新智元报道
编辑：拉燕
越来越多的科研人才去了科技大厂工作，从此告别科研。只因为大厂给的实在是太多了！
在计算机领域，究竟是搞工程还是做科研，一直都是一道不算容易的选择题。
不过，说到底程序员也是打工人。所以对大部分人来说，在拿更多的薪水和推动学术界进步之间，应该都会选前者。
而就收入来说，科技公司巨头从来都不吝啬给人才花钱——各种让普通打工人瞠目结舌的薪水层出不穷。这无疑会让很多有能力的人选择离开学术界，投奔大厂。
如此一来，AI 教母——李飞飞可坐不住了。
大批人才流失，从做科研转到做工程，这可怎么得了！
于是她在一场演讲中，直接向美国总统拜登「谏言」：你赶紧多拨点款给科研人才吧！
多投点钱
李飞飞跟拜登说，赶紧投钱弄个全国性的算力和数据集的「大仓库」，这样 AI 届的研究人员才能追上科技公司的步伐。
作为斯坦福大学的教授，李飞飞肯定是时刻心系学术圈的。她也因此扛起了大旗，站在了和她观点一致的学者、政策制定者的最前列。
李飞飞的担心并非没有道理。
目前来看，全美最有钱的那一批大学，也远远比不上 Meta、谷歌、微软这种科技大厂。
要知道，这些科技大厂每年在 AI 领域花好几十亿美元，这就和高校拉开了一道天堑。
举个例子，Meta 目标要采买三十五万片定制化的芯片，也就是 GPU，用来满足 AI 模型训练所需的巨大数目。
与之相比，斯坦福大学的自然语言处理小组，拢共只有 68 块 GPU。
350000 和 68，这个差距无需赘言。
那对于高校来说，没 GPU、没算力、没数据，怎么办？只能抱大厂的大腿。
一抱大腿，就看到了大厂员工数倍于自己的薪资。
不看不要紧，看完了，很多人就产生了跑路的想法。
这也就印证了李飞飞的说法：AI 学术界的明星人才正在大量流失。
从结果上看，整个 2022 年，科技公司一共创造了 32 了业内知名的机器学习模型，而高校只弄出了 3 个。
要知道在 8 年前，2014 年的情况还是反着的——大部分 AI 届的突破都是高校完成的。
研究人员从专业角度分析了这种局面未来可能的演变——
AI 学者会更加在乎研究能不能落地，也就是能否商用。
上个月 Meta 的 CEO 扎克伯格宣布，公司的独立 AI 研究实验室会更加靠近 Meta 的生产团队，保证这两个部门达到某种程度上的「对齐」。
李飞飞表示，目前公共领域（即高校）的资源和人才储备远远落后于工业界。这会对整个行业的聚焦点产生深远的影响。公司都是逐利的，而公共研究更关注的是大众的福祉。
李飞飞本人一直在华盛顿，为找到新的投资努力。她和白宫科技政策办公室的 Arati Prabhakar 见过不少次，在高档餐厅和媒体见面，还拜访了美国国会山负责 AI 法律制定的官员。
不过，从大型科技公司的角度来说，他们一些时候也是乐意为国家公共项目做贡献的。
微软的首席科学家 Eric Horvitz 曾经就表示过，他们一直很重视和学术界同仁分享进展、共享资源。
而且美国政府也在不断努力——去年，美国国家科学基金会（National Science Foundation）就曾宣布投资 1.4 亿美元，成立总计 7 个由高校牵头办的国家人工智能研究院。
议题主要包括如何用 AI 来应对气候变化，减轻气候变化带来的影响，以及 AI 时代的教育问题等等。
不过，还是有业内学者表示，这种帮扶的力度和速度都不太够。
就拿近几年来说，科技大厂纷纷在聊天机器人和生图模型上等热门赛道上竞速，哪个公司招揽到更优秀的人才，就能在竞争中更胜一筹。
不少高校的计算机科学教授都被高薪挖了过去。而且不光是钱的事，研究的课题往往也比原先在高校里研究的东西有意思。
2023 年，一份报告就显示，70% 的人工智能博士进了私企。这个比例要比 20 年前翻了三倍多。
弊端在哪里
接着上面这个逻辑，大厂有钱和资源，高校相对匮乏，那高校就只能抱大腿。
实际上这种模式从表面上看问题并不大。
比如，2020 年在全球最主要的 AI 会议上发表的论文，有 40% 的文章中至少有 1 名科技人员的参与。
企业也会资助高校的博士生进行相关的课题研究。
谷歌的发言人 Jane Park 也表示，谷歌的立场支持私营企业和高校应该携手合作，推进 AI 的发展。谷歌实际上也会定期公开研究成果，惠及更多的 AI 社群。
但是，高校对企业的依赖是程度很深的。MIT 计算机科学与人工智能实验室的 Neil Thompson 表示，随着 AI 科学家不断压缩更多数据来提高模型的性能，对先进算力的需求只会扶摇直上。
而在这个事实的背后，是另一个事实——高校对企业的依赖只会越来越深。
如果没有资源、资金和数据的支持，任何研究者只会马上掉队，无缘更深入的研究。
在 Meta 和谷歌这种大公司里，他们自己的 AI 实验室的运作模式过去其实和大学是差不多的。由 AI 科学家来决定开展哪些项目。
过去，搞学术的员工和做工程的员工之间有明显的区分。对于重研究的员工，评判他们的标准和高校无差，都是看发表了哪些有影响力的论文，取得了哪些显著的突破。
但现在，竞争越来越激烈，同一个赛道上的竞争者数不胜数。所有科技公司都感到了未曾有过的紧迫感。
因此，学术界和产业界的泾渭愈发模糊，公司内部的研究自由受到削弱，市场主导慢慢占了上风。
简单来说就是，什么能马上落地，什么能马上为公司带来效益，就开展什么。
从实操层面，谷歌就在去年宣布把旗下两个 AI 研究小组合二为一，起名叫谷歌 DeepMind。
而从研究方面，谷歌也把模式调整为，先转化产品，再分享论文。其后的用意不言自明。
Meta 也是如此。
之前名为 FAIR 的基础人工智能研究团队被划到了 Reality Labs，后来这个团队里的一部分研究人员又被调到了生成式人工智能的产品团队。
我们可以发现，现在的趋势就是，纯研究并不被公司所看重，或者说公司的注意力更多还是得放在实际能带来收益的产业上。
大厂员工真的赚很多吗？
现在让我们来看一看，把学术界吸引走的究竟是怎么样的高薪。
根据薪酬追踪网站 Levels.fyi 的数据显示，Meta 公司人工智能研究科学家的薪酬中位数从 2020 年的 256000 美元攀升至 2023 年的 335250 美元。
3 年里，薪资光中位数就涨了快 10 万美元。
而更有能力的人挣得钱肯定不止中位数，涨幅也要大得多。
AI 初创公司 Databricks 的 CEO Ali Ghodsi 表示，只要有博士学位，并且有很多年开发 AI 模型的经验，这种资历的工程师 4 年甚至能拿到 2000 万美元的超高薪。
而就算把目光从顶薪上移开，整个计算机行业的薪资水平还是居高不下。
毕业五年内年收入的中位数，前三甲就有两个和计算机相关。
计算机工程排名第一，中位数达到 8 万美元。计算机科学排第三，中位数达到 78000 美元。
甚至多一层分析，排名第二的化学工程里，半导体也贡献了不少高收入。这也是和计算机息息相关的。
参考资料：
https://www.washingtonpost.com/technology/2024/03/10/big-tech-companies-ai-research/
