阿里人工智能这五年：天才的野心与自证(12)

经过两年的建设，达摩院人才济济，超过半数科学家具有名校博士学位，部分是美国、欧洲学成回国，办公室分布在四个国家、八个主要城市，其中机器智能团队拥有 20 多位知名大学教授，近 10 位 IEEE FELLOW。
而在达摩院之外，阿里还有一些更为分散化、业务化的人工智能能力，并非走中台化的路子，但仍是不可或缺的一环。比如天猫精灵、搜索和广告部的人工智能技术应用、蚂蚁金服的客服机器人等，它们与核心业务方贴合地更为紧密，以便技术更快地产生效益。
要为这样一支庞大而高规格的研究团队设置课题并不是件容易事。
此前，我在与某公司 AI 实验室负责人交流时，对方就曾透露过选题上的两难局面——一方面既要兼顾业务需求和 KPI 导向，另一方面还不能忘记前瞻性研究和技术布局。
整日埋头对接业务需求容易退化为业务部门的附属团队？但面对前沿课题的不确定性，究竟该冒多大的险，才能保证既有结果又具备开创性？
当我将同样的问题抛给阿里的人工智能科学家时，得到了相似的回答，「这看起来是个问题，但在阿里就不是个问题」。
延续技术到产品、产品再到商业化的研究和落地机制，技术研发与商业利益的问题将得以平衡，而且必须平衡。
「在阿里如果只是发发论文、做做研究则意味着工作只做到了一半，无法获得真正的认可，或者是比较低的认可」，潘攀说道。
与此同时，在技术平台化与产品规模化的过程中，还伴随着水到渠成的技术成果转化。
在被誉为人工智能世界杯的 CVPR 2019 WebVision 竞赛中图像分类竞赛中，阿里以 82.54% 的识别准确率获得冠军，而这背后的技术能力正是阿里「图搜」应用开出的果实。
谈到更为宏观的议题布局，金榕认为投资者思维或许是一个思路。
作为一名投资人，标的无非两种，一是比较切实可靠的项目，但是收益比较少；另一种则是高风险，但回报高，即所谓的「High Risk High Take Off」。几乎所有投资公司的投资组合都是这两种的混合。
作为研发部门，金榕会将技术资源进行分层。一部分投资在相对较容易见到结果的领域上，具备确定性；还有一部分投入在可长周期回报的项目。「在这样一个投资组合中，肯定有项目要失败，但能保证团队整体的成长和健康」，金榕谈道。
正好，他刚带队打完了一场「High Risk」的战役。