我爲什麼支持 BAT 拆掉「AI 研究院」
邊緣化、戰略搖擺、舉棋不定，是AI研究院藏在冰面下的境況。中國互聯網巨頭的AI研究院，已經到了不破不立的時候。
作者 | 李雨晨
編輯 | 王亞峰
AI科學家接連從大廠離職，外界的討論，總會把他們與不擅落地四個字掛上關聯。
讓科學家們在輿論中揹負了“只會發論文，不懂業務”的名聲。
這種論斷，既有局部的合理性，也有無知之處。
外界顯然不知曉大公司研究院的組織架構、彙報關係、考覈設計的真相。
企業科學家的流失、AI研究院地位的下降，並非當下AI不再重要，也非這批最強大腦水平有限。
本質上是研究院在企業的組織架構模式，正在遭遇空前的挑戰，讓人和事，難以卓有成效地運轉，無法發揮出本該有的戰鬥力。
根深蒂固的作業模式、派系勢力、利益關係，也使得這艘拋了錨的大船，不再好調頭。
於是在互聯網巨頭預算整體收縮之際，研究院陷入被邊緣化、戰略搖擺、舉棋不定的困局。
預算縮減、人心渙散，離職自然頻發。
AI研究院在互聯網公司中的組織架構設計，在過去五年裡，取得了階段性成效：匯聚了頂尖的AI研究人員，爲集團建設了一整套前沿的AI基礎能力。
但任何組織架構並非一勞永逸，它已經到了自我革命、全盤演化的時間。
1
Facebook打響第一槍：
把AI部粉身碎骨，拋棄“職能制”
AI研究院在互聯網巨頭內部的組織架構設計，不外乎三種：職能制、事業部制、矩陣制。
三種架構，各有門道。
近期第一個拿組織架構大開刀的企業便是Facebook。
本月初，Facebook中心化的AI部門被徹底打散，算法專家們被分配到各個App產品事業部當中。
其中圖靈獎得主楊立昆（Yann LeCun）的FAIR團隊，將併入至元宇宙部門Reality Labs，楊立昆向該部門的首席科學家Andrew Bosworth彙報。
Facebook的AI總舵主Jerome Pesenti，將在6月底離職。
Jerome加入Facebook之前，擔任IBM Watson Group的CTO，早期前京東技術委員會主席周伯文曾向他彙報。
Jerome Pesenti
Jerome和楊立昆在Facebook的職責關係，若以往日的騰訊AI爲參照，可理解爲：前者是騰訊副總裁姚星（已離職），後者則是張正友（AI Lab和Robotics X實驗室主任）。
Jerome負責管理整個AI部門的技術、產品賦能、運營等工作，楊立昆負責基礎研究。
在這次Facebook的人事調整官方口徑中，要施行“去中心化組織結構”。
此前，Facebook的AI部門是職能制組織架構：通俗講就把公司同一類工種的員工（科學家），聚攏在同一個部門。
部門的工作任務由Jerome，以及其老闆CTO Andrew Bosworth制定和考覈。
這樣做的好處是專業化程度高，全公司最聰明的科學家們匯聚在一個地方工作，便於專業信息的交流和共享。
職能制·AI研究院組織架構
這種體系造就了舉世聞名的貝爾實驗室，貝爾實驗室不僅在理論上發現了電子的波動性，提出信息論，更是在產品上組織發射了第一顆商用通信衛星，鋪設第一條商用光纖，併發明瞭射電天文望遠鏡、晶體管、數字交換機、Unix操作系統和C語言。
在這種體系的影響下，以Facebook爲代表的企業，其AI部門的目標和考覈，更多圍繞把技術變得更前沿展開，在彙報和考覈關係上，不對任意一條成熟的App產品線負責。
一位在美國多家巨頭企業任職過的研究高管告訴雷峰網：很多學者喜歡去Facebook做研究，雖然是企業實驗室，但科研氛圍比高校還高校。
四年前，楊立昆卸掉FAIR管理層身份、就任首席AI科學家時，還在FAIR的田淵棟、吳育昕等研究員都曾表示，“沒有產品的壓力。”
簡單來說，早期Facebook AI部門的任務就是花式炫技、刷模型打榜，在各種拋頭露臉的地方跑贏微軟、Google、亞馬遜，就算成功。
在Google內部，同樣爲職能制結構的Deepmind，也有它的幸福和煩惱。
