*本文头图经海洛创意授权，未经允许，不得转载
2015年2月，Uber
在匹兹堡建立起自己的前沿技术中心（Advanced Technologies Center
)，继续扩张势力版图，进军机器人领域。除了研发更好的地图、安全驾驶系统，最有利可图的就是Uber的自动驾驶汽车。据报道，Uber从引领全球机器人发展方向的由卡耐基梅隆大学掌管的美国国家机器人工程中心（National Robotics Engineering Center at
Carnegie Mellon
University）挖走了40多名研究人员，包括几名资深高级研究人员。虽说人来人走实属常情，但是，相关人士表示，这个数字「有点大」。
一项重要指标：技术就绪水平（Technology Readiness Level，TRL），或许有助于理解Uber这次凶狠的人才争夺策略。TRL最初由美国航空航天局1995年提出，在美英科学技术界颇有影响，用来标示 技术成熟度，一开始是七个级别，逐渐增加到了九个级别。一级技术研究，被认为是可以变成一个应用程序或一个概念的研究和发展计划下的基础科学研究，比如牛顿定律，不可能立即应用，新的技术必须经过多次实验和改进，以及实际测试，在充分证明了可行性后才会被整合到实际系统之中。九级技术已经可以商业化。
TRL
一级技术很难吸引商业投资，通常是由联邦政府资助研究。几十年前，一些大公司还愿意支持这样基础研究，比如贝尔试验室、施乐。不过，这几年，公司更加关注短期利益，把可能带来深远变革的基础研究留给了大学研究机构。现在，当一项技术成熟度达到四或五级时,公司就会介入进来。以机器学习为例，上世纪五、六十年代 以来，它一度只是学界研究的对象。但是，当谷歌获取各种大数据后，这项技术变得有利可图，谷歌开始疯狂地从斯坦福挖走专家。紧接着硅谷上演了互联网巨头公司争夺机器学习人才的大战。
1979 年，为了解决机器人领域的基础问题，比如如何解读传感器数据才能让机器「看见」，卡耐基梅隆大学成立机器人研究院。为了满足军方、工业方面的机器人需求，1995年大学成立国家机器人工程中心，招募了大批工程人员，多半是机器人专业研究生。专家们花了数十年的时间让机器人技术成熟到三或四级水平。实际 上，卡耐基梅隆大学采用了TRL标准，机器人研究院负责一至三、四级的技术研究，机器人工程中心接棒机器人研究院成果，将技术推至七级水平。此时，中心已经可以提供原型。无人驾驶汽车本质上就是一款轮式移动机器人，它的兴起正是得益于轮式机器人技术逐渐成熟。
不过，中心的一些研究人员并不满足于提供原型，他们更喜欢能够生产出可以出售给用户的产品。除了优渥的报酬，Uber等大公司能够满足这些研究人员的要求： 迅速将发明生产出来。一些研究人员解释说，他们并非不满意中心的工作待遇，而是被这些年涌入机器人领域的巨额资金惊呆了：谷歌32亿美元收购 Nest；Makerbot做了一款不那么贵的3D打印机后，被另一家公司以6亿多美元的价格收购。以他们的专业水平，两个礼拜就能作出这些产品。这些一身好武功的研究人员也不愁没有公司来挖。一方愿卖，一方愿买，人才争夺战才打的起来。
美国国家机器人工程中心的机器人Andy
对于大公司的人才抢夺策略，有些研究人员并不十分担忧。在机器学习领域，Hinton曾说，「有些危险的是，如果足够多的大公司雇了足够多的研究人员，那么，大学就没有足够多的人来培养学生、进行纯粹的基础研究了。」但是，他又认为，技术公司已经意识到这些问题了，比如，谷歌希望Bengio继续自己的基础研究。LeCun也在Facebook重新建立了一个贝尔实验室，他说，「我认为，学术研究不会消失。」技术公司的求贤若渴正在吸引更多的求学者而不是打败学术。
但是，仍有不少人士对此表示忧虑。虽然研究人员会从公司那里获得大量研究经费，但是，智力挑战变了，他们几乎不再从事那些源自好奇心、艰难而又基础的研究， 而是替雇主解决具体问题，比如，如何让用户买更多的东西。虽说也的确存在人才回流现象（比如，从谷歌等大公司回到大学），这些回流人才能将实践经验带到相关基础研究中，并利用曾经的产业关系网络为大学研究争取更多经费，但是，其间漫漫崎岖路，效果如何，很难说。
机器人研究领域还有不少早期技术难题需要攻克，比如机器人的抓取行为。但是，Uber不会对这种问题感兴趣。一边是大公司优厚报酬，一边面临着联邦资助经费的大量「蒸发」（目前仅为1968年的一半），摆在机器人专家面前的将是另一道哈姆雷特式的难题。
本文选自《纽约时报》作者：Benjamin H. Bratton 由机器之心编译，转载请联系公众号：机器之心（almosthuman2014）获得授权，个人微信号“jiqizhixin2014”