宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

　　文/乾明

　　来源：量子位（ID：QbitAI）

　　滴、滴，叶杰平离职了。

　　量子位获悉，这位滴滴出行副总裁、滴滴研究院副院长、滴滴 AI Labs 负责人、美国密歇根大学终身教授，IEEE Fellow，卸任离开。

　　有传闻说他的下一站，是阿里巴巴。但接近叶杰平的人士透露，他不会加盟阿里，而是考虑数据基础好、AI 应用潜力巨大的领域。

　　有人猜测这位 AI 技术大牛的离职，跟滴滴近期对 AI Labs 的调整有关——滴滴内部已经将 AI Labs 更名 AI Tech，从“实验室”到“技术业务部门”，强化落地性。

　　不过也有人说，叶教授多年来都希望离故乡浙江更近，有更多时间陪伴父母家人。

　　而滴滴内部，叶杰平离职后将由 CTO 张博暂时接管 AI Labs，日常事务则由滴滴智能控制首席科学家唐剑负责——他将出任滴滴 AI Labs 副主任。

　　无论如何，滴滴内外对叶杰平的离开，都感到惊讶。

　　不同于这两年科学家离职企业的“轨迹”，叶教授虽然以学术大牛身份加盟，但始终是技术落地业务的实战派。

　　也正是因为他在 2015 年的加入，推动实现了滴滴从抢单到派单的转变，为滴滴打赢 Uber 之战，贡献了关键功劳。

　　其后，因为何晓飞离职创业，叶杰平掌舵滴滴 AI Labs 和研究院，在 5 年中建立培养起一支高精尖技术团队，不仅业务有落地，而且基于业务的学术成果，也在 KDD、CVPR 等全球顶会打响滴滴名气。

　　所以这样一位功勋大将，为何在此时离开？

　　我们先从叶杰平教授其人说起。

　　复旦高材生、密歇根大学终身教授、滴滴战争英雄

　　叶杰平是浙江金华人，高中就读于永康一中——浙江省最早设立的中学之一，距今已经有 100 多年历史，是浙江省一级重点中学，知名校友还有龙芯之父胡伟武。

　　1993 年，叶杰平考入复旦大学数学系，也就是这一年，复旦大学的数学学科被国家教委批准为基础学科人才培养基地。

　　复旦大学毕业后，他前往新加坡国立大学深造，一去在海外待了 18 年。

　　1999 年，叶杰平获得计算机硕士学位后去了美国，在明尼苏达大学攻读计算机博士学位，选的是机器学习方向。

　　当时的机器学习，还处于寒冬之中。他后来回忆说，读书的时候，明尼苏达大学还没有专门研究机器学习的老师。因为兴趣，他坚持了下来，并在 2005 年拿到了博士学位。

　　“机器学习”是他学界科研生涯的起点，也是助推他成为国际学术大牛的动力。

　　博士毕业后，他加入亚利桑那州立大学，工作了 9 年 5 个月，从助理教授到了副教授。2015 年 1 月，叶杰平被密歇根大学聘为终身教授。

　　10 年执教研究，他在机器学习、数据挖掘和大数据分析领域不断有研究成果涌现，获得过 KDD 和 ICML 的最佳论文。Google Scholar 上显示，他一共发表了 448 篇论文，被引用次数超过了 2 万多次。

　　随之而来的，还有各种学术兼职和荣誉——IEEE TPAMI、DMKD 和 IEEE TKDE 等多个顶级国际学术期刊的编委会成员，以及 NeurIPs、KDD 等多个国际会议的程序委员会主席及领域主席。

　　与此同时，叶杰平也为人工智能领域培养了一大批人才。比如快手 AI 平台负责人刘霁，就是他在亚利桑那州立大学任教时带的学生。

　　2015 年暑假，是叶杰平从学术界走向产业界的转折点。他趁着暑假回国探亲，受时任滴滴 SVP 何晓飞邀请，去滴滴拜访交流，见到了程维、柳青、张博等人。

　　当时滴滴正处于调度系统从抢单到派单技术转变中，滴滴请叶杰平过去，也不是单纯的交流，还给他准备了一些工作上的难题。

　　虽然叶杰平的研究方向是“机器学习和医学”，并没有接触过关于交通方面的研究，但他还是凭着技术积累，用 10 多个小时交出了一份解决方案。

　　这次短暂的回国之旅，彻底改变了叶杰平的既定发展路线。在此之前，他根本没想过进入产业界。

　　用技术解决实际问题带来的反馈，对叶杰平产生了强大的吸引力。回到美国，他就告诉学生，自己要离开了。

　　他被滴滴感召，接过橄榄枝，结束了海外学习研究生涯，至今已经 5 年。在此期间，他为滴滴打赢了与 Uber 的战争贡献了技术力量，推动并见证了滴滴 AI 技术的落地和应用，在 2020 年入选为 IEEE Fellow。

　　把“AlphaGo”用到滴滴派单系统中

　　叶杰平加入时，滴滴刚结束与快的的“烧钱大战”，开始组建人工智能团队，将机器学习大规模应用在出行领域，特别是数据挖掘、实时计算等方面，来与 Uber 中国竞争。

　　在叶杰平在滴滴的早些年，在“战场”上度过，用算法来补上滴滴在技术上的短板，推动其从抢单到派单平滑过渡。

　　这一转变，在滴滴与 Uber 中国在技术层面上交锋中发挥了关键作用，直到现在还是滴滴高效调度车辆的基础。

　　2016 年 4 月，滴滴结束与 Uber 中国的“战争”前夕，滴滴研究院正式设立，何晓飞担任创始院长，叶杰平和被称为“硅谷安全创业教父”的弓峰敏为副院长，AI 技术研究进入到纵深阶段。

