「俩披萨能喂饱的团队才是好团队」，细数贝索斯建立商业帝国的决策方法论

亚马逊的早期，杰夫•贝索斯（Jeff Bezos）制定了一个规则: 每个内部团队都应该足够小，小到可以用两个披萨喂养。 他的目的当然不是减少餐饮账单。就像亚马逊所做的几乎所有事情一样，它专注于两个目标: 效率和可扩展性。 前者显而易见。 一个较小的团队花费更少的时间来管理时间表，让人们了解最新情况，更多的时间去做需要做的事情。 但对亚马逊来说，后者才是真正重要的。 拥有大量小团队的好处在于，他们可以通过在一起工作、获得公司公共资源来实现更大的目标。 用风险投资公司安德森·霍罗威茨的本尼迪克特•埃文斯 (Benedict Evans) 的话来说，这能把公司变成「制造机器的机器」。 「你可以在不增加新的内部结构或直接报告的情况下添加新的产品线，也就是说，你不需要发起一系列会议和项目流程，才能在电子商务平台上完成。」本尼迪克特•埃文斯说， 「你不用飞到西雅图，安排一些会议让人们支持在意大利开展项目，或说服任何人将其添加在他们的计划中。」 亚马逊擅长成为一家销售商品的电子商务公司，但它最擅长的，是让新的电子商务公司出售新产品。 该公司将这种方法称为「飞轮」: 它采用的规模可以扼杀一个典型的跨国公司，并利用它提供一个不断增长的势头来支持它的整个业务。 飞轮旋转得越快，越重，其他人就越难阻止它。亚马逊位于亚利桑那州凤凰城的分销中心，图片来自路透社。  也许使用这种方法最好的例子就是 AWS 的诞生和成长。 这就是亚马逊提供云计算服务的部门。这个部门的客户遍布全球，无论是内部还是其他公司，甚至包括那些在其他领域是亚马逊对手的企业 (Netflix 和 Tesco 都使用这个平台，尽管亚马逊也在销售流媒体视频和杂货) 都在用 AWS。 就像亚马逊的许多事情一样，它开始于最高层的一道「诏书」。贝索斯命令，每一个团队都应该以一种结构化、系统化的方式开始相互合作。 如果一个广告团队需要一些关于鞋子销售的数据来决定如何最好地利用自己的资源，他们不能发送电子邮件并提出分析要求 ; 他们需要自己去分析面板上的各种数据并得到它。如果这个仪表板不存在，那么它就需要被创造出来。 而且这种方法需要涵盖一切。 从那时起，这几乎成为每进行下一个明显步骤后就采取的想法，并让外界使用亚马逊在内部推广的相同技术。 谁知道，这些微不足道的开端催生了一头野兽。 亚马逊的业务现在占亚马逊总收入的 10%。赚了这么多钱，以至于金融法规迫使公司将 AWS 作为一个一级部门将数据公布在财报中： 亚马逊将公司划分为「美国和加拿大业务 」、「国际业务 」，以及「AWS」。 现在，AWS 的规模大到足以让它与世界上其他地方的人打交道。譬如，作为一家占全美互联网流量约三分之一的公司，Netflix 只是 AWS 的一个客户。 2016 年，亚马逊发布了一款名叫「雪地车」的云产品，这是一款用来移动数据的虚拟文字卡车。 这款产品来源于一个切实需求——很多 AWS 的客户需要移动自己的大量数据，以至于有时互联网根本无法应对。所以现在，如果你想把大量数据上传到亚马逊的云端，公司「会开一辆卡车」到你的办公室，载满数据，然后把它开 回来。 如果你需要上传 100PT（千万亿字节，大约 500 万部电影以 4k 环绕立体声），结果发现没有比亚马逊「以 75 英里每小时的速度开下高速公路」更快捷的方法了。 当亚马逊向外部客户开放其云计算技术时，公司的另一部门其实早在自己的实际网站上做了同样的事情。 亚马逊的一个线上功能——Marketplace（市场）于 2000 年推出，允许第三方卖家在网站上出售自己的商品。多年来，这一功能已经帮助公司实现了成为「万货商店」的梦想——互联网上能够买到任何存在货物与服务的一个目的地。 Marketplace 看起来比「披萨规则」好得多，允许亚马逊在不需要雇佣一个额外员工的情况下扩张到新的行业。 但是，由于亚马逊上销售的产品数量非常巨大，以至于公司的计算机科学家正在面临着一个问题。 「亚马逊这样体量的电子商务公司每年要处理数十亿订单，」一个亚马逊研究团队写道，「然而，这些订单只占所有可信订单的一小部分」。 解决方案是什么？训练人工智能纯粹是为了生成似是而非的假订单，以便更好地猜测如何推销全新的产品。 