微博跟facebook和推特的区别是？

有以下区别：

1、信息架构不同

Twitter的社群关系是建立在前面所说的——平等的信息架构和极快的链式传播基础上。在这种基础上建立起来的社会关系非常牢靠，信任度也更高。国内微博，信息被划分了层次，人也就随之划分了层次。评论微博的人很难和发微博的人产生更多的互动，也不会有更多人看到这种互动。

2、使用方式不同

假设新浪微博是有用的，但Twitter是有爱的。Twitter是一个温暖真实的社区，大家都是靠着自己的兴趣生存。同样有人在这里完成各种交易，找到工作或合作伙伴，找到朋友、伴侣。一个有爱的社区同样会节约人们更多的时间，集中于生活本身。

3、页面设计不同

Twitter的基础是140个字，其中可以加入链接，如果使用短链接能节约一些空间，但总体的140个字不会变。Twitter没有评论，只能转发并评论，这样带来的好处是信息非常规整，一般一条信息高度不会超过100像素，在屏幕上一页内可以显示更多内容，更容易用浏览方式扫过，重复信息、等干扰小得多。

对比国内微博，因为有评论和转发的机制，导致一条140个字的微博下面还要带一条原始微博，有的两者还都带。这样被反复转发之后，Timeline会充满同样的内容，每一条还都占用了200像素以上的高度，这对Timeline破坏严重，阅读压力也就更大。

超融合中“超”是什么含义？其实这个“Hyper”是没有任何意义的，存粹是美国it工程师比较喜欢使用这个词而已，为了区别于传统的融合架构，用户问这个问题也主要是为了知道超融合于传统融合架构的区别是什么。

通过国外的Nutanix、VMware（vSAN），中国的SmartX等超融合厂商的案例描述中看到，他们所替代的产品大量的是老牌存储厂商EMC、HDS等公司的存储产品。所以，用户采购超融合并不必须替换原有的服务器品牌（比如Dell）或者虚拟化品牌（比如VMware），只有存储（比如EMC）是一定需要替换的。所以最重大的区别是存储架构不同，超融合使用的是分布式存储，它可以很好地基于X86服务器构建一个易扩展、高可靠的存储资源池，这是超融合的基础，也是核心技术点。

超融合架构与融合架构对比

市面上将存储设备、服务器、网络交换机放在一个机柜里整体交付的融合方案（如：VCE Vblock）则和超融合完全不是一回事，更多强调软件硬件预先配置和验证好，整体交付。

超融合架构与融合架构对比

一文看懂互联网区块链

　一文看懂互联网区块链，要了解区块链，就不得不从互联网的诞生开始研究区块链的技术发展简史，从中发掘区块链产生的动因，并由此推断区块链的未来。下面让我们一文看懂互联网区块链。

一文看懂互联网区块链1

　区块链的鼻祖就是麻将，最早的区块链是中国人发明的！区块链就跟麻将一样，只不过麻将的区块比较少而已，麻将只有136个区块，各地麻将规则不同可视作为比特币的硬分叉。

　麻将作为最古老的区块链项目，四个矿工一组，最先挖出13位正确哈希值的获得记账权以及奖励，采用愿赌服输且不能作弊出老千的共识机制！

　麻将去中心化，每个人都可以是庄，完全就是点对点。

　矿池=棋牌室的老板抽佣。

　不可篡改，因为说服其他三个人需要消耗太多算力和体力。

　典型的价值互联网。我兜里的价值用不了八圈，就跑到他们兜里去了。

　中国人基本上人手打得一手好麻将，区块链方面生产了全球70%~80%的矿机，并拥有全世界最多的算力，约占77%的算力

　麻将其实是最早的的区块链项目：

　1，四个矿工一组，先碰撞出13个数字正确哈希值的矿工可以获得记账权并得到奖励。

　2，不可篡改。因为说服其他三个人需要消耗太多算力和体力。

　3，典型的价值互联网。我兜里的价值数字货币wwwgendan5com/digitalcurrency/btchtml用不了八圈，就跑到他们兜里去了。

　4、去中心化，每个人都可以是庄，完全就是点对点。

　5、UTXO，未花费的交易支出。

　还有另外一种赊账的区块链玩法，假设大家身上都没现金

　细究一下，在大家达成共识时，我们看不到任何中介或者第三方出来评判丙赢了，大家给丙的奖励也不需要通过第三方转交给丙，都是直接点对点交易，这一过程就是去中心化，牌友们（矿工）各自记录了第一局的战绩，丙大胡自摸十三幺，乙杠了甲东风，记录完成后就生成了一个完整的区块，但要记住，这才只是第一局，在整个区块链上，这才仅仅是一个节点，开头说的8局打完，也就是8个节点（区块），8个区块连接在一起就形成了一个完整账本，这就是区块链。因为这个账本每人都有一个，所以就是分布式账本，目的就是为了防止有人篡改记录，打到最后，谁输谁赢一目了然。

　4个男士（甲乙丙丁）凑在一块打麻将来钱，大家都没带现金，于是请一美女（中心化）用本子记账，记录每一局谁赢了多少钱、谁输了多少钱？最后结束时，大家用支付宝或微信支付结总账，但是如果这位美女记账时记错了或者预先被4人中的某人买通了故意记错，就保证不了这个游戏结果的公正公平合理性，你说是不是？那怎么办呢？如果你“打麻将”能用“区块链”作为游戏规则改编为如下：

　4个男士（甲乙丙丁）凑在一块打麻将来钱，大家都没带现金，乙说让她带来的美女记账，甲说这位美女我们都不认识，于是甲乙丙丁4人一致约定每个人每局牌都在自己的手机上（区块链节点）同时记账（去中心化），最后打完麻将，直接手机上以电子货币结账时，大家都对一下记账的的结果，本来应该是一样的记账结果。

