百度 COO 陸奇入職已經 10 個月瞭。
最近陸奇在美國接受 YC 合夥人 Daniel Gross 長達一小時的采訪。期間談及陸奇到百度後進行的變革、他如何進行管理、對 AI 時代生產關系的看法、中美 AI 研究及商業化上的差異、兒時夢想等等話題。
量子位撈取其中幹貨，對順序、措辭有所調整，並補充瞭一些背景信息形成下文。
工程師文化 = 產品爛？
加入百度前陸奇曾是微軟執行副總裁。在他眼裡，百度和前東傢微軟，以及他聽朋友描述的谷歌，有一個非常相似的特征：
非常重技術、非常重算法、大規模計算做得非常好；產品非常弱，對用戶需求、人類需求的理解非常弱。
而這種 " 偏科 " 帶來的結果就是，這幾傢公司技術都很不錯，但陸奇毫不避諱地說，這些公司總的來說，產品做得不好。
微軟為什麼沒辦法轉型移動？我們超級努力的工作，什麼都試過瞭，買瞭諾基亞、開發瞭 Cortana。但是，說實話，做出來的產品很爛。這是因為有肌肉記憶，陸奇總結。
所以在 AI 這件事上，陸奇最推崇的榜樣是曾經被嘲笑 " 技術很落後 " 的亞馬遜。他曾經在接受《連線》采訪時說，在人工智能競爭過程中，我明白瞭更重要的是把握正確的應用場景和生態系統。
於是，陸奇到百度後也一直在謀求對 " 工程師文化 " 進行變革，想讓這傢公司更加 " 以產品為中心 "，更理解用戶需求，特別是在移動端產品上和 AI 產品上。
治療 " 偏科 " 的藥方，簡單來說就是關註產品，關註用戶。
陸奇對工程團隊的定位是 " 達到目的（dì）的（de）手段 "，而這個 " 目的 "，就是服務於用戶。他給工程團隊和團隊領導者的建議有兩條：
一是必須關註產品。工程團隊要註意產品的使用情況，它現在的用途、各種場景下的使用模式，預測它未來的用途。
他如此強調 " 目的 "，是因為不將工程能力放到產品之中，將自己沉浸在用戶環境中，不去理解用戶在怎樣使用產品、這些使用方式將來會如何發展，就無法真正構建出強大的工程系統。
二是要對價值、商業有所理解。這是因為很多時候，工程工作都是需要資金和分發驅動的。工程團隊要理解商業模式，盡早地理解商業是怎樣對產品、工程能力產生影響的，也擁抱商業模式帶來的挑戰。
對百度的產品團隊，他基本上還是很滿意的。
陸奇說他回國生活、工作 8 個月，感觸最深的是中國產品經理 " 更哲學 "，和美國的產品經理相比，他們會更深入地去思考。另外，中國產品研發團隊的領導們更強調自我反思，特別強調產品人的自我成長，對自己認知能力的提升。
他曾經認為美國公司裡有更好的產品經理，不過現在他說：在百度和其他中國公司遇到的產品人，平均水平要比美國強。
關於如何激勵員工們做出好產品，陸奇很欣賞騰訊內部的賽馬機制：任何重要項目或者創新領域，他們都會同時投入兩三個團隊，分別去做同一件事情。
有中國特色的 AI 研發
美國人民面對中國人民（反之亦然）有個問題似乎是標配：
中美兩國的公司，擁抱人工智能的姿勢有什麼不同？
從百度離職的吳恩達現在甚至不需要等人開口問，就自己時不時地講一下。陸奇當然也會被問到，如今他在百度已經 10 個月瞭，對於中美公司做 AI 的差異，也頗有心得。
他說，這種差異主要是在環境上，中國在 AI 技術開發和商業化上有結構性的優勢。
