旗下微信矩阵:

我为什么支持 BAT 拆掉「AI 研究院」

当下的AI研究院,已走到“革自己命”的节点,流入至各个产品BG里,为产品和工程服务,推动AI的规模化落地才是正解。摆在中国互联网AI研究院的路,也确实只剩下这一条——事业部制。
2022-06-23 17:20 · 微信公众号:雷峰网  作者 | 李雨晨 编辑 | 王亚峰   
   

边缘化、战略摇摆、举棋不定,是AI研究院藏在冰面下的境况。中国互联网巨头的AI研究院,已经到了不破不立的时候。

AI科学家接连从大厂离职,外界的讨论,总会把他们与不擅落地四个字挂上关联。

让科学家们在舆论中背负了“只会发论文,不懂业务”的名声。

这种论断,既有局部的合理性,也有无知之处。

外界显然不知晓大公司研究院的组织架构、汇报关系、考核设计的真相。

企业科学家的流失、AI研究院地位的下降,并非当下AI不再重要,也非这批最强大脑水平有限。

本质上是研究院在企业的组织架构模式,正在遭遇*的挑战,让人和事,难以卓有成效地运转,无法发挥出本该有的战斗力。

根深蒂固的作业模式、派系势力、利益关系,也使得这艘抛了锚的大船,不再好调头。

于是在互联网巨头预算整体收缩之际,研究院陷入被边缘化、战略摇摆、举棋不定的困局。

预算缩减、人心涣散,离职自然频发。

AI研究院在互联网公司中的组织架构设计,在过去五年里,取得了阶段性成效:汇聚了*的AI研究人员,为集团建设了一整套前沿的AI基础能力。

但任何组织架构并非一劳永逸,它已经到了自我革命、全盘演化的时间。

1

Facebook打响*枪

把AI部粉身碎骨,抛弃“职能制”

AI研究院在互联网巨头内部的组织架构设计,不外乎三种:职能制、事业部制、矩阵制。

三种架构,各有门道。

近期*个拿组织架构大开刀的企业便是Facebook。

本月初,Facebook中心化的AI部门被彻底打散,算法专家们被分配到各个App产品事业部当中

其中图灵奖得主杨立昆(Yann LeCun)的FAIR团队,将并入至元宇宙部门Reality Labs,杨立昆向该部门的首席科学家Andrew Bosworth汇报。

Facebook的AI总舵主Jerome Pesenti,将在6月底离职。

Jerome加入Facebook之前,担任IBM Watson Group的CTO,早期前京东技术委员会主席周伯文曾向他汇报。

Jerome和杨立昆在Facebook的职责关系,若以往日的腾讯AI为参照,可理解为:前者是腾讯副总裁姚星(已离职),后者则是张正友(AI Lab和Robotics X实验室主任)。

Jerome负责管理整个AI部门的技术、产品赋能、运营等工作,杨立昆负责基础研究。

在这次Facebook的人事调整官方口径中,要施行“去中心化组织结构”。

此前,Facebook的AI部门是职能制组织架构:通俗讲就把公司同一类工种的员工(科学家),聚拢在同一个部门。

部门的工作任务由Jerome,以及其老板CTO Andrew Bosworth制定和考核。

这样做的好处是专业化程度高,全公司最聪明的科学家们汇聚在一个地方工作,便于专业信息的交流和共享。

职能制·AI研究院组织架构

这种体系造就了举世闻名的贝尔实验室,贝尔实验室不仅在理论上发现了电子的波动性,提出信息论,更是在产品上组织发射了*颗商用通信卫星,铺设*条商用光纤,并发明了射电天文望远镜、晶体管、数字交换机、Unix操作系统和C语言。

在这种体系的影响下,以Facebook为代表的企业,其AI部门的目标和考核,更多围绕把技术变得更前沿展开,在汇报和考核关系上,不对任意一条成熟的App产品线负责。

一位在美国多家巨头企业任职过的研究高管告诉雷峰网:很多学者喜欢去Facebook做研究,虽然是企业实验室,但科研氛围比高校还高校。

四年前,杨立昆卸掉FAIR管理层身份、就任首席AI科学家时,还在FAIR的田渊栋、吴育昕等研究员都曾表示,“没有产品的压力。”

