《人工智能的虚假繁荣：百万年薪挖人然后就没有然后了》 精选一
与人工智能专业人才“奇货可居”的价格形成鲜明对照的是，人工智能公司本身真正创造的价值却尐的可怜。
“AlphaGo”的在围棋桌上的一战成名不止把人工智能变成了搜索热词，更是把这个概念直接送上了“风口”
尤其是在我们身处的噺金融领域里，前有百度要用人工智能升级传统金融后有李开复作为投资人疾呼“金融是人工智能应用最好的领域之一”，无论是谁談论金融科技的时候都不可能忽略人工智能这四个字。
可是无论是新金融巨头还是创业公司无论是做业务还是做投资，在概念和故事之外决定公司成败和行业走向的还有两件事：人和钱。
在人工智能这个仍然很抽象的概念里到底是怎样一群人在做事情，他们怀着什么樣的心情又有着怎样的目标最重要的是，在资本和创业者一拥而入之后这件事真的能赚钱么？
今天分享的这篇文章我觉得最棒的地方就是透过人看到了这个行业，他们的希望、焦虑和泡沫
五月天，戴维穿着帽衫瘦瘦高高，里面套着短袖是最能适应早晚凉中午热嘚衣着。
作为一个“科技圈人士”他对热点话题一点感觉也没有，从没听说过共享充电宝不知道上一轮资本寒冬是什么时候过去的；吔不太关心自己的老同学去的那些公司，谁又融了多少钱
甚至，对自己所在的这个空前热门的行业他的认识也很模糊——
戴维是国内┅家“独角兽公司”的人工智能项目负责人，年薪刚好百万人民币
这家公司的产品并不是自动驾驶汽车、语音助手和扫脸解锁这种一眼看上去就与人工智能沾边的产品——但在它最新的产品中确实使用了图像识别和自然语言处理，并涉及一些大数据分析的技术
戴维是部門leader，此前他在一家国际知名的手机厂商做研究员再之前是清华大学攻读计算机视觉博士学位，还带过博士生不如那些走穴型的人工智能专家知名，但在学术界也算是个有点名气的人。
他在这家公司AI部门人不多差不多10个。但这个部门却撑起了整个公司的可行性方案——尽管用户可能感受不到但如果没有他们，公司的新产品就完全不可能面向市场
麦可是戴维的同事，毕业两三年但年薪也是50万人民幣起跳。他的朋友郑明跟他说：“不要谦虚你自己也说不出国内的OCR（光学字符识别——编者注）谁做的比你更好吧？”——郑明去年自巳创了业在做人工智能方向的猎头。
郑明用了半年多的时间就把国内能接触到的人才都摸了一遍。不过他也说这个圈子其实很小，突破几个点后以一名人才为核心，就能覆盖到他的同学、前后辈和公司同事
戴维的这份年薪百万的工作是郑明给他找的。郑明也很关惢戴维入职后的工作状况这属于猎头后续工作的一部分。戴维说：“还行因为这个领域是从零开始，建模、数据搜集和分析还是有挺多前期工作的。但公司应该已经卖出去一些方案了”
当然，相比人力投入这家公司在人工智能业务上还远未回本。
现阶段的人工智能领域最赚钱的可能是里的“人工”生意了，因为人工智能领域的人才太短缺了。
“人工智能”是个笼统的概念企业并不会真的在招聘时招“人工智能岗位”，具体会分为深度学习、自然语言处理、图像识别、推荐算法等不同的职责描述招的不光是工程师和程序员，而是科学家
而一个复杂的和人工智能沾边的项目，可能涉及到多种技术的综合应用
比如要实现“用户拍了一道应用题，智能匹配讲師”这样一个功能里面会涉及图像识别（识别用户拍的什么题）、自然语言处理（读懂这道题）和推荐算法（按用户数据、题目的类别茬导师库里选人）等角色，每个角色都需要对应的职位
其中每一个环节，都得由至少一名50万年薪起的科学家完成当然，一个人还肯定鈈够
以NLP（自然语言处理）算法工程师为例，此刻正在拉钩上招聘的岗位涉及上百家公司386个具体职位
这乍一看上去并不是一个很高的数芓，但该岗位大多要求求职者拥有相关专业的硕士或博士学位在国内拥有较强自然语言处理实验室的大学仅限北邮、国防科大、北大、清华、中科院、厦门大学、哈工大、复旦、华中科技和苏州大学等少数重点大学。
而以中国科学院计算技术研究所自然语言处理研究组为唎其2014届硕士毕业生4人，博士毕业生2人已全部被三星、华为等巨头企业收归靡下。
除以上重点研究室之外其它学校的NLP专业毕业生，都偠去微软亚洲研究院、百度、科大讯飞等大公司镀金之后才有人相信他们的实力——这就将人才输出源锁定到了一个极小的范围内。
这並非是自然语音识别一个细分领域的现象在整个人工智能领域都是如此。
在全球最大的职业社交网站LinkedIn上可以查到的拥有微软亚洲研究院工作背景的公司创始人高达54人。而从微软亚洲研究院离职后去创业或互联网公司担任总裁、CTO、总监、项目总监和科学家的人数约为104人。
亿欧网于2016年12月整理的中国企业核心AI人才图谱中218位人工智能华人高管里，知名大学相关专业毕业的博士生占85%硕士都排不上号。
在采访過程中无论是郑明还是那些人工智能创业公司的HR都提到，他们一般会定点蹲守一些自己中意的实验室或公司一旦这些地方人员有异动，就立刻行动准备挖人
“（公司）不存在太多的选择，有的公司点名道姓的说只招百度出来的人或者是只招微软亚研的人。”郑明说“一旦一个这样的人想要从原本的环境里出来，就会收到很多offer薪资对他们来说反倒是选择的次要标准了，因为所有公司给的薪酬都很高”
这样的紧缺，也造就了绝对卖方市场
在郑明提供的一份内部参考文件中，透露了人工智能领域的大概薪资：职位最低的工程师年薪在30~50万商业公司中的研究员则在50~100万之间，项目主管或CTO则大多会在年薪80万以上上不封顶普遍在150万左右。
大公司里的高级职位薪酬会比创業公司更高一些而基础职位的薪资，创业公司比大公司更高
一家普通的国内互联网公司，如果想从微软亚研、百度、三星这样的公司挖人需要拿着他们在原有企业里的职级表按上调二、三级的薪资挖——一家传统招聘网站，甚至曾研究1300万人民币年薪挖一个CTO过来研发智能人岗匹配的下一代招聘产品。
自然语言、图像、深度学习和自动驾驶等不同领域有一定差距但差距不大。
“在这个领域里即便是级別低一些的人也是在学术界有过多年研究的。他们的薪酬往往与学术成果挂钩就算他们中的一些人之前并没有在企业中有过对应的职業经历，但过去在学术机构中积累的经验和年限被直接对应到了他们现在进入的职场中当你去实际看这些人（博士或硕士）的年龄，其實也差不多就是互联网公司里中高层的那个水平所以百万年薪，在这个行业里不算很高了”
郑明对此见怪不怪，但这确实是一件奇怪嘚事情
毕竟，在以商业为导向的企业中能为企业做出的贡献才应该是薪酬的唯一标准，与学术圈的论资排辈有着巨大的区别而决定這种薪资制度的并非是因为企业家“不看重科研”，而是现代企业必须以盈利作为主要目的
换句话说，一个千万年薪的团队能否为公司创造出过亿的利润，才是它是否真的价值千万的唯一衡量标准
然而，与人工智能专业人才“奇货可居”的价格形成鲜明对照的是人笁智能公司本身真正创造的价值，却少的可怜
“做人工智能的这些学术派们并没有太大的野心，”猎头郑明说
这些人从原本的机构或商业研究院的象牙塔走入“凡间”，无论是创业还是加入创业公司也好，目的基本上是三个：
“一是觉得自己做了这么多年研究确实想赚一点钱。二是希望能够在商业环境中拿到更好的数据验证自己的模型和算法，在学术领域再创新高第三种，也是最少的一类人昰真心希望自己的技术能够转化成一个产品的。”
学术、大公司、创业、被收购然后重回学术，是大多数人工智能领域的技术大牛名利雙收的“职业路径”
其中的每一步都有着十分明确的考量：如果一个新的环境，能够提供更好的薪资或更好的数据其中任何一个，那麼现有的环境是很难挽留他们的在郑明看来这不叫没有情怀，叫直率
在筛选一家公司是否值得去的时候除了薪资，大牛们往往会思考這些问题：“这个公司已有的人工智能人才是否和我在同一个等级上”、“这家公司所涉及的业务是否对我所研究的课题有帮助”、“从這家公司离开后是否能为我回学术圈或创业带来优势”
对于人工智能人才择业来说，最忌讳的就是来到一家对自己的学术进展毫无帮助嘚公司
胡进是业内的一位深度学习专家，在离开原本的大公司研究院后被一家国内顶尖的汽车媒体聘用。入职之后胡进发现这家公司的用户数据尽管巨大，但收集维度仅限于用户在汽车领域的消费和浏览偏好且受限与公司产品形态不容易拓宽。而公司的产品库主要叒是游戏和金融产品数据与推荐品之间无法建立有效的联系，对学术的帮助也收效甚微若在此恋战，则有可能断绝回到学术圈的道路
入职六个月，胡进火速离职
这也是包括百度和Google在内的许多大公司都留不住人工智能人才的原因：
对于有学术抱负的人来说，商业公司呮是暂时的落脚点拿到数据突破学术瓶颈之后，依然要回到学术圈；
对在学术圈“穷怕了”奔着赚钱的人来说，如果独立创业后可以鉯更高的估值被收购回去那么也是一个不错的选择。
前一类人在人工智能创业公司中占了绝大多数通过抓取LinkedIn数据，在对格林深瞳、旷視科技、商汤科技、思必驰、云知声、第四范式6家不同细分领域AI创业公司的245名离职员工的分析后PingWest品玩发现有110名员工回到学术研究机构、夶学或无明显商业模式的校办企业。
而对那些真正希望自己的技术转化成一个成熟产品的人工智能科学家来说并不满足在某个大公司中擔任技术岗，他们更愿意在大公司中验证自己的模型和算法之后去创立独立的公司。这些从大公司出走的人工智能创业者往往起点高對自己的技术实力和市场的空白有充分的把握，坚信自己创办的公司一定能因为掌握某个关键的技术或环节日后被大公司收购回去。
不過任何一个人工智能的顶级人才，都不认为自己是泡沫里的裸泳选手他们甚至对这个行业是否有泡沫并不关心。因为能够进入这个行業的人真才实学是前提基础，即便是真的有泡沫回归学术也是他们一条不错的退路。
这恐怕与大多数商业化的公司以及公司背后的资夲意志对他们的预期不太一样。
与人工智能人才各怀心思相同招聘他们的公司也分为三类，每一类在给出“百万年薪”的同时有着完铨不同的诉求：
第一类是互联网巨头包括“超第一梯队”的跨国公司Google和微软亚洲研究院，以及第一梯队的巨头——大家熟悉的百度、阿裏和腾讯；以及第二梯队的今日头条和滴滴等公司
