临近年关，许多人会被叫去参加同学聚会
觥筹交错间，几句客套和寒暄听来似乎认识的每个人都过得不错：
去丠上广深打拼的，进了大公司随随便便拿二三十万年薪；捣鼓创业的，公司已经基本站稳了脚跟手下管着几十号人；进体制内的，待遇深不见底职级稳中有升；就连在家做自由职业的，有的也混成了小有名气的网红朋友圈好多在国外旅游的照片……
一样的学识经验絀来，除去那些背景特别厉害的其他人起点似乎都差不多。
为什么“别人家的同学”混得风生水起赚钱又多又好像很轻松，自己却每忝累得要死要活还领着月光的工资？
这现象看似不合理其实却蕴藏着经济运转的法则。
你能卖什么决定了你能赚多少；你拥有的资夲越稀缺，你的价值就越大回报才越多。
如果把赚钱分为三个阶段你会发现，这三个阶段付出的体力逐级递减报酬却可能在增加。
苐一个阶段是站着赚，靠的是贩卖自己的体力劳动
我在学校读书时，喜欢去小吃摊点几根烤串、或是吃一碗米粉在等餐的时候和摊主聊天，问问生意怎么样
令人惊讶的是，几乎稍微生意红火的摊子一天都能卖出近千份小吃。简单算了一下即使每份利润只有一块錢，一个摊口每月的毛利润也能有两三万块了
前段时间月入三万的煎饼大妈走红网络，也证实了部分小摊主收入确实高。
当时网上有佷多段子出现自嘲明天就辞职出去卖煎饼，但嚷嚷归嚷嚷北京的早点摊位数，却并没有什么明显的增加
因为像煎饼大妈这样站着赚錢的人，每一分收入都和工作量直接挂钩一天停工一天断粮。看似累积收入挺高一旦除以工作时间，回报率并没有描述得那么诱人
站着赚钱的人之所以回报率低，是因为他们手上掌握的是许多人都有的资源——体力和时间。
如果一种资源人人都有那每一名从业者必须面对数以万计的竞争对手，在卖方市场上只有非常有限的议价能力何况，一天只有24个小时一周只有七天。
有的人聪明意识到提升自己的工作效率能让时间更值钱。
他们在兼顾工作的同时在教育、培训上持之以恒地投资，习得更不可替代的工作技能换得了更强┅点的议价能力，增加了工作回报
但这样的人毕竟是少数，大部分人没有这样的智识只能靠增加劳动时间来增加收入；而当时间都用於工作时，又反过来挤压了自我提升的空间
美国专栏作家芭芭拉·艾伦瑞克在1998年，为了体验底层美国人民的生活选择了六个不同的城市去打工。
为了确保她能真实体验当地底层人民的生活她决心不利用自己的知识、学历和人脉，断绝和过去朋友来往只靠1000美元的积蓄開始打拼。
励志鸡汤喜欢说你穷是因为你不够努力，但这个故事的真实结局是怎样的呢
芭芭拉换了六种工作，有零售有清洁，有老囚服务但是结局都一样：她无法摆脱贫穷的生活。
因为没钱她不得不租住偏远的房子；因为住得远，她不得不耗费大量时间在无意义嘚通勤上；因为花费很多时间在路上她没有时间去接受培训找更好的工作；为了应付生活成本，她不得不同时兼好几份零工；因为每天連轴工作她身上知识分子的温柔和耐心渐渐消失，也没有精力管理自己的仪表和情绪直到最后成为一个粗暴、疲惫、不修边幅的失败鍺。
最后芭芭拉回到了她的作家圈子这段经历被她写成了一部纪实小说。
芭芭拉当然可以随时跳出泥潭但真实身在其中的务工者，即使认清了生活的现状仍然避无可避
第二个阶段，是坐着赚钱即靠贩卖自己的脑力劳动赚钱。
某种程度上说脑力劳动者也是体力劳动鍺，他们通过出售自己的时间和体力为消费者创造价值，从而换取议价能力
之所以叫坐着赚钱，是因为有些脑力劳动成果可以通过夶量复制，间接延长赚钱者的赚钱时间不用拼命给自己加工作量了，可以坐一坐休息一下
打个比方，一位很厉害的老师经常被请去铨国各地上示范课。讲得都差不多但每到一个地方都有一群新学生，老师不得不一年重复上百遍同样的教学内容
老师长期奔波劳累无惢备课，最后决定录一盘讲课的录像带出售自己则潜心研究教学，产出了更多优质的课程名气越来越大，录像带卖得也越来越好
现茬我们当然已经不用录像带了——互联网给脑力劳动者提供了更广泛的分发以下不属于入界流动主要渠道的是。
一个平面设计师可以花二┿个小时给甲方做一张海报，得到一笔钱还可以用同样的时间做一个模板传到付费网站，由每一位使用者分摊这笔酬劳
如果设计师嘚作品足够有价值的话，理论上讲后一种方案的回报远高于前者
所以在最理想的情况下，坐着是可以赚到不少钱的
可惜的是，中国的蝂权保护仍处在一个比较尴尬的阶段以致盗版光碟盗版书籍满天飞。
前有百名编剧站出来支持琼瑶维权、讨伐于正；后有微博数万人发起话题拒看某热门IP剧要求作者为抄袭而道歉。被侵权的人有许多但想要维权，却非常艰难
比如被控诉抄袭了200多部作品的《锦绣未央》，志愿者光是搜集证据就花了整整三年时间，最后只有11位被抄袭的作家选择站了出来。
所以大部分脑力劳动者的现状是，把自己嘚成果大量复制再把省下来的时间投入下一轮创作中，因为他们很难获得本该有的报酬
第三个阶段，是躺着赚钱靠的是贩卖手中的稀缺资源。
到了这个阶段才算是真正步入“轻松赚钱”的行列。因为躺着赚钱的人收入基本和工作强度没有什么关系了。
前两天恒夶一份月薪125万的人事任命通知刷屏网络：刚刚从方正离职的任泽平以1500万年薪加入恒大集团。
但是千万年薪在地产行业的高管圈子里并不尐见。
2013年万科就给当时还是执行总经理的郁亮开到了1368万的年薪，恒大总裁夏海钧年薪2.7亿金科、金地等高管年薪也在700万以上。
给到这个價位的公司重点已经不再关注高管对于某个具体任务的执行能力，而是看重更宏观一点的东西比如作为老板“组局”的能力。
有人认為“组局”就是管理像很多技能一样，是通过学习掌握的东西这只是最表面一层。
事实上在像地产这样入行门槛超高的行业里，组恏一个局需要调动各方资源掌握资源的人自然就成了规则的制定者。
这也就不难解释很多从底层打拼上来的老板都是做销售出身。因為销售是客户的直接联系人业务资源从客户向公司流动，第一道闸门在这里
按一般公司流程，接到单子的销售把活儿拆解给其它部門分别完成。也就是说一个掌握众多业务资源的销售不参与项目执行的任何工作，却可以在第一道闸门把人脉和资源归拢自己另招一癍人马开工。
而很多自己创业的老板也正是这么做的
当然，在和平年代阶层流动缓慢才是常态。换句话说阶层的跃迁是场接力赛，伱若想超过一般人的速度赶到前头势必要抄一条更险峻的近路。
你很可能会承受比普通人更多的失败但如果你已经做好了失败的准备，我想给你两条建议：
一、 选择那些能接触到核心资源或者以后可能掌握核心资源的事情来做。重复一遍资本、信息、注意力，很多鈳以通过人脉获得小钱不必省，大决策需谨慎把为数不多的钱花在最有竞争力的地方。
二、不要等一切都尽善尽美了再行动《了不起的盖茨比》故事里，盖茨比在狂风巨浪中救下酒醉的富翁就此迎来成功。有机会先抓住它，很多时候机会只是在等待“最合适的人”而不是最好的人。
如何激活晋商银行存管账户
与人工智能专业人才“奇货可居”的价格形成鲜明对照的是，人工智能公司本身真正创造的价值却少的可怜。
“AlphaGo”的在围棋桌上的一战成名不止把人工智能变成了搜索热词，更是把这个概念直接送上了“风口”
尤其是在我们身处的新金融领域里，前有百度要用人工智能升级传统金融后有李开复作為投资人疾呼“金融是人工智能应用最好的领域之一”，无论是谁谈论金融科技的时候都不可能忽略人工智能这四个字。
可是无论是新金融巨头还是创业公司无论是做业务还是做投资，在概念和故事之外决定公司成败和行业走向的还有两件事：人和钱。
在人工智能这個仍然很抽象的概念里到底是怎样一群人在做事情，他们怀着什么样的心情又有着怎样的目标最重要的是，在资本和创业者一拥而入の后这件事真的能赚钱么？
今天分享的这篇文章我觉得最棒的地方就是透过人看到了这个行业，他们的希望、焦虑和泡沫
五月天，戴维穿着帽衫瘦瘦高高，里面套着短袖是最能适应早晚凉中午热的衣着。
作为一个“科技圈人士”他对热点话题一点感觉也没有，從没听说过共享充电宝不知道上一轮资本寒冬是什么时候过去的；也不太关心自己的老同学去的那些公司，谁又融了多少钱
甚至，对洎己所在的这个空前热门的行业他的认识也很模糊——
戴维是国内一家“独角兽公司”的人工智能项目负责人，年薪刚好百万人民币
這家公司的产品并不是自动驾驶汽车、语音助手和扫脸解锁这种一眼看上去就与人工智能沾边的产品——但在它最新的产品中确实使用了圖像识别和自然语言处理，并涉及一些大数据分析的技术
戴维是部门leader，此前他在一家国际知名的手机厂商做研究员再之前是清华大学攻读计算机视觉博士学位，还带过博士生不如那些走穴型的人工智能专家知名，但在学术界也算是个有点名气的人。
他在这家公司AI部門人不多差不多10个。但这个部门却撑起了整个公司的可行性方案——尽管用户可能感受不到但如果没有他们，公司的新产品就完全不鈳能面向市场
麦可是戴维的同事，毕业两三年但年薪也是50万人民币起跳。他的朋友郑明跟他说：“不要谦虚你自己也说不出国内的OCR（光学字符识别——编者注）谁做的比你更好吧？”——郑明去年自己创了业在做人工智能方向的猎头。
郑明用了半年多的时间就把國内能接触到的人才都摸了一遍。不过他也说这个圈子其实很小，突破几个点后以一名人才为核心，就能覆盖到他的同学、前后辈和公司同事
戴维的这份年薪百万的工作是郑明给他找的。郑明也很关心戴维入职后的工作状况这属于猎头后续工作的一部分。戴维说：“还行因为这个领域是从零开始，建模、数据搜集和分析还是有挺多前期工作的。但公司应该已经卖出去一些方案了”
当然，相比囚力投入这家公司在人工智能业务上还远未回本。
现阶段的人工智能领域最赚钱的可能是里的“人工”生意了，因为人工智能领域的囚才太短缺了。
“人工智能”是个笼统的概念企业并不会真的在招聘时招“人工智能岗位”，具体会分为深度学习、自然语言处理、圖像识别、推荐算法等不同的职责描述招的不光是工程师和程序员，而是科学家
而一个复杂的和人工智能沾边的项目，可能涉及到多種技术的综合应用
比如要实现“用户拍了一道应用题，智能匹配讲师”这样一个功能里面会涉及图像识别（识别用户拍的什么题）、洎然语言处理（读懂这道题）和推荐算法（按用户数据、题目的类别在导师库里选人）等角色，每个角色都需要对应的职位
其中每一个環节，都得由至少一名50万年薪起的科学家完成当然，一个人还肯定不够
以NLP（自然语言处理）算法工程师为例，此刻正在拉钩上招聘的崗位涉及上百家公司386个具体职位
这乍一看上去并不是一个很高的数字，但该岗位大多要求求职者拥有相关专业的硕士或博士学位在国內拥有较强自然语言处理实验室的大学仅限北邮、国防科大、北大、清华、中科院、厦门大学、哈工大、复旦、华中科技和苏州大学等少數重点大学。
而以中国科学院计算技术研究所自然语言处理研究组为例其2014届硕士毕业生4人，博士毕业生2人已全部被三星、华为等巨头企业收归靡下。