亚马逊报告说，它从 Marketplace 获得的收入约占公司总收入的 20%。但这一指标仅计入第三方卖方向该公司支付的费用，还是低估了企业的巨大规模。 「现在，在亚马逊销售的商品总量中，Marketplace 占了一半左右，」硅谷风投公司安德森·霍罗威茨的埃文斯估计。 「换句话说，Marketplace 意味着亚马逊掌握着双倍于财报记录的收入份额。」 因此，亚马逊越来越不像特易购 (Tesco) 或沃尔玛 (Walmart) 这样在城市边缘徘徊，吞噬商业，扼杀当地商业街的大型零售商。 亚马逊更像一个购物中心： 独立零售商是可以生存的，甚至可以创造一个相对清爽的谋生模式，但前提是他们能在商场里找到一个插槽（如果他们总是记得真正的赚钱机器是房地产商的话）。 自 2014 年以来，亚马逊在其业务中增加了第三个「飞轮」: 人工智能。 该公司一直处于行业前沿，最明显的例子便是它的神经网络推荐算法。但其实直到最近，这种方法还是漫无目的，割裂的，远远称不上「世界级水平」— 想想你上次在亚马逊上买东西，几周后才向你推荐产品： 「你喜欢羽绒被吗？为什么不再买上 10 个？」。 然而，当公司决定制造 Echo 时，情况发生了变化。亚马逊的 Echo Dot 在经典的亚马逊文化中，产品都是从尾声开始，然后从后往前一步一步实现。公司通常的做法是，为一个未来产品写篇「新闻稿」，然后再试着找出这个产品需要开发的专业技能，或者，就是通过「收购」来完成。 需要一个语音助手？直接把位于剑桥的 AI 公司 Evi 买下。这家公司曾是 Siri 的竞争对手，也是 Alexa 的前身。 需要远场声音识别，想听到房间另一边的人的声音？现在就开始解决这个问题吧，因为还没有人真正解决了这个问题。 从制度上讲，大部分 Alexa 的人工智能团队仍然建立在 AWS 基础上，使用其基础设施，并向那些希望在 Echo 中建立语音控制 skill 的第三方提供另一批数字服务。 但是，人工智能的规模经济是独一无二的。譬如，数据的价值就在于: 人们使用 Echo 的次数越多，它训练的语音样本就越多，Echo 自然而然就会变得越好用。 除此之外，机器学习技术是基础而通用的，它可以运用在亚马逊的所有生意中，提高各项业务的运行效率，开辟新的商业领域，并为公司发现进一步的研究路径。 但是世事无常，亚马逊也有自己的弱点。 例如，双披萨规则可能是建立一个无限可扩张公司的好策略，但它并不适合一个舒适的、无压力的工作环境。 长期以来，亚马逊一直面临着「严酷对待仓库工人」的指责——与该行业的许多公司一样，巨额的估值、高科技理想看起来与那些维持公司运转的低薪、低技能工作格格不入。 而亚马逊与 Deliveroo（英国外卖巨头）、苹果以及 Facebook 等公司的不同之处在于，身在总部的高技能员工也有同样多的抱怨。 《纽约时报》2015 年的一篇博文描述了亚马逊员工在办公桌前哭泣的场景，他们承受着接近崩溃的压力。但亚马逊否认了文章里的一些质控。 但一个很现实的情况是，亚马逊迅速的员工流动率在业界已经成了一个传奇。据内部人士描述，公司已经形成了一种「代码债」（也称为技术债务，是开发团队在设计或架构选型时, 从短期效应的角度选择了一个易于实现的方案。但从长远来看, 这种方案会带来更消极的影响）的搭建方式： 如果有人离开，那么留下的其他人必须重写他们所有的代码，而且这个代码需要让仍在公司里的人能够理解——但当重写完成后，重写的人也离开了，那么公司会要求其他人重新开始整个过程。 不过无论怎样，从亚马逊成立第一天开始，有一件事是绝对准确的——贝索斯坐在食物链的顶端，直接控制着价值 7400 亿欧元 (5300 亿英镑) 的业务。 这如同一个大胆的赌徒，正在拿公司做赌注。 ]]> 原文： https://ift.tt/2rg25LV 机器知心

自动驾驶的最大难点之一「地图绘制工作」, 被RoadTracer解决了一半

