編輯：拉燕
【新智元導讀】越來越多的科研人才去了科技大廠工作，從此告别科研。隻因為大廠給的實在是太多了！
在計算機領域，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，說到底程式員也是打勞工。是以對大部分人來說，在拿更多的薪水和推動學術界進步之間，應該都會選前者。
而就收入來說，科技公司巨頭從來都不吝啬給人才花錢——各種讓普通打勞工瞠目結舌的薪水層出不窮。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，從做科研轉到做工程，這可怎麼得了！
于是她在一場演講中，直接向美國總統拜登「谏言」：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資料集的「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圈的。她也是以扛起了大旗，站在了和她觀點一緻的學者、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目标要采買三十五萬片定制化的晶片，也就是GPU，用來滿足AI模型訓練所需的巨大數目。
與之相比，斯坦福大學的自然語言處理小組，攏共隻有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、沒資料，怎麼辦？隻能抱大廠的大腿。
一抱大腿，就看到了大廠員工數倍于自己的薪資。
不看不要緊，看完了，很多人就産生了跑路的想法。
這也就印證了李飛飛的說法：AI學術界的明星人才正在大量流失。
從結果上看，整個2022年，科技公司一共創造了32了業内知名的機器學習模型，而高校隻弄出了3個。
要知道在8年前，2014年的情況還是反着的——大部分AI屆的突破都是高校完成的。
研究人員從專業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紮克伯格宣布，公司的獨立AI研究實驗室會更加靠近Meta的生産團隊，保證這兩個部門達到某種程度上的「對齊」。
李飛飛表示，目前公共領域（即高校）的資源和人才儲備遠遠落後于工業界。這會對整個行業的聚焦點産生深遠的影響。公司都是逐利的，而公共研究更關注的是大衆的福祉。
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曾經就表示過，他們一直很重視和學術界同仁分享進展、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，還是有業内學者表示，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秀的人才，就能在競争中更勝一籌。
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裡研究的東西有意思。
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。
弊端在哪裡
接着上面這個邏輯，大廠有錢和資源，高校相對匮乏，那高校就隻能抱大腿。
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會議上發表的論文，有40%的文章中至少有1名科技人員的參與。
企業也會資助高校的博士生進行相關的課題研究。
谷歌的發言人Jane Park也表示，谷歌的立場支援私營企業和高校應該攜手合作，推進AI的發展。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，随着AI科學家不斷壓縮更多資料來提高模型的性能，對先進算力的需求隻會扶搖直上。
而在這個事實的背後，是另一個事實——高校對企業的依賴隻會越來越深。
如果沒有資源、資金和資料的支援，任何研究者隻會馬上掉隊，無緣更深入的研究。
在Meta和谷歌這種大公司裡，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，搞學術的員工和做工程的員工之間有明顯的區分。對于重研究的員工，評判他們的标準和高校無差，都是看發表了哪些有影響力的論文，取得了哪些顯著的突破。
但現在，競争越來越激烈，同一個賽道上的競争者數不勝數。所有科技公司都感到了未曾有過的緊迫感。
是以，學術界和産業界的泾渭愈發模糊，公司内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，什麼能馬上落地，什麼能馬上為公司帶來效益，就開展什麼。
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，谷歌也把模式調整為，先轉化産品，再分享論文。其後的用意不言自明。
Meta也是如此。
之前名為FAIR的基礎人工智能研究團隊被劃到了Reality Labs，後來這個團隊裡的一部分研究人員又被調到了生成式人工智能的産品團隊。
我們可以發現，現在的趨勢就是，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産業上。
大廠員工真的賺很多嗎？
現在讓我們來看一看，把學術界吸引走的究竟是怎麼樣的高薪。
根據薪酬追蹤網站Levels.fyi的資料顯示，Meta公司人工智能研究科學家的薪酬中位數從2020年的256000美元攀升至2023年的335250美元。
3年裡，薪資光中位數就漲了快10萬美元。
而更有能力的人掙得錢肯定不止中位數，漲幅也要大得多。
AI初創公司Databricks的CEO Ali Ghodsi表示，隻要有博士學位，并且有很多年開發AI模型的經驗，這種資曆的工程師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，整個計算機行業的薪資水準還是居高不下。
畢業五年内年收入的中位數，前三甲就有兩個和計算機相關。
計算機工程排名第一，中位數達到8萬美元。計算機科學排第三，中位數達到78000美元。
甚至多一層分析，排名第二的化學工程裡，半導體也貢獻了不少高收入。這也是和計算機息息相關的。
參考資料：
https://www.washingtonpost.com/technology/2024/03/10/big-tech-companies-ai-research/