AI 工程化难题是一个已经讨论过很长时间的问题，其中包括场景碎片化、应用成本高、稳定性差、可解释性差等。有人些人认为，这些原因加速了 AI 顶级研究者从业界到学界的回流。
其实随着AI技术门槛不断降低，AI进入产业落地期，企业AI实验室、研究院也普遍遭遇到各类挑战。
正如“量子位”分析，学术方向的研究，是希望探索的最前沿的问题，并且不计较成本，不济营收，因为其发展更多的带来的是前沿技术的突破。但从工业和企业角度而言，成本和产出则必须被严格审视，更需要的是盈利。随着技术门槛进一步降低，企业内部的技术话语权，必然会回到工程派、或者产品负责人手中。
在之前Facebook的LeCun经受了这样的挑战，百度的吴恩达经受了这样的挑战，腾讯的张潼和贾佳亚，也没能跳出这样的“周期律”。这仿佛就是每个相应巨头企业所必须经历的。
同时在字节跳动，这样的事情似乎也在发生。而马维英也只是众多“重返学术界”的AI大牛之一。
不久前，旷视科技南京负责人魏秀参，也重返到南京理工大学。对此，魏秀参给出的回复是“家庭原因”。
从最开始来分析，最早是从吴恩达开始，后面又有李飞飞、张潼、张亚勤、贾佳亚等科学家不断离职，陆续离开工业界回归学术界。背后的原因或许诸多，除了个人因素外，不少网友也将这种现象与AI企业的发展相关联。
一个员工离职，企业的成本则会大幅度增加，不管是入职两个月，还是入职两年的员工离职，对公司来说，都是一大笔损失。更何况是一个高官。一个员工离职后留下的坑，并不是再找一个人填上就万事大吉了。
一般来说，核心人才的流失，至少有1-2个月的招聘期、3个月的适应期，6个月的融入期；此外，还有相当于4个月工资的招聘费用，超过40%的失败率。员工离职后，从找新人到新人顺利上手，光是替换成本就高达离职员工年薪的150%，如果离开的是管理人员，则代价更高。
权威机构估算，一个员工离职会引起大约3个员工产生离职的想法。照此计算的话，如果员工离职率为10%，则有 30%的员工正在找工作；如果员工离职率为20%，则有60%的员工正在找工作。关于员工离职的原因，当然可以引用某位名人的观点，无非就是两个：钱没给到位、心委屈了。
不同层级、不同工作年限的员工提离职，其实有更复杂的原因。
根据员工能力和工作态度，可以将员工状态分为四类：能力弱、工作积极：新秀；能力弱、工作消极：备胎；能力强、工作积极：精英；能力强、工作消极：怨妇。
本回答被网友采纳