Deeplearning.ai、Drive.ai再加上最近的Landing.ai，吴恩达夫妇几乎要把.ai系列注册全了。
不过从吴恩达从斯坦福到谷歌再到百度，离职百度后又创立了Deeplearning.ai和Landing.ai的经历，倒是受到了颇多争议。
从新闻中透露消息看来，Landing.ai接近于一家资讯培训服务机构，专注于工业领域的AI+转型，其中包括了技术提供、组织结构调整和员工培训。*家合作伙伴，则是富士康。
一方面来看，吴恩达正在做一件非常富有挑战性的工作。人人都知道工业是非常适合AI发挥的领域：信息化程度高、劳动力密集、成本范围广大，只要通过算法进行一点小小的改变就能获得极大的受益。
工业智能化又不是一非常艰难的事情，工业4.0喊了这么多年至今收效甚微。或许因为工业生产涉及的链条太长精度要求也太高，机器人制造、系统的集成与配适等等，早已超过了人工智能关系到的算法领域，而是要和工程、光学、机械等等多个领域一起运作。这就对服务商的提出了更高的要求，不仅仅要把握机器学习算法，还要有很强的工程化能力和对工业领域的理解。
很难想象，学术出身的吴恩达能够做到这些事。
另一方面也有人认为，吴恩达从斯坦福到谷歌百度，再到富士康的职业轨迹，是越混越不如从前了，Landing.ai应该被翻译成“接地气AI”。吴恩达在大企业中的就职经历本来就不算太顺遂，如今又贸然提出一个帮助制造业AI转型的大口号，听起来就有些不切实际。还不如好好爱惜羽毛，回到高校去教课、发Paper。
对于吴恩达创业历程的评价出现了两个极端。
有人认为他是人工智能的布道者：在企业中做了很多铺垫性工作，身体力行的普及深度学习知识，让更多人加入到这个行业中来。
也有人认为他是人工智能淘金路上的卖水人：在企业里“抛头露面”的成了网红，颇有炒作之嫌，现在干脆收起了授课、咨询这方面的钱。
教授创业为什么总选择算法变现？
关于这个问题，我们首先要弄明白一件事，算法变现的路径是不是太长了？
现在有大量的学术研究者和吴恩达一样，离开高校来到企业的实验室中渴望创造一番事业。这当然和人工智能本身的学术特质和研究色彩有关系，在除了能直接把算法附加在自有数据上的大企业之外，那些以人工智能算法为主的创业企业都要面临一个很大的问题——如何变现？
难道因为自动驾驶能用到计算机视觉技术，就要教授们都去造车？或者在深度学习芯片火热的今天，让教授们去台积电参观参观，了解芯片制造的流程？算法在大企业之内，可以起到降低成本、开拓产品新功能的作用。可一旦离开大企业，就很难独立支撑起变现的流程，不是人人都能把手中的IP卖出高价的。人脸识别服务领域的激烈竞争，某种程度上就是在告诉大家，算法的商业想象力太匮乏了。
其实不如换个角度想这个问题，算法来自于学术研究，那它的本质就还是一种知识。知识要怎么变现，就不用别人来教了吧？
罗振宇、咪蒙、高晓松……这些都是很好的案例。放到人工智能领域里，不就是优达学城（一家人工智能线上培训机构）和Deeplearning.ai吗？
Landing.ai是吴恩达的知识变现闭环
宣讲出一个行业的光明前景，再卖给你一张进入这个行业的门票，这是一桩非常好的生意，也是一桩非常适合吴恩达的生意。吴恩达在学术和商业两端都有着鲜明的icon色彩，给了他做知识变现必备的号召力和知名度。
仔细看看吴恩达Landing.ai的招聘要求会发现，吴恩达要求所招聘员工学习过他自己Deeplearning的课程。包括优达学城也会为学生颁发“纳米学位”，据说可以凭借学位在亚马逊、滴滴等合作企业入职。看来算法知识变现相比咪蒙的“月薪五万”课程要良心多了，在上完课之后还能给你一个赚回课程费的机会。
这么看来，吴恩达应该是在打造一个完整的闭环。通过自己的名气和能力不断提醒大家深度学习的重要性，一只手赚到了企业的咨询费，另一手赚到了从业者的培训费，而且还能自己把握人才的来源，不管是自己创业还是向企业输送人才都能保质保量，同时让就业成为培训课程*的背书。堪称是知识变现的*模式啊。
这样看来，讨论吴恩达究竟是人工智能的卖水人还是布道者根本没什么意义。能号召企业向AI转型，借此创造工作机会，并向渴望机会的人提供进入路径，这已经是一个布道者能做到的*的事情。即使吴恩达能从中获得收益，又有什么错呢？
我倒是觉得，吴恩达的职业路径是一个很好的范本。大企业对顶端人工智能人才的需求总有一天会达到饱和，教授和学者们如果自己创业，拿到融资倒是不难，可如何把算法变成可售卖的商品却没那么容易。像吴恩达这样，以服务提供者的方式在更多地方挖掘出人工智能落地场景，再培养人才送上这些岗位，可能会是教授们另一条更顺遂的商业道路。