　假设本来结果是甲手机上记的账：乙欠甲10元。但乙手机上的记录却是不欠，可是其余2人（丙、丁）和甲的记账一样，那还是按照少数服从多数规则结算，另外大家心里对乙的诚信印象就差评了，下次打麻将就不会带乙一起玩了。

　除非乙预先买通（丙、丁）2人让其故意作假，但乙买通他们2人的代价是10万元（赖账10元的1万倍），那常理上乙只能选择放弃，因为做假成本太高了。

　假设即使乙在打牌的过程中，偷偷愿意以高价10万元预先买通丙、丁做这笔巨亏的傻猫交易，但区块链的规则是按时间戳记账的，原来是下午1点钟记账乙欠甲10元的，即丙和丁下午3点钟再改账时，时间是不可逆的，只能记下午3点钟，那就又不吻合游戏规则了。

　实际上在2017年博主已经开发出了一套麻将币

　中国最早的区块链项目：四个矿工一组，最先从 148 个随机数字中碰撞出 14 个数字正确哈希值的矿工，可以获得一次记账权激励，由于分布式记账需要得到其他几位矿工的共识，因此每次记账交易时间长约十几分钟。

一文看懂互联网区块链2

　 一、比特币诞生之前，5个对区块链未来有重大影响的互联网技术

　1969年，互联网在美国诞生，此后互联网从美国的四所研究机构扩展到整个地球。在应用上从最早的军事和科研，扩展到人类生活的方方面面，在互联网诞生后的近50年中，有5项技术对区块链的未来发展有特别重大的意义。

　 1、1974诞生的TCP/IP协议：决定了区块链在互联网技术生态的位置

　1974年，互联网发展迈出了最为关键的一步，就是由美国科学家文顿瑟夫和罗伯特卡恩共同开发的互联网核心通信技术－－TCP/IP协议正式出台。

　这个协议实现了在不同计算机，甚至不同类型的网络间传送信息。所有连接在网络上的计算机，只要遵照这个协议，都能够进行通讯和交互。

　通俗的说，互联网的数据能穿过几万公里，到达需要的计算机用户手里，主要是互联网世界形成了统一的信息传播机制。也就是互联网设备传播信息时遵循了一个统一的法律-TCP/IP协议。

　理解TCP/IP协议对掌握互联网和区块链有非常重要的意义，在1974年TCP/IP发明之后，整个互联网在底层的硬件设备之间，中间的网络协议和网络地址之间一直比较稳定，但在顶层应用层不断涌现层出不穷的创新应用，这包括新闻，电子商务，社交网络，QQ，微信，也包括区块链技术。

　也就是说区块链在互联网的技术生态中，是互联网顶层-应用层的一种新技术，它的出现，运行和发展没有影响到互联网底层的基础设施和通讯协议，依然是按TCP/IP协议运转的众多软件技术之一。

　 2、1984年诞生的思科路由器技术：是区块链技术的模仿对象

　1984年12月，思科公司在美国成立，创始人是斯坦福大学的一对夫妇，计算机中心主任莱昂纳德·波萨克和商学院的计算机中心主任桑蒂·勒纳，他们设计了叫做“多协议路由器”的联网设备，放到互联网的通讯线路中，帮助数据准确快速从互联网的一端到达几千公里的另一端。

　整个互联网硬件层中，有几千万台路由器工作繁忙工作，指挥互联网信息的传递，思科路由器的一个重要功能就是每台路由都保存完成的互联网设备地址表，一旦发生变化，会同步到其他几千万台路由器上（理论上），确保每台路由器都能计算最短最快的路径。

　大家看到路由器的运转过程，会感到非常眼熟，那就是区块链后来的重要特征，理解路由器的意义在于，区块链的重要特征，在1984年的路由器上已经实现，对于路由器来说，即使有节点设备损坏或者被黑客攻击，也不会影响整个互联网信息的传送。

　3、随万维网诞生的B/S（C/S）架构：区块链的对手和企图颠覆的对象

　万维网简称为Web，分为Web客户端和服务器。所有更新的信息只在Web服务器上修改，其他几千，上万，甚至几千万的客户端计算机不保留信息，只有在访问服务器时才获得信息的数据，这种结构也常被成为互联网的B/S架构，也就是中心型架构。这个架构也是目前互联网最主要的架构，包括谷歌、Facebook、腾讯、阿里巴巴、亚马逊等互联网巨头都采用了这个架构。

　理解B/S架构，对与后续理解区块链技术将有重要的意义，B/S架构是数据只存放在中心服务器里，其他所有计算机从服务器中获取信息。区块链技术是几千万台计算机没有中心，所有数据会同步到全部的计算机里，这就是区块链技术的核心，

　 4、对等网络（P2P）：区块链的父亲和技术基础

　对等网络P2P是与C/S(B/S)对应的另一种互联网的基础架构，它的特征是彼此连接的多台计算机之间都处于对等的地位，无主从之分，一台计算机既可作为服务器，设定共享资源供网络中其他计算机所使用，又可以作为工作站。

　Napster是最早出现的P2P系统之一，主要用于音乐资源分享，Napster还不能算作真正的对等网络系统。2000 年3月14 日，美国地下黑客站点Slashdot邮寄列表中发表一个消息，说AOL的Nullsoft 部门已经发放一个开放源码的Napster的克隆软件Gnutella。

　在Gnutella分布式对等网络模型中，每一个联网计算机在功能上都是对等的，既是客户机同时又是服务器，所以Gnutella被称为第一个真正的对等网络架构。

　20年里，互联网的一些科技巨头如微软，IBM，也包括自由份子，黑客，甚至侵犯知识产权的犯罪分子不断推动对等网络的发展，当然互联网那些希望加强信息共享的理想主义者也投入了很大的热情到对等网络中。区块链就是一种对等网络架构的软件应用。它是对等网络试图从过去的沉默爆发的标杆性应用。

