我们是不是正在像15年前迎来互联网泡沫那样，正在迎接人工智能的更大泡沫？
应采访者要求，戴维、郑明、麦可、胡进、老邢均为化名。
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，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，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，就把国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）、自然语言处理（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。
其中每一个环节，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岗位涉及上百家公司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，在国内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数重点大学。
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现在进入的职场中。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”，而是现代企业必须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。
三种人和三种公司
“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。
这些人从原本的机构或商业研究院的象牙塔走入“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，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、商汤科技和旷视科技等。
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第三类，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。
谁为“高薪”买单
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�...