Facebook之变，阿里巴巴之福

贾扬清是Caffe作者、TensorFlow核心作者之一，参与打造了全球最流行的开源深度学习框架，此前在Facebook任职AI架构总监。

贾扬清离职Facebook，爆料首先在知乎发出。

一个“如何评价贾扬清离职 Facebook？”的问题迅速吸引了不少回答，各方知情人士，纷纷以爆料表达了对大神关注。

大牛从来不会迷恋大公司光环。Caffe2+Pytorch合并后，Facebook内部负面消息不断，而此时贾扬清作出新职业抉择，无非是想找到一个更合适自己发展的平台，换一个地方继续飞。

贾扬清出生于浙江绍兴，2002年考入清华，并在清华拿到硕士学位，其后远赴UC伯克利获得博士学位。

2013年，贾扬清博士毕业加入之前就已实习了2年的Google，在Jeff Dean麾下任职，参与TensorFlow打造，致力于前沿的深度学习研究和工程，参与了ImgeNet2014比赛、移动端深度学习、Google下一代AI平台TensorFlow开发、基于深度学习的产品开发和产品咨询等。

2016年2月，贾扬清离职Google加盟Facebook，在LeCun麾下任研究科学家，主打前沿AI研究和平台开发。贾扬清打造的深度学习框架Caffe，也成为Facebook重点部署框架之一。

Facebook的内部争斗连累了贾扬清的产品。贾神领导的caffe2和onnx基本名存实亡。caffe2的生存空间是被产品团队部署（例如广告），但产品团队决定开始使用pytorch，所以caffe2团队基本是要换事情做了。

同样，onnx使用有局限，pytorch 1.0 抛弃了onnx，所以Facebook也基本抛弃了onnx，估计只有微软和aws还在推，但可能退出也是迟早的事情。

Facebook之变，却是阿里巴巴之福。就在Facebook内部动荡之时，阿里恰好已在推进硅谷研究院计划。于是向“老乡”贾扬清伸出橄榄枝，最后挖得AI大神加盟。目前据称贾扬清将出任阿里巴巴副总裁，带头打造百人规模研发团队。

更有意思的是，贾扬清之前在知乎评价阿里达摩院的回答，现在变成了预言，“我在阿里有很多志同道合的朋友，比如说同在伯克利读博的Xiaofeng Ren（以前亚马逊的首席研究员），当年一起在清华摸爬滚打的盖坤（阿里的技术大牛靖世）等等。记得十几年前在当时的微软亚洲研究院听到的一个说法，MSRA 帮助培养了第一批国际化的计算机人才。白驹过隙，现在更多的本土公司开始加入人才培养和科研的第一线，这对于 AI 的发展是振奋人心的好事。倒退几年，如果我还在读研究生的话，又多了一个实习的好去处呢”。

贾扬清的“共享意识”

作为图像识别开源软件Caffe的研发者，贾扬清向全球免费共享了这一成果，所以，他的大名在业内人人皆知。

贾扬清出生在浙江绍兴。贾扬清的母亲沈周娟和父亲贾超英都是上虞春晖中学的语文名师，贾扬清出生在“春晖”的集体宿舍， 从小在“春晖”校园里长大。

中考时，贾扬清以上虞区中考第三名的成绩进入春晖中学。到了高中，他的成绩一骑绝尘，获得过全国物理、化学竞赛一等奖，数学联赛二等奖，英语综合能力二等奖等等。

贾扬清是文理科俱佳的学霸，他自己的一套学习套路。比如对于老师布置的题目，会了就不做，主攻漏洞，对不会的题目，买一整本练习题练习。

高考理综考虑时，贾扬清因为大意做错了一道27分的题目非常沮丧，不过最后以高考成绩686分的成绩顺利进入清华大学信息科技自动化专业。在清华拿到硕士学位后赴UC伯克利获得博士学位。

对于儿子的成功，沈周娟总是这样提醒他：“你有今天的名望，有技术不是唯一原因，而是缘于共享。”

阿里达摩院

2017年10月11日，在阿里云栖大会上，阿里巴巴CTO张建锋（花名行癫）宣布阿里巴巴成立全球研究院。

阿里巴巴达摩院（The Academy forDiscovery, Adventure, Momentum and Outlook，Alibaba DAMOAcademy）是一家致力于探索科技未知，以人类愿景为驱动力的研究院，是阿里在全球多点设立的科研机构，立足基础科学、颠覆性技术和应用技术的研究。