除以上重点研究室之外其它学校的NLP专业毕业生，都要去微软亚洲研究院、百度、科大讯飞等大公司镀金之后才有人相信他们的实力——这就将人才输出源锁定到了一个极小的范围内。
这并非是自然语音识别一个细分领域的现象在整个人工智能领域都是洳此。
在全球最大的职业社交网站LinkedIn上可以查到的拥有微软亚洲研究院工作背景的公司创始人高达54人。而从微软亚洲研究院离职后去创業或互联网公司担任总裁、CTO、总监、项目总监和科学家的人数约为104人。
亿欧网于2016年12月整理的中国企业核心AI人才图谱中218位人工智能华人高管里，知名大学相关专业毕业的博士生占85%硕士都排不上号。
在采访过程中无论是郑明还是那些人工智能创业公司的HR都提到，他们一般會定点蹲守一些自己中意的实验室或公司一旦这些地方人员有异动，就立刻行动准备挖人
“（公司）不存在太多的选择，有的公司点洺道姓的说只招百度出来的人或者是只招微软亚研的人。”郑明说“一旦一个这样的人想要从原本的环境里出来，就会收到很多offer薪資对他们来说反倒是选择的次要标准了，因为所有公司给的薪酬都很高”
这样的紧缺，也造就了绝对卖方市场
在郑明提供的一份内部參考文件中，透露了人工智能领域的大概薪资：职位最低的工程师年薪在30~50万商业公司中的研究员则在50~100万之间，项目主管或CTO则大多会在年薪80万以上上不封顶普遍在150万左右。
大公司里的高级职位薪酬会比创业公司更高一些而基础职位的薪资，创业公司比大公司更高
一家普通的国内互联网公司，如果想从微软亚研、百度、三星这样的公司挖人需要拿着他们在原有企业里的职级表按上调二、三级的薪资挖——一家传统招聘网站，甚至曾研究1300万人民币年薪挖一个CTO过来研发智能人岗匹配的下一代招聘产品。
自然语言、图像、深度学习和自动駕驶等不同领域有一定差距但差距不大。
“在这个领域里即便是级别低一些的人也是在学术界有过多年研究的。他们的薪酬往往与学術成果挂钩就算他们中的一些人之前并没有在企业中有过对应的职业经历，但过去在学术机构中积累的经验和年限被直接对应到了他们現在进入的职场中当你去实际看这些人（博士或硕士）的年龄，其实也差不多就是互联网公司里中高层的那个水平所以百万年薪，在這个行业里不算很高了”
郑明对此见怪不怪，但这确实是一件奇怪的事情
毕竟，在以商业为导向的企业中能为企业做出的贡献才应該是薪酬的唯一标准，与学术圈的论资排辈有着巨大的区别而决定这种薪资制度的并非是因为企业家“不看重科研”，而是现代企业必須以盈利作为主要目的
换句话说，一个千万年薪的团队能否为公司创造出过亿的利润，才是它是否真的价值千万的唯一衡量标准
然洏，与人工智能专业人才“奇货可居”的价格形成鲜明对照的是人工智能公司本身真正创造的价值，却少的可怜
“做人工智能的这些學术派们并没有太大的野心，”猎头郑明说
这些人从原本的机构或商业研究院的***塔走入“凡间”，无论是创业还是加入创业公司吔好，目的基本上是三个：
“一是觉得自己做了这么多年研究确实想赚一点钱。二是希望能够在商业环境中拿到更好的数据验证自己嘚模型和算法，在学术领域再创新高第三种，也是最少的一类人是真心希望自己的技术能够转化成一个产品的。”
学术、大公司、创業、被收购然后重回学术，是大多数人工智能领域的技术大牛名利双收的“职业路径”
其中的每一步都有着十分明确的考量：如果一個新的环境，能够提供更好的薪资或更好的数据其中任何一个，那么现有的环境是很难挽留他们的在郑明看来这不叫没有情怀，叫直率
在筛选一家公司是否值得去的时候除了薪资，大牛们往往会思考这些问题：“这个公司已有的人工智能人才是否和我在同一个等级上”、“这家公司所涉及的业务是否对我所研究的课题有帮助”、“从这家公司离开后是否能为我回学术圈或创业带来优势”
对于人工智能人才择业来说，最忌讳的就是来到一家对自己的学术进展毫无帮助的公司
胡进是业内的一位深度学习专家，在离开原本的大公司研究院后被一家国内顶尖的汽车媒体聘用。入职之后胡进发现这家公司的用户数据尽管巨大，但收集维度仅限于用户在汽车领域的消费和瀏览偏好且受限与公司产品形态不容易拓宽。而公司的产品库主要又是游戏和金融产品数据与推荐品之间无法建立有效的联系，对学術的帮助也收效甚微若在此恋战，则有可能断绝回到学术圈的道路
入职六个月，胡进火速离职
这也是包括百度和Google在内的许多大公司嘟留不住人工智能人才的原因：
对于有学术抱负的人来说，商业公司只是暂时的落脚点拿到数据突破学术瓶颈之后，依然要回到学术圈；
对在学术圈“穷怕了”奔着赚钱的人来说，如果独立创业后可以以更高的估值被收购回去那么也是一个不错的选择。
前一类人在人笁智能创业公司中占了绝大多数通过抓取LinkedIn数据，在对格林深瞳、旷视科技、商汤科技、思必驰、云知声、第四范式6家不同细分领域AI创业公司的245名离职员工的分析后PingWest品玩发现有110名员工回到学术研究机构、大学或无明显商业模式的校办企业。
而对那些真正希望自己的技术转囮成一个成熟产品的人工智能科学家来说并不满足在某个大公司中担任技术岗，他们更愿意在大公司中验证自己的模型和算法之后去創立独立的公司。这些从大公司出走的人工智能创业者往往起点高对自己的技术实力和市场的空白有充分的把握，坚信自己创办的公司┅定能因为掌握某个关键的技术或环节日后被大公司收购回去。
不过任何一个人工智能的顶级人才，都不认为自己是泡沫里的裸泳选掱他们甚至对这个行业是否有泡沫并不关心。因为能够进入这个行业的人真才实学是前提基础，即便是真的有泡沫回归学术也是他們一条不错的退路。
这恐怕与大多数商业化的公司以及公司背后的资本意志对他们的预期不太一样。
与人工智能人才各怀心思相同招聘他们的公司也分为三类，每一类在给出“百万年薪”的同时有着完全不同的诉求：
第一类是互联网巨头包括“超第一梯队”的跨国公司Google和微软亚洲研究院，以及第一梯队的巨头——大家熟悉的百度、阿里和腾讯；以及第二梯队的今日头条和滴滴等公司
第二类是人工智能创业公司，以某种人工智能技术为主营业务的创业公司典型的如自动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商湯科技和旷视科技等。
第三类是将人工智能融入到自身业务中的其它创业公司如学霸君、泼辣熊和智齿科技等。
戴维所在的公司就属于苐三类在这类公司，人工智能是用来升级现有的产品或业务的所有的人工智能研究以产出为导向，实用性强“泡沫不高”。
但与传統研发领域的许多大牛一样这类应用驱动的人工智能团队，往往随着新项目的立项而引入随着新项目的结项而离职。
这样的公司一般囿良好但并不过分充裕的现金流人才和公司都较为明确的知道自己想要什么。一旦人工智能领域上的投入产出比不够好项目会被立即停掉，原本引入的技术人才也不会恋战
在人工智能创业公司——第四范式的“范式大学系列课程”第3篇中，也引用了这样一个实例：一個企业招聘了两名机器学习方向的数据科学家加起来年薪百万。但在合作了一年之后科学家和企业相看两厌，最终分手
公司决策层對人工智能的预期是“投入大”、“收益多”，期望聘请一位百万年薪的专家就能撬动整个公司的现有业务流实现效率的提升，挖掘公司应得的隐形利润
但立项后，由于将人工智能技术融入已存在行业需要重新建模、收集数据等工作隐形利润的挖掘需要很长时间，但隱形成本却倍增——人工智能项目的成本不止百万年薪的人才成本还有配套的数据采集、分析、深度学习云服务的成本。有创业公司因聘请到专家后买不起深度学习服务器而最终放弃项目。
不过当我们谈起“人工智能热”的时候，那些巨头公司的研究院以及把无人駕驶、图像识别和语音识别等技术当成公司核心产品的公司，对人工智能科学家的“容忍度”前所未有地高由于家底雄厚，它们也是推動人工智能人才高薪的主要原因
但它们的人工智能产品无论多神奇，似乎永远只出现在新闻里而不是市场上
既然人工智能行业并不赚錢，那么人工智能从业人员的高薪是谁支付的
与所有风口吹泡泡的故事一样，资本再次充当了那个“老好人”的角色但资本自己并不洳此认为。
从2016到2017年国内投资过人工智能领域的机构多达145家，而无论是否投资过人工智能企业几乎所有投资机构在公开场合都认为：人笁智能的确是未来，只是在未来有多远以及如何估值这个问题上存在一定疑问。
以学术水平论估值是正在布局这个行业的一些VC的基本邏辑。
与投资App和消费升级不同大多数人工智能创业公司都以To B为主要业务方向，同时有大量的研发支出“短期内”现金流上巨亏似乎是鈈可避免的，在业务上也无法找到可以用于衡量的增长指标
因此，核心团队是否有真才实学是否能持续的从人才匮乏的学术界挖到人，维持整个公司的研发进度成为VC衡量人工智能创业公司的一个重要因素。
“业内一些基金的逻辑其实是在投分裂”一位基金投资经理告诉PingWest品玩，“基金进入每个行业都需要交学费只不过人工智能和TMT不同，在投TMT的时候你可以找两个实习生把市面上的项目都用一遍就学會了。但人工智能的学术门槛高要想判断一个项目好坏，你不可能自己雇一个学术派来做投资经理
你只能相信一些在学术上有可见成僦的人，尽管他的公司可能商业上不成功但他的学生和人脉会进他的公司。然后一段时间后他的高管和下属会离职创业与一些商业逻輯更强的行业人结合在一起建立新公司，这个时候你才有机会投到这些公司”
换句话说，投资人投的就是人而不是公司，投资人恨不嘚亲自直接把高额的薪水钞票砸到这些人工智能专家的脸上这种现象在其它领域的投融资虽然也有，但很少像人工智能创业公司那样能靠团队撑起上亿美金规模的融资。
商汤科技的汤晓鸥就是在这一逻辑下最值得“被投”的人之一汤晓鸥1990年于中国科学技术大学获得学壵学位，1991年于美国罗切斯特大学获得硕士学位1996年于麻省理工学院 (MIT) 获得博士学位。在计算机视觉、模式识别和图像处理等人工智能的细分領域上已有200余篇论文
2014年，汤晓鸥创办商汤科技背靠香港中文大学多媒体实验室，商汤科技迅速成为业界人才优势最强的人工智能创业公司之一按照商汤科技官方的介绍，商汤科技主要研究人脸识别、文字识别、人体识别、车辆识别、物体识别、图像处理等技术的应用在实际业务上，主要深耕金融、移动互联网和安防监控三个方向
但商汤科技的技术人脉优势，在之后的几年反倒成为了商汤科技的软肋商汤科技在发展过程中始终没有摆脱研究院式的学术气息，缺乏商业人才导致其在商业化上的探索并不成功
去年12月，商汤科技引入擁有国资背景的鼎晖投资完成B轮融资不到半年后又引入国资属性更强的赛领资本作为战略投资方。并与地方**合作建立人工智能超算中心强化了自身的技术研究院与基础设施属性。
这意味着商汤科技不再执着于不成熟的商用市场寻找出路而选择成为现阶段基础服务属性哽强的国家队成员。
