2021 年各家大厂的 AI Lab 现状如何？

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。

我是自动驾驶拖拉机，一名研究自动驾驶的工程师，如果你希望了解自动驾驶领域最新的行业知识，或与我一起交流，请关注我吧

这个帖子似乎引起了很大的舆论效应，再补充一点。

我从不反对业务上商业模式的创新，但是这和设立Lab并不冲突。Lab的设立是为了通过颠覆性技术进而引发商业模式的巨变，例如当年的mapreduce之于云计算以及几年前的CNN所引爆的行业浪潮，此刻的烧钱不是为了情怀，恰恰是居安思危，为了更广阔的未来。

颠覆性的技术因为占得人才先机，往往会成就完整的工业体系，进而形成技术行业壁垒，这和商业模式的创新是相辅相成的，两者并不冲突。只有这样我们才能成为浪潮的引领者，从而跳出在一个domain里反复内卷的怪圈。而不是像现在这样，等国外大厂整出什么大新闻之后再穷尽力气复现，然后在前面简单加上“中国”二字继续尾随。

另外我之所以认为国内公司不缺人也不缺钱，主要原因是AT两家如今已达万亿市值，且拥有垄断性的商业地位，已经大到需要国家出政策来限制的程度，拿几十亿美金出来办个Deepmind OpenAI这样的研究院早已不在话下。实际上国内CV四小龙拿到的融资也已经达到同样规模了。我们培养的人才并不劣质，Google Brain FAIR Deepmind里优秀的华人科学家比比皆是，MSRA也已经验证了国内的人才质量。可惜微软也不是中国企业，国内大厂并没有提供优质的资源和宽松的环境，上层领导者更专注于商业模式创新以在短期内割更多的韭菜。这不得不说是一种遗憾。

-------------------------------------------------------------

一觉醒来没想到这个帖子依然能保持如此热度。感谢大家支持。

本文只是我一时兴起之作，对于国内各厂研究院现状描述可能有不太准确的地方，但是基本上国内各厂挂Lab的羊头卖业务的狗肉的事实是大差不差的。至于私信质疑我发言权以及护厂让我道歉删帖的各位，本人呆过的国内外大厂研究院不下五家，文中很多表述也都是我曾经的亲身体验，如果你觉得你比我更专业，大可以公开站出来贴文护厂，是非曲直自有公论。

另外这层楼下似乎有些人比较喜欢摘抄，这个号下的贴子也都是我无聊而作的牢骚话，我也不指望靠这个账号引流赚钱，你们爱抄就抄吧。

-------------------------------------------------------

一句话，名存实亡。

阿里的达摩院自负盈亏，腾讯优图沦为内部算法外包，百度自从Andrew走后再也没有恢复元气，字节则干脆直接把lab名字改成了业务中台。国内互联网大厂无一例外，纷纷挂羊头卖狗肉，所有的“实验室”几乎全部做着业务上的脏活累活。不厌其烦的标数据加数据洗数据，然后雇几个实习生来回砍模型上tensorRT再试试trick。昔日挂着各类fancy title的科（tiao）学（can）家（xia）们如今做着跟富士康中的工艺师没什么区别的工作，无非是从研究手机边角到底该设多少度比较防摔变成研究这个weight decay到底该设大点还是小点才能变的更好。

同时国外AI lab也面临不小压力，但是好歹还是出了一些划时代的工作。这期间Google整出了Transformer跟BERT，产生巨大学术impact的同时也优化了搜索和机翻体验。Deepmind从AlphaGo整到了AlphaZero再到AlphaFold，每一次都是学术界海啸级的存在。虽然目前还是看不到商业上这些玩意能有什么卵用，但是产生的PR效应也是难以估量的。相比之下FAIR这期间的大工作也许要逊色一些，但是学术上在其子领域也有不少seminal work。PyTorch也基本已经坐稳第一深度学习框架。

反差似乎大的有些夸张，但是这些也的确从侧面反映出了一些行业现实，sad but true。一直以来，我们都习惯了追随者的身份，但是却从来不知道如何在未知中探索未来。最近新闻上最喜闻乐见就是某厂声称要做中文的BERT，另一个厂又要做中文CLIP，还有的厂又要建立中国的Deepmind，但却鲜见土生土长的中国企业里能做出来世界级的划时代工作。