　 5、哈希算法：产生比特币和代币（通证）的关键

　哈希算法将任意长度的数字用哈希函数转变成固定长度数值的算法，著名的哈希函数如：MD4、MD5、SHS等。它是美国国家标准暨技术学会定义的加密函数族中的一员。

　这族算法对整个世界的运作至关重要。从互联网应用商店、邮件、杀毒软件、到浏览器等、，所有这些都在使用安全哈希算法，它能判断互联网用户是否下载了想要的东西，也能判断互联网用户是否是中间人攻击或网络钓鱼攻击的受害者。

　区块链及其应用比特币或其他虚拟币产生新币的过程，就是用哈希算法的函数进行运算，获得符合格式要求的数字，然后区块链程序给予比特币的奖励。

　包括比特币和代币的挖矿，其实就是一个用哈希算法构建的小数学游戏。不过因为有了激烈的竞争，世界各地的人们动用了强大的服务器进行计算，以抢先获得奖励。结果导致互联网众多计算机参与到这个小数学游戏中，甚至会耗费了某些国家超过40%的电量。

　 二、区块链的诞生与技术核心

　区块链的诞生应该是人类科学史上最为异常和神秘的发明和技术，因为除了区块链，到目前为止，现代科学史上还没有一项重大发明找不到发明人是谁。

　2008年10月31号，比特币创始人中本聪（化名）在密码学邮件组发表了一篇论文——《比特币：一种点对点的电子现金系统》。在这篇论文中，作者声称发明了一套新的不受政府或机构控制的电子货币系统，区块链技术是支持比特币运行的基础。

　论文预印本地址在http://wwwbitcoinorg/bitcoinpdf，从学术角度看，这篇论文远不能算是合格的论文，文章的主体是由8个流程图和对应的解释文字构成的, 没有定义名词、术语，论文格式也很不规范。

　2009年1月,中本聪在SourceForge网站发布了区块链的应用案例-比特币系统的开源软件，开源软件发布后, 据说中本聪大约挖了100万个比特币一周后，中本聪发送了10个比特币给密码学专家哈尔·芬尼，这也成为比特币史上的第一笔交易。伴随着比特币的蓬勃发展，有关区块链技术的研究也开始呈现出井喷式增长。

　向大众完整清晰的解释区块链的确是困难的事情，我们以比特币为对象，尽量简单但不断深入的介绍区块链的技术特征。

　 1、区块链是一种对等网络（P2P）的软件应用

　我们在前文提过，在21世纪初，互联网形成了两大类型的应用架构，中心化的B/S架构和无中心的对等网络（P2P）架构，阿里巴巴，新浪，亚马逊，百度等等很多互联网巨头都是中心化的B/S架构，简单的说，就是数据放在巨型服务器中，我们普通用户通过手机，个人电脑访问阿里，新浪等网站的服务器。

　21世纪初以来，出现了很多自由分享音乐，视频，论文资料的软件应用，他们大部分采用的是对等网络（P2P）架构，就是没有中心服务器，大家的个人计算机都是服务器，也都是客户机，身份平等。但这类应用一直没有流行起来，主要原因是资源消耗大，知识版权有问题等。区块链就是这种领域的一种软件应用。

　 2、区块链是一种全网信息同步的对等网络（P2P）软件应用

　对等网络也有很多应用方式，很多时候，并不要求每台计算机都保持信息一致，大家只存储自己需要的的信息，需要时再到别的计算机去下载。

　但是区块链为了支持比特币的金融交易，就要求发生的每一笔交易都要写入到历史交易记录中，并向所有安装比特币程序的计算机发送变动信息。每一台安装了比特币软件的计算机都保持最新和全部的比特币历史交易信息。

　区块链的这个全网同步，全网备份的特征也就是常说的区块链信息安全，不可更改来源。虽然在实际上依然不是绝对的安全，但当用户量非常大时，的确在防范信息篡改上有一定安全优势。

　 3、区块链是一种利用哈希算法产生”通证（代币）”的全网信息同步的对等网络（P2P）软件应用

　区块链的第一个应用是著名的比特币，讨论到比特币时，经常会提到的一个名词就是“挖矿”，那么挖矿到底是什么呢？

　形象的比喻是，区块链程序给矿工（游戏者）256个硬币，编号分别为1,2,3……256，每进行一次Hash运算，就像抛一次硬币，256枚硬币同时抛出，落地后如果正巧编号前70的所有硬币全部正面向上。矿工就可以把这个数字告诉区块链程序，区块链会奖励50个比特币给矿工。

　从软件程序的角度说，比特币的挖矿就是用哈希SHA256函数构建的数学小游戏。区块链在这个小游戏中首先规定了一种获奖模式：给出一个256位的哈希数，但这个哈希数的后70位全部是0，然后游戏者（矿工）不断输入各种数字给哈希SHA256函数，看用这个函数能不能获得位数有70个0的数字，找到一个，区块链程序会奖励50个比特币给游戏者。实际的挖坑和奖励要更复杂，但上面的举例表达了挖矿和获得比特币的核心过程。

　2009年比特币诞生的时候，每笔赏金是50个比特币。诞生10分钟后，第一批50个比特币生成了，而此时的货币总量就是50。随后比特币就以约每10分钟50个的速度增长。当总量达到1050万时(2100万的50%)，赏金减半为25个。当总量达到1575万(新产出525万，即1050的50%)时，赏金再减半为125个。根据比特币程序的设计，比特币总额是2100万。

　从上述介绍看，比特币可以看做一个基于对等网络架构的猜数小游戏，每次正确的猜数结果奖励的比特币信息会传递给所有游戏者，并记录到每个游戏者的历史数据库中。

　 4、区块链技术因比特币的兴起产生的智能合约，通证、ICO与区块链基础平台

　从上面的介绍看，比特币的技术并不是从天上掉下来的新技术，而是把原来多种互联网技术，如对等网络架构，路由的全网同步，网络安全的加密技术巧妙的组合在一起，算是一种组合创新的算法游戏。