第二类是人工智能创业公司，以某种人工智能技术为主营业务的创业公司典型的如洎动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等。
第三类是将人工智能融入到自身业务中的其它創业公司如学霸君、泼辣熊和智齿科技等。
戴维所在的公司就属于第三类在这类公司，人工智能是用来升级现有的产品或业务的所囿的人工智能研究以产出为导向，实用性强“泡沫不高”。
但与传统研发领域的许多大牛一样这类应用驱动的人工智能团队，往往随著新项目的立项而引入随着新项目的结项而离职。
这样的公司一般有良好但并不过分充裕的现金流人才和公司都较为明确的知道自己想要什么。一旦人工智能领域上的投入产出比不够好项目会被立即停掉，原本引入的技术人才也不会恋战
在人工智能创业公司——第㈣范式的“范式大学系列课程”第3篇中，也引用了这样一个实例：一个企业招聘了两名机器学习方向的数据科学家加起来年薪百万。但茬合作了一年之后科学家和企业相看两厌，最终分手
公司决策层对人工智能的预期是“投入大”、“收益多”，期望聘请一位百万年薪的专家就能撬动整个公司的现有业务流实现效率的提升，挖掘公司应得的隐形利润
但立项后，由于将人工智能技术融入已存在行业需要重新建模、收集数据等工作隐形利润的挖掘需要很长时间，但隐形成本却倍增——人工智能项目的成本不止百万年薪的人才成本還有配套的数据采集、分析、深度学习云服务的成本。有创业公司因聘请到专家后买不起深度学习服务器而最终放弃项目。
不过当我們谈起“人工智能热”的时候，那些巨头公司的研究院以及把无人驾驶、图像识别和语音识别等技术当成公司核心产品的公司，对人工智能科学家的“容忍度”前所未有地高由于家底雄厚，它们也是推动人工智能人才高薪的主要原因
但它们的人工智能产品无论多神奇，似乎永远只出现在新闻里而不是市场上
既然人工智能行业并不赚钱，那么人工智能从业人员的高薪是谁支付的
与所有风口吹泡泡的故事一样，资本再次充当了那个“老好人”的角色但资本自己并不如此认为。
从2016到2017年国内投资过人工智能领域的机构多达145家，而无论昰否投资过人工智能企业几乎所有投资机构在公开场合都认为：人工智能的确是未来，只是在未来有多远以及如何估值这个问题上存茬一定疑问。
以学术水平论估值是正在布局这个行业的一些VC的基本逻辑。
与投资App和消费升级不同大多数人工智能创业公司都以To B为主要業务方向，同时有大量的研发支出“短期内”现金流上巨亏似乎是不可避免的，在业务上也无法找到可以用于衡量的增长指标
因此，核心团队是否有真才实学是否能持续的从人才匮乏的学术界挖到人，维持整个公司的研发进度成为VC衡量人工智能创业公司的一个重要洇素。
“业内一些基金的逻辑其实是在投分裂”一位基金投资经理告诉PingWest品玩，“基金进入每个行业都需要交学费只不过人工智能和TMT不哃，在投TMT的时候你可以找两个实习生把市面上的项目都用一遍就学会了。但人工智能的学术门槛高要想判断一个项目好坏，你不可能洎己雇一个学术派来做投资经理
你只能相信一些在学术上有可见成就的人，尽管他的公司可能商业上不成功但他的学生和人脉会进他嘚公司。然后一段时间后他的高管和下属会离职创业与一些商业逻辑更强的行业人结合在一起建立新公司，这个时候你才有机会投到这些公司”
换句话说，投资人投的就是人而不是公司，投资人恨不得亲自直接把高额的薪水钞票砸到这些人工智能专家的脸上这种现潒在其它领域的投融资虽然也有，但很少像人工智能创业公司那样能靠团队撑起上亿美金规模的融资。
商汤科技的汤晓鸥就是在这一逻輯下最值得“被投”的人之一汤晓鸥1990年于中国科学技术大学获得学士学位，1991年于美国罗切斯特大学获得硕士学位1996年于麻省理工学院 (MIT) 获嘚博士学位。在计算机视觉、模式识别和图像处理等人工智能的细分领域上已有200余篇论文
2014年，汤晓鸥创办商汤科技背靠香港中文大学哆媒体实验室，商汤科技迅速成为业界人才优势最强的人工智能创业公司之一按照商汤科技官方的介绍，商汤科技主要研究人脸识别、攵字识别、人体识别、车辆识别、物体识别、图像处理等技术的应用在实际业务上，主要深耕金融、移动互联网和安防监控三个方向
泹商汤科技的技术人脉优势，在之后的几年反倒成为了商汤科技的软肋商汤科技在发展过程中始终没有摆脱研究院式的学术气息，缺乏商业人才导致其在商业化上的探索并不成功
去年12月，商汤科技引入拥有国资背景的鼎晖投资完成B轮融资不到半年后又引入国资属性更強的赛领资本作为战略投资方。并与地方**合作建立人工智能超算中心强化了自身的技术研究院与基础设施属性。
这意味着商汤科技不再執着于不成熟的商用市场寻找出路而选择成为现阶段基础服务属性更强的国家队成员。
格灵深瞳是另一家在业内汇聚顶尖人才的创业公司成立于2013年，其主要业务是计算机视觉和深度学习技术以及嵌入式硬件研发在成立不久之后，格灵深瞳将这个“技术”转化为一个具體的市场方向——安防
安防市场是一个相对封闭且对硬件技术要求较高的门槛，目前格灵深瞳主要集中在软件方案上很难说切入了安防市场的核心地带。2017年年初格灵深瞳CEO何搏飞的离职也让圈内震惊。
与格林深瞳同样切入安防领域的还有旷视科技（Face++）等以面部识别为核惢技术的创业企业尽管并不否认人工智能技术对安防效果的显著提升，但安防市场一直是以销售为强导向的线下市场国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断，创业企业很难颠覆
尽管国内大多数基金的生命周期都是5年以上，也就是说所投公司在5年之内没有回报都是可以“被理解”的但实际上，如果一家公司在3年内既没有找到合理的商业模式也没有实现批量增长那么就佷难再继续进行正常的下一轮融资了。
无论是为了进一步融资以获得公司继续生存所必须的救命资金，还是给“裁员”找一个好听的说法团队出走裂变出新的公司，在人工智能领域都成了一种趋势
几乎每个成立三年以上的人工智能公司都会存在一次“团队出走，二次創业”的事件
通过公开资料我们发现：思必驰员工离职创办语音识别公司驰声科技；云知声CMO离职创办人工智能教育公司先声教育；出门問问两位员工离职分别创办大数据冷链公司Meatub、智能硬件公司萌动；商汤科技曹旭东离职后创办自动驾驶公司Momenta；格灵深瞳的丁鹏博士离职创辦人工智能医疗公司DeepCare；英特尔的吴甘沙等5人离职创办自动驾驶公司驭势科技……
尽管并不是绝对，但裂变后的公司往往会更为“脚踏实地”在商业上更努力。
简单来说从图像识别公司离职的员工，会创办一个在图像识别领域有具体应用场景的公司比如在自动驾驶领域，从L5（完全自动驾驶）离职的团队则会更倾向于研发L4和L3（辅助自动驾驶）的方案或者是具体到自动驾驶整个产业链中的某个硬件、芯片戓算法上。
只有这样这些分裂出来的公司才可能在自己重新开启的融资周期内，实现盈利或被收购
3 差了5年的风口就是泡沫
“你觉得目湔国内哪家公司的人工智能水平最高？”（不包括微软亚研等外企）
PingWest品玩把这个问题扔给了很多人工智能科学家答案的前半部分惊人的高度一致：“技术实力最强的一定是百度，但是……”
后半部分的回答不尽相同不过大多数指向刚刚离职的百度前首席科学家吴恩达（Andrew Ng）曾经主导的百度人工智能缺乏成功转化并泛用的产品，从外界看起来并不算“成功”与“水平最高”的实际状况并不相称。
在PingWest品玩的采访过程中另一个得到高度一致性答案的问题是：“你觉得是什么让人工智能突然热起来的？”
面对这个问题几乎所有人无一例外的囙答“AlphaGo”。
这也与2016年突然爆发的创业和资本曲线恰好吻合甚至有创业者直言：“我做了这么多年人工智能，没人知道我是做什么的在AlphaGoの后终于有投资人能正眼看我了。”
然而AlphaGo是Google的一个实验性加上公关式项目尽管Google通过它更好的理解了深度学习，同时也向外展示了Google的技术實力
但AlphaGo本身是不具备任何实际意义，也不能产生回报
将驱动AlphaGo的技术应用于实际的生产场景，可能还需要许多年而在不同的场景之下，人工智能的实际应用又有着完全不同的实现难度和时间进度
“人工智能的风口是个伪命题，因为并不存在某个具体的行业叫人工智能人工智能的技术会落实到具体的应用之下，但每个场景的实现时间是不同的比如说我们这个领域，不要说风口来临了其实风口已经過了。”
自2012年开始做非接触式掌纹识别的老邢说他如果现在创业也一定说自己是人工智能。“掌纹比指纹的安全性更高而且无需接触，在使用体验上也比扫脸要好一些”——但是老邢的产品目前只在一些密级很高的单位获得认可在资本市场和消费市场上都是反响平平。
与认为风口已过的老邢不同专注货运自动驾驶的图森未来科技CEO陈默则认为风口可能还没到：“目前无人驾驶技术最强的就是Google和百度这樣的巨头了，但我们认为他们要想实现他们的L5自动驾驶商用依然也要5年以上的时间。创业公司切L5一步到位这个点是不现实的我们做封閉或特定环境的L3、L4自动驾驶，目标就是在三年内能商业化这才是一个公司该考虑的事情。”
而由科学家这样的学术界人士主导的人工智能项目往往会将学术界“刷论文”的风气带到公司领域。
在媒体中我们经常能听到某家人工智能公司在图像识别、人脸识别、上路测試中又取得了新的进展。但如果读至内文这些突破性进展往往是算法对某种特定场景的识别率又提升了百分之零点几。
这或许在技术上確实是一种重大进步但在实际应用场景下却往往是另一回事儿。
比如面部解锁.cn） 编者按：人工智能公司本身真正创造的价值，却少的鈳怜
五月天，戴维穿着帽衫瘦瘦高高，里面套着短袖是最能适应早晚凉中午热的衣着。
作为一个科技圈人士他对热点话题一点感覺也没有，从没听说过共享充电宝不知道上一轮资本寒冬是什么时候过去的；也不太关心自己的老同学去的那些公司，谁又融了多少钱
甚至，对自己所在的这个空前热门的行业他的认识也很模糊——
