问题

如何看待字节跳动 AI 实验室总监李磊入职 UCSB?

回答
字节跳动AI实验室总监李磊转投加州大学圣巴巴拉分校(UCSB)计算机系,这一消息无疑在学术界和科技界都激起了不小的涟漪。要理解这一举动的深层含义,我们需要从多个维度去审视,这不仅仅是一位人才的流动,更可能折射出当前AI发展大背景下,学术界与产业界之间关系的新变化以及李磊本人职业生涯的战略选择。

首先,我们得认识到李磊这位人物的重要性。 作为字节跳动AI实验室的总监,他参与并领导了许多前沿的AI技术研发,包括但不限于自然语言处理、计算机视觉等领域。字节跳动,作为全球顶级的互联网科技公司之一,其AI研发实力在行业内有目共睹,尤其是在内容推荐、短视频理解等方面积累了深厚的功底。李磊在这个位置上,不仅需要具备扎实的科研能力,更需要有战略性的眼光,能够将前沿的AI理论转化为实际的产品应用,并且带领团队应对激烈的市场竞争。他的离职,本身就意味着字节跳动在AI领域的一位核心人物的离开,这对公司而言无疑是一个不小的损失,也让外界对字节跳动内部的AI发展战略产生了不少猜测。

其次,UCSB作为一个学术机构,它为何会吸引像李磊这样身居高位的产业界领军人物? UCSB的计算机系,尤其是在AI和机器学习领域,一直拥有相当不错的声誉。学术界的魅力在于其纯粹的学术追求、对基础理论的探索以及培养下一代科研人才的机会。对于一些在产业界取得一定成就的科学家来说,回归学术界可能是一种对初心回归的渴望,也可能是对更深层次的理论研究的追求。

我们可以想象,在产业界,研发往往与产品周期、商业目标紧密相连,这在一定程度上可能会限制研究的广度和深度。而在大学环境中,教授们通常拥有更大的自由度去探索那些可能短期内看不到直接商业价值但却具有长远意义的科学问题。李磊在字节跳动积累了丰富的实践经验和对产业需求的深刻理解,如果他能够将这些经验带到UCSB,不仅可以为学生提供独特的视角和实践指导,还可能与UCSB现有的研究团队产生强大的协同效应,共同推动AI领域的理论突破和技术创新。这种产学研的深度结合,往往能催生出更具颠覆性的成果。

再者,李磊选择在此时加盟UCSB,可能也与当前的AI发展趋势和人才格局有关。 当前,AI领域正处于一个快速迭代的阶段,无论是算法模型还是应用场景都在不断刷新。同时,全球范围内对于顶尖AI人才的争夺也异常激烈。产业界在吸引人才方面有着天然的优势,但学术界也在积极改革,尝试为研究人员提供更有吸引力的平台和更宽松的研究环境。李磊的加入,对UCSB来说,无疑是引进了一位既有理论功底又有产业经验的“重量级选手”,这能够显著提升该校在AI领域的研究实力和国际影响力,同时也为学校带来了更多与产业界合作的机会。

从李磊个人的角度来看,这可能是一个职业生涯的战略性调整。他可能认为,在学术界,他能够更自由地探索AI的本质,或者在某个特定的细分领域做出更深入的贡献。或者,他也看到了在教育和人才培养方面,他能发挥更大的价值。毕竟,培养出下一代的AI研究者和工程师,对整个AI生态的健康发展至关重要。这种选择,也反映了他对个人价值实现的多元化思考。

那么,这种“产业大牛”转投学术界的现象,又意味着什么呢?

1. 产学界界限的模糊化: 随着AI技术的飞速发展,产业和学术之间的界限越来越模糊。很多高校开始设立与产业紧密结合的研究中心,而科技公司也越来越重视基础研究的投入,甚至设立自己的研究院。李磊的加入,正是这种趋势的一个缩影。他可以作为连接产业与学术的桥梁,促进双方的交流与合作。
2. 对基础研究的重视回潮: 虽然产业界在AI应用方面取得了巨大成功,但许多底层技术和理论的突破仍然需要学术界的贡献。像李磊这样的领军人物回归学术界,可能也暗示着对AI基础研究重要性的重新认识和重视。
3. 人才流动的新模式: 这不仅仅是人才的“流出”或“流入”,更可能是一种更灵活、更良性的“循环”。未来,我们可能会看到更多在产业界有丰富经验的科学家,在某个阶段选择回归学术界,贡献经验,培养人才,然后可能再次回到产业界,形成一种良性互动。