原因很簡單。這一波技術大發展和上一波有一點本質上的區別：數據扮演瞭非常重要的角色。舉個例子，比如說你還有 1 萬名非常優秀的工程師，甚至 100 萬名，如果沒有數據，一樣造不出非常好的圖像識別軟件。
就好像我們在成長的過程中通過眼睛耳朵等 " 傳感器 " 觀察世界、獲取 " 數據 "，從而獲得知識一樣，現在 AI 的核心也不是寫代碼，而是構建具有學習能力的算法，讓軟件、硬件從數據中學習知識。
" 我的觀點是，數據將成為 AI 時代最主要的生產資料。從歷史角度來看，在農業時代，土地是首要的生產資料，你會看到人們的一切活動都是圍繞土地展開的，所有戰爭要爭奪的，也都是土地。而到瞭工業時代，主要的生產要素是各種各樣的設備，當然還需要資金、人力；到瞭 AI 時代，最重要的生產資料是數據。" 陸奇說。
數據和中國的 " 結構性優勢 " 有什麼關系呢？答案是：中國的社會經濟政治形態和美國不太一樣，在某些領域，獲取、利用數據會容易得多。
因此中國的環境也就更適合開發 AI 技術，並把這些技術商業化，用到面向市場或者社會的應用上去。中國的 " 結構性優勢 " 指的就是這個環境。
而說到 AI 研發的方法途徑，可能中美會有一些文化上的差異，但中國和矽谷公司的基本態度是一樣的，這個因素的影響，並沒有環境因素那麼大。
說到中美差異，美國人民往往會想到中國政府從頂層架構上對 AI 的支持。早在今年 3 月，百度就在政府支持下牽頭籌建瞭首個國字頭 AI 實驗室：" 深度學習技術及應用國傢工程實驗室 "。
本周，科技部還宣佈瞭首批 " 國傢新一代人工智能開放創新平臺 "，包括依托百度公司建設自動駕駛國傢新一代人工智能開放創新平臺，依托阿裡雲公司建設城市大腦國傢新一代人工智能開放創新平臺，依托騰訊公司建設醫療影像國傢新一代人工智能開放創新平臺，依托科大訊飛公司建設智能語音國傢新一代人工智能開放創新平臺。
陸奇在訪談中，也提到瞭百度和政府圍繞 Apollo 自動駕駛開放平臺所進行的合作。
比如百度正在建設一種無人車駕校，幫助判定無人車屬於哪個等級，就像人類考駕照一樣。另外，雄安新區的基礎設施建設上，百度和政府也有所合作，想要讓自動駕駛汽車更容易在這座新城進行部署。
陸奇說，政府投資意願很強，也非常願意支持自動駕駛汽車這種人工智能應用。在未來三到五年內，中國將有機會以各種形式實現自動駕駛技術的商業化部署，有機會超越其他國傢。目前，無論是直轄市、省政府還是中央政府，都認為這是中國汽車行業的機遇。
中國的汽車產業目前還沒有真正強大的技術，中國政府非常願意采取自主創新的驅動方式，使中國汽車工業成為世界領先的產業，政府支持是個重要因素。
陸奇說：" 如果你把所有這些努力結合在一起，我非常相信在未來三到五年內，我們將會看到中國比其他市場能更大規模地部署自動駕駛。"
5-10 年出頂級基礎研究
雖然對中國在 AI 技術發展和商業化的環境優勢，以及中國政府支持 AI 研發、支持自動駕駛行業的態度都非常有信心，但說到中美在突破性基礎研究上的差距，陸奇則顯得沒有那麼樂觀。
陸奇在國內和不少同事一直在討論這個問題，他們的看法總結起來並不樂觀：要說像 DeepMind、OpenAI 那樣想頂層的、為學科開疆拓土的研究，未來幾年內都不太可能在中國產生。
