今日，中國人工智能行業(yè)又有重磅人事變動：滴滴出行副總裁、AI Labs 負責人葉杰平將于近期離職。

對此，滴滴官方回應稱：滴滴 AI Labs 負責人葉杰平因個人原因將于近期離職。葉杰平內部告別信表示，希望嘗試去探索 AI 在其他領域的可能性。葉杰平離職后，CTO 張博將兼任 AI Labs 負責人，滴滴智能控制首席科學家唐劍將任 AI Labs 副主任。
葉杰平于 2015 年加入滴滴。這個時間點，也正是全球范圍內，各大互聯網公司用高薪、獎金和股票套餐來吸引人工智能專家離開學術界的“運動”高潮——2015 年，單單 Uber 從卡內基梅隆大學的機器人實驗室就雇傭了 40 人，其中就包括教授級別人員。

而具體到滴滴，這家發(fā)展勢頭迅猛的出行公司自然也不會缺席這股浪潮：在已經擁有主打搭建滴滴交通大腦的滴滴研究院、以及主打大數據安全和智能駕駛的美國研究院之后，滴滴于 2018 年創(chuàng)辦 AI Labs，葉杰平被任命為該團隊的負責人。

公開信息顯示，葉杰平畢業(yè)于上海復旦大學數學系，后獲美國明尼蘇達大學博士，是美國密歇根大學終身教授以及密歇根大學大數據研究中心管理委員會成員，專業(yè)方向包括機器學習、數據挖掘以及大數據分析。其學術成就在業(yè)內處于領先地位，在機器學習和數據挖掘國際頂級會議及期刊上共發(fā)表論文 200 余篇。曾獲 KDD 和 ICML 最佳論文獎以及美國國家自然科學基金會生涯獎 （NSF CAREER Award），并擔任多個機器學習和數據挖掘領域頂級會議的主席�，F任職機器學習和數據挖掘期刊 IEEE TPAMI，DMKD，和 IEEE TKDE 的副編委。

當時，滴滴 AI Labs 的建立，被認為是滴滴繼研究院（主打搭建滴滴交通大腦）及美國研究院（主打大數據安全和智能駕駛）之后，在科研網絡上進一步拓展，帶來三足鼎立的局勢：它將主要探索 AI 領域技術難題，重點發(fā)力機器學習、自然語言處理、計算器視覺、運籌學、統計學等領域的前沿技術研究及應用，為下一代技術做好準備，期望能用技術構建智能出行新生態(tài)。

從這段介紹也不難看出，滴滴 AI Labs 算是三大 AI 團隊中離業(yè)務線最遠、負責布局前沿技術的角色。

也正因如此，在機器學習研究領域頗有建樹的葉杰平，成為滴滴 AI Labs 的掌舵人。

作為滴滴 AI Labs 的一把手，葉杰平曾在多個行業(yè)場合發(fā)布演講，介紹滴滴在“AI＋ 出行”領域的技術探索和布局。

例如三層結構來布局人工智能：“最底層是基礎的算法，包括強化學習、深度學習、統計、運籌等基礎前沿算法；中間層是核心 AI 技術，橫跨語音識別、NLP、CV、知識圖譜等多個領域；頂層是應用，包括交通基礎設施智能化，交通工具的電動化和自動化，以及如何用AI技術提升出行的安全、體驗、效率”。

以及更具體的目前“滴滴出行”的各大模塊：路徑規(guī)劃、ETA（estimated time of arrival）、智能訂單分配、交通容量管理、供需均衡、拼車、安全評估等。

但滴滴最為行業(yè)稱道的，還是它的訂單匹配技術，在某個時刻乘客和空閑車輛的匹配量可能就達到了千萬級。由于路面情況不同，同樣一公里可能因為交通擁堵情況而導致行駛時間不同，因此在距離評估以外，更困難的時間評估也被引入考量。