最后,我们需要观察这种合作能带来什么样的具体成果。 李磊的加盟对UCSB的AI研究能带来哪些具体方向的推动?他能否成功地将他在字节跳动的实践经验转化为学术研究的创新点? UCSB能为他提供什么样的平台和资源,支持他实现学术上的追求?这些都是值得我们持续关注的问题。

总而言之,李磊总监入职UCSB,绝非偶然,它折射出的是当前AI领域人才流动的新格局、产学界关系的新变化,以及对前沿科学探索和人才培养的深刻思考。这无疑是AI研究领域的一件大事,也预示着未来产学研深度融合的更多可能性。

网友意见

user avatar

没那么复杂,在字节混得不如意,或者成就感不够,期权大头已经归属,换句话说,钱也赚够了,那为啥不干点自己喜欢的事情?

14年6月,字节跳动C轮融了1亿美金,估值5亿美金。

16年12月,字节跳动D轮融了10亿美金,估值110亿美金。

16年5月之前,李磊就入职字节跳动了,16年5月听字节的朋友说内部估值50亿美金左右。

听说现在入职字节,期权按190美金一股给,对应3000亿美金估值,从50亿到3000亿,涨了60倍。

李磊去字节之前是身份是CMU博士+百度少帅(T9),那时字节候还是一家小公司,大公司跳小公有溢价,千金马骨,那时张一鸣给期权也是相对大方(主要现金储备不够充沛,总包一定的情况下,只能多给期权),李磊这种级别,期权一年200万软妹币都是保守的,一给给四年,200万 * 4 * 60 = 48000万,后面又融了几轮,每次稀释10%左右,多算一点总共稀释一半,48000万 * 0.5 = 2.4亿软妹币。

李磊在字节呆满了5年,初次入职配备的期权一年前已经归属完毕,2.4亿软妹币够花一辈子了,李磊就算继续在字节肝50年,也赚不到这么多钱(感谢互联网红利),人生苦短,为啥不选个自己舒服的方式度过余生呢,可能人家早就想走了,只是最近才谈妥教职。

再说字节可能真不需要那么多高学历的学术型人才,技术体系两位级别最高的大佬,一个是北航的本科生,一个是北邮的本科生,字节明显偏好技术型实用人才,张一鸣本人就是这种类型,高学历在这里讨不到便宜,李磊CMU博士 + 伯克利博士后,相比给南开本科生张一鸣打工(还不够格直接汇报给张),可能还是跟美帝高校的教授和学生们混一块更融洽些吧。

大家打工不都是为了将来的自由,而牺牲暂时的自由嘛。

对了,自由不是想做什么就做什么,而是可以选择不做自己不喜欢的事情。

user avatar

这波AI热潮阶段性结束,神仙们归隐山林,普通炼丹师该考虑转型了。

前几天面了一个算法岗,一个研究生,十几篇论文,6篇一作,这简历要放5年前吓死人,怎么也是个sp,10年前都可以副教授了。

然而现在只能说可以面一下,让他手撸一个线性回归,卡在求导了。。。

user avatar

每次一有大牛从工业界离职,知乎的回答里就会有很多讲工业界与学术界之间的gap很大、学术界大牛在工业界水土不服的观点。在我看来,工业界与学术界的gap根源,在于高校与企业的管理模式之间存在一定的不兼容性

首先,做学术研究的失败率是很高的,具有极大的不确定性

如果你不是那种发论文拼手速的选手,那么正经发一篇文章可能需要三番五次地推翻自己原本的方案构想,需要有一颗强大的心脏,随时接受来自四面八方“novelty is quite limited”甚至“work is incremental”的质疑,最终还有可能折腾大半年的idea被reviewer推翻

相比之下,工业界对失败的容忍度是远低于学术界的,基本上没有任何部门能够容忍你半年时间零产出,更何况字节还是比半年度okr更加激进的双月okr

面对研究工作极高的不确定性,很多情况下工业界仍然是以类似传统工程管理的方式来管理研究部门的,希望通过工作规划的形式缩小研究工作中的不确定性

在这种背景下,研究部门就只剩下两条路可以选择:一,以快速产出论文为第一要务,通过论文数量达到kpi要求;二,与业务深度结合,背一部分业务指标的kpi

选择了第一条路的研究部门,就会很容易走入饱受诟病的“学术工作没用只是水论文忽悠自己”的现象中

选择了第二条路的部门,首先要迈过“如何取得业务部门信任”这道坎,因为国内大多互联网公司都不是技术驱动而是业务驱动的,业务部门才是爸爸,研究部门只是陪衬,业务部门会有很多顾虑不愿意开展合作