地图类应用对现实世界影响深远，然而已经绘制出的地图却仅仅是现实世界的一小部分。 地图绘制是一件尤其乏味的工作：即使在拍摄了航拍图像之后，谷歌之类的科技巨头仍然需要耗费很多时间去手动绘制地图。因此到目前为止，科技巨头们还未完成全球约 2000 多万英里道路的地图绘制工作。 此外，地图信息的缺失一直是一个棘手的问题，尤其对于仍处于开发阶段的自动驾驶汽车系统来说更是如此。 为了解决这一问题，麻省理工学院计算机和人工智能实验室（CSAIL）的研究员们研发了一种自动构建路线图的方法——RoadTracer（道路追踪器），比现有方法的精确度高出 45%。 该团队表示，在利用航拍图像数据的基础上，RoadTracer 不仅比现有方法更加精确，而且更具成本效益。 麻省理工学院的教授 Mohammad Alizadeh 认为，这项工作不仅会对谷歌这样的科技巨头起到作用，对一些缺乏资源创建地图、纠正地图错误的小型机构来说也是大有助益。 「RoadTracer 非常适合绘制那些经常需要更新地图的区域，其中包括人口较少但却频繁施工的地方，」Alizadeh 说道，Alizadeh 近期与他人联合发表了一篇关于 RoadTracer 的论文。 「以泰国郊区为例，一些偏远郊区的地图经常丢失了很多道路信息。RoadTracer 可以帮助绘制出更加精确的地图。」 在使用纽约市航拍图像的测试中，RoadTracer 可以正确绘制出 44% 的道路交叉口，不仅准确度比基于图像分割的传统方法 (通常只能绘制出 19%）高出两倍，而且在效率上也不遑多让。 这篇论文将在 6 月份犹他州盐湖城举办的计算机视觉和模式识别会议（CVPR）上发布。本文是麻省理工学院 CSAIL 实验室和卡塔尔计算机研究所（QCRI）合作的成果。 Alizadeh 方面在麻省理工的合著者还包括 Fayven Bastani 和 Songtao He 等研究生以及 Hari Balakrishnan、Sam Madden 和 David DeWitt 等教授。 QCRI 方面的合著者包括高级软件工程师 Sofiane Abbar 和 QCRI 数据分析小组的研究主管 Sanjay Chawla。 RoadTracer 系统如何创建地图 训练神经网络识别航拍图像是当前自动化地图绘制领域的常用方法，使用神经网络识别单个像素点，将其归类为「道路」或是「非道路」。 因为航拍图像通常模糊不清并且不甚完整，因此这类系统的运作通常还需要一个后续的处理步骤，来 填补图像中的空白。 不幸的是，这些所谓的「分割方法」往往不大精确：如果模型错误地标记了一个像素点，这个错误将会在最终成型的地图中被放大。 尤其是当航拍图像中包含树木、建筑和阴影等干扰因素时，会模糊地图中道路的开始与结束点，在这样的情况下，错误尤其可能出现。（后处理步骤还需要根据仅有少量情况成立的假设作出决策，比如因为两条道路彼此间隔很小就将其相连等。） 相比之下，RoadTracer 系统则是一步一步地创建地图。 从道路上已知的位置开始，使用神经网路检查周边地区，以确定哪些点最有可能成为下一部分的道路。系统将最有可能的一点添加进地图，不断重复上述步骤，慢慢追踪出这条道路。 Bastani 表示，「RoadTracer 并非同时检索地图中成千上万个不同的点，决定它们分别代表道路的哪一部分，而是首先着眼于一个简单的问题，即从一个已知道路的特定地点出发，再决定向哪个方向探索。在很多方面，这和我们人类构建周围世界的心智模型的方式很像。」 该团队使用了北美和欧洲的六个国家共计 25 个城市的航拍图像在 RoadTracer 上进行训练，然后又在另外 15 座城市评估了这个工具的绘图能力。 「测绘系统需要在未训练过的城市中达到优异的效果，这一点非常重要，因为那些地图不存在或是不准确的区域才是 RoadTracer 大显身手的地方。」Balakrishnan 说道。 Bastani 表示，RoadTracer 能够将错误率降低 45% 这一事实，对于谷歌这样的科技巨头所构建的自动化地图绘制系统来说至关重要。 「如果错误率太高的话，比起从推测的地图中移除错误道路，还是从头开始手动绘制地图更加有效。」 尽管如此，实施像 RoadTracer 这样的方式并不会让人类 完全当一个旁观者。该团队表示 RoadTracer 的参与方式首先是绘制出大区域的路线图，随后让人类专家仔细地进行二次检查。 Alizadeh 说道，「很明确，RoadTracer 系统可以大大减少人类要完成的繁复工作。」 事实上，RoadTracer 的渐进式绘图法有一个优点，它可以更容易地纠正错误——这样人类监督者可以简单地纠正错误，并从出错的地方重新运行算法，而不是像往常那样由当前不准确的信息继续探索地图的其他部分。 当然，航拍图像只是图像绘制中众多问题的一部分。航拍图像不会显示天桥和地下通道的信息，从空中根本不可能确定这些信息。 因此，该团队还开发了可以从 GPS 数据创建地图的算法，并将这些方法合并到单个系统中进行地图绘制。 目前，这个项目得到了卡塔尔计算研究所的部分支持。 文章来源：https://ift.tt/2H83tXv ]]> 原文： https://ift.tt/2HIcX0j 机器知心

