编辑：深度学习技术前沿

作者：Evans

转载请注明来源！

【导读】2017年，BAT各大巨头纷纷跑马圈地，建立了号称“企业级”，“专注于研究”的AI Lab, 现在2021年了，这些AI Lab现状如何呢？有哪些问题值得深思？下面精选了一些知乎上的回答！分享给大家！

作者：花花

链接：https://www.zhihu.com/question/476541860/answer/2033466285

核心矛盾：国内各大厂对AI Lab的定位不清晰现状：定位不清，内外界压力大，夹缝中求生存，又要科研又要落地，处境尴尬

突然提这个问题，应该是看到最近字节跳动 李磊离开AI Lab 吧，那回顾一下：

• 字节AI Lab 马维英 离职

• 滴滴AI Lab 叶杰平 离职

• 腾讯AI Lab 张潼 离职

• 快手Y-Lab，号称要对标Deepmind，如今架构调整 → Y-Tech

回报越大，困难就越大，高投入的同时也是高风险，Deepmind，OpenAI 这样的模式在国内并不合适，大厂AI Lab开始的旗号大多是不做业务，只做基础研究和技术积累，但时间长了高层看不到烧钱带来的直接价值，落地压力，内外界多方压力，很容易就产生动摇。资本家追求的是金钱，科学家追求的是学术，组织架构调整，业务调整，离职，再正常不过了。

总结如下：

1. 博二兔不得一兔

2. 又要马儿跑又要马儿不吃草

作者：findyi
链接：https://www.zhihu.com/question/476541860/answer/203491918

达摩院半死不活、腾讯优图沦落为内部算法外包、好未来AI Lab负责人离职、字节ai lab变成中台、百度AI Lab在andrew离职后，一蹶不振.....

一句话总结：这些大厂的AI Lab基本名存实亡。

中国目前这些互联网巨头的尿性，说白了为了抢小商贩卖菜的生意可以打的头破血流却又不亦乐乎，你让它做点底层创新，那跟要弄死它一样痛苦。

这些巨头的决策者天天盯的是GMV是利润是增长，前段时间风靡一时个个跑来弄ai lab，真实的算盘恐怕是提升在招聘市场的美誉度，让自己打扮得更像一家技术公司。

但普天下也就在中国，能听到让AI Lab自负盈亏的惊人论调（马老板的言论），这不是滑天下之大稽吗？什么都用盈利来考量，你还做什么底层突破。

让我说，AI Lab这种事，全中国可能没几家公司能指望上，看来看去，也就华为这种如果下决心攻这个方向有戏，但华为的战略目标依然是通讯底层，在这个方向华为是不计成本的投入。

指望这些互联网巨头，真的够呛，不要对它们抱有任何幻想。

一个个千亿美金的商业巨无霸，连小鱼小虾也不放过，抄袭、山寨、剽窃简直是家常便饭，天天惦记着弄死小创业公司，摘取胜利果实才是它们最擅长的事情。

AI Lab是科技底层，是和5G、自动驾驶一个级别的创新方向，这些山寨巨头们自然不愿意持续投入。

看看美国的科技巨头，不太会跟小公司挣得你死我活，谷歌、亚马逊等更多是合作收购。

同时他们在科技底层创新这条路上走得很远。大洋彼岸的马斯克正在把科幻世界中的想象一步步变成事实：电动汽车、火箭和星际探索、太阳能、超级高铁。

亚马逊的贝佐斯不断深入技术创新、产品创新缔造了电商新业态和云计算这个产业。

乔布斯曾凭一己之力把全人类带进了移动互联网，创造了黄金十年。

真是，人比人，气死人，，，，

作者：moneydog
链接：https://www.zhihu.com/question/476541860/answer/2035394748

只能说名存实亡了，AI LAB这个词是注定了与中国互联网这个词不匹配的。

首先我们来看一下国内LAB之前是怎么考核绩效的。据我所知就是每年需要发一定数量的paper，顶会发了几篇，顶刊又有几篇。不过，AI这玩意发顶会，对我来说当然很难，对大佬来说不就是分分钟（夸张的修辞手法，程度副词）的事情吗？手动狗头。我依稀记得某年拜读了国内某知识图谱知名大佬连续发的三篇顶会，实质上就是把损失函数的正则化项变了变。。搞了三篇论文，且不论是否在水论文，就这种情况，AI LAB的考核就没有特别大的作用。

然后，第二点，就是绩效很多都是一年考核的，这也是个深坑！有啥重大研究是按年为单位的，不都是几年几年吗？虽然的确会有很多东西的确是天才灵光一闪，但是想要一年搞出东西，我真觉得太难了，那为了完成绩效，哪怕是大佬也会选择更轻松的方式吧。。。

所以，然后AI LAB似乎发现了这些问题，慢慢地，公司高层干脆直接不说你们是来搞研究的了。必须为业务服务，更多情况下就是为盈利服务了。那。。。这时候，就是我认为的AI LAB真正的消失的标志。因为整个公司的基调都这么定下来，那纯理论研究就更难在公司进行下去了。为业务服务最最最关键的问题就是，模型、算法在为特定数据服务了，追求与业务相关，那模型泛化能力怎么都会弱点。以前我还挺羡慕公司的人的，手上那么多数据，随便玩。现在就完全不羡慕了，那哪是玩，是在挣钱。。。