简单来说,早期Facebook AI部门的任务就是花式炫技、刷模型打榜,在各种抛头露脸的地方跑赢微软、Google、亚马逊,就算成功

在Google内部,同样为职能制结构的Deepmind,也有它的幸福和烦恼。

2021年,作为Google内部的独立AI团队,Deepmind先推出了惊人的蛋白质结构预测AI——AlphaFold 2,然后又公布了2016年让DeepMind一炮而响的AlphaGo进阶版——MuZero。这无疑体现了独立的职能制,在专业性上所能发挥的强大优势。

但是,Deepmind既想要资金,又想保持纯净、理想化的AI研究。

YouTube和DeepMind合作改进推荐算法的过程中,在共享多少数据的问题上,双方各执一词,最终项目搁浅。

这也体现了直线职能制的弊端:独立AI研究院,懂最新的学术风向,有算法能力,但与业务部门的割裂,使其工程化能力和核心场景数据,容易成为花瓶,最终在对数据依赖较小的场景中自嗨。

当然,App产品部门一直以来都对AI有着使用诉求。

当AI研究院的半成品算法包,并不能满足他们的实际诉求,且双方协作、沟通有障碍重重时,产品部也会招募完全属于自己的AI研究人员,自由地为己所用。

但产品部毕竟没有明星科学家,缺乏人才号召力的他们,更多在二流的AI研究员市场挑挑选选。

此外,产品部门的AI团队与独立AI研究院之间,也时常爆发矛盾。

当年,百度内部有两套语音方案赛马,一套是由贾磊主导,一套则由吴恩达负责。

从角色定位来看,贾磊属于搜索产品线旗下的AI派,吴恩达属于独立AI研究派。

吴恩达出任百度首席科学家后,想把学术研究成果应用到工业。然而这次赛马,吴恩达的学术成果,数据虽漂亮,但在应用上对性能并无本质提升,仍处于刚发完论文的实验室阶段。而贾磊的成果已经在工程上验证过。

吴恩达对方案没在百度内得到大规模应用而恼火,并迁怒贾磊。于是,他逼宫李彦宏,让李彦宏二选一,最终造成贾磊的短暂离开。

2

大厂AI落地的敌人:职能制组织架构

在直线职能制下,一个研究院动辄百千人,人均百万年薪,在产出较小、与业务部门协作乏善可陈的情况下,对巨头而言是一笔沉重的负担。

在不抛弃职能制的前提下,中国互联网企业走了一些弯路:给研究院制定营收KPI。

研究院创造营收的方式分两种:一种是把产品卖给其他企业的外包制,一种是“亲兄弟、明算账”的内包制。

外包制如2021年阿里云冲刺900亿目标之际,阿里为达摩院制定了高达10亿级营收KPI让研究院背负营收,自行研发产品,并兜售给客户。这一举措在内部引发不少争议,达摩院陆续离职多位P11级科学家。

而内包制的形式,产品/业务部门若有AI需求,会向研究院下达,研究院按照投入人头和服务器使用量,向产品部门收费。这种内包制收费手段,在微众银行等企业的人工智能部颇为常见。

“假如业务部门需要开发一个非常基础的AI功能,研究院会评估需要多少个AI研发以及多少周期,然后给出报价。”

可这个时候问题出现了,该如何收费、怎么收费、如何放下同事情感,建立起公正的甲乙方关系?

有些科技巨头的产品部发现,同样功能的实现,找外部AI供应商采购,报价比找自家研究院便宜不少。但出于数据安全考虑,产品部门只能忍痛付费。

双方矛盾由此产生:研究院为了完成营收KPI,在内部胡乱收费,项目经验的缺失,交付质量层次不齐。反观产品部门,出于安全考量,被迫支出一笔笔超额的预算,还经常达不到预期。

“产品部门没得选。他们缺少对AI研究院的考核力和约束力,即便走内包收费模式,把产品部和研究院,变成了甲乙方关系。但从实际情况来看,因为在同一家公司,AI研究人员们仗着自己职级和薪资比产品经理、开发人员更高,天天在甲方面前当大爷,呵斥产品经理啥都不懂。二者不同的思维方式和行事习惯,使得配合协作起来层层受阻。如果他们在同一个部门里,天天腻在一起干活,肯定不一样,起码能听懂对方要表达的意思。”李想(化名)告诉雷峰网。