喜欢赌球的你，可能被AI盯上了

Root 假装发自 凹非寺量子位 出品 | 公众号 QbitAI 当你满心期待地前往工体，准备看一场北京国安和贵州恒丰的对战。 路上就收到了一条邀请你"预测"比赛结果的短信。甚至打开的网页边栏都充斥着投注的广告。 你不知道，博彩公司早就盯上你了。 现在，博彩公司已经利用AI，实时定位人的地理位置。一旦侦测到用户去看体育赛事，就会用各种方式推送比赛下注的广告。 用户的每一次点击，每一个网页浏览、停留时间，每一笔交易都受到监控。这么做，并不是为了提高用户体验，而是想方设法地提高提高营收。 曾在博彩公司工作过的数字营销人Asif说。"这个行业，AI用来建立用户画像，熟知用户的喜好之后，对行为规律建模，方便预测及影响未来的行为。" 面向公众，博彩公司的高层会解释说，用户收到这些广告，是因为算法在不断地优化，所以投放结果才会越来越精准。 然而，他们私下里承认，针对特别好赌的人，会不断地拿各种下注广告去轰炸他们，挑战他们的自制力防线。 你可能会问，"我们的数据是什么时候给出去的？这么做合法吗？" 现在很多App使用前，都会弹出小窗口"xx想使用你的xx信息，您是否同意"。 很多时候，用户着急使用相应的服务，大多都不会多想，直接点了"同意"。就是在这时候，你被"同意"了第三方可以合法使用你的数据。 博彩业从第三方数据公司买到了用户数据之后，会从中挖掘并瞄准潜在的低收入赌徒。 一旦目标用户上钩之后，呈现的博彩网页信息流全部都是依照个人画像制定的。这已经成了一个庞大的体系，给用户看什么信息，背后都是有大量的数据支持。别忘了还有行为预测模型，也影响网页呈现的方式。 "博彩业这么做，会把人拖入欲望的深渊。人一旦好赌上瘾之后，肯定给社会造成很大的负面影响，尤其是对他们个人的家庭。" 社会学家强烈谴责这种做法，认为这是像寄生虫一样的嗜血的生意。 无奈的是，面对这不成文的行规，法规总是滞后于技术的发展。 虽然前段时间Facebook数据泄露丑闻，重新聚焦了大众对自身数据安全的关注。可是目前国内依然缺乏相应的法规约束第三方数据公司。 现在全球仅有的数据保护相关的法律，有两个。 一个是20年前的《1998年数据保护法案》，由英国信息委员办公室（The Information Commissioner's Office）制定。 另外一个为欧盟提议的《一般数据保护条例（简称GDPR）》，即将于5月25号生效。 这两个法案都要求，用户对自己的数据有知情权。数据搜集第三方公司需要明确告知用户，个人数据会被如何使用。 "GDPR进一步保障了用户的数据权益，要求数据搜集组织给用户提供数据处理的合法依据，声明数据储存周期以及数据购买方的相关信息。"英国信息委员办公室的发言人对最新的数据保护条例作出评价。 不过，法案推出是一回事。数据使用第三方怎么做，是另外一回事。 英国博彩业在2016年的营收就高达到140亿英镑。其中45亿都来自线上下注。这无疑进一步刺激了行业加大AI技术研发力度，开发出更精准有效的算法，挖掘出那些极有可能会对赌博上瘾的人，一步步下套诱惑越来越多的人参与赌博。 "大数据被这么用，实在是令人心寒。博彩业都钻钱眼里去了，专门针对意志力薄弱的人下手。" 英国"公正博彩"运动的发言人说，"指望他们有社会责任感，会遵守法规使用用户数据，那是太傻太天真。" — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 https://ift.tt/2rdUdLw RSS5

喜欢赌球的你，可能被AI盯上了