哈哈哈哈哈，可能是我矫情了，就是看自己怎么想吧，我内心也觉得如果自己搞个模型能影响公司上百万的GMV，其实也不错呀。。。不过，光论AI LAB而言，还是多搞搞理论研究怎么都要好点吧？不过，资本不允许呀，资本给你投资哪是让你搞研究的，是搞钱的！

最后，我想再说两句，想着能进AI LAB的那些大佬，AI LAB曾经也是自己可望不可即的人，甚至我当时找工作的时候都说AI LAB都说以后不会要硕士了，（我自己是知道有些硕士是有多牛的）那这些硕士都不要的情况下，能进的博士百分之95都是AI届数一数二的牛人吧，这些牛人却一直在为资本搞算法模型，心里也觉得好可惜。

话说回来，我一个小菜鸡为啥天天去想那些年薪百万的AI LAB的大佬的生活呢？多言了多言了。。。

作者：匿名用户
链接：https://www.zhihu.com/question/476541860/answer/2034545505

1） 国内lab如果以论文来说，近几年非常好，无论是数量还是质量都有了突飞猛进的提升，和五年前完全不可同日而语。虽然最好的论文还和世界有差距，也仍然没有类似bert、transformer这种对学术圈有着巨大贡献的东西，但有意思的论文也层出不穷。

2）从落地来说，我觉得其他答主说的都有问题。ailab的设立初衷就不应该是落地，要不然和业务组的研究小team没有区别，总有一天会被卷死。业务组有钱有人有卡，好落地的直接能给你干的亲妈都不认识。

3） 如果以deepmind和openai为榜样，国内lab最大的问题是没有 aim high 。解决的还是计算机小领域一亩三分地的问题，机器翻译bleu、图像识别准确度、以及一些直接应用解决传统行业的外包问题。现在更需要deepmind alphafold这种工作，但当然他也非常难。不过如果只看当下明确小问题，肯定没法做moonshot的项目。

最后，当今的research工作越来越从单兵作战转向团队作战，可以看看deepmind和openai有名的论文作者数目。同时也对研究组领导的资源调度和组织能力提出了更多的挑战，如果一个组又512个卡，8个研究员做8件事，肯定不如一起做一件事。但一起做最后的桃子又不好分。这种种的问题都制约了ailab的发展。

作者：自动驾驶拖拉机
链接：https://www.zhihu.com/question/476541860/answer/2033889387

各大厂的AI LAB徒有虚表，对外算法工程师及什么科学家，对内算法外包；主要是由于这些原因造成：

1.企业的核心是什么，赚钱，但是大部分的AI Lab都是花钱的，不会产生直接收益，对公司来说都是间接收益，比如企业影响力、对人才的吸应力、技术储备、技术落地产品，但是这些没有一个确切的收益数据，所以公司的第一印象就是这是个“败家玩意”。

2.既然AI LAB不赚钱，那么公司给AI lab的资源就会变少，比如项目经费，员工数量，员工工资和职级，就比如华为的天才少年有几个去了中央研究院了吗？比如秦通，钟钊等，研究院养不起，最适合搞研究的没去研究院。

3.还有就是国内最常见的AI LAB的技术不知道给谁用，AI lab和产品部门合作难，最终变成研究院和产品部门变成竞争关系，例如达摩院把菜鸟给合并，然后竞争不过的，就乖乖做算法外包，求着产品部门大爷落个地。

4.国内对AI LAB的定位失败，本来AI LAB干的是长期的活，还面临着失败的风险，但是考核制度却时刻要求落地，研究人员还有勇气拿自己的饭碗去挑战高难度的研究吗？研究人员的双手双脚被KPI拷者，然后只能做一些短平快的项目，最终和国外实验室越差越远，然后老板结果导向一看，AI LAB不行，压缩资金投入，减少人员投入，加大KPI考核，然后恶性循环。

5.一个没有钱，即要求落地，又要求创新的AI LAB凭什么能留得住那些学术大佬，人家找个学校当教授不好吗？既能搞学术又能赚大钱，比如清华的汪玉教授，名利双收。

推荐阅读

• 【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！

• 分层级联Transformer！苏黎世联邦提出TransCNN: 显著降低了计算/空间复杂度！

• 加大科研人员激励！科研项目经费中用于“人”的费用可达50%以上……

• 字节AI Lab总监李磊离职加入UCSB，马维英后又一大牛回归学界

• 【ICML2021】计算机视觉中的自注意力机制教程，谷歌&伯克利出品

• 你在读博士期间明白的最深刻的道理是什么？

• 清华姚班教师劝退文：读博，你真的想好了吗？

• 2021李宏毅老师最新40节机器学习课程！附课件+视频资料

• 最强通道注意力来啦！金字塔分割注意力模块，即插即用，效果显著，已开源！

• 登上更高峰！颜水成、程明明团队开源ViP，引入三维信息编码机制，无需卷积与注意力

• 常用 Normalization 方法的总结与思考：BN、LN、IN、GN

• 注意力可以使MLP完全替代CNN吗？ 未来有哪些研究方向？

• 清华鲁继文团队提出DynamicViT：一种高效的动态稀疏化Token的ViT

• 并非所有图像都值16x16个词--- 清华&华为提出一种自适应序列长度的动态ViT

重磅！DLer-计算机视觉&Transformer群已成立！

大家好，这是计算机视觉&Transformer论文分享群里，群里会第一时间发布最新的Transformer前沿论文解读及交流分享会，主要设计方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。

进群请备注：研究方向+学校/公司+昵称（如Transformer+上交+小明）

???? 长按识别，邀请您进群！