在計算機領(lǐng)域，究竟是搞工程還是做科研，一直都是一道不算容易的選擇題。

不過，說到底程序員也是打工人。所以對大部分人來說，在拿更多的薪水和推動學術(shù)界進步之間，應該都會選前者。

而就收入來說，科技公司巨頭從來都不吝嗇給人才花錢——各種讓普通打工人瞠目結(jié)舌的薪水層出不窮。這無疑會讓很多有能力的人選擇離開學術(shù)界，投奔大廠。

如此一來，AI教母——李飛飛可坐不住了。

大批人才流失，從做科研轉(zhuǎn)到做工程，這可怎么得了！

于是她在一場演講中，直接向美國總統(tǒng)拜登「諫言」：你趕緊多撥點款給科研人才吧！

多投點錢

李飛飛跟拜登說，趕緊投錢弄個全國性的算力和數(shù)據(jù)集的「大倉庫」，這樣AI屆的研究人員才能追上科技公司的步伐。

作為斯坦福大學的教授，李飛飛肯定是時刻心系學術(shù)圈的。她也因此扛起了大旗，站在了和她觀點一致的學者、政策制定者的最前列。

李飛飛的擔心并非沒有道理。

目前來看，全美最有錢的那一批大學，也遠遠比不上Meta、谷歌、微軟這種科技大廠。

要知道，這些科技大廠每年在AI領(lǐng)域花好幾十億美元，這就和高校拉開了一道天塹。

舉個例子，Meta目標要采買三十五萬片定制化的芯片，也就是GPU，用來滿足AI模型訓練所需的巨大數(shù)目。

與之相比，斯坦福大學的自然語言處理小組，攏共只有68塊GPU。

350000和68，這個差距無需贅言。

那對于高校來說，沒GPU、沒算力、沒數(shù)據(jù)，怎么辦？只能抱大廠的大腿。

一抱大腿，就看到了大廠員工數(shù)倍于自己的薪資。

不看不要緊，看完了，很多人就產(chǎn)生了跑路的想法。

這也就印證了李飛飛的說法：AI學術(shù)界的明星人才正在大量流失。

從結(jié)果上看，整個2022年，科技公司一共創(chuàng)造了32了業(yè)內(nèi)知名的機器學習模型，而高校只弄出了3個。

要知道在8年前，2014年的情況還是反著的——大部分AI屆的突破都是高校完成的。

研究人員從專業(yè)角度分析了這種局面未來可能的演變——

AI學者會更加在乎研究能不能落地，也就是能否商用。

上個月Meta的CEO扎克伯格宣布，公司的獨立AI研究實驗室會更加靠近Meta的生產(chǎn)團隊，保證這兩個部門達到某種程度上的「對齊」。

李飛飛表示，目前公共領(lǐng)域（即高校）的資源和人才儲備遠遠落后于工業(yè)界。這會對整個行業(yè)的聚焦點產(chǎn)生深遠的影響。公司都是逐利的，而公共研究更關(guān)注的是大眾的福祉。

李飛飛本人一直在華盛頓，為找到新的投資努力。她和白宮科技政策辦公室的Arati Prabhakar見過不少次，在高檔餐廳和媒體見面，還拜訪了美國國會山負責AI法律制定的官員。

不過，從大型科技公司的角度來說，他們一些時候也是樂意為國家公共項目做貢獻的。

微軟的首席科學家Eric Horvitz曾經(jīng)就表示過，他們一直很重視和學術(shù)界同仁分享進展、共享資源。

而且美國政府也在不斷努力——去年，美國國家科學基金會（National Science Foundation）就曾宣布投資1.4億美元，成立總計7個由高校牽頭辦的國家人工智能研究院。