前一阵和朋友们聊起这个话题，大家最大的感触是国内其实不缺钱也不缺人，缺的是有远见的领导者，无畏的决心和健全的AI工业体系。而国内业界现状，是从要求三五年立马盈利上市割韭菜的投资人，到只愿意各个赛道里大批量生产incremental工作的paper machine教授们，最后再到一线对着屏幕夜以继日调参烧香求涨点的调参侠，整个行业从上到下弥漫着一股焦虑且急功近利的气氛。从顶层设计开始，大家考虑的问题都是两三年后是否有钱赚，有饭吃，于是无一例外地选择了小步快走的模式，把所属麾下所有研究员化整为零，每个人负责一个小赛道，平均每人分几台服务器配几个实习生然后开始了作坊式的生产模式。

更让人绝望的还是国内的一些决策层，对于这种现象不以为耻，反以为荣。我面谈过的很多title为总监乃至VP级的国内大厂负责人，其中大多喜欢吹嘘的东西无外乎我们今年又跟政府签了几个单，我们有什么流量渠道，我们嫖的github代码加上内部数据整了个产品又赚了多少钱，我们的团队多牛逼今年又灌了多少paper。对于Deepmind OpenAI这种模式，他们中的很多人都表示这种无法落地的企业不值一提，觉得无非是资本的游戏和一时的泡沫。几乎没有人愿意为了长期收益组织力量冒哪怕稍微大一点的风险。我们手握屠龙刀，却不再是当年踌躇满志的屠龙少年。

也许我们还需要时间去适应身份的转变，也许当下的量变终会产生质变。

希望一切都会好起来吧。

现在国内的AI Lab要么被并入业务部门，要么在被并入业务部门的路上。

我们对国内AI Lab的期望是氛围类似于科研机构，但是所有权属于以盈利为目的的企业，典型的标杆是DeepMind、FAIR等。实际情况则是：前几年AI Lab几乎是PR机器，每年发表众多创新寥寥的顶会文章或者只能看不能用的demo；近几年则沦为了算法外包部门，给公司内部业务或者外部公司做项目。

PR机器时期，大家不满的是国内AI Lab的工作不少言过其实，缺乏创新，跟DeepMind和FAIR相差甚远，我想这里有几个原因。

一个是国内企业创立AI Lab的动机可能只是怕错过了AI这波浪潮，并不愿意在这个上面长期投入大量资源，比如制度建设、高端人才招聘、资金等，所以只是临时搭了一套班子试试水，不充足的配套会导致对身处国外的高端人才吸引力欠佳，他们宁愿去DeepMind、FAIR，也会导致后续的动作变形。

另一个原因是国内高端人才较少，各类AI Lab把国内的高端人才都招聘过去，最多是国内科研机构的翻版，国内科研机构在AI这一块创新也不太够，事后看来，这个阶段的国内AI Lab的确跟高校实验室的表现差不多。

算法外包时期，大家不满的是本来以为自己是站在科技最前沿的人，实际上干的事跟外包差不多，甚至可以说是二十一世纪的纺织工。我想这里的原因有二。

一是现阶段国内企业并不愿意在AI上不计回报地投入这么多资源，企业要看回报，要看ROI。

二是AI与业务是强绑定的，要体现AI的价值，一定要深入业务，而AI Lab没有自己的业务，只有技术，所以就需要和内部业务或者外部公司合作，为他们提供算法支持。现阶段的AI泛化能力不强，而且依赖于大量标注数据，所以算法科学家/工程师需要针对每个场景搜集数据、标注数据、清洗数据、训练模型（包括调参）、部署模型，整个过程枯燥、繁复，与第一次工业革命前夕的纺织工没有区别。

在腾讯的AI Lab呆了一年，时间不长，老板离职以后就跑路了。简单说一下我的感受吧。

先声明，我在腾讯AI Lab做的是CG方向，不同领域观察结果可能会不一样。以下看法、观点也仅代表个人，不代表公司以及其他同事~

相对于阿里的达摩院，腾讯的AI Lab应该是更接近“Lab”的研究机构。现在腾讯AI Lab的GM是张正友老师，正友老师今年刚刚升了T17级，成为腾讯有史以来专业职级最高（没有之一）的人。大家对公司此举的猜测是，Lab至少还可以坚持几年。在正友老师的带领下，Lab依然有做科研发论文的大环境，而且整体的资源也比较充裕，搞得起烧钱的项目。不得不说正友老师为AI Lab挖来了不少大牛，也从公司层面争取了不少自由空间。