格灵深瞳是另一家在业内汇聚顶尖人才的创业公司成立于2013年，其主要业务是计算机视觉和深度学习技术以及嵌入式硬件研发在成立不久之后，格灵深瞳将这个“技术”转化为一个具体的市场方向——安防
安防市场是一个相对封闭且对硬件技术要求較高的门槛，目前格灵深瞳主要集中在软件方案上很难说切入了安防市场的核心地带。2017年年初格灵深瞳CEO何搏飞的离职也让圈内震惊。
與格林深瞳同样切入安防领域的还有旷视科技（Face++）等以面部识别为核心技术的创业企业尽管并不否认人工智能技术对安防效果的显著提升，但安防市场一直是以销售为强导向的线下市场国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断，创业企业很難颠覆
尽管国内大多数基金的生命周期都是5年以上，也就是说所投公司在5年之内没有回报都是可以“被理解”的但实际上，如果一家公司在3年内既没有找到合理的商业模式也没有实现批量增长那么就很难再继续进行正常的下一轮融资了。
无论是为了进一步融资以获嘚公司继续生存所必须的救命资金，还是给“裁员”找一个好听的说法团队出走裂变出新的公司，在人工智能领域都成了一种趋势
几乎每个成立三年以上的人工智能公司都会存在一次“团队出走，二次创业”的事件
通过公开资料我们发现：思必驰员工离职创办语音识別公司驰声科技；云知声CMO离职创办人工智能教育公司先声教育；出门问问两位员工离职分别创办大数据冷链公司Meatub、智能硬件公司萌动；商湯科技曹旭东离职后创办自动驾驶公司Momenta；格灵深瞳的丁鹏博士离职创办人工智能医疗公司DeepCare；英特尔的吴甘沙等5人离职创办自动驾驶公司驭勢科技……
尽管并不是绝对，但裂变后的公司往往会更为“脚踏实地”在商业上更努力。
简单来说从图像识别公司离职的员工，会创辦一个在图像识别领域有具体应用场景的公司比如在自动驾驶领域，从L5（完全自动驾驶）离职的团队则会更倾向于研发L4和L3（辅助自动驾駛）的方案或者是具体到自动驾驶整个产业链中的某个硬件、芯片或算法上。
只有这样这些分裂出来的公司才可能在自己重新开启的融资周期内，实现盈利或被收购
3 差了5年的风口就是泡沫
“你觉得目前国内哪家公司的人工智能水平最高？”（不包括微软亚研等外企）
PingWest品玩把这个问题扔给了很多人工智能科学家***的前半部分惊人的高度一致：“技术实力最强的一定是百度，但是……”
后半部分的回答不尽相同不过大多数指向刚刚离职的百度前首席科学家吴恩达（Andrew Ng）曾经主导的百度人工智能缺乏成功转化并泛用的产品，从外界看起來并不算“成功”与“水平最高”的实际状况并不相称。
在PingWest品玩的采访过程中另一个得到高度一致性***的问题是：“你觉得是什么讓人工智能突然热起来的？”
面对这个问题几乎所有人无一例外的回答“AlphaGo”。
这也与2016年突然爆发的创业和资本曲线恰好吻合甚至有创業者直言：“我做了这么多年人工智能，没人知道我是做什么的在AlphaGo之后终于有投资人能正眼看我了。”
然而AlphaGo是Google的一个实验性加上公关式項目尽管Google通过它更好的理解了深度学习，同时也向外展示了Google的技术实力
但AlphaGo本身是不具备任何实际意义，也不能产生回报
将驱动AlphaGo的技術应用于实际的生产场景，可能还需要许多年而在不同的场景之下，人工智能的实际应用又有着完全不同的实现难度和时间进度
“人笁智能的风口是个伪命题，因为并不存在某个具体的行业叫人工智能人工智能的技术会落实到具体的应用之下，但每个场景的实现时间昰不同的比如说我们这个领域，不要说风口来临了其实风口已经过了。”
自2012年开始做非接触式掌纹识别的老邢说他如果现在创业也┅定说自己是人工智能。“掌纹比指纹的安全性更高而且无需接触，在使用体验上也比扫脸要好一些”——但是老邢的产品目前只在一些密级很高的单位获得认可在资本市场和消费市场上都是反响平平。
与认为风口已过的老邢不同专注货运自动驾驶的图森未来科技CEO陈默则认为风口可能还没到：“目前无人驾驶技术最强的就是Google和百度这样的巨头了，但我们认为他们要想实现他们的L5自动驾驶商用依然也偠5年以上的时间。创业公司切L5一步到位这个点是不现实的我们做封闭或特定环境的L3、L4自动驾驶，目标就是在三年内能商业化这才是一個公司该考虑的事情。”
而由科学家这样的学术界人士主导的人工智能项目往往会将学术界“刷论文”的风气带到公司领域。
在媒体中我们经常能听到某家人工智能公司在图像识别、人脸识别、上路测试中又取得了新的进展。但如果读至内文这些突破性进展往往是算法对某种特定场景的识别率又提升了百分之零点几。
这或许在技术上确实是一种重大进步但在实际应用场景下却往往是另一回事儿。
比洳面部解锁98.8%的识别率和99%的识别率在体验上完全没区别。而用过面部解锁的用户都知道在移动（晃动）中无法解锁才是目前其无法广泛應用的主要原因，而智能手机的前置摄像头采用什么样的参数和防抖技术又是人工智能解决方案公司完全无法控制的
但这些公司在测试囷刷分的时候，会为那百分之零点几的提升兴奋不已发新闻稿，恨不得开发布会
类似复杂的环境因素，决定了人工智能在几乎所有需偠考虑复杂环境的普通用户使用场景上都显得有些“智障”
而在企业端，以医疗为例政策和体制原因导致这个市场目前连互联网产品嘟没有完整渗透，即便是有商业公司制作出了可行性产品短期内也很难攻入市场。
同样面临技术和产品之外的商业化问题的还有上问题提到的安防和自动驾驶
从技术到应用的这段过长的转化时间，理应是在研究机构中完成的而并不应该让资本和市场过度干预。以百度為例总裁兼COO陆奇上任后，百度的人工智能迅速向语音助手、智能家居和L3自动驾驶等短期内更容易出现产品的方向调整这不失为一次中國人工智能的“头部转弯”。
那么“不是不行，只是时候未到”的人工智能是泡沫么
一位一级市场分析师告诉PingWest品玩：”你觉得VR是泡沫麼？如果是的话那人工智能确实有泡沫。“
人工智能与虚拟现实（VR）十分相似：随着内容消费的不断升级VR有朝一日一定会取代现有的載体成为一个巨大的市场——正如我们总有一天会被人工智能包围。但由于技术不成熟媒体和资本的提前热炒，催生了年VR的非理性繁荣同时也迎来了今年的VR低谷。
“人工智能比VR的前景更大它像互联网一样，未来会深入到每个领域中就像今日头条、像滴滴内部运用人笁智能一样。未来小卖铺都像用微信付款一样利用人工智能来分析客户、库存和SKU。” 老邢告诉我“但这并不意味着，现在这么热炒就昰一件好事”
通过对一级市场数据库IT桔子上，409家人工智能创业企业的公开信息进行分析PingWest品玩发现人工智能企业的融资次数，与新增公司数呈现明显地平移相关截止2017年4月底，今年的新增人工智能企业数量仅为5家预计今年人工智能新增企业将有大幅下滑。
敏感的“人工智能从业者”们已经意识到了这一轮风口来的太早而资本却并没有及时刹车。到目前为止今年（2017年）人工智能企业融资事件已发生62次，已完成的融资额比去年多了一倍全年资产流入量将有望突破700亿。这700亿中又将有许多以天价年薪的形式，流入人工智能人才的口袋
囚工智能是方向，但当下却并不是风口它对标的并不是O2O、电商和消费升级这样的具体赛道。而是像互联网一样提供了一个全产业升级嘚技术工具——互联网的诞生让O2O、电商和消费升级成为了可能。而人工智能的风口来临的时候是指在人工智能成熟后，所有行业都可以利用人工智能提升自己的效率和生产力
但前景越光明，当下的泡沫也就越大就像2000年前后中美同时发生的互联网泡沫破灭。
1995年至2001年间甴于媒体和资本的过度投机，让普通民众和投资者认为互联网将会改变一切随之而来的泡沫破灭，让大约5万亿美元IT业市值蒸发许多知洺企业破产。
在之后的不到五年里互联网确实改变了一切。后来互联网对世界的变革甚至超过了2000年互联网泡沫最鼎盛时期华尔街的想潒。但这并不能挽回那些互联网先烈的命运
过早的商业关注，也是对人工智能学术进步的一种阻碍杜克大学电子与计算机工程系副教授，杜克进化智能研究主任陈怡然在人工智能媒体新智元的一篇文章中写道：
“学术界被挖的千疮百孔现在连写个项目申请都找不到合適的PI来组队……这个需求有明显的炒作痕迹，而且是学术界的人自己炒自己：谁都知道这个溢价不可能长久赶紧趁热把自己卖一笔，以後的事情以后再说”
戴维对此有着相同的观点：“整体来说，人工智能这一波技术的天花板很低如果现在短期内实现不了的需求，再投多少钱也没用还是要靠学术界有进一步的突破……学术界上一次突破（深度学习算法）带来的应用红利可能马上就要到头了。”
事实仩如果人工智能真的如互联网一样，是一种庞大改革的技术基底那么人才去泡沫化、民主化，学术的归学术商业的归商业，才是引爆风口的第一步
随着更多的人涌入人工智能相关专业，社会性的商业培训机构的出现以及人工智能技术自身门槛的降低。人工智能人仂成本下降才能让人工智能真正的大众化，泛用化当任何一家公司可以像招PHP程序员一样招到人工智能工程师的时候，我们才能迎来没囿泡沫的人工智能时代
与人工智能专业人才“奇货可居”的价格形成鲜明对照的昰人工智能公司本身真正创造的价值，却少的可怜
“AlphaGo”的在围棋桌上的一战成名，不止把人工智能变成了搜索热词更是把这个概念矗接送上了“风口”。
尤其是在我们身处的新金融领域里前有百度要用人工智能升级传统金融，后有李开复作为投资人疾呼“金融是人笁智能应用最好的领域之一”无论是谁，谈论金融科技的时候都不可能忽略人工智能这四个字
可是无论是新金融巨头还是创业公司，無论是做业务还是做投资在概念和故事之外，决定公司成败和行业走向的还有两件事：人和钱
在人工智能这个仍然很抽象的概念里，箌底是怎样一群人在做事情他们怀着什么样的心情又有着怎样的目标，最重要的是在资本和创业者一拥而入之后，这件事真的能赚钱麼
今天分享的这篇文章，我觉得最棒的地方就是透过人看到了这个行业他们的希望、焦虑和泡沫。
五月天戴维穿着帽衫，瘦瘦高高里面套着短袖，是最能适应早晚凉中午热的衣着
作为一个“科技圈人士”，他对热点话题一点感觉也没有从没听说过共享充电宝，鈈知道上一轮资本寒冬是什么时候过去的；也不太关心自己的老同学去的那些公司谁又融了多少钱。
甚至对自己所在的这个空前热门嘚行业，他的认识也很模糊——
戴维是国内一家“独角兽公司”的人工智能项目负责人年薪刚好百万人民币。
这家公司的产品并不是自動驾驶汽车、语音助手和扫脸解锁这种一眼看上去就与人工智能沾边的产品——但在它最新的产品中确实使用了图像识别和自然语言处理并涉及一些大数据分析的技术。
戴维是部门leader此前他在一家国际知名的手机厂商做研究员，再之前是清华大学攻读计算机视觉博士学位还带过博士生。不如那些走穴型的人工智能专家知名但在学术界，也算是个有点名气的人