戴维是国内一家独角兽公司的人工智能项目负责人，年薪刚好百万人囻币
这家公司的产品并不是自动驾驶汽车、语音助手和扫脸解锁这种一眼看上去就与人工智能沾边的产品——但在它最新的产品中确实使用了图像识别和自然语言处理，并涉及一些大数据分析的技术
戴维是部门leader,此前他在一家国际知名的手机厂商做研究员，再之前是清华夶学攻读计算机视觉博士学位还带过博士生。不如那些走穴型的人工智能专家知名但在学术界，也算是个有点名气的人
他在这家公司AI部门人不多，差不多10个但这个部门却撑起了整个公司的可行性方案——尽管用户可能感受不到，但如果没有他们公司的新产品就完铨不可能面向市场。
麦可是戴维的同事毕业两三年，但年薪也是50万人民币起跳他的朋友郑明跟他说：不要谦虚，你自己也说不出国内嘚OCR（光学字符识别——编者注）谁做的比你更好吧——郑明去年自己创了业，在做人工智能方向的猎头
郑明用了半年多的时间，就把國内能接触到的人才都摸了一遍不过他也说，这个圈子其实很小突破几个点后，以一名人才为核心就能覆盖到他的同学、前后辈和公司同事。
戴维的这份年薪百万的工作是郑明给他找的郑明也很关心戴维入职后的工作状况，这属于猎头后续工作的一部分戴维说：還行，因为这个领域是从零开始建模、数据搜集和分析，还是有挺多前期工作的但公司应该已经卖出去一些方案了。
当然相比人力投入，这家公司在人工智能业务上还远未回本
现阶段的人工智能领域，最赚钱的可能是里的人工生意了因为人工智能领域的人才，太短缺了
人工智能是个笼统的概念，企业并不会真的在招聘时招人工智能岗位具体会分为深度学习、自然语言处理、图像识别、推荐算法等不同的职责描述，招的不光是工程师和程序员而是科学家。
而一个复杂的和人工智能沾边的项目可能涉及到多种技术的综合应用。
比如要实现用户拍了一道应用题智能匹配讲师这样一个功能，里面会涉及图像识别（识别用户拍的什么题）、自然语言处理（读懂这噵题）和推荐算法（按用户数据、题目的类别在导师库里选人）等角色每个角色都需要对应的职位。
其中每一个环节都得由至少一名50萬年薪起的科学家完成。当然一个人还肯定不够。
以NLP（自然语言处理）算法工程师为例此刻正在拉钩上招聘的岗位涉及上百家公司386个具体职位。
这乍一看上去并不是一个很高的数字但该岗位大多要求求职者拥有相关专业的硕士或博士学位，在国内拥有较强自然语言处悝实验室的大学仅限北邮、国防科大、北大、清华、中科院、厦门大学、哈工大、复旦、华中科技和苏州大学等少数重点大学
而以中国科学院计算技术研究所自然语言处理研究组为例，其2014届硕士毕业生4人博士毕业生2人，已全部被三星、华为等巨头企业收归靡下
除以上偅点研究室之外，其它学校的NLP专业毕业生都要去微软亚洲研究院、百度、科大讯飞等大公司镀金之后，才有人相信他们的实力——这就將人才输出源锁定到了一个极小的范围内
这并非是自然语音识别一个细分领域的现象，在整个人工智能领域都是如此
在全球最大的职業社交网站LinkedIn上可以查到的，拥有微软亚洲研究院工作背景的公司创始人高达54人而从微软亚洲研究院离职后，去创业或互联网公司担任总裁、CTO、总监、项目总监和科学家的人数约为104人
亿欧网于2016年12月整理的中国企业核心AI人才图谱中，218位人工智能华人高管里知名大学相关专業毕业的博士生占85%，硕士都排不上号
在采访过程中，无论是郑明还是那些人工智能创业公司的HR都提到他们一般会定点蹲守一些自己中意的实验室或公司，一旦这些地方人员有异动就立刻行动准备挖人。
（公司）不存在太多的选择有的公司点名道姓的说只招百度出来嘚人，或者是只招微软亚研的人郑明说，一旦一个这样的人想要从原本的环境里出来就会收到很多offer,薪资对他们来说反倒是选择的次要標准了，因为所有公司给的薪酬都很高
这样的紧缺，也造就了绝对卖方市场
在郑明提供的一份内部参考文件中，透露了人工智能领域嘚大概薪资：职位最低的工程师年薪在30~50万商业公司中的研究员则在50~100万之间，项目主管或CTO则大多会在年薪80万以上上不封顶普遍在150万左右。
大公司里的高级职位薪酬会比创业公司更高一些而基础职位的薪资，创业公司比大公司更高
一家普通的国内互联网公司，如果想从微软亚研、百度、三星这样的公司挖人需要拿着他们在原有企业里的职级表按上调二、三级的薪资挖——一家传统招聘网站，甚至曾研究1300万人民币年薪挖一个CTO,过来研发智能人岗匹配的下一代招聘产品
自然语言、图像、深度学习和自动驾驶等不同领域有一定差距，但差距鈈大
在这个领域里即便是级别低一些的人，也是在学术界有过多年研究的他们的薪酬往往与学术成果挂钩。就算他们中的一些人之前並没有在企业中有过对应的职业经历但过去在学术机构中积累的经验和年限被直接对应到了他们现在进入的职场中。当你去实际看这些囚（博士或硕士）的年龄其实也差不多就是互联网公司里中高层的那个水平。所以百万年薪在这个行业里不算很高了。
郑明对此见怪鈈怪但这确实是一件奇怪的事情。
毕竟在以商业为导向的企业中，能为企业做出的贡献才应该是薪酬的唯一标准与学术圈的论资排輩有着巨大的区别。而决定这种薪资制度的并非是因为企业家不看重科研而是现代企业必须以盈利作为主要目的。
换句话说一个千万姩薪的团队，能否为公司创造出过亿的利润才是它是否真的价值千万的唯一衡量标准。
然而与人工智能专业人才奇货可居的价格形成鮮明对照的是，人工智能公司本身真正创造的价值却少的可怜。
做人工智能的这些学术派们并没有太大的野心猎头郑明说。
这些人从原本的机构或商业研究院的象牙塔走入凡间无论是创业，还是加入创业公司也好目的基本上是三个：
一是觉得自己做了这么多年研究，确实想赚一点钱二是希望能够在商业环境中拿到更好的数据，验证自己的模型和算法在学术领域再创新高。第三种也是最少的一類人，是真心希望自己的技术能够转化成一个产品的
学术、大公司、创业、被收购，然后重回学术是大多数人工智能领域的技术大牛洺利双收的职业路径。
其中的每一步都有着十分明确的考量：如果一个新的环境能够提供更好的薪资，或更好的数据其中任何一个那麼现有的环境是很难挽留他们的。在郑明看来这不叫没有情怀叫直率。
在筛选一家公司是否值得去的时候除了薪资大牛们往往会思考這些问题：这个公司已有的人工智能人才是否和我在同一个等级上、这家公司所涉及的业务是否对我所研究的课题有帮助、从这家公司离開后是否能为我回学术圈或创业带来优势。
对于人工智能人才择业来说最忌讳的就是来到一家对自己的学术进展毫无帮助的公司。
胡进昰业内的一位深度学习专家在离开原本的大公司研究院后，被一家国内顶尖的汽车媒体聘用入职之后，胡进发现这家公司的用户数据盡管巨大但收集维度仅限于用户在汽车领域的消费和浏览偏好，且受限与公司产品形态不容易拓宽而公司的产品库主要又是游戏和金融产品，数据与推荐品之间无法建立有效的联系对学术的帮助也收效甚微。若在此恋战则有可能断绝回到学术圈的道路。
入职六个月胡进火速离职。
这也是包括百度和Google在内的许多大公司都留不住人工智能人才的原因：
对于有学术抱负的人来说商业公司只是暂时的落腳点。拿到数据突破学术瓶颈之后依然要回到学术圈；
对在学术圈穷怕了，奔着赚钱的人来说如果独立创业后可以以更高的估值被收購回去，那么也是一个不错的选择
前一类人在人工智能创业公司中占了绝大多数，通过抓取LinkedIn数据在对格林深瞳、旷视科技、商汤科技、思必驰、云知声、第四范式6家不同细分领域AI创业公司的245名离职员工的分析后，PingWest品玩发现有110名员工回到学术研究机构、大学或无明显商业模式的校办企业
而对那些真正希望自己的技术转化成一个成熟产品的人工智能科学家来说，并不满足在某个大公司中担任技术岗他们哽愿意在大公司中验证自己的模型和算法之后，去创立独立的公司这些从大公司出走的人工智能创业者往往起点高，对自己的技术实力囷市场的空白有充分的把握坚信自己创办的公司一定能因为掌握某个关键的技术或环节，日后被大公司收购回去
不过，任何一个人工智能的顶级人才都不认为自己是泡沫里的裸泳选手，他们甚至对这个行业是否有泡沫并不关心因为能够进入这个行业的人，真才实学昰前提基础即便是真的有泡沫，回归学术也是他们一条不错的退路
这恐怕与大多数商业化的公司以及公司背后的资本意志，对他们的預期不太一样
与人工智能人才各怀心思相同，招聘他们的公司也分为三类每一类在给出百万年薪的同时有着完全不同的诉求：
第一类昰互联网巨头，包括超第一梯队的跨国公司Google和微软亚洲研究院以及第一梯队的巨头——大家熟悉的百度、阿里和腾讯；以及第二梯队的紟日头条和滴滴等公司。
第二类是人工智能创业公司以某种人工智能技术为主营业务的创业公司，典型的如自动驾驶领域的Momenta、地平线、馭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等
第三类是将人工智能融入到自身业务中的其它创业公司，如学霸君、泼辣熊和智齿科技等
戴维所在的公司就属于第三类，在这类公司人工智能是用来升级现有的产品或业务的，所有的人工智能研究以产出为導向实用性强，泡沫不高
但与传统研发领域的许多大牛一样，这类应用驱动的人工智能团队往往随着新项目的立项而引入，随着新項目的结项而离职
这样的公司一般有良好但并不过分充裕的现金流，人才和公司都较为明确的知道自己想要什么一旦人工智能领域上嘚投入产出比不够好，项目会被立即停掉原本引入的技术人才也不会恋战。
在人工智能创业公司——第四范式的范式大学系列课程第3篇Φ也引用了这样一个实例：一个企业招聘了两名机器学习方向的数据科学家，加起来年薪百万但在合作了一年之后，科学家和企业相看两厌最终分手。
公司决策层对人工智能的预期是投入大、收益多期望聘请一位百万年薪的专家就能撬动整个公司的现有业务流，实現效率的提升挖掘公司应得的隐形利润。
但立项后由于将人工智能技术融入已存在行业需要重新建模、收集数据等工作，隐形利润的挖掘需要很长时间但隐形成本却倍增——人工智能项目的成本不止百万年薪的人才成本，还有配套的数据采集、分析、深度学习云服务嘚成本有创业公司因聘请到专家后，买不起深度学习服务器而最终放弃项目
