導(dǎo)語：對(duì)于AI人才，尤其是頂尖的AI人才來說，錢永遠(yuǎn)不是唯一考慮的因素。

近日，美團(tuán)宣布以20.65億元人民幣的價(jià)格，收購AI公司光年之外，引發(fā)了業(yè)界的廣泛關(guān)注。

王慧文與美團(tuán)創(chuàng)始人王興是清華大學(xué)的同學(xué)兼室友，曾經(jīng)在創(chuàng)業(yè)道路上數(shù)度并肩作戰(zhàn)，被譽(yù)為互聯(lián)網(wǎng)圈的一段佳話。

此前，王慧文因健康原因，不得不中止了對(duì)光年之外AI事業(yè)的領(lǐng)導(dǎo)。

這次的收購，被很多人看成是王興對(duì)這位上鋪兄弟的“出手相救”。

不過，除了個(gè)人情誼之外，光年之外本身在AI領(lǐng)域的價(jià)值，自然也是美團(tuán)此次收購的重要原因。

光年之外成立于2023年2月，由王慧文個(gè)人出資5000萬美元，估值2億美元，王慧文曾表示，“個(gè)人肉身不占股份，75%的股份用于邀請(qǐng)頂級(jí)研發(fā)人才”。并發(fā)布了“英雄帖”，聲稱要打造“中國的OpenAI”。

那么，如此高調(diào)進(jìn)軍AI領(lǐng)域的光年之外，其真正技術(shù)實(shí)力究竟如何？被收購之后，其與美團(tuán)又將在AIGC領(lǐng)域，打開怎樣的局面呢？

收購下的收購

按照常理推斷，今年2月才成立的光年之外，注定在AI技術(shù)上不會(huì)有太深厚的積累。

既然如此，決意向AGI進(jìn)軍的王慧文，就只能通過最“速成”的方式——收購，來增強(qiáng)自身團(tuán)隊(duì)的技術(shù)實(shí)力。

王慧文在兩個(gè)月內(nèi)完成技術(shù)人才團(tuán)隊(duì)搭建，吸引了包括多名人工智能領(lǐng)域頂級(jí)專家和創(chuàng)業(yè)者的加入。其中最引人注目的是收購了有著40多人規(guī)模的AI框架公司“一流科技”。

一流科技是一家專注于人工智能基礎(chǔ)設(shè)施軟件的研發(fā)工作的創(chuàng)新企業(yè)，由清華袁進(jìn)輝博士于2017年創(chuàng)立。

師從清華人工智能研究院院長張鈸的袁進(jìn)輝，不僅曾任微軟亞洲研究院主管研究員，獲得過多項(xiàng)國際專利，還提出了當(dāng)時(shí)世界上最快的主題模型訓(xùn)練算法系統(tǒng)LightLDA。

今年4月，光年之外完成收購一流科技，持有約46.52%股權(quán)，袁進(jìn)輝及輝煌合伙持有約34.63%及18.84%權(quán)益，到被美團(tuán)收購時(shí)，光年之外整個(gè)團(tuán)隊(duì)規(guī)模已經(jīng)達(dá)到了70多人。

可以說，目前光年之外最主要的AI技術(shù)，就是來自一流科技。

而要衡量一流科技在AI領(lǐng)域的技術(shù)水平，我們不妨看看其親自研發(fā)的核心產(chǎn)品——OneFlow，這是一個(gè)對(duì)標(biāo)TensorFlow、PyTorch及百度飛槳的深度學(xué)習(xí)框架。

如果要用一句話，概括OneFlow對(duì)大模型的意義，那就是它可以使用更多的計(jì)算資源，加快訓(xùn)練速度，提高模型性能，同時(shí)不受內(nèi)存容量的限制。

這樣的特點(diǎn)，主要?dú)w功于OneFlow，靜態(tài)編譯和流式并行的核心理念和架構(gòu)。

這樣的架構(gòu)，簡單來說，就是在運(yùn)行前就會(huì)構(gòu)建好一個(gè)完整的計(jì)算圖和數(shù)據(jù)流的表示，包括計(jì)算節(jié)點(diǎn)、數(shù)據(jù)節(jié)點(diǎn)、通信節(jié)點(diǎn)等，而非在運(yùn)行時(shí)才根據(jù)輸入這些信息。