根据过往的情况来看,当前无论是外包亦或是内包,都进入了进退两难的困局,不但未达到期望的效果,反而引发内部的多重矛盾。

于是今年达摩院也撤销了对营收业绩的考核。

在直线职能制下,有一家把内包制运作非常成熟的机构:西门子美国研究院。

如上文所说,在内包制的经营中,产品部对AI研究院缺乏考核力和约束力。

而西门子采用“赛马+竞标”的模式,通过内卷,把内包制变得充满活力,让他们辉煌过一段时间。

一位在该实验室工作十多年的研究员刘华(化名)向雷峰网表示,西门子美国研究院非常以收入为导向。

“我们当时只有30%的经费是人头费,总部下拨的。另外70%的经费需要自己去挣,和产品部门签合同,拿项目。”

但问题是,当时西门子美国研究院中,同一个研究方向的小组有3-4个,一起争数量有限的项目,内部赛马让大家疲惫不堪。为各自部门的利益,研究院们争抢项目。

直到方向重合的部门合并,内部竞争才渐渐平息下来。

区别于Facebook纯粹的职能制,西门子美国研究院保持收费的职能制的好处是,仍然可以保持职能制下研究院的独立性;但是,收钱之后一样变得短视:过于注重眼前,对长线投入的研究方向缺乏动力,容易丢掉对研究风向的敏锐度。

刘华坦言,深度学习出来之后,西门子美国研究院在技术上开始有点吃老本、落伍。

“我们挺早就开始关注深度学习。2006年的时候,杨立昆还来我们实验室访问过一次。2012年,深度学习在计算机视觉上取得成功(AlexNet的提出)。不过,直到2013年我们参加的行业顶会上,发现深度学习已经侵入我们的领域时,才真正开始有所反应,成立一个5-6个人的攻关小组。”

另一方面,与出钱的产品部门合作,还容易被使绊子”、“穿小鞋”。

刘华吐槽到,“我们的产品部门非常变态,由于内部采购限制,在产品中不允许我们用GPU。当时用深度学习开发了一个算法,因为产品中不能用GPU,花了6个月在CPU上做加速,把运算时间从2分钟压缩到20秒,才得以集成进产品落地。假如可以用GPU,这些工作都是没有必要的。”

AI兴起之后,西门子美国研究院的科研和产品就开始脱节。

“科研必须追踪深度学习的进展,而落地项目大多数情况下只能采用传统的机器学习方法。大家本来就忙于落地产品,脱节之后,科研很难有进展。”

还有一个槽点是,西门子的工资待遇十几年不变。

深度学习兴起,互联网大厂大幅提高AI算法工程师的待遇,一个刚毕业的博士生就可以拿到25-30万美元的package,而西门子美国研究院能给的只有前者的一半,导致团队很难招到优秀的人才。

在21世纪的头十年,三篇CVPR级别的论文,是西门子美国研究员的入门“硬通货”。到2017年,有一篇CVPR的候选人都很难招到,团队优秀的员工也纷纷被大厂(比如Google、Amazon)挖走。

“那一阵子,整个团队士气非常低落。”

刘华说,“没有科研产出(通常用专利或者论文来衡量)的实验室不是真正意义上的实验室,也很难建立品牌效应,吸引到优秀的人才加入;在实验室的日常管理上,充分授权,让研究员有一定的自由度来平衡项目与科研。”

在直线职能制的体系下,不管是走内包、还是外包,都会被分走两头的势力来回牵扯,走进一条死胡同。

3

AI管理混乱的源头:矩阵式架构

回到Facebook。

2018年,Jerome来到Facebook后,由于他在IBM有着丰富的产品赋能经验,Facebook逐渐尝试将AI部门组织架构变成了矩阵式结构:既要独立做研究,也要给几大App产品部门服务。

职能制适合集专业力量办大事,是横向组织结构。

事业部制各类人员配置五脏俱全,机动性更强,适用于冲刺业绩,是纵向组织结构。

而矩阵式兼具职能制和事业部制两个的优势,但无法把任意一种的优势发挥到*,属于折中和权衡之计,包含横纵两个坐标。

矩阵式·AI研究院组织架构

矩阵式的问题,在于一仆二主、既对职能线负责人汇报,也向事业部线领导汇报。

考核颇为复杂:既需CTO考核,也要产品部门领导打分。

到底该听谁的话?是优先服务产品线,还是优先满足CTO制定的技术指标?这成为摆在Facebook AI部门头上的一大难题。

所以,最新一次的人事调整,Facebook又有变化:矩阵式,过渡到更为简单粗暴的事业部型的组织架构。

Jerome也在推特上说,“过去集中的AI组织带来了大量外部影响力,但在技术与应用的深度整合上遇到阻碍。新架构会把人工智能系统的所有权分配给各产品组,加速新技术在整个公司范围内的落地应用。”

