index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
本文聚焦科技行业全球大裁员背景下，一位在三家工业AI研究实验室工作过的研究者的经历。作者Boyang Li分享了他在动画大厂、初创AI公司和国内大厂硅谷研究实验室的历程，揭示了工业界研究为何困难重重。他指出，研究实验室的关闭并非个人能力问题，而是源于企业战略不确定性、研究与商业利益的平衡难题，以及研究周期与商业周期的错位。文章强调，工业界对投资回报率的追求，可能导致研究人员面临短期交付压力，而真正的研究本身就包含着“正确的失败”。
🔬 **工业研究实验室的脆弱性**：作者Boyang Li经历了三家工业AI研究实验室的关闭，这并非偶然。从国际动画大厂的研究分部到一家以AI为卖点的初创公司，再到国内大厂的硅谷实验室，他见证了研究机构因公司战略调整、市场判断失误或母公司退市等多种原因而解散，显示了工业界研究项目在商业运作中的不确定性。
⚖️ **研究与商业利益的平衡困境**：文章指出，工业界研究面临的核心挑战是如何在追求创新研究的同时，满足商业上的投资回报率（ROI）要求。Meta等公司可能会施压研究人员转向短期可见的交付成果，这与需要长期投入和探索的科研本质存在冲突。这种平衡的失调是导致研究项目夭折的重要因素。
💡 **“正确的失败”在工业研究中的挑战**：真正的科学研究本质上包含试错和“正确的失败”。然而，在工业界，尤其是在追求快速商业化的环境中，对失败的容忍度较低。研究人员可能因为无法快速证明商业价值或成果，而面临项目被砍或自身被裁的风险，这阻碍了真正突破性研究的产生。
📈 **市场判断与用户理解的偏差**：作者以一家AI英语学习应用为例，说明了企业可能存在对目标用户及其需求理解的偏差。实验室的研究成果若脱离实际市场需求或用户真实使用场景，即使技术再炫目，也难以获得商业上的成功。这种对市场和用户需求的洞察不足，是工业研究失败的常见原因之一。
【新智元导读】Meta大裁员，连老将田渊栋都中枪。从炫目Demo到失业压力，工业研究为何困难重重？科技行业全球10万大裁员，连10年老将田渊栋都被Meta裁掉了！Meta风雨飘摇，AI从业者人心惶惶。昨天，南洋理工大学的副教授Boyang Li吊足了大家的胃口：Meta FAIR最近的事件很抓马，但工业研究为什么这么难？我想知道大家愿不愿意听一下我的观点。
我的资历是：我工作过的三家工业研究实验室，全都倒闭关门了。大家对预告高度关注，无论是在职的从业者还是即将求职的博士生，甚至被牛津兼职教授戏称为「史上最大的吊胃口」👇:今天，他开始讲述这个故事。这个故事很长，可能需要几天甚至几周的时间来把所有内容敲出来，但他会尽力。同事很好，学了很多，但被裁了先说说背景。2015年，他从佐治亚理工学院获得博士学位后，加入了某国际动画大厂的匹兹堡研究分部，就叫它DR吧。这是他毕业后的第一份工作。最初，他是博士后，后来转为研究科学家。在该研究中心，研究科学家领导自己的研究小组，配备有实习生和博士后。对他而言，DR是一个梦想成真的地方。这么说并不是因为该公司的动画是他童年的组成部分，完全不是。事实上，他在工作中不得不去了解很多关于该公司经典角色的知识。他之所以喜欢这份工作，主要原因是该研究中心汇聚了他见过的最杰出的研究人员。他们思考得更清晰，做演示要好，对业务的理解更深入，而且对人际关系和公司政治的洞察力也更强。当然不是说这些特质都集中在某一个人身上，但从总体上看，他表示「从同事那里学到了很多」。
当然，这里也有一定的同行压力，但他「喜欢来自聪明人的智力挑战」。直到今天，当时的研究视频依然是最令他惊叹。比如，下列研究演示：另一个工作福利是，该研究中心组织了前往该公司不同部门的参观活动，希望这能帮助研究人员了解业务，并开发出他们可以使用的相关技术。从这些旅行中，他也学到了很多。2017年，该国际动画大厂接近系列电影的巅峰时期。但2017年10月，公司总部决定不再维持DR研究中心相同的支出水平——据估计每年大约2000万到3000万美元。预算被削减了50%，匹兹堡办公室也关闭了。大多数留下来的员工在1到2年内都离开了。刚好，他手头有另一个工作机会，于是决定立刻接受裁员。第二家：跑路一年后，母公司退市了2018年1月，他搬到了加州圣马特奥，加入了一家初创AI研究实验室。这家企业开发了「AI教师」，以手机应用程序的形式教中国人英语。这家初创公司以人工智能能力为卖点——自然地，它似乎可以从人工智能研究实验室中受益，或者至少看起来是这样。人生中的第一次裁员经历，让他久久难忘，可以说是「一朝被蛇咬」。他一直在想这个实验室是否有未来。而客户调查让他脊背发凉。实验室的一位同事告诉他，她参与了一项电话客户调查。他们惊讶地发现，接听电话的大多数人是全职妈妈。但调查人员原本以为这个应用程序能够改善职业前景，他们的主要市场应该是个需要提高商务英语的专业人士。问题是，在中国，全职在家是一种罕见的选择。只有富裕家庭才能负担得起这种安排。可能只有白天不工作的人才会接电话。尽管如此，他还是觉得这非常令人不安。尽管该应用程序拥有数千万用户，但背后的企业几乎不知道他们的用户为何使用该应用程序）——用户追求的并不是职业前景。2018年5月，CEO到访美国的AI实验室，进一步强化了这种不祥的感觉。他没有传递积极的信息和宏伟的愿景，而是专注于成本，尽管公司即将在纽约证券交易所上市，并且本应处于快速增长的轨道上。他总结说，办公室斗争「不是工业研究实验室失败的真正原因」。所以，他很快离开了。在离开后，他工作的第二家工业实验室不到一年就关闭了。背后的母公司在2022年，也被纽约证券交易所摘牌。到7月，他开始在国内某大厂的硅谷研究实验室工作。在第三家实验室，他又经历了什么？且待主人公下一次分解。人生无常，接受真确的失败这位副教授待了三家工业AI Lab，三家最后都关门了。可谓人生无常，大肠包小肠。但毫无疑问，它们的倒闭不是Boyang Li个人的错，甚至不是这些AI Lab的工作人员的错。正如NVIDIA的机器学习专家、机器学习博士JF Puget所言：相关性不等于因果性。
他还解释了Meta FAIR优化Llama4的可能原因：天下没有免费的午餐。工业界要看投资回报率ROI。他们会施压要研究人员转向短期交付。研究本不简单，而工业界研究之所以困难，原因可能更多：企业战略的不确定性、研究与商业的平衡、研究时间线和商业周期之间的对齐难题……工业界用炫目的演示吸引了目光，以至于大家忘了研究就是正确的失败。顺便提一句，Boyang Li之前关于视觉语言模型的研究，近2年引用量突然爆发了。目前，谷歌学术显示他都总引用数超过了1.4万。 文章原文