即使如此，腾讯的AI Lab依然有一定程度的落地压力。有几个细节可以管窥一二。

一是今年Lab将使命从“学术有影响，工业有产出”改为“工业有产出，学术有影响”，也就是将工业产出放到了前面，再加上其他的一些变化，个人觉得Lab的业务压力正在增加。

二是Lab内员工的晋级答辩都被要求同时兼具学术影响（即要有paper）和工业产出（即要有落地的项目）。如果你一味发paper，答辩的时候就会被challenge工业产出；如果一直做项目没发成paper，同样也过不了。这就显得很尴尬，除非做到极致否则很容易晋级被卡。

三是跟其他大厂的AI Lab同样的一个困境是，AI Lab就像一个内部的高级外包。Lab做出来的研究如果想推销给业务部门，人家不一定需要。且不说Lab的研究成果不一定能精准解决业务部门的痛点；诸如微信、互娱这种财大气粗的BG，谁还不自己搞个研究部门呢，没有强烈的跟隔壁AI Lab合作的动力。

所以什么人适合来腾讯的AI Lab（或者推广到国内其他大厂的AI Lab）呢？个人觉得有这几种：

• 希望来大厂实习的在读研究生。既能发paper又有工资领，还能认识一堆大佬，难道不香么？
• 有明确的研究方向和落地期望的博士毕业生。Lab的环境相对而言更接近学校，如果能继续在自己感兴趣的领域做研究，如果能接到靠谱的项目，各方面都会很顺利。而且有大厂光环的加持，即使以后离职了也能在简历上留下比较出彩的一笔。
• 希望从学术界逐步进入工业界的大佬。可以将AI Lab作为进入工业界的第一站，在此招揽一波人继续在自己熟悉的行业做研究。

我当时毕业的时候，很多同学去了阿里的达摩院，包括我也是差一点就去了。除了期望在达摩院做科研，还有一个原因是感觉达摩院名气大，说出去好听，写在简历上也很好看。我们“那时候还太年轻，不知道所有命运赠送的礼物，早已在暗中标好了价格”。[狗头]

在我决定离开AI Lab之前，有幸跟几位大佬交流过。得出的结论是，在国内大厂的研究部门工作很难有长久的发展。国内比较成功的研究院只有微软亚研院，但是人家微软并不指望亚研院赚钱，只是作为一个科研机构来运营，打出学术影响就够了。事实上微软亚研院也确实不辱使命。而国内的大厂一方面没有这么彻底的觉悟，另一方面即使有这个打算也很难长久坚持下去。腾讯的AI Lab最初就是作为腾讯对前沿科技探索的前哨站而设立的，发展到现在已经有趋势在脱离最初的设想了。

比较有意思的一个事情是，离开AI Lab之后我活水到IEG的一个项目组做游戏引擎，业务压力大了不少，整天加班，被美术、策划催着要产出，还有组内技术预研的需求。但是讲道理，我感觉我在这边做的内容才是我当初在AI Lab时真正想做的——既能学习前沿CG技术，也能在成熟的游戏引擎（没错就是UE）上做有趣的特性。当然还能顺便搞钱，业务部门的整体福利和年终奖远高于AI Lab。

最后打一个广告，长期招聘游戏引擎开发方向的同学，专注于PC/Console 3A级图形及相关技术R&D，校招or社招，base深圳/上海，图形程序/Researcher，内推可以联系我或者我现在的老板 @毛星云 ，更详细JD可以参考 @毛星云 的这篇文章

或者有对腾讯AI Lab感兴趣的同学，实习or正式，主要是CG/Neural rendering方向，可以帮忙内推。

↑上图是之前在腾讯AI Lab上班时拍摄的，从南山的科技生态园向东望去，云雾缭绕的深圳天际线。

这个事儿可以说是很利益相关了。

我之前在达摩院的算法岗实习过，后来几经波折转到了别的bu的开发岗。

不过我转开发的主要原因是我更喜欢做开发，而不是因为算法岗做不下去被迫转了开发，其中的缘由我写在了这个回答中

从我一个普通校招生的视角出发，现在大厂的AI Lab已经不是最开始的AI Lab了，而是一个需要自负盈亏，承担很多业务指标，以赚钱为目标的大型算法外包。

这其实也是国内AI Lab发展的必然结果，因为互联网公司终究是以盈利为目标的，而AI Lab又是一个需要极大投入，短期内看不到产出的地方，这对财报的影响太大了，大股东们也不愿意自己花了大价钱请了这么多学术大牛ROI却这么低，这也是为什么现在越来越多的大佬选择回到学术界。

