京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何看待阿里巴巴成立阿里全球研究院「达摩院」,3 年投资 1000 亿引进顶级人才?
背景介绍:阿里巴巴CTO行癫宣布,阿里巴巴成立全球研究院—阿里巴巴达摩院,3年投资1000亿人民币。该院由全球实验室,高校联合研究所,全球前沿创新研究计划三大部分组成,研究包括:量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、下一代人机交互、芯片技术、传感器技术、嵌入式系统等,涵盖机器智能、智联网、金融科技等多个产业领域。
以下是笔者观点
首先强调下不要无脑黑BAT,事情一码归一码。
其次这个事情最好不要用“感觉”说话(不是针对各位,毕竟影响到整个行业,有必要好好说说),很多答案都是凭着对公司整体印象回答的,充满了个人情绪色彩,达摩院这个事情影响的可能是未来的经济走向、科研、工业等方方面面。
最后,研发院不单单是研究,也有开发,落地对本身BAT这种以业务为核心的企业,比起微软和谷歌更容易产生市场价值。
如何评价达摩院建议从以下角度考虑:
一、看外部大环境(阿里在BAT中研发处于什么地位,在全球知名互联网企业中研发处于什么地位,看各司研发费用,看政策支持)
二、看内部环境(出于什么目的来做达摩院,以及达摩院在未来处于阿里集团的什么战略位置,看阿里目前总营收Total Revenue和 净利润Net-Income,看阿里能不能支撑起整个达摩院)
三、看AI人才需求和储备,看科研能力(全球AI人才储备情况/科研能力,我国AI人才储备情况/科研能力,阿里AI人才储备情况/科研能力)
四、看AI的迫切性(为什么这个时间点来建立达摩院,金融/机器智能/智联网对AI需求的迫切性)
以下所有数据仅供参考,匆忙搜集整理的,可能有纰漏。
外部大环境
RHS是指这个图例以右边的刻度来看。(条形图看右边刻度,三角形比例图看左边)
这两个图说明什么呢?
一、BAT的研发投入占营收额比谷歌和微软要低,但是大家日常黑的百度现在在拼命把钱投入研发。
二、BAT在人力资源层面,其实开发人员占比要比谷歌和微软高。其中腾讯开发人员占员工数最高,过半。
上面的两个结论,结合一些别的数据(比如微软的连续裁员),我们可以得出一些简单的推理性质的结论:
一、中国的研发人员不值钱,研发成本低,所以BAT公司都有一个高的研发人员比例。(根据上面数据可知)
二、谷歌和微软两家科技企业会不断裁撤非研发部门人员,但研发人员占总员工比例短期内不会跟BAT持平,他们研发人员用人均单价更贵。(根据微软CEO裁员计划等等可知)
三、各司总人数约为
百度员工数:5万 研发人员2万2千左右
腾讯员工数:4万 研发人员2万左右
阿里员工数:5万 研发人员2万3千左右
微软员工数:12万4千 研发人员3万8千左右
谷歌员工数:7万5千 研发人员2万8千左右
收入和研发费用:
可能有误差,财报上的revenue应该没问题,但是算的是FY2017Q1的revenue上面两个R&D费用图我没查是具体Q1还是Q2的,各公司利润这里就不算了
百度在Q117的收入是US$ 2454 million,投入研发的费用是US$353 million
腾讯在Q117的收入是US$ 7182 million,投入研发的费用是US$560 million
阿里巴巴在Q117的收入是US$5605 million,投入研发的费用是US$605 million
微软在Q117的收入是US$20500 million,投入研发的费用是US$2972 million
谷歌在Q117的收入是US$24750 million,投入研发的费用是US$9405 million
(所以说美帝做技术,中国做业务也是有一定道理的)
根据以上内容以及业务相关产生的推论:
