本文摘自雷锋网，原文链接：https://www.leiphone.com/category/industrynews/Dyq5azUE2mhDhgIa.html，侵删。
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，正在遭遇空前的挑战，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：汇聚了顶尖的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。
Facebook打响第一枪：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。
近期第一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。
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。
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第一颗商用通信卫星，铺设第一条商用光纤，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，使其缺少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。
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10亿级的营收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得非常成熟的机构：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。
AI管理混乱的源头：矩阵式架构
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部门的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极致，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。
相关阅读 >>
人机合奏 琴瑟和鸣 星空机器人乐队即将亮相第五届世界智能大会
github:30%的新写代码都是在AI编程工具copilot帮助下完成的
通用汽车联手以色列初创公司uveye：以利用AI来加速车辆检查过程
更多相关阅读请进入《AI》频道 >>
