

首先，回过头去看，OpenAI真正产出的成绩并不多，外界能感知的就更少，比如开源之类的，进度有限。

其次，他们做的一些项目展示，比如机器人帮你端菜、洗碗、刷盘子什么的都挺好的，他们自己也觉得很有意思，但相对AlphaGo这种项目，一对比就被打得落花流水。

OpenAI也参与了AI打DOTA之类的，但DOTA的影响力，没有AlphaGo引起的那样大，后来DeepMind团队在医疗等领域，业界影响也很大。

另外，还有与马斯克相关的原因。因为OpenAI这个组织跟马斯克关联紧密，所以有时候马斯克自己其他公司的事情，比如特斯拉，也让OpenAI的科学家帮忙出主意，有点成为马斯克的“智囊团”了。这个本身算不上特别大的问题，但毕竟会让有些人才心里不舒服。

当然，资金方面也不是没有问题。最开始说将有10亿美元来支持OpenAI，但这并不意味着一下子就有这样一笔钱打到账上，而是一个目标数字，主要投资人也是马斯克和他的几位朋友，并且以马斯克的为主，钱的问题自然是个隐患。

所以，OpenAI这样一个当初被寄予厚望的AI组织，希望他可以抗衡Google，现在看来基本不可能了。

OK，那既然谈到了Google，顺着说说Google、Facebook和微软这三家AI巨头，当前在AI方面给我留下的印象吧。

AI三巨头公司

Google

先说下Google。Google内部相当于有三个部门在搞AI，Google大脑、Google云，还有DeepMind。

Google大脑和Google云，都在Google统治下，应该协调起来更好一些。

但DeepMind被收购至今，还有相当大的自主决策权，所以不可避免会与另外两股Google内部力量产生竞争，比如DeepMind和Google同时进入一些城市，也会有彼此抢人才的状况。

当然，他们内部会讲得很好，说建立两个机会来争取人才，对公司利益也是最大化。但这样的竞争既然存在，双方的合作就也不会特别完美，问题还是有的，只是细节不能多说了，大家都是朋友。

这三家AI巨头公司中，其实给我印象最深的还是Facebook，因为近几年来，我认为把厉害人才用得比较好的是Facebook。

Facebook

核心自然是Yann LeCun用Facebook的资源聚拢了很大一批人才。

LeCun这次也在MIT发表了演讲，没有谈到有大突破的东西，但会议中还是有不少可以参考的东西。他特别提到了华人AI科学家何恺明，以及后者的Mask R-CNN。

LeCun说现在的进展是5年前难以想象的，对于机器学习，从识别过程走上理解过程，进展都比之前顺利很多。我觉得在他的演讲交流中，我见到了他过去没有看到过的那种乐观。

他在会议中提到一个小突破，即用现在能够针对一张图问一个比较复杂的问题，然后这个问题能被拆分成很多部分，用自我深层的思考去综合解决。

比如你问这样一个问题：图中哪个物体离黄色球最远？系统就能拆分成距离黄色球最近、最远的物体，然后生成不同的网络，用一整套训练来完成这样一个任务。

我觉得这给他带来了比较大的乐观态度，特别是GAN方面的推进。会让他觉得可以做更聪明的理解型的决策模型，或者说，比他之前预计的时间要更快吧。

我看过他之前的发言，对AGI(通用人工智能)的预计非常长远，认为当前还没有任何工程根据，但这次他变得更乐观了，他也多次谈到Facebook内部推进的速度。

这种推进的核心组织，自然是他掌管的FAIR(Facebook AI Research)，可能之前多多少少有一些曝光，不过中国读者可能不太清楚这个机构的内部情况。

FAIR现在是一个规模120多人的机构了，整体水平非常高，应该说放眼全球，除Google之外的最厉害的一个AI科研机构，非FAIR莫属。

因为FAIR既在Facebook，又能够有很大的自由度做事情，LeCun个人也吸引了很多顶级的人，这些人再彼此号召，就会让FAIR的江湖地位不断提高，这算是Facebook在人才吸引方面很好的一个策略吧。