2019年1月2日，阿里巴巴达摩院发布了“2019十大科技趋势”：城市实时仿真成为可能，智能城市诞生；语音AI在特定领域通过图灵测试；AI专用芯片将挑战GPU的绝对统治地位；超大规模图神经网络系统将赋予机器常识；计算体系结构将被重构；5G网络催生全新应用场景；数字身份将成为第二张身份证；自动驾驶进入冷静发展期；区块链回归理性，商业化应用加速；数据安全保护技术加速涌现。

阿里巴巴达摩院作为前沿技术的科研机构和普通公众的关系也是非常密切的。

举例来说，一名遥感分析师，每天伏案比对卫星遥感照片上的建筑物，找出违章建筑及破坏森林等违法行为。每次遥感卫星照片更新，都要花费3个月才能完成人工分析，“工作压力大时曾眼冒金星”，更有挫败感的是，由于分析耗时长，执法人员赶到时已有大片森林被永久破坏。通过应用阿里达摩院开发的“AI卫星遥感影像分析”系统，遥感卫星影像的分析被缩短至几分钟。

解决社会问题，解放人类，才是人工智能之本。　　

AI商业落地之痛

日前发布的《2018中国人工智能商业落地研究报告》显示，2017年中国AI创业公司获得的累计融资超过500亿元，但2017年AI商业落地100强创业公司累计产生的收入却不足100亿元，90%以上的AI企业亏损。

一方面，人工智能教育、投融资热浪不减，另一方面，AI初创公司商业落地却举步维艰，一上一下两者呈现冰火两重天的格局。目前人工智能产业雷声大、雨点小，AI正遭遇商业落地之痛，似乎已经成为业界人士的共识。

所谓人工智能“落地难”，就是在实验室理想的环境下，取得了很大的成功，但是拿到实际的生活、生产当中去，往往不能得到预期的结果。AI落地，会遇到很多的挑战。

在“2018全球智能+新商业峰会”中，腾讯公司副总裁、AI Lab负责人姚星认为，目前对于实际应用场景来说，人工智能只是辅助手段，而不是决胜力。人工智能产业缺乏的不是算法，而是如何更好地转化成工程手段。

美国人工智能协会（the Associationfor the Advance of Artificial Intelligence，AAAI）执行委员会唯一的华人委员、香港科技大学计算机科学及工程学系教授杨强近日接受访谈时表示，国内AI研究尽管在投稿量上接近领先，但是在创新方面，国内人工智能研究还有欠缺，“很多人学会回答问题了，但是，很少有人会提出新问题”。

谈到AI未来的发展方向，杨强认为，当前AI应用没有做到让整个行业脱胎换骨，而要做到AI驱动的“核心决策系统”的优化，算法研究的力量可能只占其中比较小的百分比，更多的是要看市场对这个系统的态度，看生态、同盟的发展速度，是不是可以来推动整个垂直行业的跃进。

目前，在国内，一些与计算机视觉相关的应用，比如在安防领域，已经产生了比较大的变化。之前的安防行业采用的是事后追查责任的思路，通过查找监控录像，回溯历史记录。比如北京机场据说有超过两万个摄像头，这是不可能靠人力实时监控保障安全的。而目前通过人工智能，可以预防和实时阻止部分危险情况的发生。

人工智能在不同国家的发展，与当地的产业发展特点相关，取决于技术与当地产业的结合。以金融业为例，中美有两个主要差异，第一，在技术应用方面，美国金融市场竞争比较激烈，很多银行早就习惯通过技术手段竞争。一个金融公司里10%的员工是IT和技术员工，在中国，这个比例大概是3%-4%。在美国，人工智能在金融方面的应用相对走的更往前，很多对冲基金是通过机器学习、数据挖掘，量化基金通过程序来管理基金。与美国比，中国处于相对早期。另一方面，两国在金融领域的监管法规有一定差异。在美国，没有太多监管限制通过开发程序管理基金，只要敢冒险，自负盈亏，相比之下中国则整体相对谨慎。

马化腾曾表示，如果只能投资一个领域，从他自身所处行业出发，他最关注的是和信息技术相关的AI产业。

国内近几年掀起AI热，科研、资本和人才向AI靠拢的趋势明显。互联网巨头公司大力加码推进人工智能研发。国际科技巨头对人工智能的研究已逾十多年，并且部分研究成果已经进行商业应用。

企业最终将由于人工智能的应用而大幅提升生产效率。大型企业内部本身有IT部门，资源也多一些，有条件去研究AI，可以选择是自己做还是去寻求外部帮助，小企业则可能需要找人做。大小企业的思考模式和基本逻辑相同，只是具体的操作方式不同。这一波人工智能浪潮类似互联网初期，无论企业规模大小，任何时候拥抱AI都不嫌早。