這大概是因為中國的整體環境、文化還不能很好地支撐這類研究，中國的社會經濟環境依然沒達到美國那樣，不太能真正吸引那些世界級的，純粹由對知識的追求，對自由想象的渴望來驅動而進行學術研究的人，主流的追求仍然是個人名望、經濟回報，而這些追求會對人造成束縛，讓人看得不夠遠，追求的夢想不夠大。
但也不是沒有一絲光明。中美科研界頂級梯隊之間的差距正在縮短，不少美國頂級高校，斯坦福、普林斯頓等等大學培養的研究人員正紛紛回國，加入國內的頂尖高校。
陸奇和他的同事們認為，未來 5 到 10 年，就會有頂級的研究工作出自中國的機構，他也希望未來 5 到 10 年，中國能出現像 OpenAI、DeepMind 那樣的真正在為通用人工智能或者其他前沿領域做開創性工作的研究機構。
現在的中國，已經有瞭孕育這種頂級科研機構的土壤。大公司的研究院就是其中之一，百度、阿裡巴巴、騰訊都在花重金投入到企業研究院之中；同時，國字頭的實驗室和頂級高校所做的也越來越多，在私有領域也有很多這方面的討論。
陸奇說，其實我們可以想象甚至創造一種新型的研究機構，將企業的研究院、高校和新生代的研究機構融合在一起。
百度有個更簡單的辦法：矽谷人才充足環境好，那就去矽谷搞個研究院。
中國一直是個人才出口國，大量優秀的人去瞭美國，有些回來瞭，有些留在瞭國外。陸奇說百度相信，中國這個經濟體，有機會成為頂級人才的進口國，百度矽谷研究院就算是這樣一個前哨站。
提供普通研究者、研究機構得不到的計算資源、數據，那些世界頂級的研究者自然會來。
為瞭在美國吸引人才，百度在非常積極地資助 MIT、斯坦福、CMU 等等美國頂尖高校的計算機系，和它們合作。陸奇為自己的團隊設定瞭一個目標：這些頂級高校的 PhD 畢業時，百度要成為他們找工作時的前 5 個目標之一。
研究院設在哪、員工來自哪國，都不重要。隻要研究的問題是針對中國市場，並有機會全球化的，就行瞭。
Two More Things
第一個送給可能會被陸奇面試的同學。
陸奇在這次訪談中談到瞭他在招聘、面試的時候，看重什麼樣的特質。
其實對應聘者的要求，當然主要取決於崗位，不過陸奇專門談到瞭自己招人時所看重的一種能力：
真正理解未來的主流用戶和產品使用模式，特別是要深度理解人類的需求。同時，他還希望應聘者能穿透噪聲，理解驅動人類這些需求的暗流。
陸奇說，越來越多的工程工具都成熟瞭起來，產品開發方法論成熟瞭起來，這些東西，都成瞭做好裝盤端上桌的菜。現在真正擺在第一位的，是真正理解人類、預測人類需求、對某種環境中的體驗做出想象的能力。
百度這麼缺產品經理？
不見得。陸奇說，就算不是招產品經理，他也同樣會尋求這類特質。這些這些看似專們針對產品經理的要求，其實是面向幾乎所有崗位的。
他認為，" 產品敏感度是每一系列工作的中心，無論你做銷售、市場、工程師、還是 HR，如果你理解產品，都能有助於把你的工作做得更好。"
第二個送給百度的工程師們：
老板非常不好糊弄，諸君請珍重，以及寫代碼的時候可以考慮為 Qi 埋個彩蛋，心疼你們。
（? ▽ ?）/ 事情是這樣的：
陸奇說，他很久沒寫過代碼瞭，但是你們寫的代碼，他還是一直在讀。對於那些核心的算法、系統的基礎，他必須理解所有細節，達到能和最好的架構師等角色能旗鼓相當進行辯論的程度，能探討為什麼要這樣設計。
這種方法，其實是和比爾 · 蓋茨他老人傢學的——據陸奇說，Excel 的基礎代碼，蓋茨可能比任何人都懂。
