如何评价字节跳动 AI 副总裁马维英离职，将加入清华大学张亚勤团队？ 第1页

工业界的AI Lab，大多数都面临着KPI如何考核的问题。

从历次各公司AI Lab高管离职可以看出，这些学术大牛在这些公司混得恐怕不是那么舒服。

一个重要的原因是公司层面高估了AI的价值和低估了AI落地的难度，这就使得这些大牛的价格和产出不成正比。看似每年在各大顶会发文无数，但真正能落地的寥寥无几。这也就回到开头的问题，工业界的AI Lab到底如何考核KPI：

1. 如果考核paper数，那就是纯粹的大学/研究院模式。对于这种模式，外企似乎在搞，例如Google Microsoft Facebook，能搞得起的原因在于他们真的很有钱，养一个研究院的钱只是九牛一毛，顺便还能PR吸引人才。况且万一真的有什么有价值的产出，就非常赚了。然而实际上，大部分公司，包括BAT等公司，并不像前面的外企那么那么有钱，养一个大学模式的AI Lab并不划算。所以近年来，包括MSRA，腾讯AI Lab，阿里达摩院，越来越强调transfer，越来越强调落地不是没有理由的。这样一来，这些AI Lab实际上就变成了paper transfer machine。而这，很多部门自己可以做。
2. 如果考核工程落地，那就更危险了，实则没有建立AI Lab的必要。之前大家对AI认识不是很清楚，以为很神奇，对AI技术和学术大牛的期待很高。建立AI Lab一段时间之后，公司会慢慢发现，相当多的AI技术难以落地，paper越fancy可能就越难落地。另一个原因就是现在AI技术普及很快，国内国外培养的相关硕士博士也越来越多，这导致了公司内的业务部门也可以自主进行AI技术落地，而不需要将业务外包给这些AI Lab，即使外包出去，也是一些边角料或实验性质的工作。AI Lab如果能做出来，业务部门照单全收；AI Lab做不出来，业务部门也没什么损失。这大概就是业务部门赢两次的那种win-win吧。这就使众AI Lab处在一个更加尴尬的位置，即接活都接不到了，而接到的活往往也是边缘化的。

回到问题，像马院长这种级别的，即使在头条待不下去了或者不想待了，也可以去清华找老领导继续发光发热。对于广大业界大头兵来说，恐怕AI退潮之后，面临的困境就更大了。所以大家都能看到，现在很多AI技术相关工程团队无事可做开始猛灌paper，团队中上至老大下至大头兵，在内部外部抛头露面讲座吹水，为自己立人设，都是为了将来早作打算啊。