Root 假装发自 凹非寺量子位 出品 | 公众号 QbitAI 当你满心期待地前往工体，准备看一场北京国安和贵州恒丰的对战。 路上就收到了一条邀请你"预测"比赛结果的短信。甚至打开的网页边栏都充斥着投注的广告。 你不知道，博彩公司早就盯上你了。 现在，博彩公司已经利用AI，实时定位人的地理位置。一旦侦测到用户去看体育赛事，就会用各种方式推送比赛下注的广告。 用户的每一次点击，每一个网页浏览、停留时间，每一笔交易都受到监控。这么做，并不是为了提高用户体验，而是想方设法地提高提高营收。 曾在博彩公司工作过的数字营销人Asif说。"这个行业，AI用来建立用户画像，熟知用户的喜好之后，对行为规律建模，方便预测及影响未来的行为。" 面向公众，博彩公司的高层会解释说，用户收到这些广告，是因为算法在不断地优化，所以投放结果才会越来越精准。 然而，他们私下里承认，针对特别好赌的人，会不断地拿各种下注广告去轰炸他们，挑战他们的自制力防线。 你可能会问，"我们的数据是什么时候给出去的？这么做合法吗？" 现在很多App使用前，都会弹出小窗口"xx想使用你的xx信息，您是否同意"。 很多时候，用户着急使用相应的服务，大多都不会多想，直接点了"同意"。就是在这时候，你被"同意"了第三方可以合法使用你的数据。 博彩业从第三方数据公司买到了用户数据之后，会从中挖掘并瞄准潜在的低收入赌徒。 一旦目标用户上钩之后，呈现的博彩网页信息流全部都是依照个人画像制定的。这已经成了一个庞大的体系，给用户看什么信息，背后都是有大量的数据支持。别忘了还有行为预测模型，也影响网页呈现的方式。 "博彩业这么做，会把人拖入欲望的深渊。人一旦好赌上瘾之后，肯定给社会造成很大的负面影响，尤其是对他们个人的家庭。" 社会学家强烈谴责这种做法，认为这是像寄生虫一样的嗜血的生意。 无奈的是，面对这不成文的行规，法规总是滞后于技术的发展。 虽然前段时间Facebook数据泄露丑闻，重新聚焦了大众对自身数据安全的关注。可是目前国内依然缺乏相应的法规约束第三方数据公司。 现在全球仅有的数据保护相关的法律，有两个。 一个是20年前的《1998年数据保护法案》，由英国信息委员办公室（The Information Commissioner's Office）制定。 另外一个为欧盟提议的《一般数据保护条例（简称GDPR）》，即将于5月25号生效。 这两个法案都要求，用户对自己的数据有知情权。数据搜集第三方公司需要明确告知用户，个人数据会被如何使用。 "GDPR进一步保障了用户的数据权益，要求数据搜集组织给用户提供数据处理的合法依据，声明数据储存周期以及数据购买方的相关信息。"英国信息委员办公室的发言人对最新的数据保护条例作出评价。 不过，法案推出是一回事。数据使用第三方怎么做，是另外一回事。 英国博彩业在2016年的营收就高达到140亿英镑。其中45亿都来自线上下注。这无疑进一步刺激了行业加大AI技术研发力度，开发出更精准有效的算法，挖掘出那些极有可能会对赌博上瘾的人，一步步下套诱惑越来越多的人参与赌博。 "大数据被这么用，实在是令人心寒。博彩业都钻钱眼里去了，专门针对意志力薄弱的人下手。" 英国"公正博彩"运动的发言人说，"指望他们有社会责任感，会遵守法规使用用户数据，那是太傻太天真。" — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 https://ift.tt/2rdUdLw RSS5

百度AI人才图鉴

李根 假装发自 北大资源宾馆 量子位 报道 | 公众号 QbitAI 谁在为百度打这场AI转型仗？ 2017年1月，陆奇在百度创始人李彦宏重邀之下加盟，这是航母全速转向AI的标志。 陆奇之下，谁是这支队伍里领兵打仗的将领？ 在陆奇调度任命一年后，答案并不难发现。而且值得关注的是，百度在AI领域的人才储备，不止于某个带头人，也不限于某个科学家。 位于西二旗的科技巨头，中轴梯队清晰可见，人才矩阵已然成型：从e-Staff、到各战线副总裁、再到具体业务总经理，最后还有前沿领域的科学家们…… 百度AI人才图鉴，是李彦宏AI转型仗的关键所在。 2 e-Staff e-Staff，百度最高管理委员会。陆奇之外，其中两位成员与AI直接相关。 一位是张亚勤，另一位是王海峰，他们也是百度AI人才矩阵里最为大众熟知的高管。 