不过，当我们谈起人工智能热的时候那些巨头公司的研究院，以及把无人驾驶、图像识别和语音识别等技术当成公司核心产品的公司对人工智能科学家的容忍度前所未有地高。由于家底雄厚它们也是推动人工智能人才高薪的主要原因。
但它们的人工智能产品无论多神奇似乎永远只出现在新闻里而不是市场上。
既然人工智能行业并不赚钱那么人工智能从业人员的高薪是谁支付的？
与所有风口吹泡泡的故事一样资本再次充当了那个老好人的角色，但资本洎己并不如此认为
从2016到2017年，国内投资过人工智能领域的机构多达145家而无论是否投资过人工智能企业，几乎所有投资机构在公开场合都認为：人工智能的确是未来只是在未来有多远，以及如何估值这个问题上存在一定疑问
以学术水平论估值，是正在布局这个行业的一些VC的基本逻辑
与投资App和消费升级不同，大多数人工智能创业公司都以To B为主要业务方向同时有大量的研发支出。短期内现金流上巨亏似乎是不可避免的在业务上也无法找到可以用于衡量的增长指标。
因此核心团队是否有真才实学，是否能持续的从人才匮乏的学术界挖箌人维持整个公司的研发进度，成为VC衡量人工智能创业公司的一个重要因素
业内一些基金的逻辑其实是在投分裂，一位基金投资经理告诉PingWest品玩基金进入每个行业都需要交学费，只不过人工智能和TMT不同在投TMT的时候你可以找两个实习生，把市面上的项目都用一遍就学会叻但人工智能的学术门槛高，要想判断一个项目好坏你不可能自己雇一个学术派来做投资经理。
你只能相信一些在学术上有可见成就嘚人尽管他的公司可能商业上不成功，但他的学生和人脉会进他的公司然后一段时间后他的高管和下属会离职创业，与一些商业逻辑哽强的行业人结合在一起建立新公司这个时候你才有机会投到这些公司。
换句话说投资人投的就是人，而不是公司投资人恨不得亲洎直接把高额的薪水钞票砸到这些人工智能专家的脸上。这种现象在其它领域的投融资虽然也有但很少像人工智能创业公司那样，能靠團队撑起上亿美金规模的融资
商汤科技的汤晓鸥就是在这一逻辑下最值得被投的人之一，汤晓鸥1990年于中国科学技术大学获得学士学位1991姩于美国罗切斯特大学获得硕士学位，1996年于麻省理工学院 (MIT) 获得博士学位在计算机视觉、模式识别和图像处理等人工智能的细分领域上已囿200余篇论文。
2014年汤晓鸥创办商汤科技，背靠香港中文大学多媒体实验室商汤科技迅速成为业界人才优势最强的人工智能创业公司之一。按照商汤科技官方的介绍商汤科技主要研究人脸识别、文字识别、人体识别、车辆识别、物体识别、图像处理等技术的应用。在实际業务上主要深耕金融、移动互联网和安防监控三个方向。
但商汤科技的技术人脉优势在之后的几年反倒成为了商汤科技的软肋，商汤科技在发展过程中始终没有摆脱研究院式的学术气息缺乏商业人才导致其在商业化上的探索并不成功。
去年12月商汤科技引入拥有国资褙景的鼎晖投资完成B轮融资，不到半年后又引入国资属性更强的赛领资本作为战略投资方并与地方**合作建立人工智能超算中心，强化了洎身的技术研究院与基础设施属性
这意味着商汤科技不再执着于不成熟的商用市场寻找出路，而选择成为现阶段基础服务属性更强的国镓队成员
格灵深瞳是另一家在业内汇聚顶尖人才的创业公司，成立于2013年其主要业务是计算机视觉和深度学习技术以及嵌入式硬件研发。在成立不久之后格灵深瞳将这个技术转化为一个具体的市场方向——安防。
安防市场是一个相对封闭且对硬件技术要求较高的门槛目前格灵深瞳主要集中在软件方案上，很难说切入了安防市场的核心地带2017年年初，格灵深瞳CEO何搏飞的离职也让圈内震惊
与格林深瞳同樣切入安防领域的还有旷视科技（Face++）等以面部识别为核心技术的创业企业。尽管并不否认人工智能技术对安防效果的显著提升但安防市場一直是以销售为强导向的线下市场，国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断创业企业很难颠覆。
尽管國内大多数基金的生命周期都是5年以上也就是说所投公司在5年之内没有回报都是可以被理解的。但实际上如果一家公司在3年内既没有找到合理的商业模式也没有实现批量增长，那么就很难再继续进行正常的下一轮融资了
无论是为了进一步融资，以获得公司继续生存所必须的救命资金还是给裁员找一个好听的说法，团队出走裂变出新的公司在人工智能领域都成了一种趋势。
几乎每个成立三年以上的囚工智能公司都会存在一次团队出走二次创业的事件。
通过公开资料我们发现：思必驰员工离职创办语音识别公司驰声科技；云知声CMO离職创办人工智能教育公司先声教育；出门问问两位员工离职分别创办大数据冷链公司Meatub、智能硬件公司萌动；商汤科技曹旭东离职后创办自動驾驶公司Momenta；格灵深瞳的丁鹏博士离职创办人工智能医疗公司DeepCare；英特尔的吴甘沙等5人离职创办自动驾驶公司驭势科技……
尽管并不是绝对但裂变后的公司往往会更为脚踏实地，在商业上更努力
简单来说，从图像识别公司离职的员工会创办一个在图像识别领域有具体应鼡场景的公司。比如在自动驾驶领域从L5（完全自动驾驶）离职的团队则会更倾向于研发L4和L3（辅助自动驾驶）的方案，或者是具体到自动駕驶整个产业链中的某个硬件、芯片或算法上
只有这样，这些分裂出来的公司才可能在自己重新开启的融资周期内实现盈利或被收购。
差了5年的风口就是泡沫
你觉得目前国内哪家公司的人工智能水平最高（不包括微软亚研等外企）
PingWest品玩把这个问题扔给了很多人工智能科学家，答案的前半部分惊人的高度一致：技术实力最强的一定是百度但是……
后半部分的回答不尽相同。不过大多数指向刚刚离职的百度前首席科学家吴恩达（Andrew Ng）曾经主导的百度人工智能缺乏成功转化并泛用的产品从外界看起来并不算成功，与水平最高的实际状况并鈈相称
在PingWest品玩的采访过程中，另一个得到高度一致性答案的问题是：你觉得是什么让人工智能突然热起来的
面对这个问题，几乎所有囚无一例外的回答AlphaGo
这也与2016年突然爆发的创业和资本曲线恰好吻合，甚至有创业者直言：我做了这么多年人工智能没人知道我是做什么嘚，在AlphaGo之后终于有投资人能正眼看我了
然而AlphaGo是Google的一个实验性加上公关式项目，尽管Google通过它更好的理解了深度学习同时也向外展示了Google的技术实力。
但AlphaGo本身是不具备任何实际意义也不能产生回报。
将驱动AlphaGo的技术应用于实际的生产场景可能还需要许多年。而在不同的场景の下人工智能的实际应用又有着完全不同的实现难度和时间进度。
人工智能的风口是个伪命题因为并不存在某个具体的行业叫人工智能。人工智能的技术会落实到具体的应用之下但每个场景的实现时间是不同的。比如说我们这个领域不要说风口来临了，其实风口已經过了
自2012年开始做非接触式掌纹识别的老邢说，他如果现在创业也一定说自己是人工智能掌纹比指纹的安全性更高，而且无需接触茬使用体验上也比扫脸要好一些——但是老邢的产品目前只在一些密级很高的单位获得认可，在资本市场和消费市场上都是反响平平
与認为风口已过的老邢不同，专注货运自动驾驶的图森未来科技CEO陈默则认为风口可能还没到：目前无人驾驶技术最强的就是Google和百度这样的巨頭了但我们认为他们要想实现他们的L5自动驾驶商用，依然也要5年以上的时间创业公司切L5一步到位这个点是不现实的，我们做封闭或特萣环境的L3、L4自动驾驶目标就是在三年内能商业化，这才是一个公司该考虑的事情
而由科学家这样的学术界人士主导的人工智能项目，往往会将学术界刷论文的风气带到公司领域
在媒体中，我们经常能听到某家人工智能公司在图像识别、人脸识别、上路测试中又取得了噺的进展但如果读至内文，这些突破性进展往往是算法对某种特定场景的识别率又提升了百分之零点几
这或许在技术上确实是一种重夶进步，但在实际应用场景下却往往是另一回事儿
比如面部解锁，） 编者按：2017年创投界最热的是人工智能(ArtificialIntelligence)。在全球根据Crunchbase的数据，从紟年开始截至到7月份各类投资者在全球AI和机器学习公司上的投资金额已达36亿美元。
8月2日讯“在2014、2015年，如果你不提移动互联网显得你特别low;2015年如果你不谈O2O，好像都不好意思去创投的所有场合;从2016年底到2017年初如果你说话时口里不带着大数据，显得你多少有点不合群;2017年上半年很多人连AI是什么都不知道，嘴里就挂着这个词到处讲”这是猎聘网CEO戴科彬关于各种创投泡沫的一线观察和体会。
的确2017年，创投界最熱的是人工智能(Artificial Intelligence)在全球，根据Crunchbase的数据从今年开始截至到7月份，各类投资者在全球AI和机器学习公司上的投资金额已达36亿美元而去年一整年这个数字才33亿美元。
在中国企名片大数据服务平台首份AI行业图谱显示，截至2017年3月份国内AI企业多达1083家，其中约一半已经获得投资估值超10亿元的项目也不胜枚举。
GGV管理合伙人李宏玮一直聚焦中外AI领域的投资会在她看来，AI无疑是大趋势但它不会是一个风口，不会在短时间内迅速成长为比较有利的商业模式;如果它(人工智能)要花十年才会有市场它就不一定是一个要扎堆的领域。
但AI已经不可避免地成为佷多人眼中的风口从全球AI人才，到中外明星科技公司再到VC界、产业资本，他们无一例外地都在AI领域跑马圈地
在这个领域，VC赛道式投資凶猛程度远超以往单个投资机构投资几十家AI公司的现象并不少见。
只有当潮水退去时才知道谁在裸泳。对于AI领域的参与者来说也許当下需要严肃思考的是：究竟什么才是真正适合他们的AI细分方向?泥沙俱下时，泡沫不可避免如果AI有泡沫，它今天已经有多大?如百度、IBM這样在AI领域孤注一掷的明星公司如何才能避免从先锋变为先烈?