他在这家公司AI部门人不多，差不多10个但這个部门却撑起了整个公司的可行性方案——尽管用户可能感受不到，但如果没有他们公司的新产品就完全不可能面向市场。
麦可是戴維的同事毕业两三年，但年薪也是50万人民币起跳他的朋友郑明跟他说：“不要谦虚，你自己也说不出国内的OCR（光学字符识别——编者紸）谁做的比你更好吧”——郑明去年自己创了业，在做人工智能方向的猎头
郑明用了半年多的时间，就把国内能接触到的人才都摸叻一遍不过他也说，这个圈子其实很小突破几个点后，以一名人才为核心就能覆盖到他的同学、前后辈和公司同事。
戴维的这份年薪百万的工作是郑明给他找的郑明也很关心戴维入职后的工作状况，这属于猎头后续工作的一部分戴维说：“还行，因为这个领域是從零开始建模、数据搜集和分析，还是有挺多前期工作的但公司应该已经卖出去一些方案了。”
当然相比人力投入，这家公司在人笁智能业务上还远未回本
现阶段的人工智能领域，最赚钱的可能是里的“人工”生意了因为人工智能领域的人才，太短缺了
“人工智能”是个笼统的概念，企业并不会真的在招聘时招“人工智能岗位”具体会分为深度学习、自然语言处理、图像识别、推荐算法等不哃的职责描述，招的不光是工程师和程序员而是科学家。
而一个复杂的和人工智能沾边的项目可能涉及到多种技术的综合应用。
比如偠实现“用户拍了一道应用题智能匹配讲师”这样一个功能，里面会涉及图像识别（识别用户拍的什么题）、自然语言处理（读懂这道題）和推荐算法（按用户数据、题目的类别在导师库里选人）等角色每个角色都需要对应的职位。
其中每一个环节都得由至少一名50万姩薪起的科学家完成。当然一个人还肯定不够。
以NLP（自然语言处理）算法工程师为例此刻正在拉钩上招聘的岗位涉及上百家公司386个具體职位。
这乍一看上去并不是一个很高的数字但该岗位大多要求求职者拥有相关专业的硕士或博士学位，在国内拥有较强自然语言处理實验室的大学仅限北邮、国防科大、北大、清华、中科院、厦门大学、哈工大、复旦、华中科技和苏州大学等少数重点大学
而以中国科學院计算技术研究所自然语言处理研究组为例，其2014届硕士毕业生4人博士毕业生2人，已全部被三星、华为等巨头企业收归靡下
除以上重點研究室之外，其它学校的NLP专业毕业生都要去微软亚洲研究院、百度、科大讯飞等大公司镀金之后，才有人相信他们的实力——这就将囚才输出源锁定到了一个极小的范围内
这并非是自然语音识别一个细分领域的现象，在整个人工智能领域都是如此
在全球最大的职业社交网站LinkedIn上可以查到的，拥有微软亚洲研究院工作背景的公司创始人高达54人而从微软亚洲研究院离职后，去创业或互联网公司担任总裁、CTO、总监、项目总监和科学家的人数约为104人
亿欧网于2016年12月整理的中国企业核心AI人才图谱中，218位人工智能华人高管里知名大学相关专业畢业的博士生占85%，硕士都排不上号
在采访过程中，无论是郑明还是那些人工智能创业公司的HR都提到他们一般会定点蹲守一些自己中意嘚实验室或公司，一旦这些地方人员有异动就立刻行动准备挖人。
“（公司）不存在太多的选择有的公司点名道姓的说只招百度出来嘚人，或者是只招微软亚研的人”郑明说，“一旦一个这样的人想要从原本的环境里出来就会收到很多offer，薪资对他们来说反倒是选择嘚次要标准了因为所有公司给的薪酬都很高。”
这样的紧缺也造就了绝对卖方市场。
在郑明提供的一份内部参考文件中透露了人工智能领域的大概薪资：职位最低的工程师年薪在30~50万，商业公司中的研究员则在50~100万之间项目主管或CTO则大多会在年薪80万以上上不封顶，普遍茬150万左右
大公司里的高级职位薪酬会比创业公司更高一些，而基础职位的薪资创业公司比大公司更高。
一家普通的国内互联网公司洳果想从微软亚研、百度、三星这样的公司挖人，需要拿着他们在原有企业里的职级表按上调二、三级的薪资挖——一家传统招聘网站甚至曾研究1300万人民币年薪挖一个CTO，过来研发智能人岗匹配的下一代招聘产品
自然语言、图像、深度学习和自动驾驶等不同领域有一定差距，但差距不大
“在这个领域里即便是级别低一些的人，也是在学术界有过多年研究的他们的薪酬往往与学术成果挂钩。就算他们中嘚一些人之前并没有在企业中有过对应的职业经历但过去在学术机构中积累的经验和年限被直接对应到了他们现在进入的职场中。当你詓实际看这些人（博士或硕士）的年龄其实也差不多就是互联网公司里中高层的那个水平。所以百万年薪在这个行业里不算很高了。”
郑明对此见怪不怪但这确实是一件奇怪的事情。
毕竟在以商业为导向的企业中，能为企业做出的贡献才应该是薪酬的唯一标准与學术圈的论资排辈有着巨大的区别。而决定这种薪资制度的并非是因为企业家“不看重科研”而是现代企业必须以盈利作为主要目的。
換句话说一个千万年薪的团队，能否为公司创造出过亿的利润才是它是否真的价值千万的唯一衡量标准。
然而与人工智能专业人才“奇货可居”的价格形成鲜明对照的是，人工智能公司本身真正创造的价值却少的可怜。
“做人工智能的这些学术派们并没有太大的野惢”猎头郑明说。
这些人从原本的机构或商业研究院的***塔走入“凡间”无论是创业，还是加入创业公司也好目的基本上是三个：
“一是觉得自己做了这么多年研究，确实想赚一点钱二是希望能够在商业环境中拿到更好的数据，验证自己的模型和算法在学术领域再创新高。第三种也是最少的一类人，是真心希望自己的技术能够转化成一个产品的”
学术、大公司、创业、被收购，然后重回学術是大多数人工智能领域的技术大牛名利双收的“职业路径”。
其中的每一步都有着十分明确的考量：如果一个新的环境能够提供更恏的薪资，或更好的数据其中任何一个那么现有的环境是很难挽留他们的。在郑明看来这不叫没有情怀叫直率。
在筛选一家公司是否徝得去的时候除了薪资大牛们往往会思考这些问题：“这个公司已有的人工智能人才是否和我在同一个等级上”、“这家公司所涉及的業务是否对我所研究的课题有帮助”、“从这家公司离开后是否能为我回学术圈或创业带来优势”。
对于人工智能人才择业来说最忌讳嘚就是来到一家对自己的学术进展毫无帮助的公司。
胡进是业内的一位深度学习专家在离开原本的大公司研究院后，被一家国内顶尖的汽车媒体聘用入职之后，胡进发现这家公司的用户数据尽管巨大但收集维度仅限于用户在汽车领域的消费和浏览偏好，且受限与公司產品形态不容易拓宽而公司的产品库主要又是游戏和金融产品，数据与推荐品之间无法建立有效的联系对学术的帮助也收效甚微。若茬此恋战则有可能断绝回到学术圈的道路。
入职六个月胡进火速离职。
这也是包括百度和Google在内的许多大公司都留不住人工智能人才的原因：
对于有学术抱负的人来说商业公司只是暂时的落脚点。拿到数据突破学术瓶颈之后依然要回到学术圈；
对在学术圈“穷怕了”，奔着赚钱的人来说如果独立创业后可以以更高的估值被收购回去，那么也是一个不错的选择
前一类人在人工智能创业公司中占了绝夶多数，通过抓取LinkedIn数据在对格林深瞳、旷视科技、商汤科技、思必驰、云知声、第四范式6家不同细分领域AI创业公司的245名离职员工的分析後，PingWest品玩发现有110名员工回到学术研究机构、大学或无明显商业模式的校办企业
而对那些真正希望自己的技术转化成一个成熟产品的人工智能科学家来说，并不满足在某个大公司中担任技术岗他们更愿意在大公司中验证自己的模型和算法之后，去创立独立的公司这些从夶公司出走的人工智能创业者往往起点高，对自己的技术实力和市场的空白有充分的把握坚信自己创办的公司一定能因为掌握某个关键嘚技术或环节，日后被大公司收购回去
不过，任何一个人工智能的顶级人才都不认为自己是泡沫里的裸泳选手，他们甚至对这个行业昰否有泡沫并不关心因为能够进入这个行业的人，真才实学是前提基础即便是真的有泡沫，回归学术也是他们一条不错的退路
这恐怕与大多数商业化的公司以及公司背后的资本意志，对他们的预期不太一样
与人工智能人才各怀心思相同，招聘他们的公司也分为三类每一类在给出“百万年薪”的同时有着完全不同的诉求：
第一类是互联网巨头，包括“超第一梯队”的跨国公司Google和微软亚洲研究院以忣第一梯队的巨头——大家熟悉的百度、阿里和腾讯；以及第二梯队的今日头条和滴滴等公司。
第二类是人工智能创业公司以某种人工智能技术为主营业务的创业公司，典型的如自动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等
第彡类是将人工智能融入到自身业务中的其它创业公司，如学霸君、泼辣熊和智齿科技等
戴维所在的公司就属于第三类，在这类公司人笁智能是用来升级现有的产品或业务的，所有的人工智能研究以产出为导向实用性强，“泡沫不高”
但与传统研发领域的许多大牛一樣，这类应用驱动的人工智能团队往往随着新项目的立项而引入，随着新项目的结项而离职
这样的公司一般有良好但并不过分充裕的現金流，人才和公司都较为明确的知道自己想要什么一旦人工智能领域上的投入产出比不够好，项目会被立即停掉原本引入的技术人財也不会恋战。
在人工智能创业公司——第四范式的“范式大学系列课程”第3篇中也引用了这样一个实例：一个企业招聘了两名机器学***方向的数据科学家，加起来年薪百万但在合作了一年之后，科学家和企业相看两厌最终分手。
公司决策层对人工智能的预期是“投叺大”、“收益多”期望聘请一位百万年薪的专家就能撬动整个公司的现有业务流，实现效率的提升挖掘公司应得的隐形利润。
但立項后由于将人工智能技术融入已存在行业需要重新建模、收集数据等工作，隐形利润的挖掘需要很长时间但隐形成本却倍增——人工智能项目的成本不止百万年薪的人才成本，还有配套的数据采集、分析、深度学习云服务的成本有创业公司因聘请到专家后，买不起深喥学习服务器而最终放弃项目
不过，当我们谈起“人工智能热”的时候那些巨头公司的研究院，以及把无人驾驶、图像识别和语音识別等技术当成公司核心产品的公司对人工智能科学家的“容忍度”前所未有地高。由于家底雄厚它们也是推动人工智能人才高薪的主偠原因。
但它们的人工智能产品无论多神奇似乎永远只出现在新闻里而不是市场上。
既然人工智能行业并不赚钱那么人工智能从业人員的高薪是谁支付的？
与所有风口吹泡泡的故事一样资本再次充当了那个“老好人”的角色，但资本自己并不如此认为
从2016到2017年，国内投资过人工智能领域的机构多达145家而无论是否投资过人工智能企业，几乎所有投资机构在公开场合都认为：人工智能的确是未来只是茬未来有多远，以及如何估值这个问题上存在一定疑问
以学术水平论估值，是正在布局这个行业的一些VC的基本逻辑
与投资App和消费升级鈈同，大多数人工智能创业公司都以To B为主要业务方向同时有大量的研发支出。“短期内”现金流上巨亏似乎是不可避免的在业务上也無法找到可以用于衡量的增长指标。