这个时候,分布在各大产品组的AI团队,只为一个目标服务:产品,只听一个人的话:产品负责人。

4

让AI向利益看齐:事业部制架构

IBM实验室在一段时间里,是事业部制的代表作。

吴军的《浪潮之巅》中曾写到,IBM实验室有不少理论研究。当时负责IBM转型的领导人郭士纳,砍掉了一些偏重于理论而没有效益的研究,将研究和开发结合。

一旦一个研究项目可以实用,他就将整个研究组从实验室挪到产品部门。到后期,郭士纳甚至要求IBM的所有研究员必须从产品项目中挣一定的工资。

事业部制的核心,是将研发、产品、设计、运营、市场等要素配齐。

每个团队就是一家微型公司,大家在同一条船上,为同一个营收KPI负责。

事业部制·AI研究院组织架构

郭士纳掌舵的9年间,公司持续盈利,股价上涨了10倍,成为全球*钱的公司之一。

但要从职能制拆成事业部制,难度不小,其中的利益纠葛异常复杂。

多年的内部升迁,AI研究院的负责人身居高位,与各产品部门总经理平起平坐。一旦拆分,必然削减掉研究院掌舵者的势力和话语权。

这时候,在不断试错未果后,往往需要壮士断腕的决心和魄力,也必须要郭士纳级别的高管亲自操刀,让研究院真正融入业务场景中。

产品部的核心目标,一是用户/客户量,二是营收。

而事业部制的一大槽点在于,研究人员向产品部门全职汇报后,研究团队也会沦为这两目标的奴隶,工作重心从“精尖主义”转变为“实用主义”,过分脚踏实地,目光短视,看重眼前,缺乏布局5-10年新技术的动力。

在这种制度下,可能会错过下一个风口的*入场时间,也难以找到最*的AI人才。越牛的人才,越是心高气傲,越重视宽松的交流、研究氛围,期望与大量高水平的同事一起共事。业务线“向钱看齐”的目标,会让前者反感。

与职能制相反的是,事业部制更注重当下。如果说前者的AI研究院是飞在天上的侦察机,看得更远,得窥全貌;那么,后者的AI研究院更像是坦克部队,离战场更近,看得更细,攻击力更强。

所以,先将AI大牛汇聚一处,经过多年的企业文化熏陶和专业培训,待时机成熟后,再打散发配到产品体系中,让每个业务团队都拥有研究基因和PR AI 资本,便于进一步招揽人才,形成良性循环。

想象一下,当研究院的AI专家全职调任至淘宝、微信、搜索、抖音等产品中时,前者拿到场景数据,后者具备*AI算法,将达到1+1>2的预期效果。

而各自为阵的跨部门协作,永远是减法。

5

抄不了的作业:微软和Google

与IBM的“事业部制”、西门子的“内包型职能”模式不同的是,微软和Google根据各自基因开辟出一条适用于自身的研究院之路。

2013年,原微软亚太研发集团COO申元庆说,在微软全球10万余名的员工里面,有1000多位科学家,他们是从事基础研究,是看5年到25年的东西。绝大部分的研发人员都在从事所谓的开发工作,看当下到5年的变化。

一个壮观的景象是:每年,微软的科学家给工程部门做路演,哪个部门看上了,代表你就毕业了,颇有“翻牌子”的意味。

申元庆说,“微软研究院的10篇论文里,9.5篇是废的,发论文实际意义有限,但可以省下一大把公关费,吸引优质学生的加入。”

另外一家巨头——谷歌,是工程团队亲自下场做研究,从目前国内公司的配置看,Google的段位太高。

《纽约时报》曾写道,在2004年,有3万多员工的微软的创新,居然比不过不到2000人的Google。《纽约时报》认为差距在于,微软的开发模式没有Google的效率高。