另一方面现在算法模型的封装度在提高，以前训练模型还得懂反向传播的推导，现在调用pytorch的接口就可以轻松实现了，所以竞争的地方就从智力变成了体力，谁更能调参，谁胜出，这带来的后果就是很多部门情愿自己搭建算法团队也不想用AI lab的接口。一方面沟通成本高，另一方面即便我的效果不如你，也不会差太多，大部分场景都能cover住了。

这使得AI Lab的定位愈发尴尬，做研究？短期没有产出股东不喜欢。做业务？那为什么要有AI Lab。而且随着好做的业务场景算法逐渐落地，算法岗求职也变的困难，于是就有了“如何看待算法岗校招人间炼狱...”。

之前达摩院以人类愿景为驱动力，现在需要自负盈亏。

之前字节AI Lab有马维英大佬坐镇，现在这个Lab已经合到各个业务线里去了。

之前AI四小龙风光无限，现在依图IPO终止。

资本也回过神来了，啥最重要啊？赚钱！赚钱！还是赚钱！

时间再次证明，国内靠谱的研究院只有MSRA一家。

如果要把国内几家巨头的AI Lab对标Deepmind、FAIR、Google Research的话，可以说AI Lab已经死了。

虽然挂着Lab的名字，实际上已经变成业务部门或者给业务部门做支持的部门了。

忽略Lab这个词的话，其实现状也没有毛病，无非是挂羊头卖狗肉而已嘛。大厂为了牌坊好看，还是会保留AI Lab的。

不过呢，研究院都要求自负盈亏了，那还搞什么科研。

都去搜(huang)推（du）广（du）搞落地，搞钱呗。

顺便反吐槽某些吐槽AI研究落不了地的研发人员，你们是真的没搞过科研吧。

还有比AI学术研究转化到工业界应用更快的领域吗？

大多数领域都只能以年甚至十年为单位转化成工业应用。AI领域的学术转化都是以月甚至周来规划的。新出的算法，三个月后就要上线测试效果怎么样了？

就这还嫌落地慢，算法无用？那么基本就告别一切学术研究了。

在这部分人眼里，能拿十多个诺贝尔奖、图灵奖的贝尔实验室最多也就称得上一句华而不实而已。

Deepmind这种烧钱大户肯定是满足不了“落地”要求的，也就是个公关部门，连华而不实都算不上。

现状无非是AT两家加起来一万亿美元市值也没搞出像样的研究院而已。别挂牌坊了，老老实实卖狗肉也不是什么丢脸的事。就是吃口饭而已，还非要装成高科技。这就容易让一些人产生不切实际的幻想了。

最后再补充一点。

让科学家去做科学，让工程师去做工程。用学术要求科学成果，用营收衡量工程项目。一流国家可以养一大批科学家攀登科技树，不入流国家接住成熟产业就够过日子。

中国研发经费GDP占比已经高过欧盟，这就是中国和其他陷入中等收入陷阱国家的最大差别。国家如是，企业亦然。二流公司不需要企业研究院，没必要为难自己，本来也不是靠攀登科技树吃饭的。

大多数公司的问题是，并不需要或并不觉得自己真的需要一个研究院或者AI Lab，但却非要挂着研究院的牌坊，又非要研究院来赚钱。这就成了一件很好笑的事了。

科技是第一生产力，但是科技不是种地，不是现在种了半年后就能当饭吃。

也不能把国内的AI Lab一棍子打死了。据一些自己和朋友的亲身经历，国内有那么两家研发占比超过15%甚至20%的大厂的研究院是有部分真正的研究团队的。H厂和B厂的研究院里虽然大部分人也需要面对短期的营收压力，但是还是可以维持部分团队做长期自由探索，不计短期回报。