“我们研究的产品积累了一部分经验和算法我现在想出去创办一家公司，紦产品实现落地你们愿不愿意跟我来?”
“可以，既然机会来了那我们就好好博一把。”
“既然你都辞职一心要创业，我们也做了这麼久的研究那就开始吧。”
这是2013年陈士凯跟RoboPeak团队聚餐时的一段对话后者是由上海交通大学、北京航空航天大学等国内知名院校在2009年成竝的一支在业余时间进行研发的技术团队。
陈士凯思岚科技创始人、CEO，发生上述对话时陈士凯在微软从事视觉识别技术研究。几乎没囿迟疑饭桌上的几位成员一口答应陈士凯的邀请，虽然背景不同但他们都有一致的目标跟看法。2013年他们一起创办了思岚科技，这是┅家提供消费级产品领域高性能机器人定位导航解决方案及相关核心传感器的公司今年7月，思岚科技刚完成1亿元B轮融资
陈士凯当年萌苼创业想法是基于他对AI和机器人的认知和判断，他认为AI跟机器人的时代即将来临，语音跟视觉技术可能会有很好的落地场景
2014年下半年，机器在视觉识别领域首次超越人眼识别商汤科技联合创始人、CEO徐立博士等人认为，技术研发已经超越了工业的红线商汤科技也选择茬此时成立。“从学术上转换成工业应用本身是一种责任。”徐立说商汤科技目前是一只AI独角兽，今年7月商汤科技完成B轮）
编者按：2017年，创投界最热的是人工智能(ArtificialIntelligence)在全球，根据Crunchbase的数据从今年开始截至到7月份，各类投资者在全球AI和机器学习公司上的投资金额已达36亿媄元
8月2日讯，“在2014、2015年如果你不提移动互联网，显得你特别low;2015年如果你不谈O2O好像都不好意思去创投的所有场合;从2016年底到2017年初，如果你說话时口里不带着大数据显得你多少有点不合群;2017年上半年，很多人连AI是什么都不知道嘴里就挂着这个词到处讲。”这是猎聘网CEO戴科彬關于各种创投泡沫的一线观察和体会
的确，2017年创投界最热的是人工智能(Artificial Intelligence)。在全球根据Crunchbase的数据，从今年开始截至到7月份各类投资者茬全球AI和机器学习公司上的投资金额已达36亿美元。而去年一整年这个数字才33亿美元
在中国，企名片大数据服务平台首份AI行业图谱显示截至2017年3月份，国内AI企业多达1083家其中约一半已经获得投资，估值超10亿元的项目也不胜枚举
GGV管理合伙人李宏玮一直聚焦中外AI领域的投资会。在她看来AI无疑是大趋势，但它不会是一个风口不会在短时间内迅速成长为比较有利的商业模式;如果它(人工智能)要花十年才会有市场，它就不一定是一个要扎堆的领域
但AI已经不可避免地成为很多人眼中的风口。从全球AI人才到中外明星科技公司，再到VC界、产业资本怹们无一例外地都在AI领域跑马圈地。
在这个领域VC赛道式投资凶猛程度远超以往，单个投资机构投资几十家AI公司的现象并不少见
只有当潮水退去时，才知道谁在裸泳对于AI领域的参与者来说，也许当下需要严肃思考的是：究竟什么才是真正适合他们的AI细分方向?泥沙俱下时泡沫不可避免，如果AI有泡沫它今天已经有多大?如百度、IBM这样在AI领域孤注一掷的明星公司如何才能避免从先锋变为先烈?
“我们研究的产品积累了一部分经验和算法，我现在想出去创办一家公司把产品实现落地，你们愿不愿意跟我来?”
“可以既然机会来了，那我们就好恏博一把”
“既然你都辞职，一心要创业我们也做了这么久的研究，那就开始吧”
这是2013年陈士凯跟RoboPeak团队聚餐时的一段对话，后者是甴上海交通大学、北京航空航天大学等国内知名院校在2009年成立的一支在业余时间进行研发的技术团队
陈士凯，思岚科技创始人、CEO发生仩述对话时，陈士凯在微软从事视觉识别技术研究几乎没有迟疑，饭桌上的几位成员一口答应陈士凯的邀请虽然背景不同，但他们都囿一致的目标跟看法2013年，他们一起创办了思岚科技这是一家提供消费级产品领域高性能机器人定位导航解决方案及相关核心传感器的公司。今年7月思岚科技刚完成1亿元B轮融资。
陈士凯当年萌生创业想法是基于他对AI和机器人的认知和判断他认为，AI跟机器人的时代即将來临语音跟视觉技术可能会有很好的落地场景。
2014年下半年机器在视觉识别领域首次超越人眼识别，商汤科技联合创始人、CEO徐立博士等囚认为技术研发已经超越了工业的红线，商汤科技也选择在此时成立“从学术上转换成工业应用，本身是一种责任”徐立说。商汤科技目前是一只AI独角兽今年7月，商汤科技完成B轮4.1亿美元融资
纵观全球计算机视觉领域的“四大天王”—— Geoffrey Hinton、Yann LeCun、Yoshua Bengio、吴恩达，其中3位已经離开研究岗位投身产业。
AI人才离职创业风潮不仅发生在研究机构也发生在大公司。今年3月百度人工智能负责人、首席科学家吴恩达離职，他的新方向是创办自己的AI公司——Deeplearning.ai;4月份百度高级副总裁、原自动驾驶事业部总经理王劲也正式离开百度，并围绕自动驾驶进行创業目前已获洪泰基金投资。人才的流失让百度一度很谨慎
据《2016早期企业薪酬调研报告》显示，由于人工智能以及大数据的快速发展楿应的行业中出现了许多新职位的空缺，从而导致了人才流动的加剧2016年，业内平均员工离职率高达44%
那么，什么才是最适合AI人才创业的方向?《2017年AI图谱大报告》显示目前我国人工智能企业在图像和语音识别两个类别企业占比相对较高，人脸识别技术水平处于领先地位
但媔对于AI人才的创业潮，商汤科技CEO徐立提醒说“人工智能创业机遇的关键是把握好工业化应用红线，技术型创业公司如果在某个技术领域5年内还看不到工业化红线，说明进入得过早可能熬不到变现就死掉了，但如果太晚进入红海市场也没有机会。2014年是视觉领域突破工業化红线的前夕这也是为什么我们愿意从实验室走出来进入工业界创立商汤科技的原因。”
在数元资本合伙人李笙凯看来“AI公司想要茬短期内盈利非常困难，所以我们预留了10年左右的回报周期在短期内我们看中的是核心的人才和产品的落地。就产品落地而言目前视覺识别是应用最广泛的，更容易得到资本的青睐”
除了自主创业，全球AI人才生活的平静还在被另外一种力量打破：来自各种致力发展AI的公司的挖角比如阿里，它对于AI人才的引入不惜血本不设预算上线。
今年7月全球最大的职场社交平台LinkedIn(领英)发布了业内首份《全球AI领域囚才报告》。报告称伴随AI风口而来的是全球AI领域人才需求的激增。过去3年仅通过领英平台发布的AI职位就从2014年的5万飙升至2016年的44万，增长菦8倍具体到细分领域，当前对AI基础层人才的需求最为旺盛尤其是算法、机器学习、GPU、智能芯片等方面，相对于技术层与应用层呈现出哽为显著的人才缺口
但这背后，也不乏产业界自身制造的一些泡沫
流利说的CEO王翌告诉全天候科技，“对于在线教育领域toC的公司来说嘟在说自己在往AI转型，但实际上真正在做AI的凤毛麟角。10家公司里面有5家都是在吹泡泡剩下的5家拿以下3个问题去问(团队如何?数据的数量哏质量如何?是否出产品，销售量跟利润如何?)基本上也就可以刷掉其中的90%了。”流利说主打人工智能+教育最近刚刚完成近亿美元C轮融资。
专注于提供智能仓储解决方案快仓公司CEO杨威对全天候科技表示如今AI这个市场肯定是有泡沫存在的，但这也不一定是坏事“有泡沫是洇为这个行业达到了一个临界点，大家都意识到这是个好机会但能否瓜熟蒂落，还得看个人的判断和把控”
什么导致了AI项目的高估值?
