文/量子位
百度 COO 陆奇入职已经 10 个月了。
最近陆奇在美国接受 YC 合伙人 Daniel Gross 长达一小时的采访。期间谈及陆奇到百度后进行的变革、他如何进行管理、对 AI 时代生产关系的看法、中美 AI 研究及商业化上的差异、儿时梦想等等话题。
量子位捞取其中干货，对顺序、措辞有所调整，并补充了一些背景信息形成下文。
工程师文化=产品烂？
加入百度前陆奇曾是微软执行副总裁。在他眼里，百度和前东家微软，以及他听朋友描述的谷歌，有一个非常相似的特征：
非常重技术、非常重算法、大规模计算做得非常好；产品非常弱，对用户需求、人类需求的理解非常弱。
而这种“偏科”带来的结果就是，这几家公司技术都很不错，但陆奇毫不避讳地说，这些公司总的来说，产品做得不好。
微软为什么没办法转型移动？我们超级努力的工作，什么都试过了，买了诺基亚、开发了 Cortana。但是，说实话，做出来的产品很烂。这是因为有肌肉记忆，陆奇总结。
所以在 AI 这件事上，陆奇最推崇的榜样是曾经被嘲笑“技术很落后”的亚马逊。他曾经在接受《连线》采访时说，在人工智能竞争过程中，我明白了更重要的是把握正确的应用场景和生态系统。
于是，陆奇到百度后也一直在谋求对“工程师文化”进行变革，想让这家公司更加“以产品为中心”，更理解用户需求，特别是在移动端产品上和 AI 产品上。
治疗“偏科”的药方，简单来说就是关注产品，关注用户。
陆奇对工程团队的定位是“达到目的（dì）的（de）手段”，而这个“目的”，就是服务于用户。他给工程团队和团队领导者的建议有两条：
一是必须关注产品。工程团队要注意产品的使用情况，它现在的用途、各种场景下的使用模式，预测它未来的用途。
他如此强调“目的”，是因为不将工程能力放到产品之中，将自己沉浸在用户环境中，不去理解用户在怎样使用产品、这些使用方式将来会如何发展，就无法真正构建出强大的工程系统。
二是要对价值、商业有所理解。这是因为很多时候，工程工作都是需要资金和分发驱动的。工程团队要理解商业模式，尽早地理解商业是怎样对产品、工程能力产生影响的，也拥抱商业模式带来的挑战。
对百度的产品团队，他基本上还是很满意的。
陆奇说他回国生活、工作 8 个月，感触最深的是中国产品经理“更哲学”，和美国的产品经理相比，他们会更深入地去思考。另外，中国产品研发团队的领导们更强调自我反思，特别强调产品人的自我成长，对自己认知能力的提升。
他曾经认为美国公司里有更好的产品经理，不过现在他说：在百度和其他中国公司遇到的产品人，平均水平要比美国强。
关于如何激励员工们做出好产品，陆奇很欣赏腾讯内部的赛马机制：任何重要项目或者创新领域，他们都会同时投入两三个团队，分别去做同一件事情。
有中国特色的 AI 研发
美国人民面对中国人民（反之亦然）有个问题似乎是标配：
中美两国的公司，拥抱人工智能的姿势有什么不同？
从百度离职的吴恩达现在甚至不需要等人开口问，就自己时不时地讲一下。陆奇当然也会被问到，如今他在百度已经 10 个月了，对于中美公司做 AI 的差异，也颇有心得。
他说，这种差异主要是在环境上，中国在 AI 技术开发和商业化上有结构性的优势。
原因很简单。这一波技术大发展和上一波有一点本质上的区别：数据扮演了非常重要的角色。举个例子，比如说你还有 1 万名非常优秀的工程师，甚至 100 万名，如果没有数据，一样造不出非常好的图像识别软件。
就好像我们在成长的过程中通过眼睛耳朵等“传感器”观察世界、获取“数据”，从而获得知识一样，现在 AI 的核心也不是写代码，而是构建具有学习能力的算法，让软件、硬件从数据中学习知识。
“我的观点是，数据将成为 AI 时代最主要的生产资料。从历史角度来看，在农业时代，土地是首要的生产资料，你会看到人们的一切活动都是围绕土地展开的，所有战争要争夺的，也都是土地。而到了工业时代，主要的生产要素是各种各样的设备，当然还需要资金、人力；到了 AI 时代，最重要的生产资料是数据。”陆奇说。
数据和中国的“结构性优势”有什么关系呢？答案是：中国的社会经济政治形态和美国不太一样，在某些领域，获取、利用数据会容易得多。
因此中国的环境也就更适合开发 AI 技术，并把这些技术商业化，用到面向市场或者社会的应用上去。中国的“结构性优势”指的就是这个环境。
而说到 AI 研发的方法途径，可能中美会有一些文化上的差异，但中国和硅谷公司的基本态度是一样的，这个因素的影响，并没有环境因素那么大。
说到中美差异，美国人民往往会想到中国政府从顶层架构上对 AI 的支持。早在今年 3 月，百度就在政府支持下牵头筹建了首个国字头 AI 实验室：“深度学习技术及应用国家工程实验室”。
本周，科技部还宣布了首批“国家新一代人工智能开放创新平台”，包括依托百度公司建设自动驾驶国家新一代人工智能开放创新平台，依托阿里云公司建设城市大脑国家新一代人工智能开放创新平台，依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台，依托科大讯飞公司建设智能语音国家新一代人工智能开放创新平台。