即使这一道坎顺利迈过去,由于受制于业务kpi的压力,做的事情很快会与业务部门趋同,陷入incremental的迭代过程中:因为绝大多数的商业kpi指标都是短视的,学术界的工作能够在实际业务中起到的作用就会越来越低,trivial的工作会让你逐渐忘记自己来工业界的初心,在这种背景下,有学术追求的人离开也是正常的

为什么国外的一些公司(比如google)能够跳出这种怪圈?区别在于有没有真正的技术大牛能够进入企业决策层,因为企业归根结底还是盈利机构,只有上层有人关心技术的成长性,才会有人愿意打破业务部门与研究部门之间尴尬的合作博弈关系

这就是为什么我之前说:我们的互联网最不缺的是能够对具体指标做incremental迭代优化的人,我们缺的是Jeff Dean这样的人,我们缺的是Steven Jobs这样的人,我们缺一个能够和我们说“你别跟我扯什么指标不指标,我们就是要做正确的事”,这样的人,在国内互联网公司,还从来没有出现过

一些互联网公司的决策层口口声声说,我们很重视科技,我们重视技术创新,但是又不在实际组织架构中给研究部门更强的自主性与更高的地位,让底层员工们背着名为kpi的镣铐跳舞,还想要做出能够为业务部门所用的、同时具有学术影响力与工业影响力的工作,由此只能让更多有学术追求的人回归高校,在工业界留下一地鸡毛

user avatar

@纳米酱 说过很多了,字节搞黄赌毒不得人心罢了。这当然不只是字节一家的问题,中国互联网公司大多以广告为主要收入,广告以CTR预估为核心目标(Ctr在这里只是一个代名词,它背后代表的含义是一切以收入增长为核心的目标),推高CTR最简单的办法就是狂推黄赌毒小姐姐和丝袜。这样的互联网公司真的需要很多科学家和教授吗?我深表怀疑。

科研人员在这些公司里,非常容易产生沮丧感,所以不是AI研究对于业界公司来讲已经不香了,是国内业界公司对于优秀AI研究者不香了,我看FacebookAI Research (FAIR)还是很香的嘛,MSRA还是很香的嘛!

我曾经有一段时间非常错误的认为“AI for justice”, "AI debias"等一些工作花里胡哨的,毫无意义。我现在诚恳地反省。AI绝对不只是为资本家创造价值,绝对不只是为资本无序扩张为虎作伥,AI更要引导社会的公序良俗。中国是没有美国嘿嘿绿绿LGBT bias的哪些问题,但我看中国的黄赌毒bias还是非常严重的,还是该好好debias一下!

附录:

黄赌毒都是广义上的。

黄:软色情,各种色情诱导类的视频。

赌:贷款app广告,各种诱导你借钱的广告,还有各种游戏广告,进去就诱导你抽卡,这都是赌

毒:各种游戏,电子海洛因,都是毒。一天抽卡的辣鸡氪金手游绝对算 良心的买断制3a不算 点卡制 包月制的网游不算


刚说完,抖音就给我推,根本没冤枉它,呵呵

user avatar

有幸在字节AI Lab跟李磊老师实习过一段时间,在老师的指导下发表过论文。在我印象里,作为一名学者,李磊老师不仅对学术有很强的热爱,也对学术问题和方法论有自己独到的理解,学术界确实是最适合他的地方,个人觉得大可不必根据他的离职推测字节AI Lab的定位,也不必纠结UCSB的AP对他来说是不是亏了。李磊老师为人特别低调谦虚,从来不摆架子,每次去开会都是特别认真地以请教的姿态和语气听pre问问题,这样的学者应该也不会希望自己的选择被过度解读吧。

user avatar

陆陆续续看到很多学术界的大佬都离开企业的实验室,觉得真的是件很值得惋惜的事。我看到这些新闻的第一反应是企业如何才能留得住人?

