AI人才争夺战

王杰夫+李蓉慧

当大公司和创业公司都开始讲起人工智能的故事，一个好故事最重要的素材—人才，就迅速变得格外紧俏。有时候或许故事讲得早，倒不如故事素材抢得好。所以从任何一个角度看，这都注定是一场全球级别的人才争夺大战。

今年在整个中国互联网产业中最热闹的戏码，无疑是“人工智能（AI）人才大战”。

腾讯在三四月间成立了AI Lab，任该实验室主任一职的张潼博士，上一份工作是百度研究院副院长和大数据实验室负责人。百度当然也不手软，今年1月成功挖来了微软全球前执行副总裁陆奇。

5月初，腾讯又宣布在美国西雅图建立AI实验室，由美国微软研究院前语音和对话组（Speech and Dialog Reaserch Group）首席研究员俞栋担任负责人。

在解释实验室为什么落地于西雅图时，腾讯CEO马化腾也说得够直接：“因为很多微软的人不愿意离开西雅图，所以我们就在旁边设，没有办法，人才就是这样。”

从任何一个角度看，这都注定是一场全球级别的人才争夺大战。

其中，“塔尖”人才的争夺主战场注定是在美国—学界资源明显集中于斯坦福、加州伯克利、卡耐基-梅隆等几所名校，产业界此类人才最集中的区域则是硅谷和西雅图。以至于中国的技术大公司和独角兽公司也纷纷将自己的AI实验室设在这些城市。

工业界从学界挖取人才的一种有效手段，是出钱赞助举办的各种高端学术会议，当然，它们也绝不会放过每年定期举行的大学校招。AI人才争夺大战的战火，其实早已经烧到了大学毕业生这个级别，他们的角色是AI人才库这座“金字塔”的基层部分。

作为BAT中最早将人工智能确立为战略级研发项目、并将实验室第一个开到硅谷的公司，百度针对人工智能的研发投入，据称已经超过200亿元。

所以眼下的百度，也成了同行争相挖墙脚的对象，业界甚至将百度称为“AI人才的黄埔军校”。虽然当年百度也曾开出双倍薪酬将硅谷的华人工程师圈子搅得人人思变，但当下的混战中，多半时间处于守势的百度，为自己挖下的护城河似乎并不足够 宽。

2008年，25岁的戴文渊参加了百度的工作面试。这位刚刚在香港科技大学完成博士学业的年轻人，后来担任了百度新一代广告推荐系统“凤巢”的总架构师。

面试戴文渊的，有百度“七剑客”之一的郭眈以及当时的首席科学家张以纬（William Chang）。他们知道，虽然百度原有的竞价排名系统依然能为带来巨大收益，但它已遇到了瓶颈，陈旧的内核所暴露出的弱点，正在不断损害用户和广告主的使用體验，广告质量差、用户匹配不精确，所以他们急需从人工智能领域挖来一批高端人才，好为百度尽早解决这个问题。

但那个时候，最顶级的AI人才大多仍在学术界。谈及AI技术最新一轮的大发展，公认起源，是2006年加拿大多伦多大学教授Geoffrey Hinton在《Science》杂志上发表了一篇名为《Deep Belief Networks》的文章，首次提出深度学习（deep learning）的概念。

另一个重要因素则是，在Geoffrey Hinton的身后还有一众同仁和明星弟子，比如Yann LeCun和Russ Salakhutdinov。他们与Hinton重新激活了学界和工业界对于人工智能技术的热情。

而同时代另一位AI领域泰斗级人物—加州伯克利大学教授Michael I. Jordan，也在数年间培养了大批明星专家，比如Yoshua Bengio和吴恩达（Andrew Ng），随后他们又分别在蒙特利尔和斯坦福大学负责那里的人工智能实验室、招收博士生，最终构成全球AI顶尖人才中另一大师徒谱系。

“那时候，如果你是离开学术界去到工业界，是需要很大勇气的，”戴文渊告诉《第一财经周刊》，“在那个时期，进人工智能学术圈还是首选，同行都很不理解，觉得我论文发得还可以，为什么要去工业界。”学术圈的惯性思维曾让自认为是科学家的戴文渊苦恼过一阵，但最终，出于证明自己的学术判断以及对于数据的渴求，他选择了入职百度。