张亚勤，任职百度总裁，目前分管百度EBG(新兴业务)和TG(技术体系)两大事业群，其中最关键的是百度云方面的开拓，张亚勤不仅最早提出了"ABC一体化"概念，现在也承担着百度AI在产业落地的任务，是百度AI新业务增长里的关键先生。 此外同样不能忽略的是张亚勤"百度美研董事长"的身份，百度既想通过这张国际知名面孔刷脸美国，也希望通过张亚勤的声望魅力吸引更多海外人才。 张亚勤也确实为百度带来了两位重要干将，后面我们还会说到。 在百度履历之前，张亚勤在微软任职超过了16年，从1998年接受李开复邀请加入微软开始，历任微软全球资深副总裁、微软中国董事长、微软亚太研发集团主席等要职。 他一手参与了微软亚太研发体系的搭建，也是目前不少AI知名创业者的boss、导师和朋友，还是那个始终被唤作"亚勤"的工程师/科学家。 更准确来讲：AI工程师/科学家。 中科大少年班出身的张亚勤，其后的学术和研发轨迹，当时称之为多媒体，如今都是AI大潮中最火热的赛道。 张亚勤至今是60多项美国专利的拥有者，还发表500多篇学术论文，出版11本专著，以及牵头开发数字视频、网络、操作系统，以及云计算领域的多个核心产品。 同时，张亚勤身上的学术荣誉也不少。他是国家千人计划学者，去年还当选了澳大利亚国家工程院（ATSE）外籍院士，也是众多科学家格外珍视的IEEE Fellow——入选时仅31岁，是该组织百年历史中最年轻的那一个。 王海峰，则是另一国际知名组织ACL的唯一华人主席，也是该组织目前为止最年轻的Fellow。 ACL全称The Association for Computational Linguistics，直译为国际计算语言学会，是自然语言处理领域最权威的国际学术组织。 王海峰也代表着哈工大在AI领域的江湖地位，本硕博皆学成于哈工大计算机系的他，毕业之后先去了微软，其后在2010年被挖到百度，并真正在百度开创了一批业务部门。 在2010-2013年期间，王海峰先后为百度创建了自然语言处理部、互联网数据研发部(包括知识图谱和互联网数据挖掘)、推荐引擎和个性化部、多媒体部(包括语音和图像技术)、图片搜索部、语音技术部等。 在2013年上半年，王海峰作为执行负责人协助创建了百度深度学习研究院(IDL)。同年10月，他晋升为公司副总裁。 王海峰对于百度当前AI更直接的影响，发生在2014年。 当时他转岗至搜索业务群组任副总经理，先后负责了百度搜索、手机百度、百度信息流、自然语言处理、百度翻译、互联网数据挖掘、知识图谱、语音搜索、图像搜索、度秘、小度机器人、百度新闻、百度手机浏览器、商业平台、糯米技术平台，以及Hao123等。 现在，这些业务中最旗舰的两个，一个叫度秘DuerOS，另一个叫信息流。 所以当王海峰接过百度研究院，并统领AI技术平台体系(AIG)时，很多"王老师"的工程业绩被忽视，仅仅只是因为他实在太低调了。 目前，作为e-Staff的王海峰是AIG总负责人，兼任百度研究院院长。下辖百度研究院、语音技术部、自然语言处理部、知识图谱部、大数据部、视觉技术部、人脸技术部、增强现实技术部、AI技术生态部、及若干创新业务部门等。 从这些部门架构中，也能管窥百度当前在AI基础技术上的押注。 6 VP 2位e-Staff之下，还有6位副总裁分布在各AI战线。 吴海锋，百度搜索业务的现任掌舵者，百度AI管理人才中鲜有曝光的老百度，从2006年浙大硕士毕业加入百度，吴海锋百度工龄已达12年，先后负责过自然语言处理部、图片搜索部、网页搜索部及搜索产品市场部。 2017年全面负责百度搜索业务后，吴海锋率队完成了通用搜索和垂直搜索一体化、交互移动化的改造，并提出搜索知识化和智能化演进的新目标。 沈抖，2017年5月完成副总裁晋升，负责手机百度和Feed流事业部，是百度App、百度信息流、百家号、百度新闻、手机浏览器和Hao123的负责副总裁，是百度战略坐标系里的增长域业务。 沈抖2012年加入百度，先后任职百度联盟研发部技术副总监、技术总监，百度网页搜索部高级总监。 2016年起，他被派往刚组建的百度金融（FSG）出任执行总监、FSG整体研发负责人，并在百度金融研发搭建完毕后，回归百度搜索，接手当时最紧迫的百度App和信息流。 李震宇，则是另一个百度2017年紧迫使命的救火副总裁，在2017年3月，先以轮岗身份进入刚刚组建的智能驾驶事业群组（IDG），并负责百度IDG的产品和技术研发。 