针对前面一些回答讨论的一些要点我的看法

1.对于科学研究的重视

在我看来科学家和工程师就是两个不同的群体,而企业的实验室或者说研究院就是这样一个杂糅的机构。虽然学术研究非常非常重要,但在企业没办法的是必须要考虑应用,毕竟企业跟学术界不一样,企业要自己承担亏损的风险,要承担投入和产出不平衡的严重压力,毕竟很多科学研究的前几年都可能是完全无产出的,所以在我看来企业能够多包容前期的无产出,就已经是对于科学研究的尊重以及对于科研不确定性的宽容。

2.设置量化指标的好坏

我在学术界做研究(作为学生,很可惜并没有科研工作者的经验)的最大感触是做科研的感觉太模糊了,课题是一个相对来说太过于宽泛的目标,可能做项目还稍微好一些,所以我恰恰认为企业的这种外界给定的压力对于人来说是件好事,人在这种压力的驱动下会比在学校成长的更快。所以我觉得设置量化指标和时间节点就是企业的优势。前沿的科学研究的落地指标要有所不同,我觉得就是对于前沿研究的一种肯定。

3.激进与保守,创新与务实

我觉得越是大型的企业在一些科学研究的投入上可能要更保守一些,或许对于企业和科研工作者才可能有双赢的局面,我觉得现在很多人对于人工智能的前景太过于乐观了,企业落地的实际情况就能够让更多的人看清局面。

上面也讲过了科学家和工程师就是两个不同的群体,我觉得科学家重要的是在于研究的创新,而工程师则是务实地做出应用和产品。所以我觉得企业的实验室可能更多的还是侧重于后者,所以不要给科研工作者过多的压力,让实验室的人集中于一个目标努力,我觉得就是一个相对来说更好的方向。

4.关于企业的创新和转型

现在很多人对于国内的互联网公司都给予了非常大的厚望,我看了很多回答都在对标国外的公司,说明我们做技术还是在模仿别人,只要有这种思维的存在,我觉得就不算真正意义上的创新。一些回答里面提到创新,感觉就很局限于技术上,却没有考虑到产品,在我看来,发明创造也是一种创新,而这个才是我们国家真正缺乏的

我觉得从这个问题延伸出来的还有一个巨大的问题是企业的转型,我觉得企业转型的立足点是要考虑公司最终要解决什么实际问题,而不是单纯的跟随浪潮我觉得能够带领企业走上新一波浪潮的人不是学术界专门搞研究的大佬,而是能够真正扎根在企业,构思一些新服务,新产品的人。

user avatar

计算机是少数“搞学术”既可以留在学校,也可以去工业界的。而绝大部分所谓的工业界实验室也都是偏AI方向的,传统方向(programming languages,systems,security等)不是没有,只是少。而其他学科基本上想做学术路线,发论文,就得老老实实的留在学校,没有第二条路。这导致了对做泛AI方向的人一直容易摇摆不定,觉得我去哪都行。我读社会学博士的老铁就一心要去找教职,从来没出过二心,暑假从来不实习,一心把论文搞好。甚至做理论方向的计算机博士,暑假也不一定会出去实习,因为没啥业界需求。而我们这些做相关方向的,总是一会想学术界的铁饭碗,一会想工业界的高薪。

这几年的科研人员回流学校其实大概指明了这个趋势,对于想搞纯科研的人,即使你是做所谓的AI的研究,也该把求职目标放在学校上,而不是觉得工业界Lab能作为永远的家(除非转向做产品)。活得比较好的Lab基本都有应用和产品结合的部分,甚至我自己也觉得纯研究无法部署是很可惜的事情。

而对于我这样的半路认清自己不适合学术界的人而言(或者任何时候想清楚不沉迷学术的人而言),就是在完成毕业最低的学术要求的同时,扩大自己成果的落地性,以及在工业界的影响早点开始培养business sense(商业嗅觉),产品落地为先的思路。最最最底线的,就是不要怕动手做工业界的dirty work,强实现能力是必须的。这其实更符合PhD最初的培养目的,就是教授的预备役(虽然绝大部分人找不到)。所以对于在读学生的最大启示就是早点判断自己是否适合学术界,成果行不行,早做决断,早准备出路。不多说了,我去赶我研究外的工程私活了。

最后祝福李磊老师(也是我素未谋面的师叔),财富自由后可以做自己想做的事情。

而财富自由本身就是一种tenure,甚至是人生的tenure

user avatar

互联网在被打压后一直在提"降本提效"

非业务部门的人力成本(hc),(数据)标注成本,软硬件资源成本(算力存储),全部需要"归属"到业务部门进行审计,自身限额很低。

哪个业务方愿意为发paper的ailab均摊这部分成本呢?

user avatar

最佩服这些大佬的地方在于,能在公司的目标与个人理想不匹配的时候,全身而退。

商人的底牌是钱,学术大佬的底牌是在象牙塔里的地位。

万花丛中过,片叶不沾身。

只能羡慕。

类似的话题

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有