百度投入研发占营收比高可能是百度营收不好,换个角度想百度是在营收不好的情况下喊出了AI当先的口号,可见壮士断腕的决心,但是做好做不好很难说。之前媒体大肆渲染的百度掉队,其实只是营收和利润没有以前高了,核心技术百度依旧有领先,要正视事实。
腾讯的主要营收点是P4P广告业务和游戏,为什么买绝地求生,想想LOL和王者荣耀带来的revenue就知道了,腾讯在营收比阿里高的情况下,对研发的投入比阿里少,腾讯属于BAT中入行最晚的。
阿里GMV增速放缓,国内市场吃的其实差不多了,为什么马云一直喊要走向国际,为什么要做AI,跟阿里的国内电商业务快要进入稳定期有关(虽然目前增长还是很强劲,但有报告指出后续阿里的GMV增速会下降,直到市场饱和)。
谷歌对研发的投入非常高,营收是微软1.2倍的情况下,研发费用是微软的3.2倍。
BAT带来营收的核心业务:
这里我用Value Split百分比来衡量,百度 搜索引擎(64%),阿里巴巴core 电商(天猫,淘宝,共计72%),阿里巴巴associate 蚂蚁金服(4%) ,腾讯core (游戏55.7%,广告26.9%),腾讯investment(京东3.2%)。
某些第三方机构对BAT的展望:
百度:搜索引擎业务恢复放慢(魏则西这事影响太大),宏观变差
阿里:核心业务是电商,放慢的GMV growth,市场竞争加剧(唯品会、京东等等各种电商网站),吸引力变低
腾讯:核心业务是游戏和广告,在线游戏增长变慢(为什么今年要买绝地求生,lol、王者荣耀盈利性要下降了,游戏的特性就是时节性,多久衰退看运营和市场能力),P4P ad市场的竞争进入“惨烈”状况。
中国与美国AI生态的对比(截至February 2017,部分小规模未收录):
还有中国的AI生态与美国相比仍有很大差距。
政策支持:
具体的数字和产业规模在国务院关于印发新一代人工智能发展规划的通知里可以查到:国务院关于印发新一代人工智能发展规划的通知(国发〔2017〕35号)_政府信息公开专栏(http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm)
不多说,最起码政策是支持的。
以上总结一下就是:
2020年 AI核心产业规模到达1500亿人民币,AI相关产业规模到达10000亿人民币
2025年 AI核心产业规模到达4000亿人民币,AI相关产业规模到达50000亿人民币
2030年 AI核心产业规模到达10000亿人民币,AI相关产业规模到达100000亿人民币
就市场角度来说,达摩院有存在的必要性。
内部环境
钱的问题(研发费用):
1000亿人民币拿当前汇率算下大致就是15181417944.436美元,约等于US$15181 million。马云说未来三年内。我们取个平均数,每年US$5060 million。
即使是理想状态下,达摩院跟google的 R&D费用相比还是不到一半,一定比Microsoft Research Lab 的研发费用高,这个就不用算了。
从阿里巴巴的FY16中可以看到,Non-GAAP Net Income是US$6629 million,所以三年内逐年上升的趋势拿出US$15181 million做达摩院还是有机会的,阿里营收也在成长,其中上面提到的核心业务China commerce在FY17中给出了25x P/E。
钱对阿里做达摩院来说,应该不是太大的问题。
战略位置:
阿里巴巴董事局主席马云曾在过去数年中多次提及阿里巴巴未来二十年的目标与路径——构建世界第五大经济体。
“达摩院”的研究方向定位于基础科学和颠覆式创新,首批公布的研究领域包括:量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、人机自然交互、芯片技术、传感器技术、嵌入式系统等,涵盖机器智能、智联网、金融科技等多个产业领域。作为最高学术咨询机构,学术委员会具有的前沿学术思维与阿里巴巴的人才、技术、数据、平台有机结合,将为科技进步和人类未来生活带来极大的想象力。