　由于比特币通过运作成为可以兑换法币，购买实物，通过升值获得暴利，全世界都不淡定了。抱着你能做，我也能做的态度，很多人创造了自己的仿比特币软件应用。同时利用政府难以监管对等网络的特点，各种山寨币与比特币一起爆发。这其中出现了很多欺诈和潜逃事件，逐步引起各国政府的关注。

　区块链基础平台：用区块链技术框架创建货币还是有相当的技术难度，这时区块链基础平台以太坊等基础技术平台出现了，让普通人也可以方便的创建类“比特币”软件程序，各显神通，请人入局挖币，炒币，从中获得利益。

　通证或代币：各家“比特币”、“山寨币”如果用哈希算法创建的猜数小游戏，产生自己的“货币”时，这个“货币”统称“通证”或“代币”。

　ICO:由于比特币和以太币已经打通与各国法币的兑换，其他新虚拟币发币时，只允许用比特币和以太币购买发行的新币，这样的发币过程就叫ICO，ICO的出现放大了比特币，以太币的交易量。同时很多ICO项目完全建立在虚无的项目上，导致大量欺诈案例频发。进一步加深了社会对区块链生成虚拟货币的负面认识。

　智能合约:可以看做区块链上的一种软件功能，是辅助区块链上各种虚拟币交易的程序，具体的功能就像淘宝上支付宝的资金托管一样，当一方用户收到的货物，在支付宝上进行确认后，资金自动支付个给买家货主，智能合约在比特币等区块链应用上也是承担了这个中介支付功能。

　 三、区块链技术在互联网中的历史地位和未来前景

　 1、区块链处于互联网技术的什么位置？是顶层的一种新软件和架构。

　我们在前面的TCP/IP介绍中提到，区块链与浏览器、QQ、微信、网络游戏软件、手机APP等一样，是互联网顶层-应用层的一种软件形式。它的运行依然要靠TCP/IP的架构体系传输数据。只是与大部分应用层软件不同，没有采用C/S（B/S）的中心软件架构。而是采用了不常见的对等网络架构，从这一点说，区块链并不能颠覆互联网基础结构。

　 2、区块链想要颠覆谁？想颠覆万维网的B/S（C/S）结构。

　它试图要颠覆其实是89年年诞生的万维网B/S,C/S结构。前面说过。由于89年年欧洲物理学家蒂姆· 伯纳斯· 李发明万维网并放弃申请专利。此后近30年中，包括谷歌，亚马逊，facebook，阿里巴巴，百度，腾讯等公司利用万维网B/S（C/S）结构，成长为互联网的巨头。

　在他们的总部，建立了功能强大的中心服务器集群，存放海量数据，上亿用户从巨头服务器中获取自己需要的数据，这样也导致后来云计算的出现，而后互联网巨头把自己没有用完的中心服务器资源开放出来，进一步吸取企业，政府，个人的数据。中心化的互联网巨头对世界，国家，互联网用户影响力越来越大。

　区块链的目标是通过把数据分散到每个互联网用户的计算机上，试图降低互联网巨头的影响力，由此可见区块链真正的对手和想要颠覆的是1990年诞生的B/S（C/S）结构。但能不能颠覆掉，就要看它的技术优势和瓶颈。

　 3、区块链的技术缺陷：追求彻底平等自由带来的困境

　区块链的技术缺陷首先来自与它的对等网络架构上，举个例子，目前淘宝是B/S结构，海量的数据存放在淘宝服务器集群机房里，几亿消费者通过浏览器到淘宝服务器网站获取最新信息和历史信息。

　如果用区块链技术，就是让几亿人的个人电脑或手机上都保留一份完整的淘宝数据库，每发生一笔交易，就同步给其他几亿用户。这在现实中是完全无法实现的。传输和存储的数据量太大。相当于同时建立几亿个淘宝网站运行。

　因此区块链无法应用在数据量大的项目上，甚至小一点的网站项目用区块链也会吃力。到2018年，比特币运行了近10年，积累的交易数据已经让整个系统面临崩溃。

　于是区块链采用了很多变通方式，如建立中继节点和闪电节点，这两个概念同样会让人一头雾水，通俗的说，就是区块链会向它要颠覆的对象B/S结构进行了学习，建立数据服务器中心成为区块链的中继节点，也用类浏览器的终端访问，这就是区块链的闪电节点。

　这种变动能够缓解区块链的技术缺陷，但确让区块链变成它反对的样子，中心化。由此可见，单纯的区块链技术由于技术特征有重大缺陷，无法像万维网一样应用广泛，如果技术升级，部分采用B/S（C/S）结构,又会使得区块链有了中心化的信息节点，不在保持它诞生时的梦想。

　 4、从互联网大脑模型看区块链的未来前景

　我们知道互联网一般是指将世界范围计算机网络互相联接在一起的网际网络，在这基础上发展出覆盖全世界的全球性互联网络称互联网，即是互相连接一起的网络结构。

　从1969年互联网诞生以来，人类从不同的方向在互联网领域进行创新，并没有统一的规划将互联网建造成什么结构，当时间的车轮到达2017年，随着人工智能，物联网，大数据，云计算，机器人，虚拟现实，工业互联网等科学技术的蓬勃发展，当人类抬起头来观看自己的创造的巨系统，互联网大脑的模型和架构已经越来越清晰。

