亲历过早期百度AI内部路线之争，Dario的回忆让我深感共鸣。2014年那场语音识别赛道上的‘学术派’（吴恩达）与‘工程派’（贾磊）测试，本质上是端到端深度学习与规则+统计混合系统的对决。贾磊团队的方案在离线识别率和实时性上胜出，但吴恩达的端到端方法更具扩展性，最终在线上数据驱动下反超。这揭示了AI落地的核心矛盾：短期工程优化 vs 长期技术栈重构。
个人经验：我曾在类似场景中体验过‘工程派’的无奈——短期指标漂亮，但迭代成本高；‘学术派’的模型虽初期表现平庸，但通过数据规模增长能实现质变。百度最终选择吴恩达路线，本质是押注‘数据飞轮’效应，这与中国AI行业早期重工程轻模型的现状形成鲜明对比。
值得深思的问题：1）若百度当年收购Hinton团队成功，Ilya和Dario共事，谷歌的Transformer霸权还会出现吗？2）当前大模型军备竞赛中，国内企业是否仍在重复‘工程派’优先的路径依赖？
从行业视野看，这场路线之争至今仍有启示：AI技术决策不能只看短期基准，必须预判数据、算力与算法的协同演进。百度的选择虽导致贾磊离开，却为后来Transformer在NLP上的爆发埋下伏笔——若停留在工程优化，可能错过整个深度学习时代。