2021年，作爲Google內部的獨立AI團隊，Deepmind先推出了驚人的蛋白質結構預測AI——AlphaFold 2，然後又公佈了2016年讓DeepMind一炮而響的AlphaGo進階版——MuZero。這無疑體現了獨立的職能制，在專業性上所能發揮的強大優勢。
但是，Deepmind既想要資金，又想保持純淨、理想化的AI研究。
YouTube和DeepMind合作改進推薦算法的過程中，在共享多少數據的問題上，雙方各執一詞，最終項目擱淺。
這也體現了直線職能制的弊端：獨立AI研究院，懂最新的學術風向，有算法能力，但與業務部門的割裂，使其缺少工程化能力和核心場景數據，容易成爲花瓶，最終在對數據依賴較小的場景中自嗨。
當然，App產品部門一直以來都對AI有着使用訴求。
當AI研究院的半成品算法包，並不能滿足他們的實際訴求，且雙方協作、溝通有障礙重重時，產品部也會招募完全屬於自己的AI研究人員，自由地爲己所用。
但產品部畢竟沒有明星科學家，缺乏人才號召力的他們，更多在二流的AI研究員市場挑挑選選。
此外，產品部門的AI團隊與獨立AI研究院之間，也時常爆發矛盾。
當年，百度內部有兩套語音方案賽馬，一套是由賈磊主導，一套則由吳恩達負責。
從角色定位來看，賈磊屬於搜索產品線旗下的AI派，吳恩達屬於獨立AI研究派。
吳恩達出任百度首席科學家後，想把學術研究成果應用到工業。然而這次賽馬，吳恩達的學術成果，數據雖漂亮，但在應用上對性能並無本質提升，仍處於剛發完論文的實驗室階段。而賈磊的成果已經在工程上驗證過。
吳恩達對方案沒在百度內得到大規模應用而惱火，並遷怒賈磊。於是，他逼宮李彥宏，讓李彥宏二選一，最終造成賈磊的短暫離開。
2
大廠AI落地的敵人：職能制組織架構
在直線職能制下，一個研究院動輒百千人，人均百萬年薪，在產出較小、與業務部門協作乏善可陳的情況下，對巨頭而言是一筆沉重的負擔。
在不拋棄職能制的前提下，中國互聯網企業走了一些彎路：給研究院制定營收KPI。
研究院創造營收的方式分兩種：一種是把產品賣給其他企業的外包制，一種是“親兄弟、明算賬”的內包制。
外包制如2021年阿里雲衝刺900億目標之際，阿里爲達摩院制定了高達10億級的營收KPI。讓研究院揹負營收，自行研發產品，並兜售給客戶。這一舉措在內部引發不少爭議，達摩院陸續離職多位P11級科學家。
而內包制的形式，產品/業務部門若有AI需求，會向研究院下達，研究院按照投入人頭和服務器使用量，向產品部門收費。這種內包制收費手段，在微衆銀行等企業的人工智能部頗爲常見。
“假如業務部門需要開發一個非常基礎的AI功能，研究院會評估需要多少個AI研發以及多少週期，然後給出報價。”
可這個時候問題出現了，該如何收費、怎麼收費、如何放下同事情感，建立起公正的甲乙方關係？
有些科技巨頭的產品部發現，同樣功能的實現，找外部AI供應商採購，報價比找自家研究院便宜不少。但出於數據安全考慮，產品部門只能忍痛付費。
雙方矛盾由此產生：研究院爲了完成營收KPI，在內部胡亂收費，項目經驗的缺失，交付質量層次不齊。反觀產品部門，出於安全考量，被迫支出一筆筆超額的預算，還經常達不到預期。
“產品部門沒得選。他們缺少對AI研究院的考覈力和約束力，即便走內包收費模式，把產品部和研究院，變成了甲乙方關係。但從實際情況來看，因爲在同一家公司，AI研究人員們仗着自己職級和薪資比產品經理、開發人員更高，天天在甲方面前當大爺，呵斥產品經理啥都不懂。二者不同的思維方式和行事習慣，使得配合協作起來層層受阻。如果他們在同一個部門裡，天天膩在一起幹活，肯定不一樣，起碼能聽懂對方要表達的意思。”李想（化名）告訴雷峰網。
根據過往的情況來看，當前無論是外包亦或是內包，都進入了進退兩難的困局，不但未達到期望的效果，反而引發內部的多重矛盾。
於是今年達摩院也撤銷了對營收業績的考覈。
在直線職能制下，有一家把內包制運作得非常成熟的機構：西門子美國研究院。