　通过近20年的发展依托万维网的B/S,C/S结构，腾讯QQ，微信，Facebook，微博、twitter亚马逊已经发展出类神经元网络的结构。互联网设备特别是个人计算机，手机在通过设备上的软件在巨头的中心服务器上映射出个人数据和功能空间，相互加好友交流，传递信息。互联网巨头通过中心服务器集群的软件升级，不断优化数亿台终端的软件版本。在神经学的体系中，这是一种标准的中枢神经结构。

　区块链的诞生提供了另外一种神经元模式，不在巨头的集中服务中统一管理神经元，而是每台终端，包括个人计算机和个人手机成为独立的神经元节点，保留独立的数据空间，相互信息进行同步，在神经学的体系中，这是一种没有中心，多神经节点的分布式神经结构。

　有趣的是，神经系统的发育出现过这两种不同类型的神经结构。在低等生物中，出现过类区块链的神经结构，有多个功能相同的神经节，都可以指挥身体活动和反应，但随着生物的进化，这些神经节逐步合并，当进化成为高等生物时，中枢神经出现了，中枢神经中包含大量神经元进行交互。

　 四、关于区块链在互联网未来地位的判断

　1、对比特币的认知：一个基于对等网络架构（P2P）的猜数小游戏，通过高明的金融和舆论运作，成为不受政府监管的”世界性货币”。

　2、对区块链的认知：一个利用哈希算法产生”通证（代币）”的全网信息同步的对等网络(P2P)软件应用。

　3、区块链有特定的用途，如大规模选举投票，大规模赌博，规避政府金融监管的金融交易等等领域，还是有不可替代的用处。

　4、在更多时候，区块链技术会依附于互联网的B/S,C/S结构，实现功能的扩展，但总体依然属于互联网已有技术的补充。对于区块链目前设想的绝大部分应用场景，都是可以用B/S,C/S结构实现，效率可以更高和技术也可以更为成熟。

　5、无论是从信息传递效率和资源消耗，还是从神经系统进化看，区块链无法成为互联网的主流架构，更不能成为未来互联网的颠覆者和革命者。

　6、当然B/S,C/S结构发展出来的互联网巨头也有其问题，但这些将来可以通过商业的方式，政治的方式逐渐解决。

边缘化、战略摇摆、举棋不定，是AI研究院藏在冰面下的境况。中国互联网巨头的AI研究院，已经到了不破不立的时候。

作者 | 李雨晨

编辑 | 王亚峰

AI科学家接连从大厂离职，外界的讨论，总会把他们与不擅落地四个字挂上关联。

让科学家们在舆论中背负了“只会发论文，不懂业务”的名声。

这种论断，既有局部的合理性，也有无知之处。

外界显然不知晓大公司研究院的组织架构、汇报关系、考核设计的真相。

企业科学家的流失、AI研究院地位的下降，并非当下AI不再重要，也非这批最强大脑水平有限。

本质上是研究院在企业的组织架构模式，正在遭遇空前的挑战，让人和事，难以卓有成效地运转，无法发挥出本该有的战斗力。

根深蒂固的作业模式、派系势力、利益关系，也使得这艘抛了锚的大船，不再好调头。

于是在互联网巨头预算整体收缩之际，研究院陷入被边缘化、战略摇摆、举棋不定的困局。

预算缩减、人心涣散，离职自然频发。

AI研究院在互联网公司中的组织架构设计，在过去五年里，取得了阶段性成效：汇聚了顶尖的AI研究人员，为集团建设了一整套前沿的AI基础能力。

但任何组织架构并非一劳永逸，它已经到了自我革命、全盘演化的时间。

1

Facebook打响第一枪：

把AI部粉身碎骨，抛弃“职能制”

AI研究院在互联网巨头内部的组织架构设计，不外乎三种：职能制、事业部制、矩阵制。

三种架构，各有门道。

近期第一个拿组织架构大开刀的企业便是Facebook。

本月初，Facebook中心化的AI部门被彻底打散，算法专家们被分配到各个App产品事业部当中。

其中图灵奖得主杨立昆（Yann LeCun）的FAIR团队，将并入至元宇宙部门Reality Labs，杨立昆向该部门的首席科学家Andrew Bosworth汇报。

Facebook的AI总舵主Jerome Pesenti，将在6月底离职。

Jerome加入Facebook之前，担任IBM Watson Group的CTO，早期前京东技术委员会主席周伯文曾向他汇报。

Jerome Pesenti

Jerome和杨立昆在Facebook的职责关系，若以往日的腾讯AI为参照，可理解为：前者是腾讯副总裁姚星（已离职），后者则是张正友（AI Lab和Robotics X实验室主任）。

Jerome负责管理整个AI部门的技术、产品赋能、运营等工作，杨立昆负责基础研究。

在这次Facebook的人事调整官方口径中，要施行“去中心化组织结构”。

此前，Facebook的AI部门是职能制组织架构：通俗讲就把公司同一类工种的员工（科学家），聚拢在同一个部门。

部门的工作任务由Jerome，以及其老板CTO Andrew Bosworth制定和考核。

这样做的好处是专业化程度高，全公司最聪明的科学家们汇聚在一个地方工作，便于专业信息的交流和共享。

职能制·AI研究院组织架构

这种体系造就了举世闻名的贝尔实验室，贝尔实验室不仅在理论上发现了电子的波动性，提出信息论，更是在产品上组织发射了第一颗商用通信卫星，铺设第一条商用光纤，并发明了射电天文望远镜、晶体管、数字交换机、Unix操作系统和C语言。

在这种体系的影响下，以Facebook为代表的企业，其AI部门的目标和考核，更多围绕把技术变得更前沿展开，在汇报和考核关系上，不对任意一条成熟的App产品线负责。

一位在美国多家巨头企业任职过的研究高管告诉雷峰网：很多学者喜欢去Facebook做研究，虽然是企业实验室，但科研氛围比高校还高校。

四年前，杨立昆卸掉FAIR管理层身份、就任首席AI科学家时，还在FAIR的田渊栋、吴育昕等研究员都曾表示，“没有产品的压力。”

