写点什么

技术寡头争霸传之:AI 人才争夺战

  • 2018-11-15
  • 本文字数:3314 字

    阅读完需:约 11 分钟

技术寡头争霸传之:AI人才争夺战

微软与 GitHub

开发人员是这个新时代的创造者,他们编写了新世界的代码。GitHub 是他们的家,这个大家庭大约有 2800 万成员。


在 2016 年, Microsoft 进行了有史以来最重要的技术收购之一,它以 LinkedIn 年收入 7.2 倍的价格将其收购。我还记得当时在 LinkedIn 的时候和团队一起为此庆祝,因为这不是正常的收购。但奇怪的是,这种心情不是难过的,而是高兴的,因为 LinkedIn 最大的野心已经达成,也避免了Salesforce可能的破坏性收购。在当时,这是 Microsoft 有史以来最大的一笔收购。很多专家错误地认为这次收购太贵了,是在浪费钱,但事实证明,由于 LinkedIn 持续进行自身改造,收购后可以帮助 Microsoft 的股价上涨。


我们自然地会根据 Microsoft 对于 LinkedIn 的收购来评估它对于Github的收购,这项收购大概用了其 30 倍的年度经常性收入。该天文数字收购价格背后的原因非常简单:开发人员。


Microsoft 敏锐地了解到优秀的开发人员的重要性。Microsoft 用 75 亿美元的价格购买了使用 GitHub 代码库产品的几百万名开发人员的接触权。这种策略旨在最后将这些用户引导到 Microsoft 开发人员环境中来。


可以预见开源社区的很多优秀人员对于这次收购并不高兴。他们认为收购是对于开源社区广大成员劳动力的欺骗和亵渎。具有影响力的开源开发人员 Andre Staltz写道


“如果你还是对 Microsoft-GitHub 收购案非常乐观,那你应该考虑一下:虽然你的提交、点赞和库帮助 GH 成为了一个有价值的平台,但是他们并没有征询你关于收购的任何意见,是不是很糟糕?”


像 Andre 一样,很多其他开发人员公开宣布将会从 Github 迁移到其他基于开源项目的平台上。然而,从 Github 上离开的大量开发人员并没有对其庞大的用户基础产生很多影响


Microsoft 希望接触到开发人员。他们也做到了。


在过去的几十年里,开发人员的重要性单调递增。他们被很多公司招聘进来,给他们提供非常赚钱的岗位,也成为了硅谷最需要的人才资源。他们是崭新的数字时代创造者,帮助科技公司成为我们日常生活的一个重要组成部分。


但不是所有开发人员都是平等的。一些开发人员被认为拥有更多价值,他们更受欢迎,收入更多,也有更多优先权。在过去的几年里,AI 开发人员达到了前所未有的重要程度。

人才稀缺的 AI 领域

在过去的两年内,中国的公司获得了 AI 物体检测竞赛的冠军。由于在几乎每个领域的重大影响,中国渐渐支配了 AI 领域,让美国开始反思。从经济角度来看, PwC 发布的研究指出 AI 占领了多么重要的地位,通过 AI 将会创造出多少价值来。根据PwC的研究,到 2030 年,AI 将会为全球经济贡献 15.7 兆美元。这比当前中国和印度的 GDP 总和还要多。


因此,民族、国家和企业正在积极吸引珍贵的人才的举动也并不奇怪了。


那么 AI 人才有多么稀缺?AI 解决方案提供商 Element AI预测大约有 20000 名博士级别的计算机科学家可以搭建 AI 系统。另外,根据Bloomberg最近发布的研究,全世界范围内只有不到 10000 名开发人员具备机器学习的技术


根据KPMG发表的报告,(截止到 2016 年)仅有 28 家公司拥有超过十名深度学习方面的专家。Business Insider发表的一篇文章指出, 6 家技术公司雇佣了约 54%的全部深度学习专家Ernest & Young 2017 年的调查指出 56%的 AI 专家认为,缺乏技术人才是 AI 业务运营实现的最大障碍。


最近,World Economic Forum报道了排名前 20 的技术公司不是美国公司就是中国公司。也许未来 AI 可以被其他的 AI 发明、设计并开发出来,但是现在来说,还是由开发人员和研究人员开发 AI。技术寡头正在以空前的速度和规模战略性垄断 AI 人才。他们都积极地参与到了AI人才的竞争大战之中,在招募最有价值的技术人才的时候不留余力。


为了人才,要舍得花钱

根据Bloomberg的文章,“在机器学习和数据科学领域新毕业的博士可以获得 30 多万美元年薪”。New York Times预计新毕业的博士和其他经验有限或没有经验的人才的酬劳大概是“每年 30 万到 50 万美元甚至更多,还可能拥有公司股票”。类似的,据计算,Google 的 DeepMind 在 2016 年给每位员工平均支付了 34.5 万美元年薪。