如此一來，就可以有效地減少運(yùn)行時(shí)的開銷，提高計(jì)算效率，降低大模型訓(xùn)練所需的設(shè)備數(shù)量和通信量。

雖然，在當(dāng)下的大模型競爭中，降低模型的訓(xùn)練難度和成本，早已不是什么新穎的技術(shù)，但OneFlow的獨(dú)特之處就在于：其不僅讓大模型訓(xùn)練得更快，而且還讓大模型具備了更高的“易用性”。

而這樣的“易用性”，說白了就是能讓應(yīng)用更容易地落地，并支持更多的場景，例如大規(guī)模人臉識(shí)別、廣告推薦大規(guī)模訓(xùn)練等。

為實(shí)現(xiàn)這點(diǎn)，OneFlow采用了數(shù)據(jù)并行與模型并行相結(jié)合的技術(shù)。

簡單地說，就是可以將一個(gè)大的數(shù)據(jù)集切分到多個(gè)設(shè)備上，每個(gè)設(shè)備使用相同的模型參數(shù)進(jìn)行訓(xùn)練，然后通過通信同步梯度，提高訓(xùn)練速度和效率。

這樣的技術(shù)，不僅解決了解決模型過大，無法放入單個(gè)設(shè)備的問題，還能根據(jù)不同的用戶和場景，靈活地選擇最合適的并行方式，實(shí)現(xiàn)更高效的分布式訓(xùn)練。

了解了這一切之后，我們?cè)購恼w上分析這次美團(tuán)的收購事件，就可以從中窺見，這樣的技術(shù)，在美團(tuán)目前的AI布局中，為何顯得至關(guān)重要。

并行訓(xùn)練

要理解光年之外對(duì)美團(tuán)的意義，我們就得先看看美團(tuán)想用AI來做什么。

早在2020年的世界人工智能大會(huì)上，美團(tuán)首席科學(xué)家、AI平臺(tái)部總經(jīng)理夏華夏首次公布了美團(tuán)在AI科技領(lǐng)域的布局和愿景。

夏華夏表示：“美團(tuán)AI將以‘幫大家吃得更好，生活更好’為核心目標(biāo)，致力于在實(shí)際業(yè)務(wù)場景需求上探索前沿的人工智能技術(shù)，并將之迅速落地在實(shí)際生活服務(wù)場景中，完成線下經(jīng)濟(jì)的數(shù)字化。”

說白了，就是以AI技術(shù)+海量真實(shí)數(shù)據(jù)，形成以美團(tuán)AI為核心的智能化生活服務(wù)閉環(huán)。

但問題是，“實(shí)際生活服務(wù)場景”，是一個(gè)涵蓋面很廣的概念，它包括了餐飲、外賣、酒店、旅游、電影、打車等。

這么多的場景，怎么用AI一攬子拿下？

美團(tuán)給出的策略是“以場景驅(qū)動(dòng)技術(shù)”。

換句話說，美團(tuán)有很多種不同的服務(wù)，包括線下生活里的各種方面，有這些場景就有大量的數(shù)據(jù)，這些大量的數(shù)據(jù)可以反過來幫助美團(tuán)人工智能算法不斷迭代、優(yōu)化，這些算法再幫助用戶在場景中得到更好的服務(wù)。

這實(shí)際上是一種以專有數(shù)據(jù)形成正循環(huán)的思路。

在這樣的整體布局中，一個(gè)能夠根據(jù)不同的用戶和場景，實(shí)現(xiàn)高效的分布式訓(xùn)練的算法框架，就顯得尤為重要。

而這正是之前提到的OneFlow的并行訓(xùn)練所具備的優(yōu)勢(shì)。

舉例來說，在美團(tuán)外賣場景下，需求是與情境依存的，在不同的時(shí)間、空間以及其他更廣義的環(huán)境下，用戶需求、商家供給等都有顯著區(qū)別。