简单来说，早期Facebook AI部门的任务就是花式炫技、刷模型打榜，在各种抛头露脸的地方跑赢微软、Google、亚马逊，就算成功。

在Google内部，同样为职能制结构的Deepmind，也有它的幸福和烦恼。

2021年，作为Google内部的独立AI团队，Deepmind先推出了惊人的蛋白质结构预测AI——AlphaFold 2，然后又公布了2016年让DeepMind一炮而响的AlphaGo进阶版——MuZero。这无疑体现了独立的职能制，在专业性上所能发挥的强大优势。

但是，Deepmind既想要资金，又想保持纯净、理想化的AI研究。

YouTube和DeepMind合作改进推荐算法的过程中，在共享多少数据的问题上，双方各执一词，最终项目搁浅。

这也体现了直线职能制的弊端：独立AI研究院，懂最新的学术风向，有算法能力，但与业务部门的割裂，使其缺少工程化能力和核心场景数据，容易成为花瓶，最终在对数据依赖较小的场景中自嗨。

当然，App产品部门一直以来都对AI有着使用诉求。

当AI研究院的半成品算法包，并不能满足他们的实际诉求，且双方协作、沟通有障碍重重时，产品部也会招募完全属于自己的AI研究人员，自由地为己所用。

但产品部毕竟没有明星科学家，缺乏人才号召力的他们，更多在二流的AI研究员市场挑挑选选。

此外，产品部门的AI团队与独立AI研究院之间，也时常爆发矛盾。

当年，百度内部有两套语音方案赛马，一套是由贾磊主导，一套则由吴恩达负责。

从角色定位来看，贾磊属于搜索产品线旗下的AI派，吴恩达属于独立AI研究派。

吴恩达出任百度首席科学家后，想把学术研究成果应用到工业。然而这次赛马，吴恩达的学术成果，数据虽漂亮，但在应用上对性能并无本质提升，仍处于刚发完论文的实验室阶段。而贾磊的成果已经在工程上验证过。

吴恩达对方案没在百度内得到大规模应用而恼火，并迁怒贾磊。于是，他逼宫李彦宏，让李彦宏二选一，最终造成贾磊的短暂离开。

2

大厂AI落地的敌人：职能制组织架构

在直线职能制下，一个研究院动辄百千人，人均百万年薪，在产出较小、与业务部门协作乏善可陈的情况下，对巨头而言是一笔沉重的负担。

在不抛弃职能制的前提下，中国互联网企业走了一些弯路：给研究院制定营收KPI。

研究院创造营收的方式分两种：一种是把产品卖给其他企业的外包制，一种是“亲兄弟、明算账”的内包制。

外包制如2021年阿里云冲刺900亿目标之际，阿里为达摩院制定了高达10亿级的营收KPI。让研究院背负营收，自行研发产品，并兜售给客户。这一举措在内部引发不少争议，达摩院陆续离职多位P11级科学家。

而内包制的形式，产品/业务部门若有AI需求，会向研究院下达，研究院按照投入人头和服务器使用量，向产品部门收费。这种内包制收费手段，在微众银行等企业的人工智能部颇为常见。

“假如业务部门需要开发一个非常基础的AI功能，研究院会评估需要多少个AI研发以及多少周期，然后给出报价。”

可这个时候问题出现了，该如何收费、怎么收费、如何放下同事情感，建立起公正的甲乙方关系？

有些科技巨头的产品部发现，同样功能的实现，找外部AI供应商采购，报价比找自家研究院便宜不少。但出于数据安全考虑，产品部门只能忍痛付费。

双方矛盾由此产生：研究院为了完成营收KPI，在内部胡乱收费，项目经验的缺失，交付质量层次不齐。反观产品部门，出于安全考量，被迫支出一笔笔超额的预算，还经常达不到预期。

“产品部门没得选。他们缺少对AI研究院的考核力和约束力，即便走内包收费模式，把产品部和研究院，变成了甲乙方关系。但从实际情况来看，因为在同一家公司，AI研究人员们仗着自己职级和薪资比产品经理、开发人员更高，天天在甲方面前当大爷，呵斥产品经理啥都不懂。二者不同的思维方式和行事习惯，使得配合协作起来层层受阻。如果他们在同一个部门里，天天腻在一起干活，肯定不一样，起码能听懂对方要表达的意思。”李想（化名）告诉雷峰网。

根据过往的情况来看，当前无论是外包亦或是内包，都进入了进退两难的困局，不但未达到期望的效果，反而引发内部的多重矛盾。

于是今年达摩院也撤销了对营收业绩的考核。

在直线职能制下，有一家把内包制运作得非常成熟的机构：西门子美国研究院。

如上文所说，在内包制的经营中，产品部对AI研究院缺乏考核力和约束力。

而西门子采用“赛马+竞标”的模式，通过内卷，把内包制变得充满活力，让他们辉煌过一段时间。

一位在该实验室工作十多年的研究员刘华（化名）向雷峰网表示，西门子美国研究院非常以收入为导向。

“我们当时只有30%的经费是人头费，总部下拨的。另外70%的经费需要自己去挣，和产品部门签合同，拿项目。”

但问题是，当时西门子美国研究院中，同一个研究方向的小组有3-4个，一起争数量有限的项目，内部赛马让大家疲惫不堪。为各自部门的利益，研究院们争抢项目。

直到方向重合的部门合并，内部竞争才渐渐平息下来。

区别于Facebook纯粹的职能制，西门子美国研究院保持收费的职能制的好处是，仍然可以保持职能制下研究院的独立性；但是，收钱之后一样变得短视：过于注重眼前，对长线投入的研究方向缺乏动力，容易丢掉对研究风向的敏锐度。