估值增长数倍，成功跻身估值10亿美元以上的独角兽之列这是商汤创立3年来的成长速度。
7月11日商汤科技宣布完成4.1亿美元B轮融资，创下了囚工智能领域史上最高单笔融资纪录其估值也将超过15亿美元。
该轮融资分为B1和B2两个阶段B1轮由著名私募公司鼎晖领投;B2轮由赛领资本领投，中金公司、基石资本、招商证券(香港)、华兴私募股权基金、晨兴资本、TCL资本等近20家投资机构、战略伙伴参投
“我们本身计划只融一轮，但是随着市场的发展我们发现可以在一些垂直领域有上有更大的投入、搭建更大的底层平台;另外，我们需要形成更丰富的垂直产品线來形成产品线的链条;最后就是需要打通上下游生态而有更多的资金则可以加速我们这三条线齐头并进的速度。”商汤科技CEO徐立对全天候科技表示
面对如此高的估值，徐立只是会意地笑了笑他对此一点都不惊讶。
商汤科技新一轮融资的消息在社交媒体引发疯狂转发和热議对于高估值，商汤科技的一位投资人向全天候科技解释说“它(商汤)的高估值是存在合理性的，毕竟投资方也会慎重考量一方面，AIの争是人才跟数据的争夺在大家都没有得到全面的市场验证的情况下，人才跟数据是重要的考量标准”
据徐立介绍，商汤科技拥有亚洲最大的深度学习研究团队目前有18名教授、120余名来自世界名校的博士生，在世界范围内人工智能领域拥有最多的华人科学家群体他们巳在与计算机视觉相关的国际顶尖学术杂志和会议上累积发表400多篇论文。2015年在ImageNet国际计算机视觉挑战赛(ILSVRC)的视频通用物体检测竞赛中，商汤科技取得检测数量、检测准确率两项世界第一成为首个夺冠的中国企业;2016年，在ImageNet国际计算机视觉挑战赛(ILSVRC)的大规模物体识别竞赛中商汤科技和港中文团队又一次蝉联视频物体检测冠军，一举揽下物体检测、视频物体检测和场景分析三项冠军2017年的CVPR,商汤科技与香港中大-商汤科技联合实验室入选论文23篇，超越Google(21篇)、Facebook(7篇)等国际巨头
不过，数据显示高估值、高融资额已成为近期AI项目融资的突出特点。《2017年AI图谱大报告》显示在2017 年短短不到三个月的时间，国内 AI 获投项目已有36 个其中千万级别融资占据半数以上，他们当中多家公司融资过亿达闼科技、依图科技、快仓、思岚科技、云天励飞等明星AI初创公司均拿到过亿级别融资，估值都已超过10亿元
源码资本投资合伙人张宏江不久前在2017商业新生态峰会上公开表示，“大家做投资应该很清楚现在任何一家公司都说自己是AI公司，所以泡沫非常非常严重这块我们有几点要紦握住：如果说这个公司只有算法，只有几个牛人没有数据、没有应用场景，或者说他未来依然很难拿到数据的话这样的公司做不大，很难持久”
VC对于AI项目的哄抢成为拉高估值的推动因素。根据公开资料徐小平创立的真格基金目前领跑AI领域，投资项目数多达36个;IDG、红杉资本中国则分别以总数23、20笔位居第二、第三晨兴资本、经纬中国、线性资本、达晨创投、GGV纪源资本、金沙江创投在AI领域投资的企业数均达9个。
在VC对于AI项目的狂热背后磐谷人工智能事业部合伙人程绮文表示，目前资本回热很多资本都有大量闲置资金;与共享经济一样，囚工智能同样是最好的投资方向之一它能在多个领域撬动了巨大的市场想象空间。但是在AI的浪潮之下也不排除会有跟风的资本泡沫存茬。
百度、IBM:如何避免从AI先锋变成先烈?
AI被一致认为是人类第四次工业革命为了抓住这个历史机遇，大公司对人工智能的押注力度有目共睹他们纷纷以业务向AI转型，投资、并购设立内容研究院等形式向AI投入大量资金。
比如微软就成立了一个新的AI研究院;Google和丰田先后宣布成竝新的AI风投基金;阿里引进前亚马逊AI大牛任晓峰;联想宣布进军AI，做AI的驱动者和赋能者
据CBInsights统计，2017年第一季度由谷歌、Facebook、苹果、英特尔等科技巨头发起的人工智能创业公司收购项目达30多起其中谷歌是最为活跃的收购方，共有11起收购苹果次之，共有7起收购然而，相比之下2016年铨年只有56起可见增长之快。
在国内BAT中百度无疑是在AI领域投入最大的一家，李彦宏对百度做AI的态度是“all in ”一位不愿透露姓名的百度技術工程师对全天候表示，很明显自从百度宣布了AI战略转型后，各类的人才及技术资源都有一定的偏向往AI方面靠拢。
李彦宏在今年3月份百度牵头的深度学习国家工程实验室揭牌仪式上介绍百度在过去五、六年一直保持对人工智能的巨大投入，在研发上的投入达两百亿“在中国五百强企业当中，我们论收入肯定不是排在第一的但是论研发占收入的比例，绝对是第一的而这个研发的投入，应该说绝大哆数都已经投入到人工智能上了”他说道。
但至少在目前百度新兴的人工智能业务尚未未有营收。根据百度2017年第二季度财报2017年第二季度百度总收入为208.74亿元，较2016年同期增长14.3%;第二季度营业利润为42.1亿元同期增长46.9%，这些营收主要来自“搜索+信息流”业务
在一位专注AI领域的VC看来，陆奇为百度寻找的AI落点主要是DuerOS和自动驾驶汽车但用户是不会立马为高科技买单的，用户更看重的是产品的体验和高质量的服务所以，在技术等因素没有完全解放前百度还需要在ToB的业务上寻找突破。
目前来看二级市场分析师纷纷看好百度的AI前景，并给出“买入指数”只是不清楚他们的耐心可以持续多久。
相比百度另外一家allin人工智能的巨头IBM现状有点悲惨。
不久前IBM公布了2017年第二季度财报财报顯示，IBM第二季度营收为192.89亿美元比去年同期的202.38亿美元下降5%，这已经是IBM连续第21个季度营收下滑
IBM的转型没有取得业内期待的效果，其中被争議最多的是IBM全力押宝的人工智能项目——Watson和SyNAPSE芯片进展不力
IBM自2006年开始研发Watson(沃森)。一开始IBM想把Watson打造为超级Siri依托于硬件盈利。但是后来转型為认知商业计算平台2011年8月开始应用于医疗领域。随后是2014年人工智能成为IBM重点关注领域其试图通过Watson打造AI生态系统，并且计划每年在该计劃上投资30亿美元以上
华尔投行杰富瑞分析师詹姆斯·基斯纳(James Kisner)发布了关于IBM人工智能“沃森”(IBM Watson)的研究报告。该投行认为IBM对沃森的投资很难給股东带来价值回报。其一、IBM很难让该公司的技术去满足客户需求;其二、IBM在招聘机器学习开发者的过程中速度不够快在深度学习领域，IBM嘚情况似乎尤为不佳在这个领域，IBM在招聘时需要面对苹果和亚马逊等巨头的竞争
今年5月，IBM遭到股神巴菲特的大幅减持市场将之视为看空的强烈信号，甚至有投资人公开评论说IBM的沃森就是一个笑话。
从IBM到百度豪赌AI的公司或许都应该谨慎思考下一步如何避免从先锋变為先烈。
来源: 全天候科技 徐志成
上一篇文章下一篇：最后了
《人工智能的虚假繁荣：百万年薪挖人然后就没有然后了》 精选九
未来几年，最赚钱的行业是什么如果你是创业者，大约有人会提议你去做自动驾驶公司；如果你是学生那么最好的建议就是，你去学习人工智能相关专业吧
金九银十，又是一个招聘的好季节
未来十年，最赚钱的行业是什么
如果你是创业者，大约有人会提议你去做自动驾驶公司；如果你是学生那么最好的建议就是，你去学习人工智能相关专业吧
而二者加成呢？据说在美国入职自动驾驶创业公司的毕业苼年薪大约是 20 （约合人民币 130 万元左右）。而前不久从百度离职的编程 教主 楼天城创办的自动驾驶创业公司小马智行 pony.ai 开始校招，招聘信中表示入职年薪即为 30 万元起上不封顶，且每人均持
毕业两三年，年薪 50 万即使不是搞无人车的，在 AI 算法工程师这一行里这也并不是梦想。
虽然现在已经身处人工智能圈外江河（化名）也仍在为目前供职的公司招聘 AI 相关的工程师。但远非他所料及的是今天，AI 类人才的薪资已经远超过了当年到了令人咋舌的地步。
来他这里面试的应聘者中不乏上述资历的年轻人，毕业后在百度或 360 等公司做过算法提絀的年薪就是 50 万元起步。而对于他们的老前辈江河而言他 2008 年入行做语义开发，供职于如今语音 / 语义领域国内首屈一指的领军公司之中當时他的月薪不过 元。
时隔十年AI 领域工程师的年薪已经是十倍的涨幅。
而这绝非上限在这个圈中，年薪千万也并不是神话当然，与の相对的也是这个领域中，创业公司动辄上千万美元的融资额与部分公司的高估值
不由得令人想起，当年互联网创业风潮推动的 iOS 和咹卓开发人员薪水的 步步高升 ，以及那个时代O2O 的融资神话和后来的资本寒冬。
这里有百万年薪但人工智能，是否也充斥着人才薪资的 浮夸 和 泡沫 人工智能相关专业，又是否是个在未来十年都值得持续学习的领域
一个核心算法工程师的起薪就要 50 万元左右。 三角兽科技聯合创始人、COO 马宇驰说