議題主要包括如何用AI來應對氣候變化，減輕氣候變化帶來的影響，以及AI時代的教育問題等等。

不過，還是有業(yè)內(nèi)學者表示，這種幫扶的力度和速度都不太夠。

就拿近幾年來說，科技大廠紛紛在聊天機器人和生圖模型上等熱門賽道上競速，哪個公司招攬到更優(yōu)秀的人才，就能在競爭中更勝一籌。

不少高校的計算機科學教授都被高薪挖了過去。而且不光是錢的事，研究的課題往往也比原先在高校里研究的東西有意思。

2023年，一份報告就顯示，70%的人工智能博士進了私企。這個比例要比20年前翻了三倍多。

弊端在哪里

接著上面這個邏輯，大廠有錢和資源，高校相對匱乏，那高校就只能抱大腿。

實際上這種模式從表面上看問題并不大。

比如，2020年在全球最主要的AI會議上發(fā)表的論文，有40%的文章中至少有1名科技人員的參與。

企業(yè)也會資助高校的博士生進行相關(guān)的課題研究。

谷歌的發(fā)言人Jane Park也表示，谷歌的立場支持私營企業(yè)和高校應該攜手合作，推進AI的發(fā)展。谷歌實際上也會定期公開研究成果，惠及更多的AI社群。

但是，高校對企業(yè)的依賴是程度很深的。MIT計算機科學與人工智能實驗室的Neil Thompson表示，隨著AI科學家不斷壓縮更多數(shù)據(jù)來提高模型的性能，對先進算力的需求只會扶搖直上。

而在這個事實的背后，是另一個事實——高校對企業(yè)的依賴只會越來越深。

如果沒有資源、資金和數(shù)據(jù)的支持，任何研究者只會馬上掉隊，無緣更深入的研究。

在Meta和谷歌這種大公司里，他們自己的AI實驗室的運作模式過去其實和大學是差不多的。由AI科學家來決定開展哪些項目。

過去，搞學術(shù)的員工和做工程的員工之間有明顯的區(qū)分。對于重研究的員工，評判他們的標準和高校無差，都是看發(fā)表了哪些有影響力的論文，取得了哪些顯著的突破。

但現(xiàn)在，競爭越來越激烈，同一個賽道上的競爭者數(shù)不勝數(shù)。所有科技公司都感到了未曾有過的緊迫感。

因此，學術(shù)界和產(chǎn)業(yè)界的涇渭愈發(fā)模糊，公司內(nèi)部的研究自由受到削弱，市場主導慢慢占了上風。

簡單來說就是，什么能馬上落地，什么能馬上為公司帶來效益，就開展什么。

從實操層面，谷歌就在去年宣布把旗下兩個AI研究小組合二為一，起名叫谷歌DeepMind。

而從研究方面，谷歌也把模式調(diào)整為，先轉(zhuǎn)化產(chǎn)品，再分享論文。其后的用意不言自明。

Meta也是如此。

之前名為FAIR的基礎(chǔ)人工智能研究團隊被劃到了Reality Labs，后來這個團隊里的一部分研究人員又被調(diào)到了生成式人工智能的產(chǎn)品團隊。

我們可以發(fā)現(xiàn)，現(xiàn)在的趨勢就是，純研究并不被公司所看重，或者說公司的注意力更多還是得放在實際能帶來收益的產(chǎn)業(yè)上。

大廠員工真的賺很多嗎？

現(xiàn)在讓我們來看一看，把學術(shù)界吸引走的究竟是怎么樣的高薪。

根據(jù)薪酬追蹤網(wǎng)站Levels.fyi的數(shù)據(jù)顯示，Meta公司人工智能研究科學家的薪酬中位數(shù)從2020年的256000美元攀升至2023年的335250美元。

3年里，薪資光中位數(shù)就漲了快10萬美元。

而更有能力的人掙得錢肯定不止中位數(shù)，漲幅也要大得多。

AI初創(chuàng)公司Databricks的CEO Ali Ghodsi表示，只要有博士學位，并且有很多年開發(fā)AI模型的經(jīng)驗，這種資歷的工程師4年甚至能拿到2000萬美元的超高薪。

而就算把目光從頂薪上移開，整個計算機行業(yè)的薪資水平還是居高不下。

畢業(yè)五年內(nèi)年收入的中位數(shù)，前三甲就有兩個和計算機相關(guān)。

計算機工程排名第一，中位數(shù)達到8萬美元。計算機科學排第三，中位數(shù)達到78000美元。

甚至多一層分析，排名第二的化學工程里，半導體也貢獻了不少高收入。這也是和計算機息息相關(guān)的。