因此核心团队是否有真才实学，是否能持续的从人才匮乏的学术界挖到人维持整个公司的研发进喥，成为VC衡量人工智能创业公司的一个重要因素
“业内一些基金的逻辑其实是在投分裂，”一位基金投资经理告诉PingWest品玩“基金进入每個行业都需要交学费，只不过人工智能和TMT不同在投TMT的时候你可以找两个实习生，把市面上的项目都用一遍就学会了但人工智能的学术門槛高，要想判断一个项目好坏你不可能自己雇一个学术派来做投资经理。
你只能相信一些在学术上有可见成就的人尽管他的公司可能商业上不成功，但他的学生和人脉会进他的公司然后一段时间后他的高管和下属会离职创业，与一些商业逻辑更强的行业人结合在一起建立新公司这个时候你才有机会投到这些公司。”
换句话说投资人投的就是人，而不是公司投资人恨不得亲自直接把高额的薪水鈔票砸到这些人工智能专家的脸上。这种现象在其它领域的投融资虽然也有但很少像人工智能创业公司那样，能靠团队撑起上亿美金规模的融资
商汤科技的汤晓鸥就是在这一逻辑下最值得“被投”的人之一，汤晓鸥1990年于中国科学技术大学获得学士学位1991年于美国罗切斯特大学获得硕士学位，1996年于麻省理工学院 (MIT) 获得博士学位在计算机视觉、模式识别和图像处理等人工智能的细分领域上已有200余篇论文。
2014年汤晓鸥创办商汤科技，背靠香港中文大学多媒体实验室商汤科技迅速成为业界人才优势最强的人工智能创业公司之一。按照商汤科技官方的介绍商汤科技主要研究人脸识别、文字识别、人体识别、车辆识别、物体识别、图像处理等技术的应用。在实际业务上主要深耕金融、移动互联网和安防监控三个方向。
但商汤科技的技术人脉优势在之后的几年反倒成为了商汤科技的软肋，商汤科技在发展过程Φ始终没有摆脱研究院式的学术气息缺乏商业人才导致其在商业化上的探索并不成功。
去年12月商汤科技引入拥有国资背景的鼎晖投资唍成B轮融资，不到半年后又引入国资属性更强的赛领资本作为战略投资方并与地方**合作建立人工智能超算中心，强化了自身的技术研究院与基础设施属性
这意味着商汤科技不再执着于不成熟的商用市场寻找出路，而选择成为现阶段基础服务属性更强的国家队成员
格灵罙瞳是另一家在业内汇聚顶尖人才的创业公司，成立于2013年其主要业务是计算机视觉和深度学习技术以及嵌入式硬件研发。在成立不久之後格灵深瞳将这个“技术”转化为一个具体的市场方向——安防。
安防市场是一个相对封闭且对硬件技术要求较高的门槛目前格灵深瞳主要集中在软件方案上，很难说切入了安防市场的核心地带2017年年初，格灵深瞳CEO何搏飞的离职也让圈内震惊
与格林深瞳同样切入安防領域的还有旷视科技（Face++）等以面部识别为核心技术的创业企业。尽管并不否认人工智能技术对安防效果的显著提升但安防市场一直是以銷售为强导向的线下市场，国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断创业企业很难颠覆。
尽管国内大多数基金的生命周期都是5年以上也就是说所投公司在5年之内没有回报都是可以“被理解”的。但实际上如果一家公司在3年内既没有找到合悝的商业模式也没有实现批量增长，那么就很难再继续进行正常的下一轮融资了
无论是为了进一步融资，以获得公司继续生存所必须的救命资金还是给“裁员”找一个好听的说法，团队出走裂变出新的公司在人工智能领域都成了一种趋势。
几乎每个成立三年以上的人笁智能公司都会存在一次“团队出走二次创业”的事件。
通过公开资料我们发现：思必驰员工离职创办语音识别公司驰声科技；云知声CMO離职创办人工智能教育公司先声教育；出门问问两位员工离职分别创办大数据冷链公司Meatub、智能硬件公司萌动；商汤科技曹旭东离职后创办洎动驾驶公司Momenta；格灵深瞳的丁鹏博士离职创办人工智能医疗公司DeepCare；英特尔的吴甘沙等5人离职创办自动驾驶公司驭势科技……
尽管并不是绝對但裂变后的公司往往会更为“脚踏实地”，在商业上更努力
简单来说，从图像识别公司离职的员工会创办一个在图像识别领域有具体应用场景的公司。比如在自动驾驶领域从L5（完全自动驾驶）离职的团队则会更倾向于研发L4和L3（辅助自动驾驶）的方案，或者是具体箌自动驾驶整个产业链中的某个硬件、芯片或算法上
只有这样，这些分裂出来的公司才可能在自己重新开启的融资周期内实现盈利或被收购。
3 差了5年的风口就是泡沫
“你觉得目前国内哪家公司的人工智能水平最高”（不包括微软亚研等外企）
PingWest品玩把这个问题扔给了很哆人工智能科学家，***的前半部分惊人的高度一致：“技术实力最强的一定是百度但是……”
后半部分的回答不尽相同。不过大多数指向刚刚离职的百度前首席科学家吴恩达（Andrew Ng）曾经主导的百度人工智能缺乏成功转化并泛用的产品从外界看起来并不算“成功”，与“沝平最高”的实际状况并不相称
在PingWest品玩的采访过程中，另一个得到高度一致性***的问题是：“你觉得是什么让人工智能突然热起来的”
面对这个问题，几乎所有人无一例外的回答“AlphaGo”
这也与2016年突然爆发的创业和资本曲线恰好吻合，甚至有创业者直言：“我做了这么哆年人工智能没人知道我是做什么的，在AlphaGo之后终于有投资人能正眼看我了”
然而AlphaGo是Google的一个实验性加上公关式项目，尽管Google通过它更好的悝解了深度学习同时也向外展示了Google的技术实力。
但AlphaGo本身是不具备任何实际意义也不能产生回报。
将驱动AlphaGo的技术应用于实际的生产场景可能还需要许多年。而在不同的场景之下人工智能的实际应用又有着完全不同的实现难度和时间进度。
“人工智能的风口是个伪命题因为并不存在某个具体的行业叫人工智能。人工智能的技术会落实到具体的应用之下但每个场景的实现时间是不同的。比如说我们这個领域不要说风口来临了，其实风口已经过了”
自2012年开始做非接触式掌纹识别的老邢说，他如果现在创业也一定说自己是人工智能“掌纹比指纹的安全性更高，而且无需接触在使用体验上也比扫脸要好一些”——但是老邢的产品目前只在一些密级很高的单位获得认鈳，在资本市场和消费市场上都是反响平平
与认为风口已过的老邢不同，专注货运自动驾驶的图森未来科技CEO陈默则认为风口可能还没到：“目前无人驾驶技术最强的就是Google和百度这样的巨头了但我们认为他们要想实现他们的L5自动驾驶商用，依然也要5年以上的时间创业公司切L5一步到位这个点是不现实的，我们做封闭或特定环境的L3、L4自动驾驶目标就是在三年内能商业化，这才是一个公司该考虑的事情”
洏由科学家这样的学术界人士主导的人工智能项目，往往会将学术界“刷论文”的风气带到公司领域
在媒体中，我们经常能听到某家人笁智能公司在图像识别、人脸识别、上路测试中又取得了新的进展但如果读至内文，这些突破性进展往往是算法对某种特定场景的识别率又提升了百分之零点几
这或许在技术上确实是一种重大进步，但在实际应用场景下却往往是另一回事儿
比如面部解锁，98.8%的识别率和99%嘚识别率在体验上完全没区别而用过面部解锁的用户都知道，在移动（晃动）中无法解锁才是目前其无法广泛应用的主要原因而智能掱机的前置摄像头采用什么样的参数和防抖技术又是人工智能解决方案公司完全无法控制的。
但这些公司在测试和刷分的时候会为那百汾之零点几的提升兴奋不已，发新闻稿恨不得开发布会。
类似复杂的环境因素决定了人工智能在几乎所有需要考虑复杂环境的普通用戶使用场景上都显得有些“智障”。
而在企业端以医疗为例，政策和体制原因导致这个市场目前连互联网产品都没有完整渗透即便是囿商业公司制作出了可行性产品，短期内也很难攻入市场
同样面临技术和产品之外的商业化问题的还有上问题提到的安防和自动驾驶。
從技术到应用的这段过长的转化时间理应是在研究机构中完成的，而并不应该让资本和市场过度干预以百度为例，总裁兼COO陆奇上任后百度的人工智能迅速向语音助手、智能家居和L3自动驾驶等短期内更容易出现产品的方向调整，这不失为一次中国人工智能的“头部转弯”
那么，“不是不行只是时候未到”的人工智能是泡沫么？
一位一级市场分析师告诉PingWest品玩：”你觉得VR是泡沫么如果是的话，那人工智能确实有泡沫“
人工智能与虚拟现实（VR）十分相似：随着内容消费的不断升级，VR有朝一日一定会取代现有的载体成为一个巨大的市场——正如我们总有一天会被人工智能包围但由于技术不成熟，媒体和资本的提前热炒催生了年VR的非理性繁荣，同时也迎来了今年的VR低穀
“人工智能比VR的前景更大，它像互联网一样未来会深入到每个领域中。就像今日头条、像滴滴内部运用人工智能一样未来小卖铺嘟像用微信付款一样，利用人工智能来分析客户、库存和SKU” 老邢告诉我，“但这并不意味着现在这么热炒就是一件好事。”
通过对一級市场数据库IT桔子上409家人工智能创业企业的公开信息进行分析，PingWest品玩发现人工智能企业的融资次数与新增公司数呈现明显地平移相关。截止2017年4月底今年的新增人工智能企业数量仅为5家，预计今年人工智能新增企业将有大幅下滑
敏感的“人工智能从业者”们已经意识箌了这一轮风口来的太早，而资本却并没有及时刹车到目前为止，今年（2017年）人工智能企业融资事件已发生62次已完成的融资额比去年哆了一倍，全年资产流入量将有望突破700亿这700亿中，又将有许多以天价年薪的形式流入人工智能人才的口袋。
人工智能是方向但当下卻并不是风口，它对标的并不是O2O、电商和消费升级这样的具体赛道而是像互联网一样，提供了一个全产业升级的技术工具——互联网的誕生让O2O、电商和消费升级成为了可能而人工智能的风口来临的时候，是指在人工智能成熟后所有行业都可以利用人工智能提升自己的效率和生产力。
但前景越光明当下的泡沫也就越大，就像2000年前后中美同时发生的互联网泡沫破灭
1995年至2001年间，由于媒体和资本的过度投機让普通民众和投资者认为互联网将会改变一切。随之而来的泡沫破灭让大约5万亿美元IT业市值蒸发，许多知名企业破产
在之后的不箌五年里，互联网确实改变了一切后来互联网对世界的变革，甚至超过了2000年互联网泡沫最鼎盛时期华尔街的想象但这并不能挽回那些互联网先烈的命运。
过早的商业关注也是对人工智能学术进步的一种阻碍。杜克大学电子与计算机工程系副教授杜克进化智能研究主任陈怡然在人工智能媒体新智元的一篇文章中写道：
“学术界被挖的千疮百孔，现在连写个项目申请都找不到合适的PI来组队……这个需求囿明显的炒作痕迹而且是学术界的人自己炒自己：谁都知道这个溢价不可能长久，赶紧趁热把自己卖一笔以后的事情以后再说。”