如上文所說，在內包制的經營中，產品部對AI研究院缺乏考覈力和約束力。
而西門子採用“賽馬+競標”的模式，通過內卷，把內包制變得充滿活力，讓他們輝煌過一段時間。
一位在該實驗室工作十多年的研究員劉華（化名）向雷峰網表示，西門子美國研究院非常以收入爲導向。
“我們當時只有30%的經費是人頭費，總部下撥的。另外70%的經費需要自己去掙，和產品部門籤合同，拿項目。”
但問題是，當時西門子美國研究院中，同一個研究方向的小組有3-4個，一起爭數量有限的項目，內部賽馬讓大家疲憊不堪。爲各自部門的利益，研究院們爭搶項目。
直到方向重合的部門合併，內部競爭才漸漸平息下來。
區別於Facebook純粹的職能制，西門子美國研究院保持收費的職能制的好處是，仍然可以保持職能制下研究院的獨立性；但是，收錢之後一樣變得短視：過於注重眼前，對長線投入的研究方向缺乏動力，容易丟掉對研究風向的敏銳度。
劉華坦言，深度學習出來之後，西門子美國研究院在技術上開始有點吃老本、落伍。
“我們挺早就開始關注深度學習。2006年的時候，楊立昆還來我們實驗室訪問過一次。2012年，深度學習在計算機視覺上取得成功（AlexNet的提出）。不過，直到2013年我們參加的行業頂會上，發現深度學習已經侵入我們的領域時，才真正開始有所反應，成立一個5-6個人的攻關小組。”
另一方面，與出錢的產品部門合作，還容易被“使絆子”、“穿小鞋”。
劉華吐槽到，“我們的產品部門非常變態，由於內部採購限制，在產品中不允許我們用GPU。當時用深度學習開發了一個算法，因爲產品中不能用GPU，花了6個月在CPU上做加速，把運算時間從2分鐘壓縮到20秒，才得以集成進產品落地。假如可以用GPU，這些工作都是沒有必要的。”
AI興起之後，西門子美國研究院的科研和產品就開始脫節。
“科研必須追蹤深度學習的進展，而落地項目大多數情況下只能採用傳統的機器學習方法。大家本來就忙於落地產品，脫節之後，科研很難有進展。”
還有一個槽點是，西門子的工資待遇十幾年不變。
深度學習興起，互聯網大廠大幅提高AI算法工程師的待遇，一個剛畢業的博士生就可以拿到25-30萬美元的package，而西門子美國研究院能給的只有前者的一半，導致團隊很難招到優秀的人才。
在21世紀的頭十年，三篇CVPR級別的論文，是西門子美國研究員的入門“硬通貨”。到2017年，有一篇CVPR的候選人都很難招到，團隊優秀的員工也紛紛被大廠（比如Google、Amazon）挖走。
“那一陣子，整個團隊士氣非常低落。”
劉華說，“沒有科研產出（通常用專利或者論文來衡量）的實驗室不是真正意義上的實驗室，也很難建立品牌效應，吸引到優秀的人才加入；在實驗室的日常管理上，充分授權，讓研究員有一定的自由度來平衡項目與科研。”
在直線職能制的體系下，不管是走內包、還是外包，都會被分走兩頭的勢力來回牽扯，走進一條死衚衕。
3
AI管理混亂的源頭：矩陣式架構
回到Facebook。
2018年，Jerome來到Facebook後，由於他在IBM有着豐富的產品賦能經驗，Facebook逐漸嘗試將AI部門的組織架構變成了矩陣式結構：既要獨立做研究，也要給幾大App產品部門服務。
職能制適合集專業力量辦大事，是橫向組織結構。
事業部制各類人員配置五臟俱全，機動性更強，適用於衝刺業績，是縱向組織結構。
而矩陣式兼具職能制和事業部制兩個的優勢，但無法把任意一種的優勢發揮到極致，屬於折中和權衡之計，包含橫縱兩個座標。
矩陣式·AI研究院組織架構
矩陣式的問題，在於一僕二主、既對職能線負責人彙報，也向事業部線領導彙報。
考覈頗爲複雜：既需CTO考覈，也要產品部門領導打分。
到底該聽誰的話？是優先服務產品線，還是優先滿足CTO制定的技術指標？這成爲擺在Facebook AI部門頭上的一大難題。
所以，最新一次的人事調整，Facebook又有變化：從矩陣式，過渡到更爲簡單粗暴的事業部型的組織架構。