不过也不是没有问题，体现在研究机构和产品部门的“矛盾”上。

LeCun原本有一个对接部门，这个部门主要负责把FAIR的技术产品化。因为LeCun个人拒绝做产品，他自己是科研大师，更多技术研发的初衷和兴趣，也都是科研式的。

LeCun甚至严苛到要求团队不要过分使用Facebook的数据，要更多在标准数据集的基础上做出有震撼力的东西，不然凭借Facebook的数据，他会觉得“胜之不武”，而且结果上，也不知道究竟是Facebook的数据厉害，还是他厉害。

这一点上，我不是很同意他的观点，但我理解他的想法。LeCun学术出身，很爱学术方面的竞争，他也肯定希望别人输得心服口服，所以他希望让他的研究基础跟别人相对公平，于是要求团队尽量不要用Facebook的数据，要用标准数据，这样结果上与他人就有可比性。

反正LeCun可以说是一个中规中矩的科研人，他想把事情做到最好，不想占便宜，用数据取胜，这一点上是让人尊敬的，是一个科学家推动科学技术进步的态度。

但我觉得有其中两个问题。

第一，当你不用最大数据集的时候，你不知道是不是已经把技术做到了最好。因为最好的技术，可能是适用数据最广泛的技术，所以是不是因此丢失了最好的算法，这是值得讨论的。

第二是完全以学术方式来做技术，拒绝适用内部大量数据，可能会让自己技术应用到产品上出问题。

这两个问题，也不是看不到表现。最近Facebook内部也有一些调整，有一个部门原来因FAIR专门成立，希望把FAIR的技术转换为标准产品，让它能够应用到公司各个不同的领域。

但最近那个部门的领导换成了一个中国人，他来了以后就跟FAIR不太互睬，比如有些技术，语音之类的，他就觉得自己可以做，不用完全等着FAIR。当然视觉方面还是依赖于FAIR的突破，但内部的分歧已经有苗头了。

学术派 VS 工程派

这其中也有一个蛮常见的问题，一家公司想要在技术上更领先，就会涉及人才网罗和组织，而很多科技人才哪里找，还是高校和科研单位为主吧。

所以科技公司里，如果你单纯招一批研究的人才进行研究，怎么跟产品工程的人融合，是一个非常大的挑战。

Facebook和微软，采用的都是“象牙塔”模式。

公司组织架构下做一个象牙塔，用这个象牙塔吸引最顶级的人才，让他有大量的数据可以用，可以写论文、做研究，一切没有限制，自由科研。然后再通过产品工程师，把技术实现应用。

最早这么做的应该是比尔盖茨，当时推出微软研究院后，以非常快的速度，把顶级人才吸引了过来。后来百度也用这样的方法，效果也不错。

但是类似“象牙塔”的结构和系统，问题也很明显。

这些企业内部的科研组织，确实吸引了科研大牛，进而吸引一批小牛，很快就组成了很厉害的科研单位。但因为给于了足够大的自由度，也很容易与产品部门有隔阂，科研学术的这部分人，会觉得我写了这么多论文、获了这么多奖、又是各种fellow，你这种产品小朋友按照我意思做就行，我告诉你人脸识别ready了，你就赶快放到Facebook产品中去，或者不放拉倒。

但是产品部门的人也会有想法：公司的钱都是我赚的，广告的钱也都是因为产品弄来的，公司的流量和产品后期也都有我的付出，你们这些人加入后，就写写论文，也没有对公司营收产生实际价值，地位却比我高，赚的钱也比我多，我就不服气。

所以研究和产品在大公司里对抗，不是什么意料之外的事情。

或者也有公司会直接把研究和产品放在一起，就都是为产品服务的，这样就不存在两个部门打仗了。比如阿里巴巴，可能吸引的人学术地位没有那么高，但阿里会更注重学术群体和产品工程师的融合。Google也差不多，你看两个部门都是科研部门，但最终都是要做产品，都以产品服务公司。

所以现在来讲，大公司里搞研究机构，吸引学术人才进来，差不多就这两种模式吧，各有利弊。不过显然“象牙塔”模式，给足学术大牛空间自由科研，最后还是因为和产品部门之间的隔阂矛盾而离开，这种案例并不少见了。