目前,阿里巴巴达摩院已经开始在全球各地组建前沿科技研究中心,主要包括亚洲达摩院、美洲达摩院、欧洲达摩院等;他们还将在北京、杭州、新加坡、以色列、圣马特奥、贝尔维尤、莫斯科等地设立不同研究方向的实验室,初期计划引入 100 名顶尖科学家和研究人员。
其实马云的演讲表达的已经足够清楚了:
一、三年陆续投入1000亿(他说的五年陆续,后来新闻都是三年,应该五年是个口误或者三年是为了宣传)
二、研究院要做一个跟微软、英特尔、贝尔实验室、IBM不一样的研究院,要适合这个世纪的研究院
三、未来研究院要能够自己养活自己,没钱的走不长,只看钱的走不远,达摩院要解决问题同时有利润有研究能力,自己做一套出来。避免政府、企业、学校的赞助,自营自立。
四、达摩院活得要比阿里巴巴长
独立于阿里巴巴的赚钱兼顾科研的研究院,属性更像一个科技经济体。
人才/科研能力的问题
AI人才(只看到了Linkedin做了这样一个统计,仅供参考,因为不知道这家的统计方式,所以部分数据有待商榷,其他途径获得的数据误差目前更大,暂且用这个):
从LinkedIn的全球AI人才报告中可以看出,我国AI人才储备并不乐观。但是我严重怀疑这里数字的真实性。
我国AI人才有多少?我按照常用的市场估算方式算下。
2015年全国信息传输、计算机服务和软件业就业人员共计约700万
2014年这个人数是672万人,其中IDC2014年的报告中给出了中国开发者人数(包含业余爱好者)共计185万。
700*(700/672)*(700/672)*185/672 * 0.05 约等于10.5万,这里2014年的从业者比185少个几十万没问题。%5是我根据跟各公司接触,对研发人员中从事AI工作的平均预设比例(只在今年AI岗位井喷了)为%5。
所以LinkedIn给出这个中国5万AI领域从业者数量,我认为是可信的,并不是领英只算了自己注册用户中填写AI开发者资料的用户。
按照数量从大到小依次是:美国85万>印度15万>英国14万>加拿大8万>法国5万=中国5万=澳大利亚5万>其他。
中国排全球第七。
输AI人才断档问题严重
阿里的国内达摩院如果想快速获得大量资深AI人才,可能要去各种挖美国墙角了。
恰好美国是回流中国AI人才最多的,不过美国在AI领域对人才吸引力更胜一筹。
当初有人私信问过我推荐系统和CV选哪个,我说CV是有背后的道理的。
国内的达摩院放在北京和杭州两地。
雇佣AI人才数量上:阿里有成立达摩院的动机
科研能力:
下面左图是论文数量(深色为别人引用,浅色为自引用),右图是发表物的影响因子。
从上图可得到结论如下:
截至统计时,AI相关领域的论文发表,中国产出了最多的论文数量,但影响力远不及美英两国,且中国自引用比例高达70%,美国自引用比例为38%。(自引用的意思是:当一篇期刊发了某个论文,同时这个期刊的另一篇文章用了这篇)。
推论:
一、中国学者制造了大量垃圾论文,且喜欢抱团刷影响因子。
二、英美在AI研究领域依旧是世界领先地位。
如果达摩院仅仅靠国内人才,难以在科研领域有所作为。
成立达摩院的急迫性
对AI在各行业市场规模的预测:
2018年 军用 US$7.5 billion
2025年 无人机 US$14 billion
2020年 农业 US$16.3 billion
2018年 家庭&娱乐:US$19.8 billion
2022年 医疗保健:US$38.6 billion
2025年 工业:US$55 billion
2020年 基于AI的分析行业:US$70 billion
2030年 运输业:US$87 billion
2020年 金融业:US$ 255 billion
第六次成功的科技革命:
2021年未必会像上面描述的那样,仅供参考。
这个时间节点搞这个事情对科技企业是应该的,成立达摩院也是如此。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26