Jerome也在推特上說，“過去集中的AI組織帶來了大量外部影響力，但在技術與應用的深度整合上遇到阻礙。新架構會把人工智能系統的所有權分配給各產品組，加速新技術在整個公司範圍內的落地應用。”
這個時候，分佈在各大產品組的AI團隊，只爲一個目標服務：產品，只聽一個人的話：產品負責人。
4
讓AI向利益看齊：事業部制架構
IBM實驗室在一段時間裡，是事業部制的代表作。
吳軍的《浪潮之巔》中曾寫到，IBM實驗室有不少理論研究。當時負責IBM轉型的領導人郭士納，砍掉了一些偏重於理論而沒有效益的研究，將研究和開發結合。
一旦一個研究項目可以實用，他就將整個研究組從實驗室挪到產品部門。到後期，郭士納甚至要求IBM的所有研究員必須從產品項目中掙一定的工資。
事業部制的核心，是將研發、產品、設計、運營、市場等要素配齊。
每個團隊就是一家微型公司，大家在同一條船上，爲同一個營收KPI負責。
事業部制·AI研究院組織架構
郭士納掌舵的9年間，公司持續盈利，股價上漲了10倍，成爲全球最賺錢的公司之一。
但要從職能制拆成事業部制，難度不小，其中的利益糾葛異常複雜。
多年的內部升遷，AI研究院的負責人身居高位，與各產品部門總經理平起平坐。一旦拆分，必然削減掉研究院掌舵者的勢力和話語權。
這時候，在不斷試錯未果後，往往需要壯士斷腕的決心和魄力，也必須要郭士納級別的高管親自操刀，讓研究院真正融入業務場景中。
產品部的核心目標，一是用戶/客戶量，二是營收。
而事業部制的一大槽點在於，研究人員向產品部門全職彙報後，研究團隊也會淪爲這兩目標的奴隸，工作重心從“精尖主義”轉變爲“實用主義”，過分腳踏實地，目光短視，看重眼前，缺乏佈局5-10年新技術的動力。
在這種制度下，可能會錯過下一個風口的最佳入場時間，也難以找到最頂尖的AI人才。越牛的人才，越是心高氣傲，越重視寬鬆的交流、研究氛圍，期望與大量高水平的同事一起共事。業務線“向錢看齊”的目標，會讓前者反感。
與職能制相反的是，事業部制更注重當下。如果說前者的AI研究院是飛在天上的偵察機，看得更遠，得窺全貌；那麼，後者的AI研究院更像是坦克部隊，離戰場更近，看得更細，攻擊力更強。
所以，先將AI大牛匯聚一處，經過多年的企業文化薰陶和專業培訓，待時機成熟後，再打散發配到產品體系中，讓每個業務團隊都擁有研究基因和PR AI 資本，便於進一步招攬人才，形成良性循環。
想象一下，當研究院的AI專家全職調任至淘寶、微信、搜索、抖音等產品中時，前者拿到場景數據，後者具備頂尖AI算法，將達到1+1＞2的預期效果。
而各自爲陣的跨部門協作，永遠是減法。
5
抄不了的作業：微軟和Google
與IBM的“事業部制”、西門子的“內包型職能”模式不同的是，微軟和Google根據各自基因開闢出一條適用於自身的研究院之路。
2013年，原微軟亞太研發集團COO申元慶說，在微軟全球10萬餘名的員工裡面，有1000多位科學家，他們是從事基礎研究，是看5年到25年的東西。絕大部分的研發人員都在從事所謂的開發工作，看當下到5年的變化。
一個壯觀的景象是：每年，微軟的科學家給工程部門做路演，哪個部門看上了，代表你就畢業了，頗有“翻牌子”的意味。
申元慶說，“微軟研究院的10篇論文裡，9.5篇是廢的，發論文實際意義有限，但可以省下一大把公關費，吸引優質學生的加入。”
另外一家巨頭——谷歌，是工程團隊親自下場做研究，從目前國內公司的配置看，Google的段位太高。
《紐約時報》曾寫道，在2004年，有3萬多員工的微軟的創新，居然比不過不到2000人的Google。《紐約時報》認爲差距在於，微軟的開發模式沒有Google的效率高。
Google的特點，是研究和工程開發不分家。
Google沒有嚴格意義上的研究部門，所有開發人員遇到實際問題需要研究時，因爲沒有可以指望的研究部門做後盾，只能自己動手。Google雖然有一個很小的研究部門，但是所有的研究員都在第一線做開發。