2009年12月1日起，百度全面启用“凤巢”系统，据说仅用了3周就完成了平稳过渡，新系统带来的收入甚至顺利超越切换前的水平。在此之前，在国内的互联网技术界，几乎没人相信人工智能的商业价值，而“凤巢”改变了这一切。

“‘凤巢基于商用的机器学习系统，用4年时间帮百度的收入提升了8倍，这么惊人的提升一度令人质疑，只有一起做过的人，才相信人工智能的未来。”戴文渊所在的研发团队后来甚至对外称，“凤巢”是全球第一个商用深度学习系 统。

一方面受“凤巢”的成功激励，另一方面也出于百度的战略需要，李彦宏决定押注人工智能。

2012年，余轶南在中科院自动化所5年博士生涯的最后一年，虽然师从中国科学院院士、模式识别领域国际顶尖学者谭铁牛，但他并没有对自己的未来抱有多么明朗的期待，他的同学要么留所，要么出国读博士后。

“当时去公司就职的人很少，因为大多数公司在这一块还几乎没什么投入。”余轶南告诉《第一财经周刊》，最终他决定去百度，就是“想去工业界看看”。

2012年年中，余轶南进入百度成立不久的多媒体部，这一部门由刚刚从美国回来的余凯博士领导，在此之前他担任NEC美国研究院的部门主管。余轶南之前就在学术会议上认识了余凯，“有熟人在”也是他加入百度的原因之一。

2013年7月，在多媒体部的基础上，百度又组建了深度学习研究院，由余凯担任副院长，李彦宏亲自担任院长。

在当时，全球范围内有如此规模人工智能专门研究机构的公司不过寥寥数家。不想短短三四年之后，不仅大公司的人工智能实验室普及开来，相关的创业公司也开始源源不断地出现。

当人工智能变成技术公司关于未来的“故事”，产业的迅速膨胀、人员极度紧缺的局面便不可避免 。

美国的人工智能圈也是在2012年左右热闹起来的。据AI招聘服务商TalentSeer创始人任成明（Alex Ren）观察，“这一拨人工智能热潮，中美几乎是同步的。”

2012年年底，全球人工智能研究领域还发生了另一件有里程碑意义的大事：师从Geoff Hinton的两名年轻的博士生—Alex Krizhevsky和Ilya Sutskever，在图片分类竞赛ImageNet上拿到了识别结果的第一名。

比赛的结果震惊了IT工业界。因为这两位学者所实现的识图精度，已远超过当时Google团队同类产品的识图水平，尽管后者同样也是基于深度学习原理，而其研发团队里同样不乏“大牛”，比如吴恩达和Jeff Dean。

斯坦福计算机系在读博士阮珊珊第一次觉得人工智能成为一个现象，是她在加拿大魁北克省麦吉尔大学计算机科学专业读本科时。2014年，人工智能领域最著名的学术会议之一—神经信息处理系统大会（Conference and Workshop on Neural Information Processing Systems，简称NIPS）恰好在麦吉尔大学所在的加拿大蒙特利尔市举办。

阮珊珊的印象中，过去与AI有关的学术会议参会者通常不过一两百人，但2014年前后，此类会议的规模“突然变成了一两千人”。

2012年后，华为和百度先后加入NIPS的赞助商之列—过去该会议的长期赞助商包括Google、Facebook、微软等公司。到了2016年，这份赞助商的名单中已增加了来自中国的腾讯、阿里巴巴、滴滴出行、猎豹等公司，它们赞助学术研究或会议的目的只有一个：与学界建立沟通联系，圈取资源，为培养自己的AI研究能力打基础。

来自斯坦福大学计算机系的Chris Manning是当今学术界研究自然語言处理方面的知名教授，也是国际计算语言学协会（ACL）主席。他的个人主页有关近期研究项目的介绍中，罗列了众多的支持机构，其中包括美国国防部高级研究计划局（DARPA）、福特，以及腾讯。

学术界与工业界能如此紧密联系在一起，这在几年前还难以想象。

这些年在各地参加AI学术会议的阮珊珊发现，很多参会者胸前挂着的入场证上都写着技术公司的名字，人数之多甚至已经超过了学术界。它们参会当然不只是来做赞助商，有些公司干脆支起展台，它们只做一件事—招人。