能维持这样一定规模的、纯粹的研究团队非常难能可贵。而这两家正好也是这轮反垄断政策里没挨揍的那极少数大厂。

身在AI lab或者身在产品线的人，多少有点互相看不上。

对于AI lab的人来说，我调了这么好的模型，这么好的效果，你们为毛不用，不但不用，还找各种理由借口踢我皮球？

对于产品线的人来说，我擦，这个不就是从开源代码上胡乱改吧改吧，这些我们产品线的人也会啊，为毛要把饼分你们一口？再一看代码质量，烂的一匹。。。得了，ppt idea已经掌握了，已经知道这个方向的做法，有肉吃了，（可行性判定已经成功！），我们工程队上吧，分分钟搞定。

一则原创性研究在短时间内直接变现的能力，从概率上来说，太有限；二则目前很多产品线还是以稳定的技术为主（例如延时要求，吞吐量要求，然后才是精度，一般88%和90%的精度下，速度要求还是重要考量因素）。

我记得15年的时候，在bat中的一个厂子，搞基于dependency parsing tree的parsing arc的"word embedding"以及term weights，搞了半天，也难于说服产品线的人来用。。。另外，产品线的人也不傻，第一手数据，第一级别的机器，分分钟搞了个deep QA，把偏research的team搞的很被动。。。

然后在巨硬，也是类似，我们辛苦搞出来一个推荐模型，产品线的人死活不用；然后等分家的时候，他们又跳出来说，他们帮忙做了界面，要我们把代码交出来 -- 不是老子不想用，是没想分你饼吃；等这个东西我可以占了的时候，那老子肯定用！

没有银弹。。。

AI代码的github化，开源化，导致AI Lab的整体对营收的贡献处于很尴尬的局面。。。

2021年8月17日

追加一些想法。

其实，AI Labs被产品同化，不见得是坏事。

AI的大爆发，背后本来就离不开几个东西：（1）超大规模数据，例如imagenet，语音数据，视频数据，文本数据下的预训练模型等等；这些也说明AI本身是”接地气“的，是要产出到产品的；这个和你搞个贝叶斯网，搞几个创新型理论不冲突---工业实践本来就是在理论之后的。而产品向的源源不断的新数据，仿佛AI算法（推荐，搜索，广告匹配等等）的”养料“--再nb的算法，遇到超大规模数据的时候，也会遇到性能的”瓶颈“。所以，产品-》数据-》算法模型更新-》产品，这是个良性循环。（2）超大规模算力，这个不多说，GPU，TPU等等，已经证明了一切（看看nvidia这五年的股票涨幅就能说明很多问题了，而国内如地平线，寒武纪等等，都是杰出的代表。

的确，这若干年，AI算法，底层算法研究，理论研究方面，国外的若干AI labs是走在了前面的。但是，随着国内积累的数据的逐渐量变到质变的变化，相信会有越来越多的AI原创算法（例如近几年的ACL等顶会的best papers都是花落大陆科研机构，大厂等等）。追赶，赶超，超越，引领，是个潮流。而算法本来就是工科的比例占的多一些---”实践是检验真理的唯一标准“。把新的算法应用到产品中，造福大众，提高生产效率，丰富人民物质精神文明（有点高，但是是背后的客观规律。。。），也是AI算法的一个重要的归宿。

所以，抛开AI labs，单独看AI algorithms, models, codes, products，还是国内具有很大的优势的 --- 举例子，日本的RIKEN的一个Sugiyama老师的研究室，一年可以发几十篇neurips, icml, iclr之类的，可相当遗憾的是，很多优秀的人，只能去日本的google, 日本的facebook，日本的。。。因为无法看到他们自己的bat。。。我当年读博的时候，每每提到这个事情，都能深刻体会到日本高材生的羡慕嫉妒恨 --- 他们明明研究做的很不错，但是就是无法为本国的新兴IT企业效力。。。（貌似还有个Rakuten在苦苦支撑。。。）

再者，我非常佩服国人的眼界，在大家的眼里，除了美帝，还有其他国家什么事儿吗？？？在AI领域，除了美国的那少数几家AI labls，大家还care其他的吗？当我们眼里只有第一的那些厂子的时候，其实大可不必妄自菲薄。。。因为我们早就是要超越目前第二的位置，在追赶第一的道路上一路狂奔带闪电！你看看，国外哪家AI labs不是华人占相当一部分？？让国外的去证实”可行性，方向性“然后我们快速追赶，变现，进产品，甚至copy from China将会越来越多。

谁会否认，AI在中国的落地产品，已经不逊色于任何其他国家呢？虽然会有非常的挫折和反复，但是：道路是相当曲折的，前途是无限光明的。。。

个人对此充满信心！