這種工程文化，無疑受到兩位創始人和Jeff Dean的技術理念影響。這要求Google每個工程師不僅要會寫程序，還會做研究。
這麼高的人才要求，唯一的解決辦法是儘可能地招動手能力強的博士。因此，Google也就成了全球單位辦公面積博士最集中的地方。
此外，Google也傾向招募有着工科博士背景的產品經理，進一步降低工程團隊和產品團隊之間的溝通成本。
但需要注意的是，Google的核心發起點是工程師。
而國內想要模仿難度很大，由於工程和研究培養體系在時間上整體晚於歐美，國內的絕大多數研究員，並不具備出色的工程開發和代碼水平，他們深入到項目的前提，是先同工程團隊協作，隨之雙方再與產品/項目團隊協作。兩層協作關係的推進，協作和信息流通效率會大打折扣。
Google和微軟的兩個特殊樣本，對於當下的互聯網巨頭AI研究院來說，所需的條件太高。
沒有人、沒有足夠多的牛人，想要學到其精髓，很難。
6
向AI研究院開刀
從直線職能制走向矩陣式，進而再融入到事業部的架構中。Facebook的這次結構調整，給中國互聯網巨頭什麼樣的啓示，是不是也到了強制打散AI研究院的節點？
2016年前後，國內互聯網巨頭相繼開啓AI人才的“軍備競賽”，成立AI研究院。
在當時的情形下，選擇”職能制”是一個時代的產物、互聯網巨頭一筆算得過來的賬。
如果他們一開始不設立獨立的研究院，而是在各個產品BG下面自建AI團隊，意味着每個BG都要重複建設多套幾乎一致的AI技術體系，這會產生非常高的技術和研究重複建設成本。
同時，各個部門的AI團隊各自爲戰，羣龍無首的非中心化的AI組織架構，也難以吸引一流的人才加入。
所以，互聯網公司在5-7年前成立獨立的、中心化的AI研究院，組織架構的選擇顯然正確。
但到現在，各大公司的AI研究院使命基本完成，已經建立起了基礎AI平臺和AI能力，並匯聚一流的AI人才，當前的人工智能，在短時間內也很難看到新基礎理論的突破。
此時的AI研究院，已走到“革自己命”的節點，流入至各個產品BG裡，爲產品和工程服務，推動AI的規模化落地纔是正解。
事實上，擺在中國互聯網AI研究院的路，也確實只剩下這一條——事業部制。
首先，無內包付費、純粹的職能制，被Facebook驗證了略顯滯後，已被捨棄。Deepmind與谷歌的分家矛盾也屢屢發生。
其次，在職能制的體系下，與產品部進行捏合難見其效。
從西門子美國研究院的案例來看，被強行聯姻、攤派營收KPI的職能制，更是錯過了深度學習等技術的風口。西門子的骨子裡是醫療器械廠商，每年推出的影像設備是一個個的標準化、本地化的產品，不存在實時迭代的需求。實驗室與產品部門籤一年期的合同，年初就定義好幾個交付的關鍵節點，可以提前規劃。
而國內的巨頭AI研究院，並不具備進行競標的方式和條件。因爲他們要支持的是C端實時變化的應用，以及to B高度定製的生意。
對互聯網公司的產品部門來說，每年都會有成千上萬個場景需求。如果在直線職能制的體系下，每個需求走內部競標，供需嚴重不匹配，需求遠遠大於供給。
因此，在內外承壓的現實逼迫下，國內互聯網巨頭外包、內包型的職能制體系均難以長期施行。
走向事業部制，這也是國內AI研究院的必由之路。
天下大勢，分久必合、合久必分。
用納德拉的著作《刷新》中的一句話來說：每一個人、每一個組織乃至每一個社會，在到達某一個點時，都應點擊刷新——重新注入活力、重新激發生命力、重新組織並重新思考自己存在的意義。
等到下一步新技術浪潮到來後，集團級的研究院又會重新像2016年前後那樣把最聰明的人匯聚在一起，爲公司構建基礎設施。於是，這三種體系又重新走入一種循環。
正如金庸的武俠小說，每一種招式都不可用老。
體系，一定是時代性的體系；解法，一定是時代性的解法。
作者注：此前，本人曾策劃並執行了，探尋大廠醫療業務線調整、裁撤的背後故事與深層原因。同時間，雷峰網也產出了頗具影響力的《》系列。
END