作為滴滴 AI Labs 的負責人，我們也能在滴滴 AI Labs 官網一窺葉杰平所帶領的這支團隊交出的“成績單”，主要有以下 6 項：

自然語言處理——以滴滴的智能客服系統與貼心出行助手為代表。

司乘體驗——基于出行大數據的人工智能方法提升用戶出行體驗和服務效率。

平臺效率——用統計學習，增強學習，和模擬系統來優(yōu)化交易和運營策略，并完善智能系統。

語音互動——專注于車載領域，高性能語音喚醒，識別，合成，對話理解技術。

計算機視覺——聚焦光學字符識別，人臉識別，質檢，感知，理解，相互作用等技術，提供出行服務標準質檢，出行交通感知，智能交互等技術方案。

智能地圖引擎——針對滴滴海量實時出行數據和復雜的業(yè)務場景需求，開發(fā)全新的地圖服務系統，如路徑規(guī)劃，時間預測（ETA），路況等。在這里，我們也對比了與滴滴的 AI Labs 有較大可比性的 Uber AI Lab 。

Uber AI Lab 比滴滴 AI Labs 早兩年成立，定位同樣是作為 Uber 的技術儲備小分隊，探索機器學習的前沿領域并將關鍵進展應用到其業(yè)務中（從外賣派送路線規(guī)劃到 Uber 自動駕駛的所有任務），具體包括開發(fā)需要較少數據的機器學習形式；不僅使用數據而且使用明確的規(guī)則來訓練 AI 系統；和設計可以解釋其決策的機器學習系統等等�，F在在 Uber AI Lab 的官網上，還能看到與之相關的學術論文研究。

圖片出處：Uber AI Lab

在研究領域方面，和滴滴 AI Labs 比較大的區(qū)別是，Uber AI Lab 的分工并沒有那么細致，不但有視覺、語音上的輸出，還承擔著大部分與自動駕駛直接相關的研究。

而在發(fā)展歷程上，成立更早的 Uber AI Lab 在初期便經歷了大牛的流失：其負責人 Gary Marcus 在 2017 年宣布離職，離開 Uber AI Lab 后回歸學術界。

令人意外的是，今年 5 月，還未完成 Uber 自動駕駛愿景的 Uber AI Lab 劃上句號。Uber Uber CEO Dara Khosrowshahi 宣布關閉 Uber 的非核心業(yè)務，其中就包括孵化器以及人工智能業(yè)務研究院 AI LAB，作為 Uber 的“戰(zhàn)略性選擇”。

有分析師稱，這意味著 Uber 從一家成長性公司向控制成本的公司轉型。而在 Reddit 上的相關討論中，更多的聲音表示：在 Uber 這樣的商業(yè)公司中，純粹的 AI 研究已死，疫情只是一個催化劑，但公司在短期內但獲利能力以及公司的管理方式也是影響因素。另外，從時間節(jié)點上看，企業(yè)挖 AI 學術人才的大潮顯現出回落的趨勢，一些公司也會真正冷靜思考這些人才團隊對自己的真正價值所在。對于這一長期現象，我們后續(xù)仍將跟進解讀。

圖片出處：滴滴

目前滴滴首頁中 AI Lab 被歸到滴滴科技中，與其他產品和服務并列。

或許滴滴也遇到了類似的“戰(zhàn)略性選擇”時刻，報道顯示，滴滴內部已經將 AI Labs 更名  AI Tech，話術上似乎從實驗室變成了一個技術業(yè)務部門，更強調落地。

而葉杰平的下一步去向，目前信息也尚未可知，按照其在內部告別信中的說法，他將“嘗試去探索 AI 在其他領域的可能性”。

附【告別信】原文：

感恩滴滴，感謝大家支持與幫助，相逢的人會再相逢。

五年前回國和大數據團隊的那次交流，讓我看到機器學習在交通領域無窮的潛力和想象力。何其有幸，在過去1975個日夜，和溫暖、靠譜、有同理心的你們一起，用AI提升出行效率，更守護每一次出行，這也讓我認識到最好的研究是從落地中來的。加入滴滴，是一個非常正確的決定，這也是我職業(yè)里程中收獲最多的五年。

如今話別，內心充滿不舍。我思考很久，嘗試去探索AI在其他領域的可能性。感恩滴滴，也感謝大家的信任、支持與幫助。AI Labs有唐老師，有朱老師，有Kevin，相信會持續(xù)帶領大家持續(xù)做出更多更新、更有力的探索。

不會走遠，相逢的人會再相逢。讓技術發(fā)揮更大價值，我們仍然走在同一條路上