完成各种试探性的沟通后，下一步，工业界展开了它们的挖人行动，目标首先是学界那些泰斗级的教授。

2013年，Facebook董事长兼CEO扎克伯格在NIPS大会上对外宣布，他成功挖到了深度学习三大领袖级学者之一、美国纽约大学教授Yann LeCun。Yann LeCun答应兼任Facebook人工智能实验室的负责人。

美国部分高校有一项叫“Sabbatical”的传统，教授每7年可以休一次假，这也是技术公司去学界聘请教授的好时机。现如今，NIPS演讲者的名单中，除了依然有高校里的研究者，还有像Yann LeCun、Marc Raibert（卡耐基-梅隆大学前教授，Boston Dynamic创始人）这些横跨学界和工业界的顶级研究人才，他们大多都保留着双重职位：在学校的教职，以及在某个技术公司的官职。

Google也是在2013年邀请到了Geoffrey Hinton加入Google大脑团队，成为轰动业界的新闻。

Google此前曾向Geoffrey Hinton的实验室提供过60万美元的科研资金。但这只是铺垫。后来Google用了硅谷惯用的办法，做了一次人才收购—Geoffrey Hinton创立的公司DNNresearch在还没有产品的情况下，2013年7月8日被Google买下，当时这个公司只有3个人，除了Geoffrey Hinton本人，另外两位正是前一年在图片分类竞赛ImageNet中击败Google产品效果的夺冠学者、Geoffrey Hinton的学生。

事后Geoffrey Hinton曾对媒体说，他原本以为Google想买的是知识产权，结果发现Google其实是对他们这几个人更感兴趣。不过，Geoffrey Hinton并不想离开学校，Google在收购了他的公司后，也同意让他和学生兼顾学校的科研工作，同时参与Google大脑的项目开发。

在硅谷之外，西雅图是猎取高端人才的另一个重要战场。微软和亚马逊的总部都在那里，而位于西雅图的华盛顿大学计算机系同样在AI研究领域名声在外。

可以说，华盛顿大学之于西雅图那些技术大公司的关系，就如同斯坦福之于硅谷。华盛顿大学计算机系的教授们，几乎都收到过来自技术公司的邀约，这点也并不奇 怪。

亚马逊曾在2012年出资200万美元支持了彼时还是华盛顿大学副教授的Carlos Guestrin和他的妻子的AI研究项目。有意思的是，这位得到亚马逊赞助的教授，后来成为苹果机器学习团队的负责人。

其实苹果挖人的招术和Google是一样的：它在2016年收购了Guestrin在西雅图创办的一家名为Turi的人工智能公 司。

一定不能小觑苹果在高端人才竞争中的实力，2016年苹果还挖到了Geoffrey Hinton另一位明星弟子—曾是卡耐基-梅隆大学教授的Russ Salakhutdinov担任人工智能研究负责 人。

而同期，中国的技术大公司在这场全球AI顶尖人才抢夺战中的最大“战绩”，当属百度成功获得吴恩达的加盟。

2012年年末，百度首席科学张以纬离职，中国最重要技术公司的最核心技术职位空缺出来。百度前后花了一年多时间寻找继任者。

李彦宏也一度将眼光直接描准了作为深度学习之父的Geoffrey Hinton，但求贤未果。随后，百度深度学习研究院副院长余凯向李彦宏推荐了吴恩达。

这位1976年出生的华裔科学家，如今已经是与比他大几十岁的几位业界前辈—Geoffrey Hinton、Yam LeCun、Yoshua Bengio几乎齐名的深度学习领域权威学者。他在2010年加入Google X Lab，2011年负责创建了全球最大的“神经网络”—“Google大脑”。

在最初几次简单沟通之后，百度高级副总裁王劲和余凯一起去美國当面邀请吴恩达。这次会面后仅过了十天，吴恩达便决定到北京和李彦宏见面。据说两个人相谈甚欢，一顿饭吃了3个多小时。

2014年5月，百度宣布吴恩达加入百度担任首席科学家一职。此后吴恩达的学生Adam Coates也从斯坦福加入百度，目前是百度硅谷人工智能实验室主任。

事实上，按照硅谷TalentSeer创始人任成明的说法，整个人工智能领域塔尖人才的规模，不出双手之数。现在，他们已经被Google、苹果、Facebook、亚马逊、微软还有百度这些技术大公司瓜分一空。

巨大的数据和丰富的基础应用场景，正是所有大公司研究职位吸引学术人才最主要的理由。

在Google诞生的一个学界与工业界互相裨益的精彩案例，就是Google的无人驾驶项目。无人车系统最早来自于斯坦福大学前教授Sebastian Thrun的设想和理论研究。