随着 AI 开发人员的经验和责任的增加,他们的酬劳也增加了。根据CNBC的了解,“Anthony Levandowski 在加入 Uber 之前从 Google 得到了 1.2 亿美元”。即使在像 Elon Musk 的OpenAI这样的非盈利组织,2016 年顶尖的 AI 研究人员的酬劳是 190 万美元,而另外的资深 AI 研究人员的酬劳是 80 万美元。


除了惊人的酬劳外,AI 人才还享受到公司提供的其他可能的福利和优先权。比如说,技术公司会修建全新的办公室和研究实验室来方便 AI 人才,以避免他们搬来搬去。

收购公司,收购人才

这些“聘用式收购”不是为了初创公司提供的价值,而是希望通过收购引入 AI 的人才。根据分析,即使公司收入很少,甚至没有收入,人工智能团队的收购价格大约是每名员工 250 万美元,这代表着至少在技术产业的 AI 板块,团队的价值远远超过了企业的价值。


在 2016 年 7 月,General Motors 用接近 10 亿美元收购了 Cruise Automation。2016 年 8 月,Uber 以 6.8 亿美元的价格收购了自动驾驶初创公司 Otto。Ford 同意给 Argo AI投资10 亿美元。根据CB Insights提供的数据,从 2010 年开始,Google 收购了 14 家 AI 初创公司,紧随其后的 Apple 收购了 13 家。在 2017 年,AI 初创公司的收购增加了 44%。下图展示了最近几年 AI 初创公司的收购情况:



大量技术初创公司以被收购退出市场的战略表示,软件和硬件初创公司的关键角色是成为技术寡头招聘人才的途径。年轻、拥有梦想的开发人员会通过加入前沿的初创公司来开启自己的职业生涯,来改变世界,一旦他们的公司被收购之后,他们就成为了一家大型企业的员工。大型企业会用奖励机制来鼓励被收购的公司的员工继续留下,而理想化的早期职业生涯也被比较稳定的中期职业规划取代,既给大型技术企业提供了他们需要的经过训练的人才,也帮助避免了这些人才的走失,导致他们创造出会威胁到企业主导地位的项目。

从学术界挖人才

技术寡头会给 AI 研究人员提供高薪,访问海量数据库的权利,以及进行实验的超级计算能力设备。在 2015 年,Uber挖走了 Carnegie Melon University 的 National Robotics Engineering Center (NREC)的 50 名员工。著名的深度学习专家吴恩达于 2014 年离开Stanford,成为了百度的首席科学家。大学正在努力留下 AI 人才,因为他们的员工会被技术寡头公司挖走。

自己培养人才

大多数员工都受过良好的教育,并可以学习使用或开发 AI 的必要技术。这些公司的许多雇主会开设相关课程,在现有的员工中培养出 AI 人才。这种培养现有员工成为 AI 人才的趋势在Accenture最近的研究中有提到。根据研究,40%的高层计划增加 AI 业务应用的教育培训,而 26%的高层计划增加这类技术方面的培训。

招聘毕业生

尽管技术寡头会用高薪和优先权留住他们现有的 AI 人才,研究表明他们也在积极参与招聘。机器学习编程领域的毕业生甚至在毕业之前就会得到很多工作机会。根据招聘平台Paysa的研究,美国各个领域的公司为 AI 人才投资了 13.5 亿美元。研究特别指出 Amazon 在 AI 和机器学习招聘方面的年平均投资为 2.278 亿美元,下一个主要竞争对手 Google 的年平均投资大约为 1.3 亿美元。据研究,排名前 20 的 AI 人才招聘公司每年需要投资 6.5 亿美元。

下一步要做什么?

毫无疑问,在我们这个时代最珍贵的人才资源就是 AI 人才。AI 研究人员拥有了机器视觉、语言、听觉和移动方面的能力。他们的最终目标是帮助机器实现人类通用能力。他们是当之无愧的拥立国王者


然而,他们需要问问自己,他们想要创造有国王的世界吗?