這樣的情況，造成了外賣場景具有很強(qiáng)的地理位置和就餐文化約束。

比如工作日多為單人餐，以飯類套餐、輕食、米線為主；而在周末，用戶會(huì)適當(dāng)犒勞自己、兼顧家人，傾向于選擇更適合多人就餐的燒烤、韓國料理、火鍋。

某地區(qū)高消費(fèi)用戶在工作日和周末的差異性就餐習(xí)慣

面對(duì)這種情況，以往的模型設(shè)計(jì)，比如用戶興趣建模，或者樸素的多層神經(jīng)網(wǎng)絡(luò)，都無法應(yīng)對(duì)這些復(fù)雜的用戶、時(shí)間和地理環(huán)境糾纏在一起的情況。

雖然美團(tuán)對(duì)此提出了“情境細(xì)分+統(tǒng)一模型”的思路，將用戶的行為序列按照不同的情境進(jìn)行劃分，然后用一個(gè)統(tǒng)一的模型，來對(duì)每個(gè)情境下的用戶行為進(jìn)行預(yù)測。

但這種大參數(shù)的統(tǒng)一模型，往往會(huì)導(dǎo)致訓(xùn)練和預(yù)測的開銷較大，影響推薦的效率和穩(wěn)定性。

而OneFlow的框架，正好解決了這一痛點(diǎn)。

得益于數(shù)據(jù)并行與模型并行的技術(shù)，OneFlow可以把一個(gè)大的模型切分成多個(gè)小的模型，分配到多個(gè)設(shè)備上，每個(gè)設(shè)備負(fù)責(zé)一部分模型的計(jì)算，然后通過通信傳遞中間結(jié)果，完成整個(gè)模型的計(jì)算。

如此一來，OneFlow就不需要一個(gè)統(tǒng)一的模型，而是可以使用多個(gè)子模型來對(duì)不同細(xì)分群體的用戶行為進(jìn)行預(yù)測，并通過多任務(wù)學(xué)習(xí)和遷移學(xué)習(xí)，來實(shí)現(xiàn)不同情境間的知識(shí)共享和遷移，提高推薦的精準(zhǔn)度和個(gè)性化程度。

從這個(gè)角度上說，OneFlow的技術(shù)對(duì)美團(tuán)而言，無疑是一塊用在刀刃上的“好鋼”。

留住人才才是關(guān)鍵

盡管光年之外的加入，在技術(shù)層面上，為美團(tuán)的AI生態(tài)注入了新的活力，然而，每一個(gè)技術(shù)的背后，其實(shí)都是人才的競爭。

可以說，正是這些人才的存在，才讓此次的收購真正具有了“價(jià)值”，而非僅僅是買來了一個(gè)徒有口號(hào)和情懷的空殼公司。

在此次的收購中，光年之外對(duì)美團(tuán)最大的意義，就是帶來了原先一流科技頂尖的AI人才。

除了在深度學(xué)習(xí)有著頗深造詣的袁進(jìn)輝博士外，一流科技的首席科學(xué)家張鈸，不僅是清華大學(xué)人工智能智能研究院院長、而且還是中國計(jì)算機(jī)學(xué)會(huì)CCF終身成就獎(jiǎng)獲得者，堪稱中國人工智能領(lǐng)域的學(xué)界泰斗。

從這點(diǎn)來看，美團(tuán)的科研隊(duì)伍正不斷壯大。

然而，在繁盛的表象之下，如何留住這些頂尖的人才，將是王興接下來的一個(gè)重大難題。

在這方面，百度與辛頓之間的往事，也許是一個(gè)很有啟發(fā)意義的例子。

?

2012年，百度曾斥資4400萬美元，試圖收購辛頓（人工智能三大泰斗之一）的初創(chuàng)公司——DNNresearch，想將這位學(xué)界泰斗納入自己麾下。

結(jié)果辛頓最終還是選擇了谷歌。

雖然錢是少了點(diǎn)，但辛頓選擇了遵從內(nèi)心——谷歌才是他想要的環(huán)境。

這樣的例子說明了，對(duì)于AI人才，尤其是頂尖的AI人才來說，錢永遠(yuǎn)不是唯一考慮的因素。

能否為人才提供一個(gè)施展自身才華、理想的空間，能否使之認(rèn)同企業(yè)的價(jià)值觀，這都是能否留住人才的重要的因素。

在這點(diǎn)上，美團(tuán)是否會(huì)表現(xiàn)得比其他企業(yè)更好？恐怕只有時(shí)間才能給出答案了。

?