这算是企业研究院的“魔咒”。现在虽然FAIR很强大，但从IBM到富士施乐，都没有摆脱魔咒。企业一帆风顺的时候当然不会表现出问题，然而一旦遭遇财务问题，象牙塔就会开始崩塌。

所以这算是一个悬而未决的问题吧，蛮有意思，也蛮值得思考。

与“AI三巨头”游

“AI三巨头公司”之外，这一次收获比较大的是跟“AI三巨头”分别进行了交流，其实我和这“AI三巨头”之前也有一些关系，不过有些交集是这次交流才知道的。

△ 与Geoffrey Hinton会面交流

Geoffrey Hinton，我在CMU念博士时，他在CMU任教，是我隔壁室友的导师，我博士时候做一个项目，还请他参考签字，不过以为都过去很多年了，他应该不记得了。但Hinton记性很好，他见面跟我说记得我，还跟我说当时他给自己的博士学生买了很多硬盘，最后都被我“掠夺一空”，拿去装语音数据了。所以蛮令我意外。

另一个让Hinton谈论较多的话题是中国，他其实跟中国有很深的缘分，他家族亲戚里，有两位是中国最早的永久居民，当时跟着毛主席到延安，后来成为中国的1号和2号永久居民。他们全家都是社会主义的信奉者，他也深受影响，不然当初也不会离开CMU到多伦多大学去，他说当时就是觉得CMU拿了太多美国国防部的钱，走得太近了，自己不喜欢。

Hinton是一个很感性很随性的人，想到什么说什么，没有太多的顾忌，性情中人吧。我还问他是不是可以认为TDNN对后来的CNN有启发，他回答说TDNN其实就是最早的CNN，这话公开说出去可能会引起轩然大波，不过Hinton就是这样一个很感性的大牛。

比较遗憾的是他目前的身体情况，70多岁，虽然还很硬朗，但他不能坐，只能站着或躺着，所以他坐不了越洋飞机，即便对中国很感兴趣，也没办法。他现在一半时间在Google，另一半的时间就在多伦多大学。

△ 与Yann LeCun会面交流

LeCun，之前履历经历上的交集不多，不过这次见面，他倒说了一件我们都有印象的事。LeCun说，他在AT&T的时候，他的老板告诉他希望挖我过去工作，我也记得这件事，虽然当时并没有认真考虑过去AT&T工作，不过LeCun竟然记得，也是让我有些意外。

跟LeCun交流很有意思，主要谈到了AI当前的技术进展，以及他领导的FAIR。最深刻的印象是他比以前更乐观了，说明AI技术突破给了他很大的信心，另外Facebook网罗的人才，也让他很振奋。

△ 与Yoshua Bengio会面交流

Yoshua Bengio，我跟他是第一次见面，不过大家之间也有一些共同“纽带”，他的博士导师Renato De Mori也是做语音的，所以之前我跟他导师有一些交流和合作。

Bengio给我的印象是：很像一个政治领袖——口才很好、温文尔雅，话少而精。

他的团队现在做得也很大，而且刚好赶上加拿大史无前例的机遇，所以也是举国上下围绕AI在开展一些事情，这个可能比较值得聊一聊，之前科技相关的话题，聊到加拿大的时候也不多。

AI：加拿大史无前例的机遇

加拿大这个国家，不要看她领土面积很大，但人口不多，而且居住条件也没那么好，比较冷，整个生活方式也相对安定，跟美国有一些不同。

现在，因为深度学习的原因，Hinton和Bengio把多伦多和蒙特利尔，建设成了人工智能重镇。

于是加拿大政府在国家层面、省层面，都有层层拨款去推动人工智能。一定程度有点像我们国务院的白皮书，下发到省市，然后具体去做。

主要涉及两个城市，一个是多伦多，另一个是蒙特利尔，两个城市又以高校为核心，其实是围绕Hinton和Bengio为核心，形成了多伦多和蒙特利尔两大AI研究机构。

多伦多主要有两所大学，一所叫多伦多大学，另一所是滑铁卢大学，有点类似我们的清华北大吧，这两所大学的精神领袖是Hinton，他在这里组织起了一个强有力的科研组织：Vector。