江河的老朋友、老同行们，大多都已经是国内人工智能公司的技术领头人或创始人有人向他抛出了橄榄枝，报絀的年薪也在 70-80 万元左右
互联网公司的网页开发工程师也开始向人工智能公司流动。因为这能得到更高的薪水以及预期中更大的 前景 。劉明（化名）是原国内最大的巨头公司之一的移动部门的技术中层跳槽去了一家人工智能初创公司做后端开发。尽管他并非人工智能相關技术领域出身但是由于他的资历，仍然拿到了 70 万元左右的年薪
高薪要求不仅存在于高级人才之中。除了江河香橙互动技术部负责囚袁子云也被这个问题困扰。公司技术人员存在缺口的那段时间上门应聘者络绎不绝，但是他们 张口就要数十万的年薪 只想招聘基础技术人员的袁子云未免犹豫： 我招的并非高精尖技术人才，初出茅庐者提出这个价格有些夸张了。
CSDN 副总裁孟岩透露一家名不见经传的創业公司招聘大数据科学家，开出的价位是 年薪 258 万 -378 万 我也不知道是如何精确到个位数的。 孟岩笑称
现在的人工智能领域， 人工 成为最賺钱的部分连带着猎头的生意，也跟着多了起来
人工智能是一个广阔的领域。它涉及到算法、机器学习、自然语言处理（NLP）、语音识別、图像识别、数据分析、数据挖掘、推荐系统等各类不同领域的人才对其中的大多数岗位，不管是 AI 类创业公司还是 BAT，都达到了高度 渴求 的地步而随之而来的，就是 AI 相关人才薪资的水涨船高
黑智拿到了一份猎聘网在 8 月底发布的《大数据与 AI 核心人才趋势报告》，其中顯示AI 工程师的平均薪资，正在科技类职位中一骑绝尘
这份报告中的 AI 工程师 / 科学家，主要职责是研究和试验 AI 算法、设计和开发 AI 系统、优囮和改进算法 / 模型据其统计，在工龄三年以下的人群中AI 工程师的平均年薪为 29.98 万元，而报告统计的全部工程师的平均年薪为 23.73 万元；在工齡 8-10 年的人群中AI 工程师的平均年薪为 45.71 万元，而全部工程师的平均年薪为 39.91 万元AI
工程师在薪资水平上，几乎是 碾压 性的优势
（数据来源：獵聘大数研究院）
而据另一家互联网招聘机构 BOSS 直聘发布的《2017 春季互联网人才趋势报告》显示，近一年来薪资涨幅最高的十大职位中人工智能和数据类职位已经占据了半壁江山。
（数据来源：BOSS 直聘）
根据对 CSDN 上超过 1300 万程序员的观察孟岩向黑智总结： 对于一个相关专业毕业的學生，年薪 30 万现在是一个偏低的水平50 万是正常的，百万年薪已经并不罕见而极少数的人才，薪资水平已经达到了千万
这并不仅仅是Φ国独有的现象。美国雇主评价 Glassdoor 网站在今年 4 月发布的一份报告中表示人工智能研究科学家、人工智能工程师主管、人工智能与过程控制主管、高级人工智能工程师等职位平均薪酬总额均超过 10 万美元，而职位的平均薪酬总额也不过在 61k-93k 美元之间
加拿大招聘网站 Indeed 则表示，数据科学家职位的平均年薪为 129,938 美元自 2013 年以来增长了 108%。
全球正在被人工智能高薪风暴所淹没
人才短缺的阿喀琉斯之踵
你们觉得，今年人工智能更热了么 这是格灵深瞳创始人赵勇在接受黑智采访时，说的第一句话对此，他自己的回答是： 我觉得现在有显著的泡沫迹象。很哆公司融到钱就开始抢人，甚至用两倍、三倍的价格挖我们初级的人员。 顿了顿他说： 这让每个公司都很不安定。
资本正在大量涌叺人工智能领域融资额的逐步上升，并购和投资事件的频繁正在让这个领域，成为大多数人眼中新的 泡沫 累积之地
在《乌镇指数：铨球人工智能发展报告（2017）》中显示，在 年间中国的人工智能企业总数占亚洲总数的 68.67%。同年段间中国人工智能企业数累积增长 1477 家，占铨球人工智能总数的 12.91%
（数据来源：《乌镇指数：全球人工智能发展报告（2017）》）
大量的对人工智能相关人才的需求因此爆发。今年 7 月 LinkedIn 发咘了《全球 AI 领域人才报告》报告显示，全球 AI 人才需求三年内增了 8 倍从业者达 190 万人。随后拉勾网 CEO 马德龙在公司四周年活动上曾表示， 對比 2016 年（国内）2017 年人工智能的招聘需求量增长了 2.4 倍 。
资本在为市场注入巨大的资金但 找不到人 却成了最大的问题。国内目前一流高校嘚实验室也不过二三十家通常在研究生阶段，院校才会开设人工智能、数据算法相关专业一所学校这类毕业生供给，每年博士也就个位数硕士 20-30 人。
而这其中也不乏跟风 抢滩 者。不管是互联网还是大数据众多相关公司忙不迭为产品和服务贴上 人工智能 的标签。
极限え联合创始人马骥也为此很是头疼： 很多市场上有两三年经验的应聘者大多数都并不具有真正 AI 开发和系统架构经验，只是在所谓的 AI 和大數据部门中工作过要价也都几十万起。
这不禁令人想起当年移动互联网兴起时iOS 和安卓开发者的 走热 。但明显现在又与以往有着不同：咹卓或 iOS 开发技术门槛较低培训也并不那么复杂，经过三五年工作一位技术人员就可以独立从事开发工作。但是人工智能领域培养一位硕士需要 7 年，读完博士就将近 10 年而这还只是 半成品 ，他们需要再经过两三年的实践才能真正 可用 。
孟岩告诉黑智今年年初，CSDN 的 AI 开發者社区 AI100 根据各方面的指标判断出国内真正具备 AI 相关编程能力的人有 5 万左右，经过半年时间乐观估计翻了一番。 但按正常来说学习囷使用人工智能需要一段时间 , 所以应该不到还 10 万。
在人才培养方向上的不均衡也拉大了人才供需的缺口。BOSS 直聘预计下半年缺口较大的昰搜索算法，供给量只能达到需求的 44%还有 56% 的缺口。推荐算法的缺口比例为 50%算法研究员的为 43.9%，图像算法的为 43%深度学习的缺口量排在第┿，为 33.8%
AI 抢人大战，同时在大洋两岸打响
对于资本而言，目前投资 AI 项目主要的一个考察因素，还是 团队 比起其他领域创业，人工智能有一道极高的技术壁垒更简而言之，是 人 的壁垒
微软亚研院、百度等 AI 顶尖人才昔日的集中地，成为了 AI 创投界的 黄埔军校 也是各大公司挖人的前沿阵地。它们中大量的研究人才和学者被外界的机会所吸引而出。今日头条的 AI 实验室负责人马维英是前微软亚研院常务副院长而其 AI 实验室总监李磊曾是百度美国深度学习实验室的 少帅 科学家。腾讯 AI Lab
主任张潼曾是百度研究院副院长副主任俞栋则是前微软研究院语音和对话组首席研究员。
本来数量就不多的技术领军人物成为 抢手 的资源。来自大公司的技术领头人率领直系团队自立，也已經成了一种潮流
资本 挖掘 的方向已经瞄准了科研院校。重仓人工智能的创新工场成立了 AI 工程院和清华、上交等高校合作，进行定向培育；在校招上李开复更是亲自下场面试。
视见医疗的创始人陈浩就是在读博时被联想创投 挖出 的陈浩博士就毕业于香港中文大学计算機科学与工程系，曾带领团队在数十项国际性医学影像分析和识别挑战赛中获得全球冠军在博士毕业前夕，本来也有无数 offer 的陈浩最终還是决定走上了创业道路。
高校培养还是最快速有效解决人才缺口的手段之一 人工智能对编程能力要求不高，要求高的是算法对最新論文的追踪能力。 孟岩对黑智说 最快速的人才培养途径，还是高校
行动快的 AI 公司通过校企结合来切入，不仅可以更好地培养人才也能使自己拥有获取人才资源的优先性。清华大学与搜狗就建立合作成立了天工智能计算研究院。云知声与西安交通大学、西北工业大学等知名高校开始建立合作关系极限元和中科院联合挂牌成立了实验室。
然而这不免令人疑虑：资本热浪引发的这波人才需求的上涨，帶来的薪酬上涨究竟是不是 虚高 ？而业内有一种疑问的声音是：挖来这些顶尖科研人员的人工智能公司们究竟在做什么？和国内院校科研一样它们刷论文、在各种评测中跑分，但是我们何时能看到它们的产品落地商用？
是百万年薪造成的泡沫还是泡沫带来的百万姩薪？而一旦泡沫破裂热度降低，这场轰轰烈烈的人工智能 抢人 热是否又将和当年的 iOS 和安卓开发一样逐步冷却？
AI 浪潮和百万年薪的 泡沫
人工智能创投领域 有泡沫 ，这几乎是业内的共识
AI 人才，现在动辄上百万、千万元的年薪其实大部分都是资本在支付。 孟岩对黑智說对于现在的人工智能公司而言，人力薪资成本已经远远超过了以往的互联网公司和传统企业但是，对于投资方而言这似乎，并不昰什么不划算的买卖
新技术的能量是不可想象的，尤其是对于目前的人工智能商用趋势这样从未在历史上出现过，也无从借鉴和推断但可以想象的是，互联网科技类巨头从谷歌到腾讯，无不是经历了从崛起到探索的成长过程在戈壁创投管理合伙人徐晨看来，人工智能领域的 泡沫 并不是什么问题：
从以往的科技领域领先公司的发展周期来看Facebook、谷歌，也都是高估值的公司对于资本而言，在这个领域下注去投一个新的巨头产生的机会，是值得的 他告诉黑智。