此前Thrun曾在接受《第一财经周刊》采访时提到，他的好友在车祸中去世，因而启发他研究无人驾驶。2007年 Thrun加入Google，成立Google X Lab并在这里工作了7年。正是借助Google地图、Google街景以及Google的数据处理能力，Thrun将无人驾驶理论逐步变成了成熟模型，并有望被工业界应用至实际的产品中。

对Google来说，无人驾驶项目开辟了一个新的市场和机会。更重要的是，Google的介入吸引了行业的关注，更多公司开始加入到无人驾驶的相关研发中，最终真正推动了无人驾驶这项技术的民主化进程。

学术界擅长理论研究，而技术公司的使命，是凭借更充足的资源和团队配备优势，更快地将理论应用于产业实 践。

而说到最近半年AI领域的明星学者从学界跳入工业界的各类新闻中，最出名的一条，是与吴恩达齐名的另一位华裔学者李飞飞加入Google云部门，担任Google云端人工智能的首席科学家。

李飞飞也任职于斯坦福大学计算机系，是斯坦福视觉实验室、丰田汽车-斯坦福人工智能研究中心的负责人。她重要成就之一是在2007年发起ImageNet，目前已经成为全球最大的免费图像识别数据库。

2017年春天，李飞飞在硅谷和KPCB合伙人Mike Abbott有过一场对话。当时Mike Abbott问李飞飞为什么从学术界去技术公司，李飞飞说她希望“将人工智能技术民主化”，也就是说，让更多人可以受惠于技术进步。当Mike Abbott接着问，那为什么选择了Google？李飞飞回答说：“Google云部门本身以及Google的数据，对应用人工智能技术有很大的帮 助。”

为了说服学者加盟，设立于公司内的各种研究院，尽可能在工作节奏和环境感觉上与大学里的实验室保持一致。大公司的实验室与高校研究所之间的界限，正在变得越来越模糊。

当2015年阮珊珊进入斯坦福大学计算机系攻读博士，她发现这里真如媒体报道中所说的那样，学术圈与硅谷有着千丝万缕的联系，知名的教授们多少都与各大技术公司高管相熟，因为公司里个别部门的技术负责人很可能就是“同门”。

Google 2005年就在内部开设了人工智能相关课程，设立Google教授科研奖（Google Faculty Research Awards），从外部邀请学者申请并赞助获奖的科研项目。而汇集着研究成果的Google研究院，如果你去它的主页上查询各种研究论文，那感觉很像是进入了一个学术机构的网站。

余轶南也有同感，“内部定期会有学术研讨会，不同部门间也有一个共同的交流平台，不过大部分时候，每个人都在忙自己那一块。”

从学术圈出来的人，会带着一定的工作惯性和对科研里程碑的节奏设定，但这往往并不一定与工业界完全步调一致。目前相对妥协更多的，是技术公司一方。

Facebook挖到LeCun后，他就曾公开表示，自己的纯理论研究和与产品结合较多的研究大致分配的时间精力是7：3。但是技术公司们在挖到这些学界“大牛”之后，不仅是要将他们“养在深闺”，更是要让他们的研究成果能够落地为产品。但是，将学术理论产品化的过程，也在一定程度上挑战着公司与学者之间的友谊稳固性。

Facebook在2015年9月成立应用机器学习（AML）团队，专门负责将LeCun团队的研究结果“产品化”。

曾在Google搜索广告业务部门担任高级软件工程师的周云凯告诉《第一财经周刊》，Google研究院其实有着明确的产品导向，所有的研究成果都强调最终要应用于具体的Google产 品。

同年，百度深度学习研究院（DDL）时任副院长余凯在帮助百度成功挖到吴恩达不满一年后便匆匆宣布离职。

总体上余凯在百度工作的时间不过两年，此间主持的深度学习研究院直接主导了包括无人驾驶、百度自行车等几个产品的开发，同时他也将深度学习应用于百度的语音、图像识别等核心应用之中。这样盘点下来，余凯真可以算是一个成功转型的“劳模”，不过IDL发布的这些产品在业界的评价却是褒贬不一。

