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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09