其后2017年8月，李震宇正式成为百度IDG总经理，并成为百度Apollo战略的一线执行人。 李震宇也是工龄10年+的老百度，2001年北航硕士毕业后，他先在华为从事网络技术研发，并拿到过华为最高荣誉嘉奖。 2007年，李震宇被挖到百度，并在其后8年里担任多个基础技术部门和业务部门的负责人。2015年10月起，开始参与筹建自动驾驶事业部，并出任自动驾驶事业部常务副总经理。 一年之后，2016年10月，李震宇还曾轮岗百度AI体系，筹建AI平台部。但2017年百度自动驾驶的变动，让他又重新回到了百度自动驾驶，并最终成为该业务负责人。 郑子斌，之前以百度硅谷研发中心负责人知名，去年起转归国内担任百度搜索公司CTO。 他于2010年5月正式加盟百度，此前是谷歌中国工程研究院技术总监，还曾在阿里巴巴、甲骨文等公司担任过管理和技术职务。 关于这位百度美研一号员工、百度搜索首位CTO，量子位曾在去年人事变动后有过专文揭秘。 尹世明，以"Watson"行于百度，2016年11月加入百度，任职副总裁，担纲云业务，可能是百度最具To B商业经验和履历的高管。 尹世明1997年毕业于华中科技大学，并以管培生身份加入宝洁中国，其后成为多个宝洁SAP推广项目的项目经理和实施顾问。2000年，他正式加入SAP上海，并在此后14年里历任售前顾问、售前顾问总监、公用事业行业销售、公用事业行业销售总监、副总裁、高级副总裁和全球销售总裁助理。 2014年，因为销售和管理方面的经验，尹世明被挖角至苹果公司，历任大中华渠道企业部总经理和生态系统部负责人。 不过两年后，同样因为To B领域的经验，他被百度从上海挖角至北京，负责百度云业务，在钢铁、制造、金融等领域，尹世明正带队进行"百度云ABC战略"的开拓。 还记得上文所称的"张亚勤人才吸引力"吗？尹世明就是张亚勤打动的高级人才之一。 另一位现在向张亚勤汇报AI商业化的副总裁叫杨涛，2017年10月加盟百度，之前在微软任职副总裁，负责智能云和数据化转型等业务。 在出任百度副总裁后，杨涛的核心任务是推动百度AI商业化落地，把百度AI技术、算法、云计算等能力落地进入产业，之前已在与百度和中国长城的智慧城市合作中亮相。 4 业务总经理 6位业务副总裁外，百度还有4位AI航向里一线总经理。 景鲲，可能是2017年来百度最忙碌的总监之一，以黑眼圈著称，他负责的更知名的产品是DuerOS，被陆奇称之为AI时代的Windows. 景鲲现在是百度度秘事业部总经理，百度人工智能产品委员会主席，直接向陆奇汇报。 在度秘被多级提升前，景鲲是百度搜索公司产品委员会主席、大搜索总产品架构师。 更有意思的是，景鲲还是另一个知名对话AI"小冰"的创造者之一，他在2014年加入百度前，是微软首席研发总监，负责微软必应搜索亚洲市场的研发工作，并在其间打造了微软小冰雏形。 顾维灏，是另一位有故事的总监，目前是百度智能汽车事业部总经理，吃到了中国第一张无人驾驶罚单。去年7月百度AI开发者大会上，坐在百度无人车驾驶位上的驾驶员正是顾维灏。 顾维灏还是个纯百度er，求学于北京交通大学计算机应用技术专业，2003年以实习生身份加入百度，先后担任过百度地图事业部副总经理、百度车联网总经理。 2016年9月开始，顾维灏出任百度新战略级业务百度L3事业部总经理。在2017年成立百度IDG后，顾维灏继续智能汽车业务总负责人。 2003年的百度实习生里，除了顾维灏，还有现任百度地图事业部总经理李莹。 她从实习生做起，2004年东北大学硕士毕业后正式加入百度，先后在网页搜索部、Spider部、互联网数据研发部、推荐与个性化部、复合搜索部、人力资源部、知识图谱部、AI技术生态部、AI测试部等任职工程师和管理岗。 2018年，李莹正式晋升成为百度地图事业部总经理。 6 世界级科学家 除此之外，还不能忽视的是百度的AI科学家群体。特别是2018年以来，有4位世界级AI科学家被百度揽入麾下。 Ken Ward Church于2018年1月加盟百度研究院，是自然语言处理领域的大师级人物，是经验主义方法的奠基人之一。 Ken Church在MIT完成了本硕博学位，并先后在贝尔实验室、微软研究院、约翰霍普金斯大学、IBM Watson研究中心工作。 