从国内学界人工智能领域权威最高的教授，到进入百度这样规模的互联网公司领导深度学习领域的研发，可以想象余凯所经历的蜕变，其中必然也包括妥协。

他后来的创业项目是面向无人驾驶和智能家居两个垂直领域，提供包括芯片和软件在内的人工智能解决方案。不久，余轶南也从百度IDL离职，加入了余凯的创业项目。

像很多创业者一样，如今余轶南觉得，如果继续在一家大公司，即使每年都按最好的考评走，十年以后是什么状态，其实大概也能猜到，“想象现在放在你面前一个机会，抓住了机会，工作好好干几年，就可能会成就更大的事业，同时也能实现财务自由。”

如果从20世纪中叶算起来，人工智能的产学互动已先后历经三轮热潮。如今当它再次站在“风口”，这场技术旋风自上而下刮到的每个角落，又会搅动起多少与之相关的机会与陷阱？

TalentSeer创始人任成明本科毕业于西安交大，后又在中科院读了3年硕士，离学术圈很近的他先是选择在测试分析仪器生产商安捷伦做了9年销售，后来到了美国，在硅谷开始了与人才咨询相关的创业。

任成明主要从事的就是人工智能方面的猎头，他自己也是人工智能创业的天使投资 人。从中，任成明可以明显感受到人工智能在这几年持续升温。

最直观的一点就是，原来大部分公司都没有设立与人工智能有关的职位，而现在，几乎每家技术公司都在忙于组建相关团队。

“以无人驾驶为例，去年硅谷还只有两三家在做，而今年每个月都能看到有很厉害的团队出来做无人驾驶方面的创业。”任成明对《第一财经周刊》说道。

另一个信号则来自招聘会。

任成明最近一次在招聘会上遇到的很多学生，有的来自物理学院，也有商学院，但无论什么学院和专业的人，一旦被问及现在重点在关注学习什么技能时，“对方回答一概都是—人工智能。”

也是在2015年，戴文渊与自己在香港科技大学的导师杨强教授联手，成立了一家提供人工智能解决方案和服务的公司—第四范式。

余凯和戴文渊的创业项目，都获得了创新工场的投资。2015年以后，这家成立6年的风险投资机构，已经将其业务的重点很大程度上转移至人工智能领域的项目开发。

2016年全年，创新工场的创始人兼董事长李开复给自己定的主要任务就是挖人—寻找AI领域的顶尖华人科学家，说服他们回国创业。

这一年他亲自往美国跑了3次。“有时候我们就在MIT、斯坦福的毕业生群里，一被拉进群，我们会被很多人加好友。一对多的面谈，这一年大概也面了一两千个人。”李开复告诉《第一财经周刊》，仅年末的一次美国之行，全部7天行程中，他分别在硅谷、洛杉矶和西雅图“一对一”地约谈了30多位AI领域的技术人才。

“这趟我给一个人开了offer，可能还会再投一两个项目，这趟其实就算很值了。”李开复说。

为了挖人，创新工场从全球最好的50份期刊的论文作者群体入手研究，尽量摸清整个塔尖人才库的规模，特别是华人工程师在其中的情况，看他们发表的论文，也看一些原形机的后台。此外，那些在开源层面发表内容比较多的人、或者是参加相关竞赛比较多的人，也都是创新工场挖人的目 标。

“很辛苦，因为这个领域的人实在太少了，我们必须到处去挖。”李开复对《第一财经周刊》说。

几趟美国之行下来，创新工场已基本完成了人才摸底—如果用围棋来比喻，AI领域的九段高手都还是美国人，中国人在七八段这个级别也还是有一些，四至六段的则有很多。从数量上来说，在整个一至九段的AI人才里，全球目前约有数千人，而创新工场甚至拿到了中国人在其中的一个比例—43%。

“一段就算是个好手了。人工智能领域目前还面临一个很特殊的状态：有一小批人特别懂，他们的价值很大，但是他们都是在大公司里工作，他们整个思考问题的方式、对自己的期望值和人生的目的跟创业者相比，会差很多。”李开复用了一年多的时间，最终说动了3位在美国技术大公司任职的AI专家加入創新工场，并于2016年下半年成立了“创新工场人工智能工程院”。