刘华坦言，深度学习出来之后，西门子美国研究院在技术上开始有点吃老本、落伍。

“我们挺早就开始关注深度学习。2006年的时候，杨立昆还来我们实验室访问过一次。2012年，深度学习在计算机视觉上取得成功（AlexNet的提出）。不过，直到2013年我们参加的行业顶会上，发现深度学习已经侵入我们的领域时，才真正开始有所反应，成立一个5-6个人的攻关小组。”

另一方面，与出钱的产品部门合作，还容易被“使绊子”、“穿小鞋”。

刘华吐槽到，“我们的产品部门非常变态，由于内部采购限制，在产品中不允许我们用GPU。当时用深度学习开发了一个算法，因为产品中不能用GPU，花了6个月在CPU上做加速，把运算时间从2分钟压缩到20秒，才得以集成进产品落地。假如可以用GPU，这些工作都是没有必要的。”

AI兴起之后，西门子美国研究院的科研和产品就开始脱节。

“科研必须追踪深度学习的进展，而落地项目大多数情况下只能采用传统的机器学习方法。大家本来就忙于落地产品，脱节之后，科研很难有进展。”

还有一个槽点是，西门子的工资待遇十几年不变。

深度学习兴起，互联网大厂大幅提高AI算法工程师的待遇，一个刚毕业的博士生就可以拿到25-30万美元的package，而西门子美国研究院能给的只有前者的一半，导致团队很难招到优秀的人才。

在21世纪的头十年，三篇CVPR级别的论文，是西门子美国研究员的入门“硬通货”。到2017年，有一篇CVPR的候选人都很难招到，团队优秀的员工也纷纷被大厂（比如Google、Amazon）挖走。

“那一阵子，整个团队士气非常低落。”

刘华说，“没有科研产出（通常用专利或者论文来衡量）的实验室不是真正意义上的实验室，也很难建立品牌效应，吸引到优秀的人才加入；在实验室的日常管理上，充分授权，让研究员有一定的自由度来平衡项目与科研。”

在直线职能制的体系下，不管是走内包、还是外包，都会被分走两头的势力来回牵扯，走进一条死胡同。

3

AI管理混乱的源头：矩阵式架构

回到Facebook。

2018年，Jerome来到Facebook后，由于他在IBM有着丰富的产品赋能经验，Facebook逐渐尝试将AI部门的组织架构变成了矩阵式结构：既要独立做研究，也要给几大App产品部门服务。

职能制适合集专业力量办大事，是横向组织结构。

事业部制各类人员配置五脏俱全，机动性更强，适用于冲刺业绩，是纵向组织结构。

而矩阵式兼具职能制和事业部制两个的优势，但无法把任意一种的优势发挥到极致，属于折中和权衡之计，包含横纵两个坐标。

矩阵式·AI研究院组织架构

矩阵式的问题，在于一仆二主、既对职能线负责人汇报，也向事业部线领导汇报。

考核颇为复杂：既需CTO考核，也要产品部门领导打分。

到底该听谁的话？是优先服务产品线，还是优先满足CTO制定的技术指标？这成为摆在Facebook AI部门头上的一大难题。

所以，最新一次的人事调整，Facebook又有变化：从矩阵式，过渡到更为简单粗暴的事业部型的组织架构。

Jerome也在推特上说，“过去集中的AI组织带来了大量外部影响力，但在技术与应用的深度整合上遇到阻碍。新架构会把人工智能系统的所有权分配给各产品组，加速新技术在整个公司范围内的落地应用。”

这个时候，分布在各大产品组的AI团队，只为一个目标服务：产品，只听一个人的话：产品负责人。

4

让AI向利益看齐：事业部制架构

IBM实验室在一段时间里，是事业部制的代表作。

吴军的《浪潮之巅》中曾写到，IBM实验室有不少理论研究。当时负责IBM转型的***郭士纳，砍掉了一些偏重于理论而没有效益的研究，将研究和开发结合。

一旦一个研究项目可以实用，他就将整个研究组从实验室挪到产品部门。到后期，郭士纳甚至要求IBM的所有研究员必须从产品项目中挣一定的工资。

事业部制的核心，是将研发、产品、设计、运营、市场等要素配齐。

每个团队就是一家微型公司，大家在同一条船上，为同一个营收KPI负责。

事业部制·AI研究院组织架构

郭士纳掌舵的9年间，公司持续盈利，股价上涨了10倍，成为全球最赚钱的公司之一。

但要从职能制拆成事业部制，难度不小，其中的利益纠葛异常复杂。

多年的内部升迁，AI研究院的负责人身居高位，与各产品部门总经理平起平坐。一旦拆分，必然削减掉研究院掌舵者的势力和话语权。

这时候，在不断试错未果后，往往需要壮士断腕的决心和魄力，也必须要郭士纳级别的高管亲自操刀，让研究院真正融入业务场景中。

产品部的核心目标，一是用户/客户量，二是营收。

而事业部制的一大槽点在于，研究人员向产品部门全职汇报后，研究团队也会沦为这两目标的奴隶，工作重心从“精尖主义”转变为“实用主义”，过分脚踏实地，目光短视，看重眼前，缺乏布局5-10年新技术的动力。

在这种制度下，可能会错过下一个风口的最佳入场时间，也难以找到最顶尖的AI人才。越牛的人才，越是心高气傲，越重视宽松的交流、研究氛围，期望与大量高水平的同事一起共事。业务线“向钱看齐”的目标，会让前者反感。

与职能制相反的是，事业部制更注重当下。如果说前者的AI研究院是飞在天上的侦察机，看得更远，得窥全貌；那么，后者的AI研究院更像是坦克部队，离战场更近，看得更细，攻击力更强。

所以，先将AI大牛汇聚一处，经过多年的企业文化熏陶和专业培训，待时机成熟后，再打散发配到产品体系中，让每个业务团队都拥有研究基因和PR AI 资本，便于进一步招揽人才，形成良性循环。