AI 巨大的潜力代表着它可能会增加社会的不平等,或把我们从水深火热中解放出来。但是 AI 开发人员,也是主要技术公司的员工,工作的内容仅仅是为了实现他们公司的目标。


比较清楚的想法是,这些世界上最大、最有权力的实体,开发 AI 的最终目标仅仅是增加股东的利益,而不是为所有人服务。 — SingularityNET 的 CEO:Dr. Ben Goertzel


在三部曲的下一部分中,我们将分析科技寡头如何获得人才网络中的一席之地,我们将探索除了最大化“股东利益”之外,获得 AI 开发人员人才还有什么其他必要。


查看英文原文The Tech Oligopoly — Part 1


2018-11-15 07:202099
用户头像

发布了 218 篇内容, 共 67.7 次阅读, 收获喜欢 76 次。

关注

评论 1 条评论

发布
用户头像
看来不仅中国缺少 AI 人才,全世界都缺啊
2018-11-16 17:50
回复
没有更多了
发现更多内容

创元集团携手火山引擎,数据飞轮驱动美妆品牌数字化转型

字节跳动数据平台

大数据 数智化转型 数字化平台 企业 AI 应用

袋鼠云港口数智化解决方案发布,数智引领,加速“智变”

袋鼠云数栈

glibc 内存分配与释放机制详解

vivo互联网技术

开源 glibc 内存管理 内存泄漏

人工智能 | 文生图大模型

测吧(北京)科技有限公司

测试

【JIT/极态云】技术文档--模型简介

武汉万云网络科技有限公司

低代码 开发工具

小间距LED显示屏,我们还可以了解哪些

Dylan

LED显示屏 全彩LED显示屏 led显示屏厂家 户内led显示屏 市场

百度沧海·存储统一技术底座架构演进

百度Geek说

Grafana GreptimeDB 数据源插件上线啦,全面替代 Prometheus 插件

Greptime 格睿科技

Grafana 时序数据库 Promethues

启信宝产业洞察:广东领跑低空经济,无人机产业强势崛起

合合技术团队

人工智能 算法 无人机 科技

HyperWorks的实体几何创建与六面体网格剖分

智造软件

Hypermesh 仿真分析 有限元

GreptimeDB 首位独立 Committer Eugene Tolbakov 是怎样炼成的?

Greptime 格睿科技

开源 时序数据库

南开大学携手和鲸科技,以 AI 赋能交叉学科人才培养与课程建设

ModelWhale

Python 人工智能 新文科 南开大学

告别复杂判断!Python中实现函数重载的终极技巧

LLLibra146

Python 装饰器 函数重载

融云:社交泛娱乐出海机会尚存,跨境电商异军突起

融云 RongCloud

数字化落地过程中的研发效能治理如何开展?

思码逸研发效能

DevOps 研发管理 绩效管理 研发度量 研发效能度量

制作并量化GGUF模型上传到HuggingFace和ModelScope

GPUStack

大模型 ModelScope LLM huggingface GGUF

云计算与低代码:实现无缝集成与高效部署的最佳实践

天津汇柏科技有限公司

云计算 低代码

JinaCLIP×Milvus:手把手教你搭建多模态RAG系统

Zilliz

多模态 rag clip模型 jinaclip

在使用Alt+Tab切换程序时 Windows 11 24H2会出现黑屏

吴脑的键客

windows Windows 10 Windows11

白话文讲解大模型| Attention is all you need

阿里技术

架构 Transformer 大模型 LLM 白话文

腾讯云AI代码助手

全栈若城

【EMNLP2024】面向长文本的文视频表征学习与检索模型 VideoCLIP-XL

阿里云大数据AI技术

人工智能 自然语言处理 阿里云 论文 EMNLP

从微笑曲线底端崛起 ,中国县城工厂走向“新质供给”

Alter

全域身份管理是IAM的重要发展方向

芯盾时代

iam 身份和访问管理 统一身份管理平台

压力测试,探索服务器性能瓶颈

测试人

软件测试

王慧文回归带队美团探索 AI 应用;对话音频开源模型 Hertz-dev:120 毫秒超低延迟丨 RTE 开发者日报

声网

GreptimeDB v0.9 重磅发布|引入日志存储引擎,支持日志指标数据联合分析!

Greptime 格睿科技

云原生 时序数据库

融云「北极星」专业版:指标异常及时告警,趋势变化预先知悉

融云 RongCloud

8+ 典型分析场景,25+ 标杆案例,Apache Doris 和 SelectDB 精选案例集(2024版)电子版上线

SelectDB

数据库 数据分析 经验分享 大数据 开源 案例集

阿里云 DataWorks 正式支持 SelectDB & Apache Doris 数据源,实现 MySQL 整库实时同步

SelectDB

数据库 大数据 数据分析 数据迁移 整库同步

制作并量化GGUF模型上传到HuggingFace和ModelScope

SEAL安全

大模型 ModelScope LLM huggingface GGUF

技术寡头争霸传之:AI人才争夺战_AI&大模型_Arif Khan_InfoQ精选文章