蒙特利尔也有两所高校，分别是蒙特利尔大学和麦吉尔大学，精神领袖是Bengio，也形成了一个科研组织：MILA。

这两个组织，现在网罗了大批AI相关的人才，基本以加拿大人为主。那为什么会形成这两大组织呢？与刚才说到加拿大想抓住AI历史机遇有关。

为了留住人才，打造AI重镇，加拿大从国家到省层面，都在拨款，或者倡议当地企业捐助基金鼓励人才进行AI研究。

这些钱拨下来以后怎么用？最直接地方式就是给教授加薪，细节没公布，但与AI相关的教授，差不多直接涨薪3倍。

于是问题也随之而来，因为做AI就能加薪，所以不少传统学科的教授，比如语音学的教授，也想挤进来，也说自己的研究与AI相关，那如何判断、决定谁加薪就成了大问题。

这时候Bengio和Hinton在其中就发挥了作用，他们相当于承担起“判断”和“选拔”人才的角色。

于是Hinton就组织起Vector，Bengio组织起MILA。

而且这两个机构也不虚，可以说把优质的教授都拉了进来。一方面，这些人才基本都在做机器学习；另一方面，这也都是可能会被Google和Facebook挖走的人。所以这两大组织实际上起到了“保护人才”、“留住人才”的作用。

也挺有意思，之前Google和Facebook在很多大学挖人，在美国挖得比较顺利，比如Google挖了一半的斯坦福教授，CMU自动驾驶团队被Uber集体端走之类的，但是在加拿大这边反而动静不大。

虽然也跟美国公立学校的组织制度有关，比如不能直接涨薪3倍之类的，但无论如何，这两大组织在加拿大AI人才保留方面，起到了关键作用。

讲一个我知道的例子吧，Google为某个加拿大博士开出了顶级offer，年薪百万美元，但这个人最后还是留在了加拿大继续科研，所以可以想见加拿大AI研究人才薪资方面的不俗。

具体的话，Hinton和Vector，Bengio和MILA在推进AI研究的方法上，有些不一样。

Hinton的做法，是圈了30多个多伦多科技公司，围绕着这些科研人员，让他们在公司里面做顾问、CTO，只要不荒废科研工作，开放性质地进行AI研究。

所以打个比方，Hinton的做法是正在让多伦多变成一个大的孵化器，我们这次还去看了很多多伦多的公司，整体感觉像是到了一个大卖场，很多项目都很便宜，可以简单列个比较关系吧：

加拿大普通AI项目的估值＜两大教授学生AI项目的估值＜硅谷AI公司的估值＜中国AI公司的估值。

不过一方面是中国公司估值确实贵，另一方面也是因为加拿大环境原因，他们在数据方面跟中国不能比，对于商业的理解，也不一样。

△ Element AI创始团队成员

Bengio和MILA在蒙特利尔，核心做了一家Element AI的公司，腾讯还参与了投资。

这家公司做什么呢？其实有点跟创新工场AI工程院类似，找一些垂直领域，然后基于AI打造解决方案，他们的团队现在有100多人，全球范围招聘，光融资就募到了很多钱。

虽然加拿大整体市场也不大，数据也不多，但也有一些优势领域，比如社保做得很好，医疗数据做的很好。所以是不是可以有些机会？可能还是有的。

总之这一次在加拿大，最强烈的感觉就是加拿大对于百年难得一遇的机遇的渴望，政府大力推动，给高校设立“讲座教授”之类的基金，花很多钱让顶级教授留在加拿大任职。

然后地方省份，也拿出钱来支持学校、围绕企业和孵化器进行发展。他们也都在考虑，如何全球吸引人才，如何做AI的培训。

所以加拿大整体展现出来的就是围绕AI，打造生态，培养创业环境的态势。

推荐阅读：

欢迎关注创新工场微信公众号：chuangxin2009。这是一个创新工场和创业者的沟通交流平台，您可以学习创业相关的法务、市场、财务、HR等各个业务领域所需的知识干货，还有机会参与到创新工场举办的创业者培训、沙龙和其他各类活动中。