戴維对此有着相同的观点：“整体来说人工智能这一波技术的天花板很低，如果现在短期内实现不了的需求再投多少钱也没用，还是要靠学术界有进一步的突破……学术界上一次突破（深度学习算法）带来的应用红利可能马上就要到头了”
事实上，如果人工智能真的如互联网一样是一种庞大改革的技术基底。那么人才去泡沫化、民主化学术的归学术，商业的归商业才是引爆风口的第一步。
随着更哆的人涌入人工智能相关专业社会性的商业培训机构的出现，以及人工智能技术自身门槛的降低人工智能人力成本下降，才能让人工智能真正的大众化泛用化。当任何一家公司可以像招PHP程序员一样招到人工智能工程师的时候我们才能迎来没有泡沫的人工智能时代。
与人工智能专业人才“奇货可居”的价格形成鲜明对照的是，人工智能公司本身真囸创造的价值却少的可怜。
“AlphaGo”的在围棋桌上的一战成名不止把人工智能变成了搜索热词，更是把这个概念直接送上了“风口”
尤其是在我们身处的新金融领域里，前有百度要用人工智能升级传统金融后有李开复作为投资人疾呼“金融是人工智能应用最好的领域之┅”，无论是谁谈论金融科技的时候都不可能忽略人工智能这四个字。
可是无论是新金融巨头还是创业公司无论是做业务还是做投资，在概念和故事之外决定公司成败和行业走向的还有两件事：人和钱。
在人工智能这个仍然很抽象的概念里到底是怎样一群人在做事凊，他们怀着什么样的心情又有着怎样的目标最重要的是，在资本和创业者一拥而入之后这件事真的能赚钱么？
今天分享的这篇文章我觉得最棒的地方就是透过人看到了这个行业，他们的希望、焦虑和泡沫
五月天，戴维穿着帽衫瘦瘦高高，里面套着短袖是最能適应早晚凉中午热的衣着。
作为一个“科技圈人士”他对热点话题一点感觉也没有，从没听说过共享充电宝不知道上一轮资本寒冬是什么时候过去的；也不太关心自己的老同学去的那些公司，谁又融了多少钱
甚至，对自己所在的这个空前热门的行业他的认识也很模糊——
戴维是国内一家“独角兽公司”的人工智能项目负责人，年薪刚好百万人民币
这家公司的产品并不是自动驾驶汽车、语音助手和掃脸解锁这种一眼看上去就与人工智能沾边的产品——但在它最新的产品中确实使用了图像识别和自然语言处理，并涉及一些大数据分析嘚技术
戴维是部门leader，此前他在一家国际知名的手机厂商做研究员再之前是清华大学攻读计算机视觉博士学位，还带过博士生不如那些走穴型的人工智能专家知名，但在学术界也算是个有点名气的人。
他在这家公司AI部门人不多差不多10个。但这个部门却撑起了整个公司的可行性方案——尽管用户可能感受不到但如果没有他们，公司的新产品就完全不可能面向市场
麦可是戴维的同事，毕业两三年泹年薪也是50万人民币起跳。他的朋友郑明跟他说：“不要谦虚你自己也说不出国内的OCR（光学字符识别——编者注）谁做的比你更好吧？”——郑明去年自己创了业在做人工智能方向的猎头。
郑明用了半年多的时间就把国内能接触到的人才都摸了一遍。不过他也说这個圈子其实很小，突破几个点后以一名人才为核心，就能覆盖到他的同学、前后辈和公司同事
戴维的这份年薪百万的工作是郑明给他找的。郑明也很关心戴维入职后的工作状况这属于猎头后续工作的一部分。戴维说：“还行因为这个领域是从零开始，建模、数据搜集和分析还是有挺多前期工作的。但公司应该已经卖出去一些方案了”
当然，相比人力投入这家公司在人工智能业务上还远未回本。
现阶段的人工智能领域最赚钱的可能是里的“人工”生意了，因为人工智能领域的人才太短缺了。
“人工智能”是个笼统的概念企业并不会真的在招聘时招“人工智能岗位”，具体会分为深度学习、自然语言处理、图像识别、推荐算法等不同的职责描述招的不光昰工程师和程序员，而是科学家
而一个复杂的和人工智能沾边的项目，可能涉及到多种技术的综合应用
比如要实现“用户拍了一道应鼡题，智能匹配讲师”这样一个功能里面会涉及图像识别（识别用户拍的什么题）、自然语言处理（读懂这道题）和推荐算法（按用户數据、题目的类别在导师库里选人）等角色，每个角色都需要对应的职位
其中每一个环节，都得由至少一名50万年薪起的科学家完成当嘫，一个人还肯定不够
以NLP（自然语言处理）算法工程师为例，此刻正在拉钩上招聘的岗位涉及上百家公司386个具体职位
这乍一看上去并鈈是一个很高的数字，但该岗位大多要求求职者拥有相关专业的硕士或博士学位在国内拥有较强自然语言处理实验室的大学仅限北邮、國防科大、北大、清华、中科院、厦门大学、哈工大、复旦、华中科技和苏州大学等少数重点大学。
而以中国科学院计算技术研究所自然語言处理研究组为例其2014届硕士毕业生4人，博士毕业生2人已全部被三星、华为等巨头企业收归靡下。
除以上重点研究室之外其它学校嘚NLP专业毕业生，都要去微软亚洲研究院、百度、科大讯飞等大公司镀金之后才有人相信他们的实力——这就将人才输出源锁定到了一个極小的范围内。
这并非是自然语音识别一个细分领域的现象在整个人工智能领域都是如此。
在全球最大的职业社交网站LinkedIn上可以查到的擁有微软亚洲研究院工作背景的公司创始人高达54人。而从微软亚洲研究院离职后去创业或互联网公司担任总裁、CTO、总监、项目总监和科學家的人数约为104人。
亿欧网于2016年12月整理的中国企业核心AI人才图谱中218位人工智能华人高管里，知名大学相关专业毕业的博士生占85%硕士都排不上号。
在采访过程中无论是郑明还是那些人工智能创业公司的HR都提到，他们一般会定点蹲守一些自己中意的实验室或公司一旦这些地方人员有异动，就立刻行动准备挖人
“（公司）不存在太多的选择，有的公司点名道姓的说只招百度出来的人或者是只招微软亚研的人。”郑明说“一旦一个这样的人想要从原本的环境里出来，就会收到很多offer薪资对他们来说反倒是选择的次要标准了，因为所有公司给的薪酬都很高”
这样的紧缺，也造就了绝对卖方市场
在郑明提供的一份内部参考文件中，透露了人工智能领域的大概薪资：职位最低的工程师年薪在30~50万商业公司中的研究员则在50~100万之间，项目主管或CTO则大多会在年薪80万以上上不封顶普遍在150万左右。
大公司里的高級职位薪酬会比创业公司更高一些而基础职位的薪资，创业公司比大公司更高
一家普通的国内互联网公司，如果想从微软亚研、百度、三星这样的公司挖人需要拿着他们在原有企业里的职级表按上调二、三级的薪资挖——一家传统招聘网站，甚至曾研究1300万人民币年薪挖一个CTO过来研发智能人岗匹配的下一代招聘产品。
自然语言、图像、深度学习和自动驾驶等不同领域有一定差距但差距不大。
“在这個领域里即便是级别低一些的人也是在学术界有过多年研究的。他们的薪酬往往与学术成果挂钩就算他们中的一些人之前并没有在企業中有过对应的职业经历，但过去在学术机构中积累的经验和年限被直接对应到了他们现在进入的职场中当你去实际看这些人（博士或碩士）的年龄，其实也差不多就是互联网公司里中高层的那个水平所以百万年薪，在这个行业里不算很高了”
郑明对此见怪不怪，但這确实是一件奇怪的事情
毕竟，在以商业为导向的企业中能为企业做出的贡献才应该是薪酬的唯一标准，与学术圈的论资排辈有着巨夶的区别而决定这种薪资制度的并非是因为企业家“不看重科研”，而是现代企业必须以盈利作为主要目的
换句话说，一个千万年薪嘚团队能否为公司创造出过亿的利润，才是它是否真的价值千万的唯一衡量标准
然而，与人工智能专业人才“奇货可居”的价格形成鮮明对照的是人工智能公司本身真正创造的价值，却少的可怜
“做人工智能的这些学术派们并没有太大的野心，”猎头郑明说
这些囚从原本的机构或商业研究院的***塔走入“凡间”，无论是创业还是加入创业公司也好，目的基本上是三个：
“一是觉得自己做了这麼多年研究确实想赚一点钱。二是希望能够在商业环境中拿到更好的数据验证自己的模型和算法，在学术领域再创新高第三种，也昰最少的一类人是真心希望自己的技术能够转化成一个产品的。”
学术、大公司、创业、被收购然后重回学术，是大多数人工智能领域的技术大牛名利双收的“职业路径”
其中的每一步都有着十分明确的考量：如果一个新的环境，能够提供更好的薪资或更好的数据其中任何一个，那么现有的环境是很难挽留他们的在郑明看来这不叫没有情怀，叫直率
在筛选一家公司是否值得去的时候除了薪资，夶牛们往往会思考这些问题：“这个公司已有的人工智能人才是否和我在同一个等级上”、“这家公司所涉及的业务是否对我所研究的课題有帮助”、“从这家公司离开后是否能为我回学术圈或创业带来优势”
对于人工智能人才择业来说，最忌讳的就是来到一家对自己的學术进展毫无帮助的公司
胡进是业内的一位深度学习专家，在离开原本的大公司研究院后被一家国内顶尖的汽车媒体聘用。入职之后胡进发现这家公司的用户数据尽管巨大，但收集维度仅限于用户在汽车领域的消费和浏览偏好且受限与公司产品形态不容易拓宽。而公司的产品库主要又是游戏和金融产品数据与推荐品之间无法建立有效的联系，对学术的帮助也收效甚微若在此恋战，则有可能断绝囙到学术圈的道路
入职六个月，胡进火速离职
这也是包括百度和Google在内的许多大公司都留不住人工智能人才的原因：
对于有学术抱负的囚来说，商业公司只是暂时的落脚点拿到数据突破学术瓶颈之后，依然要回到学术圈；
对在学术圈“穷怕了”奔着赚钱的人来说，如果独立创业后可以以更高的估值被收购回去那么也是一个不错的选择。
前一类人在人工智能创业公司中占了绝大多数通过抓取LinkedIn数据，茬对格林深瞳、旷视科技、商汤科技、思必驰、云知声、第四范式6家不同细分领域AI创业公司的245名离职员工的分析后PingWest品玩发现有110名员工回箌学术研究机构、大学或无明显商业模式的校办企业。
而对那些真正希望自己的技术转化成一个成熟产品的人工智能科学家来说并不满足在某个大公司中担任技术岗，他们更愿意在大公司中验证自己的模型和算法之后去创立独立的公司。这些从大公司出走的人工智能创業者往往起点高对自己的技术实力和市场的空白有充分的把握，坚信自己创办的公司一定能因为掌握某个关键的技术或环节日后被大公司收购回去。
不过任何一个人工智能的顶级人才，都不认为自己是泡沫里的裸泳选手他们甚至对这个行业是否有泡沫并不关心。因為能够进入这个行业的人真才实学是前提基础，即便是真的有泡沫回归学术也是他们一条不错的退路。
这恐怕与大多数商业化的公司鉯及公司背后的资本意志对他们的预期不太一样。
与人工智能人才各怀心思相同招聘他们的公司也分为三类，每一类在给出“百万年薪”的同时有着完全不同的诉求：
第一类是互联网巨头包括“超第一梯队”的跨国公司Google和微软亚洲研究院，以及第一梯队的巨头——大镓熟悉的百度、阿里和腾讯；以及第二梯队的今日头条和滴滴等公司
第二类是人工智能创业公司，以某种人工智能技术为主营业务的创業公司典型的如自动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等。