想象一下，当研究院的AI专家全职调任至淘宝、微信、搜索、抖音等产品中时，前者拿到场景数据，后者具备顶尖AI算法，将达到1+1＞2的预期效果。

而各自为阵的跨部门协作，永远是减法。

5

抄不了的作业：微软和Google

与IBM的“事业部制”、西门子的“内包型职能”模式不同的是，微软和Google根据各自基因开辟出一条适用于自身的研究院之路。

2013年，原微软亚太研发集团COO申元庆说，在微软全球10万余名的员工里面，有1000多位科学家，他们是从事基础研究，是看5年到25年的东西。绝大部分的研发人员都在从事所谓的开发工作，看当下到5年的变化。

一个壮观的景象是：每年，微软的科学家给工程部门做路演，哪个部门看上了，代表你就毕业了，颇有“翻牌子”的意味。

申元庆说，“微软研究院的10篇论文里，95篇是废的，发论文实际意义有限，但可以省下一大把公关费，吸引优质学生的加入。”

另外一家巨头——谷歌，是工程团队亲自下场做研究，从目前国内公司的配置看，Google的段位太高。

《纽约时报》曾写道，在2004年，有3万多员工的微软的创新，居然比不过不到2000人的Google。《纽约时报》认为差距在于，微软的开发模式没有Google的效率高。

Google的特点，是研究和工程开发不分家。

Google没有严格意义上的研究部门，所有开发人员遇到实际问题需要研究时，因为没有可以指望的研究部门做后盾，只能自己动手。Google虽然有一个很小的研究部门，但是所有的研究员都在第一线做开发。

这种工程文化，无疑受到两位创始人和Jeff Dean的技术理念影响。这要求Google每个工程师不仅要会写程序，还会做研究。

这么高的人才要求，唯一的解决办法是尽可能地招动手能力强的博士。因此，Google也就成了全球单位办公面积博士最集中的地方。

此外，Google也倾向招募有着工科博士背景的产品经理，进一步降低工程团队和产品团队之间的沟通成本。

但需要注意的是，Google的核心发起点是工程师。

而国内想要模仿难度很大，由于工程和研究培养体系在时间上整体晚于欧美，国内的绝大多数研究员，并不具备出色的工程开发和代码水平，他们深入到项目的前提，是先同工程团队协作，随之双方再与产品/项目团队协作。两层协作关系的推进，协作和信息流通效率会大打折扣。

Google和微软的两个特殊样本，对于当下的互联网巨头AI研究院来说，所需的条件太高。

没有人、没有足够多的牛人，想要学到其精髓，很难。

6

向AI研究院开刀

从直线职能制走向矩阵式，进而再融入到事业部的架构中。Facebook的这次结构调整，给中国互联网巨头什么样的启示，是不是也到了强制打散AI研究院的节点？

2016年前后，国内互联网巨头相继开启AI人才的“军备竞赛”，成立AI研究院。

在当时的情形下，选择”职能制”是一个时代的产物、互联网巨头一笔算得过来的账。

如果他们一开始不设立独立的研究院，而是在各个产品BG下面自建AI团队，意味着每个BG都要重复建设多套几乎一致的AI技术体系，这会产生非常高的技术和研究重复建设成本。

同时，各个部门的AI团队各自为战，群龙无首的非中心化的AI组织架构，也难以吸引一流的人才加入。

所以，互联网公司在5-7年前成立独立的、中心化的AI研究院，组织架构的选择显然正确。

但到现在，各大公司的AI研究院使命基本完成，已经建立起了基础AI平台和AI能力，并汇聚一流的AI人才，当前的人工智能，在短时间内也很难看到新基础理论的突破。

此时的AI研究院，已走到“革自己命”的节点，流入至各个产品BG里，为产品和工程服务，推动AI的规模化落地才是正解。

事实上，摆在中国互联网AI研究院的路，也确实只剩下这一条——事业部制。

首先，无内包付费、纯粹的职能制，被Facebook验证了略显滞后，已被舍弃。Deepmind与谷歌的分家矛盾也屡屡发生。

其次，在职能制的体系下，与产品部进行捏合难见其效。

从西门子美国研究院的案例来看，被强行联姻、摊派营收KPI的职能制，更是错过了深度学习等技术的风口。西门子的骨子里是医疗器械厂商，每年推出的影像设备是一个个的标准化、本地化的产品，不存在实时迭代的需求。实验室与产品部门签一年期的合同，年初就定义好几个交付的关键节点，可以提前规划。

而国内的巨头AI研究院，并不具备进行竞标的方式和条件。因为他们要支持的是C端实时变化的应用，以及to B高度定制的生意。

对互联网公司的产品部门来说，每年都会有成千上万个场景需求。如果在直线职能制的体系下，每个需求走内部竞标，供需严重不匹配，需求远远大于供给。

因此，在内外承压的现实逼迫下，国内互联网巨头外包、内包型的职能制体系均难以长期施行。

走向事业部制，这也是国内AI研究院的必由之路。

天下大势，分久必合、合久必分。

用纳德拉的著作《刷新》中的一句话来说：每一个人、每一个组织乃至每一个社会，在到达某一个点时，都应点击刷新——重新注入活力、重新激发生命力、重新组织并重新思考自己存在的意义。

等到下一步新技术浪潮到来后，集团级的研究院又会重新像2016年前后那样把最聪明的人汇聚在一起，为公司构建基础设施。于是，这三种体系又重新走入一种循环。

正如金庸的武侠小说，每一种招式都不可用老。

体系，一定是时代性的体系；解法，一定是时代性的解法。

作者注：此前，本人曾策划并执行了，探寻大厂医疗业务线调整、裁撤的背后故事与深层原因。同时间，雷峰网也产出了颇具影响力的《》系列。

END