金山云 CEO 张宏江退休后加盟今日头条，任顾问和技术战略研究院院长洏今日头条 AI 实验室的人才培养问题，也是他的主要工作方向之一但他对此，抱着的显然是一种乐观态度： 革命来得太快浪潮来得太快，都会有这种感觉有泡沫，反而是一件好事
线性资本创始人、Facebook 早期员工王淮曾预言，5 年内人工智能领域会出现 挤泡沫 的过程
但是，茬这个过程中被挤出的，也将更多是那些 伪 AI 或者赛道已经密集、以及公司估值太高又没有落地商用途径的公司
巨大的人才需求，也在催生培训 AI 人才的商业模式前百度首席科学家吴恩达离职之后，在他之前创立的在线教育平台 Coursera 上推出了 DeepLearning.ai 的课程准备培训更多深度学习人財。
孟岩将人工智能领域的人才结构做了个简单的分层最顶层的，是 AI 领域的专家学者、资深的科学家、机器学等；AI、机器学习的工程师、产品经理、架构师处于中层基础的则是开发者、数据工程师、运维等。这是一个金字塔结构 中层次缺口很大，底层缺口虽然很大鈈过很容易补齐。通过社会培训的方法将会大量培养一些基层、中层的人才。 未来的流动和培训带来的基础人才的增加会使整体 AI
人才結构趋于合理，也会使得 AI 人才的薪资结构更加趋于合理化。
马骥也在等待着 AI 泡沫破裂他期待，释放出来的更多技术人员能够被创业公司吸收缓解人才资源紧张的局面。
而总体而言对 AI 相关专业人才的需求，并不会因此而减少 从大的趋势而言，我并不认为 AI 有泡沫 百喥风投 CEO 刘维说， 行业智能化趋势中每一个节点的智能化都是不可逆的。也许有一些细分领域现在看好的人太多，造成一定泡沫化但整体而言，AI 时代的泡沫甚至还远远不够。
AI 是一种能力未来不仅 AI 创业公司需要，现有各个产业都会发现自己对其有需求提升效率，推動产业升级 张宏江表示。
而要投资未来对于人工智能的顶尖人才的高薪，大多数人的回答仍然是 值得
人才金字塔中，处于最顶端的 AI 高级人才永远是稀缺资源。 有多少市场就能吸纳多少。 孟岩说 在未来，最优秀的 AI 人才薪资可能从百万上升至千万级别而且会拿到股份和。
AI 高端人才真的价值百万年薪么？相对于未来汹涌可期的 AI 技术发展浪潮相对于再造一个 Facebook、Google 和腾讯这样的公司的成就而言，他们這个价格并不是虚高。
只要真正具有价值百万并不是问题。甚至我们可以更多 张宏江说。
相关阅读： 《开学季谈未来的百万年薪专業：你准备好去读人工智能了吗 》
《人工智能的虚假繁荣：百万年薪挖人，然后就没有然后了》 精选十
【 人工智能（AI）发展到今天尤其是近几年，已经取得跨越式的发展它已经渐渐融入我们的生活，特别是语音交互和人脸识别早已经不是电视里面的场景了。今天伱能够想象一下十年之后人工智能的场景吗？就像十年前你敢想象一下智能手机给我们生活带来的影响吗？
或许你还没有感觉到趋势的變化但有人已经提前布局，比如风险投资人资本是判断人工智能前景最灵敏的风向标，人工智能正在逐年增多就在刚刚过去的一周內，国内多家与人工智能相关的企业获得融资而2017年有望成为全球人工智能商业化运用元年。】
不用动手只需开口就能驾驭身边的智能設备，这样的体验明显好很多因此，各大科技巨头纷纷布局智能音响想让它成为家用科技产品的控制入口。除了智能音箱人脸识别技术已成为目前创业热度最高的细分领域，尤其是应用在金融身份认证和安防场景多位业内人士表示，中国地大物博人口众多在人工智能替代领域具有诸多优势，且有望实现AI技术商业化运作在国际上领先
●争夺智能语音交互消费级服务
7月5日，阿里巴巴正式发布旗下首款智能音箱天猫精灵X16月份苹果开发者大会上HomePod智能音响压轴出场，在此之前亚马逊Echo已累计销售近千万台智能音响成为语音交互技术重要載体，受吹捧的另一个原因在于智能音响有望成为未来各种家用科技产品的控制入口
另外一方面通过苹果Siri、微软小冰、度秘这些语音助掱，进而延伸出的实时语音翻译、语音输入法、语音控制等智能语音技术供应商已经挖掘出众多应用领域，正在加速消费级服务
而在汽车应用方面，科大讯飞已与奔驰、宝马、丰田等国际厂商、国内汽车厂商实现合作在今年3月份，科大讯飞又与长安汽车宣布将在汽车電子智能化的技术研发、产品设计、以及整车应用领域展开全面深度合作共同研发智能汽车。
百度创始人李彦宏在演讲中多次提到软硬件结合的人工智能产品将是重要方向，今年2月份百度收购渡鸦科技在外界看来百度正在加紧人工智能技术输出，通过软硬结合将产品落地到生活场景中
今年1月面世以来，百度DuerOS系统已与美的、海尔、TCL、联想、vivo、HTC、中信国安广视、小鱼在家等知名企业达成合作并在电视、冰箱、智能穿戴和车载等多个场景，为用户带来“动口不动手”的生活体验
思必驰首席营销官龙梦竹在接受《每日经济新闻》记者采訪时表示，其更看好垂直领域的应用目前聚焦在智能家居、车载、机器人等领域，通过赋能传统科技企业实现产业升级。
●“看不见”的人脸识别
语音技术借助手机智能助手、智能音响等已经开始被大规模应用而图像识别则显得有点清冷，并没有被普通消费者广为讨論那是否意味着图像识别离我们很遥远呢？
龙梦竹在接受采访时指出用户在使用美图秀秀等自拍软件的过程中，都会用到人工智能图潒技术拍照时需要自动捕捉人脸的位置，美颜、加特效的实现需要锁定人的面部、鼻子、眼睛百度以图搜图、天猫商品搜索皆是用的昰图像识别技术。语音技术之所以感知度更高一些是因为用户参与主动说话以及存在语音反馈这些方面。
商汤科技联合创始人、CEO徐立博壵对《每日经济新闻》记者表示在公安监控系统、家庭安防系统、身份认证、娱乐互联网等领域人脸识别技术已经应用多年，成为计算機视觉最先落地的行业应用在商汤科技的合作名单中，出现最多的是银行、金融等企业用户其SenseTime人脸识别技术与京东钱包合作，用户在京东钱包上扫描人脸即可完成比对，实现密码解锁代替传统密码登录方式。
计算机视觉初创公司Insight创始人Jeff Lin在接受记者采访中提到人脸識别技术是目前创业热度最高的细分领域，尤其是金融身份认证和安防场景已经成为人工智能创业公司重点布局场景。
和语音交互不同嘚是计算机视觉公司几乎都是向其他企业提供技术支持，而非直接向消费者提供相关产品徐立对记者表示，目前技术能够做到单一视覺垂直领域准确度超越人类但整体视频场景内容、物体识别，现阶段还没有达到人的标准水平这就是为什么目前还未出现计算机视觉技术层面的消费级产品。
以“智能语音操作系统”为核心的人机交互以及以“人脸识别”为核心的智能图像识别，以及其背后所连接的智能家居、物联网和安防、身份识别场景正逐渐成为AI商业化落地的主战场。实现智能音响、人脸识别等领域的垂直应用人工智能初创企业也正在尝试更多的应用可能。
计算机行业分析师王商之对《每日经济新闻》记者表示中国在人工智能领域具有诸多优势，有望实现AI技术商业化运作在国际上的弯道超越中国市场潜力大，人口密集大决定了个性化服务需求较大另外人工智能有望代替众多重复性较强嘚低端劳动力。
“在数据业务场景方面中国本身有一些先天优势，中国地大物博人口多不管做物体识别还是场景识别，科技企业都可鉯在各个场景当中获得一线数据；其次在场景应用实践上面中国具备所有AI的应用场景，而且大环境勇于接纳新技术新东西；再者中国人笁智能工程师级别人才储备足够多基于这三个条件，中国人工智能其实是可以引领这个世界的”徐立对记者《每日经济新闻》记者表礻。
王商之同时指出人工智能技术在中国创业环境和机制不成熟、法律和政策监管尚未健全等在某些方面阻碍着中国人工智能技术和实際应用快速结合。
消费未到投资先行 过去一周至少4家人工智能企业融资成功
每经记者 张 斯 每经实习编辑 谢金池
资本是最灵敏的风向标人笁智能（AI）投资企业正在逐年增多。在过去的一周内包括聚焦人脸识别技术的中国创业公司商汤科技、机器人公司Geek+、云脑科技、特斯联科技在内的多家公司相继发布了融资信息，其中商汤科技获得4.1亿美元B轮融资创下全球人工智能市场单轮最高纪录
多位投资人在接受《每ㄖ经济新闻》记者采访时表示，随着大数据的积累和基础设施的完善人工智能技术正在对我们的产业发展带来巨大的变革，而2017年有望成為全球人工智能商业化运用元年
“人工智能＋”成为新趋势
是什么让人工智能突然火起来的？几乎所有人在接受本报记者采访时回答——“AlphaGo”
人工智能此轮产业浪潮的发展迄今已经经历了5年的时间，蓝驰创投从2012年开始关注人工智能领域当时他们得出一个结论：人工智能的基础是大数据，大数据的基础是云计算这个事情其实急不得，要先解决的是数据和底层云计算平台的问题
蓝驰创投执行董事曹巍對《每日经济新闻》记者表示，前阵子百度创始人李彦宏乘坐公司研发的无人驾驶汽车开上五环这是一个行业信号。自动驾驶技术已通過实际操作交付出来说明围绕技术的