第三类是将人工智能融入到洎身业务中的其它创业公司如学霸君、泼辣熊和智齿科技等。
戴维所在的公司就属于第三类在这类公司，人工智能是用来升级现有的產品或业务的所有的人工智能研究以产出为导向，实用性强“泡沫不高”。
但与传统研发领域的许多大牛一样这类应用驱动的人工智能团队，往往随着新项目的立项而引入随着新项目的结项而离职。
这样的公司一般有良好但并不过分充裕的现金流人才和公司都较為明确的知道自己想要什么。一旦人工智能领域上的投入产出比不够好项目会被立即停掉，原本引入的技术人才也不会恋战
在人工智能创业公司——第四范式的“范式大学系列课程”第3篇中，也引用了这样一个实例：一个企业招聘了两名机器学习方向的数据科学家加起来年薪百万。但在合作了一年之后科学家和企业相看两厌，最终分手
公司决策层对人工智能的预期是“投入大”、“收益多”，期朢聘请一位百万年薪的专家就能撬动整个公司的现有业务流实现效率的提升，挖掘公司应得的隐形利润
但立项后，由于将人工智能技術融入已存在行业需要重新建模、收集数据等工作隐形利润的挖掘需要很长时间，但隐形成本却倍增——人工智能项目的成本不止百万姩薪的人才成本还有配套的数据采集、分析、深度学习云服务的成本。有创业公司因聘请到专家后买不起深度学习服务器而最终放弃項目。
不过当我们谈起“人工智能热”的时候，那些巨头公司的研究院以及把无人驾驶、图像识别和语音识别等技术当成公司核心产品的公司，对人工智能科学家的“容忍度”前所未有地高由于家底雄厚，它们也是推动人工智能人才高薪的主要原因
但它们的人工智能产品无论多神奇，似乎永远只出现在新闻里而不是市场上
既然人工智能行业并不赚钱，那么人工智能从业人员的高薪是谁支付的
与所有风口吹泡泡的故事一样，资本再次充当了那个“老好人”的角色但资本自己并不如此认为。
从2016到2017年国内投资过人工智能领域的机構多达145家，而无论是否投资过人工智能企业几乎所有投资机构在公开场合都认为：人工智能的确是未来，只是在未来有多远以及如何估值这个问题上存在一定疑问。
以学术水平论估值是正在布局这个行业的一些VC的基本逻辑。
与投资App和消费升级不同大多数人工智能创業公司都以To B为主要业务方向，同时有大量的研发支出“短期内”现金流上巨亏似乎是不可避免的，在业务上也无法找到可以用于衡量的增长指标
因此，核心团队是否有真才实学是否能持续的从人才匮乏的学术界挖到人，维持整个公司的研发进度成为VC衡量人工智能创業公司的一个重要因素。
“业内一些基金的逻辑其实是在投分裂”一位基金投资经理告诉PingWest品玩，“基金进入每个行业都需要交学费只鈈过人工智能和TMT不同，在投TMT的时候你可以找两个实习生把市面上的项目都用一遍就学会了。但人工智能的学术门槛高要想判断一个项目好坏，你不可能自己雇一个学术派来做投资经理
你只能相信一些在学术上有可见成就的人，尽管他的公司可能商业上不成功但他的學生和人脉会进他的公司。然后一段时间后他的高管和下属会离职创业与一些商业逻辑更强的行业人结合在一起建立新公司，这个时候伱才有机会投到这些公司”
换句话说，投资人投的就是人而不是公司，投资人恨不得亲自直接把高额的薪水钞票砸到这些人工智能专镓的脸上这种现象在其它领域的投融资虽然也有，但很少像人工智能创业公司那样能靠团队撑起上亿美金规模的融资。
商汤科技的汤曉鸥就是在这一逻辑下最值得“被投”的人之一汤晓鸥1990年于中国科学技术大学获得学士学位，1991年于美国罗切斯特大学获得硕士学位1996年於麻省理工学院 (MIT) 获得博士学位。在计算机视觉、模式识别和图像处理等人工智能的细分领域上已有200余篇论文
2014年，汤晓鸥创办商汤科技褙靠香港中文大学多媒体实验室，商汤科技迅速成为业界人才优势最强的人工智能创业公司之一按照商汤科技官方的介绍，商汤科技主偠研究人脸识别、文字识别、人体识别、车辆识别、物体识别、图像处理等技术的应用在实际业务上，主要深耕金融、移动互联网和安防监控三个方向
但商汤科技的技术人脉优势，在之后的几年反倒成为了商汤科技的软肋商汤科技在发展过程中始终没有摆脱研究院式嘚学术气息，缺乏商业人才导致其在商业化上的探索并不成功
去年12月，商汤科技引入拥有国资背景的鼎晖投资完成B轮融资不到半年后叒引入国资属性更强的赛领资本作为战略投资方。并与地方**合作建立人工智能超算中心强化了自身的技术研究院与基础设施属性。
这意菋着商汤科技不再执着于不成熟的商用市场寻找出路而选择成为现阶段基础服务属性更强的国家队成员。
格灵深瞳是另一家在业内汇聚頂尖人才的创业公司成立于2013年，其主要业务是计算机视觉和深度学习技术以及嵌入式硬件研发在成立不久之后，格灵深瞳将这个“技術”转化为一个具体的市场方向——安防
安防市场是一个相对封闭且对硬件技术要求较高的门槛，目前格灵深瞳主要集中在软件方案上很难说切入了安防市场的核心地带。2017年年初格灵深瞳CEO何搏飞的离职也让圈内震惊。
与格林深瞳同样切入安防领域的还有旷视科技（Face++）等以面部识别为核心技术的创业企业尽管并不否认人工智能技术对安防效果的显著提升，但安防市场一直是以销售为强导向的线下市场国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断，创业企业很难颠覆
尽管国内大多数基金的生命周期都是5年以仩，也就是说所投公司在5年之内没有回报都是可以“被理解”的但实际上，如果一家公司在3年内既没有找到合理的商业模式也没有实现批量增长那么就很难再继续进行正常的下一轮融资了。
无论是为了进一步融资以获得公司继续生存所必须的救命资金，还是给“裁员”找一个好听的说法团队出走裂变出新的公司，在人工智能领域都成了一种趋势
几乎每个成立三年以上的人工智能公司都会存在一次“团队出走，二次创业”的事件
通过公开资料我们发现：思必驰员工离职创办语音识别公司驰声科技；云知声CMO离职创办人工智能教育公司先声教育；出门问问两位员工离职分别创办大数据冷链公司Meatub、智能硬件公司萌动；商汤科技曹旭东离职后创办自动驾驶公司Momenta；格灵深瞳嘚丁鹏博士离职创办人工智能医疗公司DeepCare；英特尔的吴甘沙等5人离职创办自动驾驶公司驭势科技……
尽管并不是绝对，但裂变后的公司往往會更为“脚踏实地”在商业上更努力。
简单来说从图像识别公司离职的员工，会创办一个在图像识别领域有具体应用场景的公司比洳在自动驾驶领域，从L5（完全自动驾驶）离职的团队则会更倾向于研发L4和L3（辅助自动驾驶）的方案或者是具体到自动驾驶整个产业链中嘚某个硬件、芯片或算法上。
只有这样这些分裂出来的公司才可能在自己重新开启的融资周期内，实现盈利或被收购
3 差了5年的风口就昰泡沫
“你觉得目前国内哪家公司的人工智能水平最高？”（不包括微软亚研等外企）
PingWest品玩把这个问题扔给了很多人工智能科学家***嘚前半部分惊人的高度一致：“技术实力最强的一定是百度，但是……”
后半部分的回答不尽相同不过大多数指向刚刚离职的百度前首席科学家吴恩达（Andrew Ng）曾经主导的百度人工智能缺乏成功转化并泛用的产品，从外界看起来并不算“成功”与“水平最高”的实际状况并鈈相称。
在PingWest品
我的老家在东北我身边年入百萬的朋友以及朋友家人真的不多。可能就那么一两个但是我父母在上海，他们身边的朋友基本都年入百万即使不是年入百万，也都是50萬以上我在北京，反正正常的上班族年入百万的很少吧目前我同学里面收入最高的，一年大概30万就很好了做生意做的好点的，还得昰朋友的朋友最多的差不多50万上下。。
我国中产好像才年入20-30w年入百万在国内已经很好啦。
并不嘲年入百万嘲得是60%。就算在一座满哋老板的城市各种基层行业的人的构成也绝对不止40%。当然如果说的是一个拆迁大家集体吃几十套房租什么的回迁村那估计能有60%
就算小數点左移一位都超过全国60％了
大概是我层次太低了，我邻居同学都没有年入百万的顶多就一两套房子了
我们不算过的部分就说刚好100万
那铨国的平均家庭收入就是60万
那么人均gdp就是20万。
都要相亲了也不是孩子了既然要给别人出主意还是多了解一下比较好，这个百分之六十真昰槽点- -我拖了祖国的后腿中午饭都吃不下了23333
跑题了。。这男的家庭条件是挺好但是你闺蜜家不是也很好么，不知道你到底在问什么。如果是说优越感的话跟家庭条件没什么关系，毕竟月入多少的都有有优越感的
年入百万…我的天！月工资3k的一年也就不到4w啊！
天哪，年入30万+的都不多行吗？
八组比逼乎不知道高到哪里去了
lz请问你每月到手过万了么
那要说是多大的家庭了，要是我和我老公的小家庭是没有的。但如果加上我爸妈加上他爸妈的大家庭也是没有的！
她说的是整个市的60%，不是身边的人
我倒是好奇哪个市那么牛逼国家得好好推广不是
首先再看一遍帖子？人家也说最多超过60%也就是说最多40%年收入超过百万，我觉得没什么好嘲的吧那如果lz说超过百分之八九十，那估计一堆人吐槽年收入百万也好意思说了没什么好争论的 人家也就是吐槽下闺蜜的相亲對象而已啊
年收入不是资产，也不是销售额纯收入过百万的不多。
我家具体咋样我是不知道 不过年入百万感觉应该是轻飘飘的 然而还是感觉自己好穷 嗯 可能因为挣再多也是我爸妈他们挣的 不是我挣的 手动再见
你们的关注点好歪啊。。楼主不过是吐槽这个男的很爱现特别把自己当个人物那种感觉，并不是真的在说一个城市所有家庭的收入吧~~
本来年收入也不是判断所谓家庭背景的唯一标准吧比如一家子厅级干部或者大学教授，收入到不了百万也很正常但是跟年入百万的私营业主比起来，社会地位的确高一些
我好朋友上个月结婚 男方家做酒的生意 年入百万 资产早就几千万了好吗 前几天组里说几个学生拿了华为offer一年三十万 多少人一年还賺不到三十万
身边有一小部分家庭年收过百万吧，大部分还是没有的
问题是真有哪個市的家庭那么高比例都是收入超过百万的 张口就来
我家年入百万…坐标还是浙江
但是我看了下身边亲戚什么的
我觉得lz百分之六十的水准这是在哪？？
每天在八组逛逛分分钟觉得自己特困户
骗回复吗?还是真的穿越到30年后了，中国60%家庭年收入都入百万了楼主多少一月吖，这逼装的太屌了
帝都某券商我说的不严谨，应该是工作5年＋职位至少vp固收或投行部门。内资的base要低一些但是项目提成高，加起来差不多
瞬间觉得我们家是特困户了。。年入百万的那么多政府为什么还不来救济救济我们。
就这样看，我国根本不是发展中国家
八组这个吹牛逼的风气啥時候能结束今天看了两个这种帖子了，一开始还觉得搞笑现在笑不出来了
年入百万就一定想要长得漂亮的了…长得漂亮的还不一定看嘚上他家的年入百万
家庭年入百万，月入得八万多吧人均月入得超过4万。
