2016 年第一季度的创业形势依然不是很好。这一季度获得风险投资的公司数量是 2011 年第二季度以来的最低值，金额也不及去年同期。
2011 年到 2016 年第 1 季，美国市场风投投资数量和投资金额变化趋势
但 AI（人工智能）领域是个例外。过去 3 年里，超过 60% 的 AI 公司都获得了风险投资的支持。2016 年才过去一个季度，这个领域就发生了 4 个主要收购案。
2013 年以来，AI 领域发生的主要收购案
大公司在 AI 领域尤为积极。 2014 年，Google 以 6.6 亿美元收购了英国公司 DeepMind——那个 AlphaGo 背后的技术团队。而在 2015 年，Google、Facebook 、微软、百度四家公司在对人工智能的交易更是花了近 85 亿美金，是 2010 年的 4 倍多。
对于科技公司而言，人工智能，及其中的机器学习技术应用范围很广。从垃圾邮件过滤，到互联网广告的精准投放，以及未来的自动驾驶都能用得上它。以彭博社对 Google 产品的统计为例，用上人工智能的产品近年来几乎都在翻倍增长。
从 2012 年到2015 年，Google 涉及人工智能的产品数变化
但大部分的从业者经验还很有限。根据 LinkedIn 的统计，在美国，从业时间超过 10 年的人才比例也仅占 50%。
图：全球、美国、中国人工智能人才从业年限结构对比
因而对人才的争夺也成了大公司都在做的事。
2013 年，Facebook 成立自己的人工智能实验室时，负责人 Yann LeCun 教授就是从纽约大学挖来的。
比起，纽约大学和 Facebook 仍有合作，并让 LeCun 保留兼职工作，卡耐基梅隆大学的情况则要糟糕些。
去年 Uber 说要资助该校国家机器人中心，从事相关的研究。但之后这家公司却选择了直接挖走了他们 140 名研究人员的中的 40 人，并安置于其自动驾驶部门。至于其他公司，虽不会像 Uber 这样大张旗鼓，但也会默默在学院中挖人。
“我甚至留不住自己的学生。”Pedro Domingos ，一名华盛顿大学从事机器学习研究的教授说。“这些公司在学生毕业前就试图挖走他们。”
每年 12 月在加拿大举行的神经信息处理系统大会，曾是一个略显神秘的学术会议，如今成了人工智能领域的达沃斯论坛。去年这个会议的参会者数量已达 3800 人，对比 2010 年翻了三倍。这也是专业研究者和科技公司老板们接触的大好机会。
尽管目前没有准确的统计数据表明，有多少选择从学院转去科技公司工作。但这里也有一些间接证据。在“深度学习”（一种让计算机以人脑神经网络的方式通过大数据进行分析）的技术领域中，越来越多论文作者的背景是来自公司。
比起研究经费，有了充分资金支持，公司帮助学者快速实践自己的想法。Andrew NG 曾是一名斯坦福的全职教授，现在已在百度领导搜索相关的人工智能技术。对他来说，商业公司的好处是，他们能提供强大的运算能力和大数据的支持。两者在机器学习中发挥重要的作用。
但坏处是，公司相比高校的研究机构，更容易受短期商业利益的影响。而且当 AI 专家都跑去公司，最终形成少数大公司垄断人才的局面，再让他们把研究成果共享也会很难。
卡耐基梅隆大学计算系教务主任 Andrew Moore 就表示了这方面担心：大学或许会因此失去培养未来研究者的教学人员。从事基础研究，愿意公开分享知识的人也会越来越少。这可能会对长远的技术进步造成损害。
对于一个国家来说，人才流失的问题也很严峻。多伦多大学教授 Ajay Agrawal 表示，大部分科技公司的总部在美国，像加拿大等国的大学虽曾走在 AI 研究前沿也会因优秀人才流失一蹶不振。
当然问题也不至于那么糟糕。当科技公司愿意出更多的钱招人，也意味着愿意走进这个领域的学生也会更多。同时，这些公司也会投入奖学金之类，为更长远的研发培养人才。
题图来自：Pixabay