　　叶杰平的研究围绕着优化滴滴派单以及车辆调度系统展开，同时将 AlphaGo 中用到的强化学习等学术界的前沿成果落地到滴滴中。

　　早已将家搬回国内的叶杰平，在 2018 年 1 月带队成立了 AI Labs，通过机器学习理论和方法，最大化利用交通运运力，坐标在西二旗。

　　之后，他也开始带队研究图像、语音语义等技术在滴滴业务上的应用。

　　最近这几年，叶杰平也成了滴滴在 AI 技术应用上的代表，在各种学术行业会议上传递滴滴的技术底蕴。

　　他还带领滴滴 AI Labs 的研究人员在学术领域内交出了成绩单，不仅仅是论文，还有算法竞赛。

　　2019 年 4 月，滴滴 AI 团队联合北邮团队提出的人脸检测 DFS 算法，在世界人脸检测公开评测集 WIDER FACE 的 Easy、Medium 和 Hard 三个评测子集的六项评估结果中， 超过国内外科技公司和高校院所，取得了五项第一、一项第二。

　　现在你用手机喊滴滴，可能会看到不少车的挡风玻璃上方，有一个圆柱形的摄像头，这是滴滴推出的“桔视”系统，背后就有叶杰平的研究成果。

　　叶杰平离职之后，滴滴人工智能研究部门的下一任掌舵者，也来自内部。

　　从滴滴技术线高管阵容来看，最初有传闻，接管者是：章文嵩——滴滴出行高级副总裁、云平台事业群负责人兼开源委员会主管。

　　加入滴滴前，章文嵩在阿里巴巴任职近七年，历任淘宝网资深技术总监、淘宝技术委员会主席、阿里副总裁、阿里开源委员会主席、阿里云 CTO 等。

　　2016 年 5 月，章文嵩加盟滴滴，一时江湖震动，正明（章文嵩花名）离开阿里转投滴滴，成为技术圈热门话题。

　　章文嵩目前辖下有基础架构部、运维部、系统部、大数据架构部、IT&机器学习部、数据平台与数据治理部、滴滴云等，是技术引擎基础中的基础。

　　但现在，量子位获悉，AI Labs 会由滴滴出行 CTO 张博接管，具体业务方面直接接任叶杰平的会是另一位 IEEE Fellow 唐剑。

　　谁是唐剑？

　　唐剑之前任滴滴智能控制首席科学家，IEEE Fellow，ACM 杰出科学家，领导滴滴在嵌入式 AI 和计算机视觉方向上的研发。

　　他本科毕业于北京邮电大学，2006 获得美国亚利桑那州立大学计算机科学博士学位，之后在雪城大学任教。

　　他在国际顶级期刊和会议上发表了 140 多篇学术论文，在深度学习模型压缩、AI 驱动的系统控制和群智感知方向上做出开创性贡献，并多次获得最佳论文奖。

　　唐剑目前还担任新一代人工智能产业技术创新战略联盟的专家委员会委员和智能出行推进组组长，以及 IEEE 车载技术学会杰出演讲人。

　　产业界的 AI 科学家，开始新一轮职业选择

　　不只是叶杰平，近两年来已经有多位产业界的 AI 科学家们工作发生了变动。

　　7 月底，字节跳动副总裁、AI 掌门人马维英也挂印而去，加入清华大学张亚勤团队。

　　在此之前，还有旷视科技南京负责人魏秀参重返南京理工大学；腾讯 AI Labs 主任张潼加入港科大……

　　他们的种种动向，持续引发了对 AI 大牛们从学术到工业界适应难题的讨论。

　　2016 年前后，随着 AlphaGo 掀起人工智能风潮，不少学术界 AI 大牛或是时代感召，或是受到企业邀请，纷纷“下海”进入产业界。

　　在过去的几年，他们为企业建立人工智能研发体系，培养人工智能人才队伍，推动企业跟上 AI 发展的节奏。

　　现在，产业界的 AI 发展进入新阶段，与早些年的科研突破相比，市场和企业更加追求算法落地。

　　这更多是一种工程方面的考量，而非前沿技术的研发。在行业内人士看来，这导致科学家在企业内地位下降，话语权削弱，资源减少，在企业内并不好发展。

　　适应不了企业发展节奏的 AI 科学家，开始新一轮职业选择是自然而然的选择。

　　目前，叶杰平告别滴滴，下一步还未明了。而在滴滴内部，他这样解释了自己的离开：

　　五年前回国和大数据团队的那次交流，让我看到机器学习在交通领域无穷的潜力和想象力。何其有幸，在过去 1975 个日夜，和温暖、靠谱、有同理心的你们一起，用 AI 提升出行效率，更守护每一次出行，这也让我认识到最好的研究是从落地中来的。加入滴滴，是一个非常正确的决定，这也是我职业里程中收获最多的五年。

　　如今话别，内心充满不舍。我思考很久，尝试去探索 AI 在其他领域的可能性。感恩滴滴，也感谢大家的信任、支持与帮助。AI Labs 有唐老师，有朱老师，有 Kevin，相信会持续带领大家持续做出更多更新、更有力的探索。

　　不会走远，相逢的人会再相逢。让技术发挥更大价值，我们仍然走在同一条路上。