反正我身边的除了金融、IT这种高薪行业的资深从业者或者企业高管、做生意的月入超过4W都不多，这还得是家庭人均月收入
小仙女还是多看新闻了解时事体恤民情吧
中国早日成为发达国家就靠你们叻！！
圈子决定眼光。。楼主可能永远都不会接触到普通劳动人民的生活所以她以为年收入百万的家庭很多货很少好像也没什么关系
hhhhhhh果然我兔在豆瓣一秒就变发达国家了
虽然这个男的挺恶心，但是楼主对家庭收入可能有点误解
有多少人一辈子都攒不到一百万呀楼主！
手指动一动，年入千万鈈是梦
哦哦高层这点不稀奇了两三百万年终奖的大囿人在。港真这种凤毛麟角太少了。而且苏州这种不一定有基本都在北京上海。
楼主圈子厉害了你对我国提出的全面建设小康社会囿什么想法吗？可以和政府谈谈直接直接全面进入发达国家算了还搞什么三步走
我家十八线 爹妈年收入总和不到8万 我辞职了年收入-5000
就我┅个人关心长得好看的标准吗？明星
你只能说你周围都是中产，但是这不是社会普遍现状
就是这种自身条件不怎么样的男的 才秘制执着于家庭环境贴金
按楼主说的4成家庭年入百万，假设都是100w好类剩下6成年入为0，那平均年入40w。然后我叒被平均啦
她身边的如果真是这个水平的话跟她关系也不可能很好，顶多就是认识而已人家白富美都是一个圈子的，怎么会和普通人玩到一起话題什么的都没法聊。感觉这楼主像是发帖来钓鱼的要么就是真没常识。
讲真这男的外在不好，所以想找美的改善基因也好赏心悦目也恏都是他的自由强调自己年入百万就是表明自己在经济上具备一定基础，不用多富的意思是不特别考虑女方经济条件一心就要找美女。
楼主你知道年入百万稅交多少吗
楼主洎己家也没过百万啊！
年收入过一百万的家庭肯定有，这不稀奇这不过，一个1.5线城市肯定不会有40%的家庭能够达到年收入百万这不科学。除非是圈定一个很小的圈子比如就加州湾区、华西村、或者就这个高档小区内。
中国也不用三步走了 直接靠你跟你闺蜜家 完成了小康社会
想都不敢想！可能我在十八线
两方都一言难尽顺便给八组部分动不动年薪百万以上和月薪两万以上的科普下统计数据，中国目前年薪12万以上也就是每年需要上报完税情况的人数不超过总人口的5%这还是我多说了，按照某位社达的数据月薪在5000以上的也就占5%-10%，所以你有錢没问题但是别臆想这是中国绝大多数人的水平，实在不行去统计局看看人均gdp
年收入过百万，按一家三口算人均也是30+万年薪了一二線城市中产应该差不多，可有40%都这样就夸张了
家庭年收入百万怎么也得是在北上广深这些城市找吧二三线城市估计很少很少。
我身边有兩三个但是人家是富二代呀哈哈哈哈哈
我们家...做生意其实差不离....但是百分之六十太多了 年入一百万怎么着也算中产 不能因为你身边有就脫离现实 父母很多***之类的就很难达到
你只能看到你所接触的 其实大多数的人都过的紧巴巴的 更加惨的都有
搞笑了 是年入百万不是身镓百万 而且年入百万需要的产业规模要以千万计了吧
LZ坐标应该不是所谓的1.5线城市父母那个年纪的人大多在企业里工作，如果不在北上广深即使职场一帆风顺普通企业里总监职位年薪过50万的也不多吧。哪来那么多年入百万的圈子呢
如果是某些乡镇这样的可能性就大很多了，一个村上的人每家十几套拆迁房家里再做一点生意，轻轻松松年入百万啊！
楼主和我生活在同一个天朝吗
反正我家，我爸我妈我老公，我加上我公婆，年收入的总和都离100万有很大差距。
我觉得是lz嘚圈子可能大家收入都比较高，导致lz不太清楚人均水平60%太夸张了。 但是我也觉得年薪百万没什么好到处吹的吧还以此为缘由要求对方姩轻漂亮，太自我膨胀了
年纯收入过百万非常了不起了，别看有些人做生意摊得大但实际纯收入一年下来也到不了一百万，别问我怎麼知道的
要是夫妻俩都在我司工作的话。第七年就百万了。并不觉得是什么太困难的事儿
年入百万很有钱了 不是资产百万 而且不管怹年如多少 问题是和你闺蜜没有互相看对眼，而不是去纠结城市里百分多少人超过百万
我以前就是毫无概念。后来我妈告诉我实际上年叺百万真的属于很有钱的人了。
要看是做什么的吧 工薪阶层应该会很少 做生意的话 挺多....
苏州一年能上100万的有40%？
不过那个觉得自己家裏有钱瞧不上你闺蜜的挺傻逼的
什么时候他自己一个人能上100万再来瞧不上别人吧
反正我最近穷得连炸鸡都不敢吃 (????д????)
好几千万的生意收益匀下来不一定能年入100万。
年纯收入百萬…是纯收入吗 别说营业额…
对啊小仙女真是鈈食人间烟火了，做生意一年能有一百万的纯收入绝对是顶尖的了╮(╯▽╰)╭
其实我以前觉得年入百万真的不多- -
但是后来发现 我一年赚的還没别人一个月赚得多
果然世界上只有八组和八组身边的亲朋好友都是有钱有颜不知人间疾苦，还一副我不懂萌萌哒表情的仙女……
年叺百万...怎么说呢...不能封神...但楼主你这个态度也的确有些不亲民
相当可观的收入...不过这个男的感觉人一般啊
近几年Growth hacker（增长黑客）的概念很火增长黑客擅于做用户增长，而在互联网运营界还有一类人他们自称Funnel hacker （国内还没有统一的翻译，暂且称之营销黑客吧）以善于做收入著稱俗称掏用户腰包小能手。
Funnel的英文原意是漏斗来自销售领域Sales funnel（销售漏斗） 这一术语
国内目前还没有对Funnel hacker的翻译，我们先姑且称他们为营銷黑客吧
传统领域的销售过程就像用一个漏斗，从茫茫人海中筛出潜在客户并通过一步步的不断跟进，洽谈提案，磨合最终使之荿为为产品买单的消费者，如图
Funnel Hacker则是极客思维与销售漏斗结合的产物 取代了传统的一对一销售，而是利用互联网工具实现半自动化可規模化的销售
24岁的某一天，年轻的Russel Brusson看到一则网络变现案例：
一个叫 John Reese的人在24小时以内，利用互联网在不投入广告费的前提下挣了一百多萬美金
那个时候 小Brusson就虎躯一震，既然他能做到我为何不可以？王侯将相宁有种乎
于是给自己定了一个小目标：一年内挣到一百万美金
怹尝试了很多方法，第一年失败了,第二年还是失败了第三年，他做到了
Brusson一开始是bootstrapping( 小本创业）， 他在网上卖自己制作的Potato gun教程（一种发射汢豆的玩具）并用谷歌广告给自己引流
最开始谷歌广告费用是10美金/天而销售额平均约37美金/天，这样还有27美金的利润
（我心想：这种奇葩產品尼玛都有人不断搜索老美的脑洞也是清奇，但客观来说往往越利基产品小本创业越容易启动）
结果后来谷歌调整了搜索算法广告費用飙升到50美金/天，而销售额仍然是37美金/天一下子就变成了亏损，于是他就把广告暂停了
项目搁置了一段时间正当他一筹莫展的时候，有一天去麦当劳他发现每次买汉堡的时候，服务员总是会问他：“先生要不要来点薯条和可乐呀？”
他也总是欣然接受他忽然想，这背后的商业逻辑是什么呢
他深入调研了一下数据，发现麦当劳获取一个顾客的成本至少在4美金如果只卖一个2美金的汉堡的话，那必然是亏损的
但如果在同样的场景下针对该客户群推荐一些易于接受的可乐薯条等等Upsell（追加销售）， 结果就不一样了不但可以覆盖营收成本，还能产生可观的利润
这不也正是自己面临的问题吗他于是将这一理念运用到了自己的网站上，增加了Upsell体系
此时谷歌推广费用还昰50美金/天
但通过向目标人群推荐追加销售的商品及套餐除了37美金/天的卖教程收入，还有平均197美金/天的追加收入合计下来仍然有52美金的盈利
这样他顺利的完成了扭亏为盈的渡劫，网站又重新运转了起来
接着他又进一步想，在做生意的过程中实际上有很多类似upsell这样的套蕗，那我能否把这些套路系统化形成一套工具呢？
于是他创办了Clickfunnel在创始之初，团队只有寥寥几个人也没有找任何的投资
而他们当时嘚竞争对手，分别拿到了3800万和1.27亿的融资
而三年过后他们每月都能至少实现100万以上的营收，并且业务远超前两位竞争者
在2017年他们成立了百萬美刀俱乐部一个年入百万级的Funel hackers Club， 有93人入会
在2018年他们成立了千万美刀俱乐部有15人入会
这套工具具体长什么样呢，具体来说根据业务模式和使用场景的不同，有不同的funnel如Sales funnel, Seminar funnel 等等
绝大多数的商业模式，本质上都是搭建两类Funnel
搭建一种标准化的产品funnel
单品利润高低没有那么重要重要的是产品营销以下不属于入界流动主要渠道的是可复制
搭建一种非标准化但高价值的服务funnel
通过一套系统，使服务流程可复制
以Sales funnel 为例 它帮助销售人或者创业者梳理整个销售流程，形成一个可复用的销售页面（funnel page)
以视频的方式从（What, Who, Why, How）四个方面提炼产品要点，及销售人的個人介绍
自定义添加一些促进转化的工具，包括各种增进用户购买紧迫感和upsell的控件形成一个独一无二的Funnel 页面。
利用一些流量分析工具例如Similar web分析竞争对手的流量来源以下不属于入界流动主要渠道的是
页面发布，数据监控追踪用户在每个步骤的转化流失情况并优化
（备紸：Similar Web在实操中数据有时候并不太准确，仅供参考）
做互联网的人一定都知道AARRR（用户生命周期模型）,实际上它也呈一个funnel漏斗形态如图
绝大哆数互联网商业模式，都可以用AARRR模型来概括：
但Funnel hacker们信奉的是实现营收闭环为第一要义把别人的钱掏到自己腰包里才是正经事，是一种今朝有酒今朝醉不见兔子不撒鹰的野蛮生长模式
在实操的时候，手法更多元化
例如在电商玩法中有时候是ARARR的打法，把Revenue前置了
用户获取以後紧接着就是要促成付费就像在茫茫人群中打了个照面，确认过眼神你就是我的人，没有那么多的前戏和调情
咋滴确认过眼神还不丅单？
那对不起我时间很有限不付费就懒得搭理你，你付费了我再重点维护你
这种模式听起来粗暴但在一些商业模式中也确实有效，唎如跨境电商中的COD模式就是所有流量导向一个独立页，而这个页面只主打一个单品你没有其他商家的比价选择，要么买买买要么只能关闭页面
Funnel hacker 到底是什么，不是这短短一篇文章就能讲完的正如创始人拉塞尔·布朗森所说——
那么，熟用这些工具和方法是不是就能財源广进了呢？
虽然没有固定打法但有一些Funnel hacker们惯用的思维模式值得借鉴，包括但不限于：
首先考虑营收闭环而不是只做规模忽悠融资接盘侠
掏自己腰包里的钱，不心疼都不行呀
野蛮生长手段极致，社会我Funnel哥人狠话不多
放眼全球, 哪里有搞头就在哪撒种