陆奇在访谈中，也提到了百度和政府围绕 Apollo 自动驾驶开放平台所进行的合作。
比如百度正在建设一种无人车驾校，帮助判定无人车属于哪个等级，就像人类考驾照一样。另外，雄安新区的基础设施建设上，百度和政府也有所合作，想要让自动驾驶汽车更容易在这座新城进行部署。
陆奇说，政府投资意愿很强，也非常愿意支持自动驾驶汽车这种人工智能应用。在未来三到五年内，中国将有机会以各种形式实现自动驾驶技术的商业化部署，有机会超越其他国家。目前，无论是直辖市、省政府还是中央政府，都认为这是中国汽车行业的机遇。
中国的汽车产业目前还没有真正强大的技术，中国政府非常愿意采取自主创新的驱动方式，使中国汽车工业成为世界领先的产业，政府支持是个重要因素。
陆奇说：“如果你把所有这些努力结合在一起，我非常相信在未来三到五年内，我们将会看到中国比其他市场能更大规模地部署自动驾驶。”
5-10 年出顶级基础研究
虽然对中国在 AI 技术发展和商业化的环境优势，以及中国政府支持 AI 研发、支持自动驾驶行业的态度都非常有信心，但说到中美在突破性基础研究上的差距，陆奇则显得没有那么乐观。
陆奇在国内和不少同事一直在讨论这个问题，他们的看法总结起来并不乐观：要说像 DeepMind、OpenAI 那样想顶层的、为学科开疆拓土的研究，未来几年内都不太可能在中国产生。
这大概是因为中国的整体环境、文化还不能很好地支撑这类研究，中国的社会经济环境依然没达到美国那样，不太能真正吸引那些世界级的，纯粹由对知识的追求，对自由想象的渴望来驱动而进行学术研究的人，主流的追求仍然是个人名望、经济回报，而这些追求会对人造成束缚，让人看得不够远，追求的梦想不够大。
但也不是没有一丝光明。中美科研界顶级梯队之间的差距正在缩短，不少美国顶级高校，斯坦福、普林斯顿等等大学培养的研究人员正纷纷回国，加入国内的顶尖高校。
陆奇和他的同事们认为，未来 5 到 10 年，就会有顶级的研究工作出自中国的机构，他也希望未来 5 到 10 年，中国能出现像 OpenAI、DeepMind 那样的真正在为通用人工智能或者其他前沿领域做开创性工作的研究机构。
现在的中国，已经有了孕育这种顶级科研机构的土壤。大公司的研究院就是其中之一，百度、阿里巴巴、腾讯都在花重金投入到企业研究院之中；同时，国字头的实验室和顶级高校所做的也越来越多，在私有领域也有很多这方面的讨论。
陆奇说，其实我们可以想象甚至创造一种新型的研究机构，将企业的研究院、高校和新生代的研究机构融合在一起。
百度有个更简单的办法：硅谷人才充足环境好，那就去硅谷搞个研究院。
中国一直是个人才出口国，大量优秀的人去了美国，有些回来了，有些留在了国外。陆奇说百度相信，中国这个经济体，有机会成为顶级人才的进口国，百度硅谷研究院就算是这样一个前哨站。
提供普通研究者、研究机构得不到的计算资源、数据，那些世界顶级的研究者自然会来。
为了在美国吸引人才，百度在非常积极地资助 MIT、斯坦福、CMU 等等美国顶尖高校的计算机系，和它们合作。陆奇为自己的团队设定了一个目标：这些顶级高校的 PhD 毕业时，百度要成为他们找工作时的前 5 个目标之一。
研究院设在哪、员工来自哪国，都不重要。只要研究的问题是针对中国市场，并有机会全球化的，就行了。
Two More Things
第一个送给可能会被陆奇面试的同学。
陆奇在这次访谈中谈到了他在招聘、面试的时候，看重什么样的特质。
其实对应聘者的要求，当然主要取决于岗位，不过陆奇专门谈到了自己招人时所看重的一种能力：
真正理解未来的主流用户和产品使用模式，特别是要深度理解人类的需求。同时，他还希望应聘者能穿透噪声，理解驱动人类这些需求的暗流。
陆奇说，越来越多的工程工具都成熟了起来，产品开发方法论成熟了起来，这些东西，都成了做好装盘端上桌的菜。现在真正摆在第一位的，是真正理解人类、预测人类需求、对某种环境中的体验做出想象的能力。
百度这么缺产品经理？
不见得。陆奇说，就算不是招产品经理，他也同样会寻求这类特质。这些这些看似专们针对产品经理的要求，其实是面向几乎所有岗位的。
他认为，“产品敏感度是每一系列工作的中心，无论你做销售、市场、工程师、还是 HR，如果你理解产品，都能有助于把你的工作做得更好。”
第二个送给百度的工程师们：
老板非常不好糊弄，诸君请珍重，以及写代码的时候可以考虑为 Qi 埋个彩蛋，心疼你们。
（?▽?）/ 事情是这样的：
陆奇说，他很久没写过代码了，但是你们写的代码，他还是一直在读。对于那些核心的算法、系统的基础，他必须理解所有细节，达到能和最好的架构师等角色能旗鼓相当进行辩论的程度，能探讨为什么要这样设计。
这种方法，其实是和比尔·盖茨他老人家学的——据陆奇说，Excel 的基础代码，盖茨可能比任何人都懂。
相关文章