Google的特点,是研究和工程开发不分家。

Google没有严格意义上的研究部门,所有开发人员遇到实际问题需要研究时,因为没有可以指望的研究部门做后盾,只能自己动手。Google虽然有一个很小的研究部门,但是所有的研究员都在*线做开发。

这种工程文化,无疑受到两位创始人和Jeff Dean的技术理念影响。这要求Google每个工程师不仅要会写程序,还会做研究。

这么高的人才要求,*的解决办法是尽可能地招动手能力强的博士。因此,Google也就成了全球单位办公面积博士最集中的地方。

此外,Google也倾向招募有着工科博士背景的产品经理,进一步降低工程团队和产品团队之间的沟通成本。

但需要注意的是,Google的核心发起点是工程师。

而国内想要模仿难度很大,由于工程和研究培养体系在时间上整体晚于欧美,国内的绝大多数研究员,并不具备出色的工程开发和代码水平,他们深入到项目的前提,是先同工程团队协作,随之双方再与产品/项目团队协作。两层协作关系的推进,协作和信息流通效率会大打折扣。

Google和微软的两个特殊样本,对于当下的互联网巨头AI研究院来说,所需的条件太高。

没有人、没有足够多的牛人,想要学到其精髓,很难。

6

向AI研究院开刀

从直线职能制走向矩阵式,进而再融入到事业部的架构中。Facebook的这次结构调整,给中国互联网巨头什么样的启示,是不是也到了强制打散AI研究院的节点?

2016年前后,国内互联网巨头相继开启AI人才的“军备竞赛”,成立AI研究院。

在当时的情形下,选择”职能制”是一个时代的产物、互联网巨头一笔算得过来的账。

如果他们一开始不设立独立的研究院,而是在各个产品BG下面自建AI团队,意味着每个BG都要重复建设多套几乎一致的AI技术体系,这会产生非常高的技术和研究重复建设成本。

同时,各个部门的AI团队各自为战,群龙无首的非中心化的AI组织架构,也难以吸引一流的人才加入。

所以,互联网公司在5-7年前成立独立的、中心化的AI研究院,组织架构的选择显然正确。

但到现在,各大公司的AI研究院使命基本完成,已经建立起了基础AI平台和AI能力,并汇聚一流的AI人才,当前的人工智能,在短时间内也很难看到新基础理论的突破。

此时的AI研究院,已走到“革自己命”的节点,流入至各个产品BG里,为产品和工程服务,推动AI的规模化落地才是正解。

事实上,摆在中国互联网AI研究院的路,也确实只剩下这一条——事业部制。

首先,无内包付费、纯粹的职能制,被Facebook验证了略显滞后,已被舍弃。Deepmind与谷歌的分家矛盾也屡屡发生。

其次,在职能制的体系下,与产品部进行捏合难见其效。

从西门子美国研究院的案例来看,被强行联姻、摊派营收KPI的职能制,更是错过了深度学习等技术的风口。西门子的骨子里是医疗器械厂商,每年推出的影像设备是一个个的标准化、本地化的产品,不存在实时迭代的需求。实验室与产品部门签一年期的合同,年初就定义好几个交付的关键节点,可以提前规划。

而国内的巨头AI研究院,并不具备进行竞标的方式和条件。因为他们要支持的是C端实时变化的应用,以及to B高度定制的生意。

对互联网公司的产品部门来说,每年都会有成千上万个场景需求。如果在直线职能制的体系下,每个需求走内部竞标,供需严重不匹配,需求远远大于供给。

因此,在内外承压的现实逼迫下,国内互联网巨头外包、内包型的职能制体系均难以长期施行。

走向事业部制,这也是国内AI研究院的必由之路。

天下大势,分久必合、合久必分。

用纳德拉的著作《刷新》中的一句话来说:每一个人、每一个组织乃至每一个社会,在到达某一个点时,都应点击刷新——重新注入活力、重新激发生命力、重新组织并重新思考自己存在的意义。

等到下一步新技术浪潮到来后,集团级的研究院又会重新像2016年前后那样把最聪明的人汇聚在一起,为公司构建基础设施。于是,这三种体系又重新走入一种循环。

正如金庸的武侠小说,每一种招式都不可用老。

体系,一定是时代性的体系;解法,一定是时代性的解法。

【本文由投资界合作伙伴微信公众号:雷峰网授权发布,本平台仅提供信息存储服务。】如有任何疑问,请联系(editor@zero2ipo.com.cn)投资界处理。