此外，Church还是自然语言处理领域的顶级学术会议之一EMNLP（Empirical Methods on Natural Language Processing）的创办者，并多年担任主席。 更有意思的是，Ken Church还是ACL Fellow，并在2012年担任过ACL主席——与王海峰一样，也意味着百度现在同时拥有多位ACL主席。 之所以是多位ACL主席，是因为现任百度技术委员会主席吴华，曾担任过2011年IJCNLP的机器翻译领域主席，以及2014年担任过ACL程序委员会主席，还是2017年福布斯"AI杰出女性"入选者（全球共21位获选）。 吴华学成于中科院自动化所，2010年加盟百度，主要研究领域包括机器翻译、自然语言处理、机器学习、智能交互等。并且所领导的百度翻译项目获得国家科学技术进步奖二等奖。 浣军是另一位2018年1月宣布加盟的AI科学家，是百度研究院大数据实验室（BDL）负责人。 加盟百度前，浣军是美国堪萨斯大学电子工程和计算机系终身正教授、博士生导师。还曾任美国国家基金委项目主任，主管大数据。 浣军长期从事数据挖掘和机器学习的理论、算法和应用的研究，研究领域涉及大数据、生物信息学、药物基因组学等。 还是2018年1月，熊辉也宣布加盟，并出任百度研究院商业智能实验室主任。 熊辉出自中科大，博士毕业于美国明尼苏达大学，加盟百度前是美国罗格斯-新泽西州立大学终身正教授。 熊辉主要研究领域涵盖数据挖掘、大数据、人工智能，是长江讲座讲授，还获得过ACM杰出科学家的嘉奖。 此外，还有一位世界级科学家段润尧没有归入百度研究院，而是成为了新成立的百度量子计算研究所所长。 段润尧本硕博都学于清华计算机系，师从应明生教授。 入职百度前，段润尧悉尼科技大学终身教授、澳大利亚研究理事会（ARC）Future Fellow。他最知名的事件是在2016年，段润尧与巴塞罗那自治大学(UAB)Andreas Winter教授合作，首次用量子信息论方法给出著名的Lovász number的完整信息论解释，从而解决了信息论和图论中自1979年以来一直悬而未决的公开问题。 截至目前，段润尧在国际顶级学术期刊会议上发表论文80余篇。曾主持或作为主要参与人完成量子计算方面多项国家自然科学基金项目，一个863项目，以及两项ARC项目。 还曾于2013-2016年担任QIP会议（量子计算和量子信息科学理论方面最顶级的学术会议）管委会委员和2015年主席，并作为组委会主席成功在悉尼举办QIP2015。 当然，还有一个小八卦，这位"段"姓科学家，还是大理段氏后裔。 OMT：2 T11 最后，介绍2位百度AI转型中的T11. 在百度，技术体系的最高层级是T12，但T12更多是荣誉嘉奖，一般只属于首席科学家（也有说李彦宏也是T12）。 在百度历史上，William.I.Chang（张威廉）和吴恩达都是为数不多的T12. 而T11则是一线工程师的最高技术评级。目前在百度Apollo和DuerOS等2大系统打造中，也有2位低调的T11. 一位叫陈竞凯，2002年北大硕士毕业后即加入百度，是百度内部低调又谦逊的技术大神之一，先后在搜索、广告和地图等业务上统领过技术工作，并任百度技术委员会联席主席。 2018年开始，陈竞凯受命李彦宏陆奇，负责百度自动驾驶技术工作，出任百度自动驾驶首席架构师。 他面临的最大挑战，就是在日益升温的自动驾驶竞争中，保持百度的先发优势，以及拓展Apollo的影响力。 另一位首席架构师是度秘事业部CTO朱凯华，这位80后T11在2006年计算机硕士毕业于上海交大，其后加盟Google中国，负责并行化机器学习和spam fighting。2009年后转到Google总部，担任Google主任架构师，是Google panda等一系列核心算法的创造者。 2013年，朱凯华回国并加盟百度，出任搜索公司核心排序的技术负责人，他还在百度参与设计了一系列产品创新，如唯一答案，点击后推荐，AppLink，以及度秘等。 最终度秘DuerOS成为百度AI重要战略，朱凯华也同景鲲一起，是百度面向AI时代的操作系统的关键先生。 以上，20位AI高级人才，组成了百度AI人才最核心的中轴梯队。 — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 https://ift.tt/2IcZxIO RSS5