李开复的设想是—先从美国挖来不错的技术带头人，下一步便可以大力培养以大学毕业生为核心的技术团 队。

创新工场选择了国内最好的几所大学的计算机系“直接对口去招人”。当然，他们也会遇到不少实力强劲的对手—百度、滴滴出行、新美大……

“一个很聪明的学生，半年就能让他达到一段的水准。一段人才可能做不了无人车，但他已经可以把银行、保险、医疗的数据拿出来去创造价值了。”创新工场孵化的人工智能项目更聚焦于“应用层”，用李开复的话来总结，眼下几乎你拿出一本字典去找一个字，那个字加“人工智能”就是一个创业计划，“没有哪个行业是可以幸免的，都会被颠覆，或者是用它来作为一个机会。”

同样的剧情在美国的大学里也不缺。阮珊珊所在的斯坦福大学，教授会帮门下的学生推荐公司里的研究职位，临近夏天时，快毕业的学生大多会收到个别公司的招聘邮件。为什么是个别？阮珊珊告诉《第一财经周刊》，因为每家技术公司都早已经做足了功课，非常清楚它们应该在哪个专业领域里去招具体的哪一个学生。

任成明估计，再有两三年，AI这个行业人才的供需有可能接近平衡。一方面，越來越多学校在增设人工智能的相关专业，另一方面，很多培训机构也在为帮助人才转行。但眼下，AI人才仍然是“奇货可居”。

强烈的供需不平衡自然带来人员薪酬的上涨，据任成明估计，今年AI人才的待遇比去年最起码又涨了30%。去年年初的时候，一个普通的AI博士生刚毕业所能拿到的年薪是20万美元，今年最起码已经在25万美元以上，这包括基本工资和股票。

而这个数字还在不断被打破。“Google刚招了一个博士生，给他开出了4年200万美元的股票，这样一算，他一年的薪酬就是‘50万美元现金+50万美元股票，非常夸张。”

相比于美国的情况，中国AI人才市场的供需则更加不平衡，“如果美国的供需是1：3，那么中国大约就是1：10。”任成明说道。

2016年春天，AlphaGo以4比1击败韩国九段棋手李世石，中国媒体对于这场人机大战盛宴的轰炸式报道，令人工智能的神奇能力在全社会实现了前所未有的信息普及，也让更多的中国公司开始得出一个结论：“AI是下一个重要的技术风口”，从而加剧了从BAT到大大小小的创业公司人才争夺的激烈程度。

客观来说，AI专业人才的培养周期通常会非常久。挖到一个今年毕业的AI博士，意味着此人大约是在2010年前后进入该领域，如果有企业想要为人工智能项目寻找一位中层负责人，则意味着他还需要有若干年的工作经验积累，如此一推算，这些人才最早接触人工智能的时间，至少也是8至10年前，而那个时候人工智能在全球学术界都还是非常冷门的学科。

当这场挖人大战，最终毫无悬念地演变至一种大公司之间“互挖”的局面，那些早早在人工智能领域开局的公司，则注定成为人才流失的重灾区。

中国的技术公司们都将挖人的目标锁定在了百度和微软亚洲研究院。

2016年7月，微软亚洲研究院前首席研究员孙剑加入旷视科技，任首席科学家；11月，微软亚洲研究院前常务副院长芮勇加入联想集团担任首席技术官；今年2月，微软亚洲研究院前常务副院长马维英加入今日头条任副总裁，管理人工智能实验室。

一位国内猎头公司的负责人对《第一财经周刊》称，“当时余凯从百度出来做地平线时，就带出来了不少人。”

邢志明在2016年成立了一家名叫THANK Talent的人工智能人才服务公司，他之前也创过几次业，在互联网行业摸爬滚打了十几年，但现在他觉得“互联网创业已经到头 了”。

围绕新口风而涌现的创业热潮，让AI领域的职场风云更加瞬息万变。今年3月22日，在百度担任首席科学家已有3年的吴恩达宣布从百度离职，据说下一步将会开启自己的创业征程。

而距离吴恩达离开百度仅过了5天，当年和余凯一起到美国游说吴恩达的百度时任高级副总裁、自动驾驶事业部总经理王劲也宣布离职创业。

不过，据任成明观察，硅谷一个30人规模的AI创业团队，一年的成本至少在1000万美元以上。这么一看，AI创业不仅技术门槛高、产品研发周期长，而且还很烧钱，最终能烧得起这笔钱的创业公司不会太多。

“实话实说，做AI的人压力确实也很大，虽然地位高，但受到传统的挑战也大，烧了那么多钱，他们也需要证明自己的价值。”邢志明说。