4(年亏损,250,亿,打败柯洁的“狗神”过的并不好)

4,年亏损,250,亿,打败柯洁的“狗神”过的并不好，久久派带你了解更多相关信息。

作者 | 宇多田

出品 | 虎嗅科技组

图片为柯洁在 2017 年乌镇对战 Deepmind 电脑程序 AlphaGo 现场。

从 2016 年 3 月的一个下午开始，当一个名叫 AlphaGo 的围棋电脑程序，在两年里，陆续战胜韩国围棋 9 段职业选手李世石，和当时世界围棋排名第一的中国棋霸柯洁后，关于未来 5 年里 \” 人工智能技术无所不能 \” 的炒作，便拉开了序幕；

当然，更直接的影响是，全权研发制作了 AlphaGo 的英国人工智能公司 Deepmind，在仅被谷歌收购 2 年后，便誉满天下，帮谷歌与 \” 人工智能全球最强企业 \” 紧紧绑定在了一起。

但谁也不会想到，Deepmind 来势迅猛的技术声誉，又在未来极短的时间内，转化成了外界对其始终不见商业化有效成果的批判与质疑。

与大多数在 2019 年进入萧条期和死前挣扎期的国内人工智能公司一样，在更看中自由市场商业化落地的欧美，Deepmind 从 2016 年 ~2019 年共计亏损 13.55 亿英镑（这还不算上收购的 6 亿美元，还免除了 2019 年 15 亿美元债务），约合人民币 118.5 亿元（18.38 亿美元）。

很显然，亏损总额高达 40 亿美元（约人民币 257 亿），让谷歌受到了华尔街的千夫所指。

但是，根据昨天 Deepmind 在英国政府机构 Companies House 上的最新账目显示，2020 年，这家全球人工智能研发能力最强的企业之一，终于迎来了一个关键的商业化临界点：

2020 年同比增长率超过 300%，达到 8.26 亿英镑的高收入，终于抹掉了 7.8 亿左右的支出，实现 5 年来的首次盈利。

图片来自虎嗅。数据来源：英国公司注册局 Companies House；制图：宇多田

但这并不能够证明 Deepmind 的商业化模式完全步入正轨。

实际上，从 2014 年被谷歌以 6 亿美元收购以后，Deepmind 作为一家私营商业组织（英国法律有规定，任何年收入超过 1020 万英镑，资产超过 510 万英镑，雇员超过 50 名的私营公司都必须向政府披露财务状况），其绝大部分收入仍然来自谷歌母公司 Alphabet 给予的订单。

换句话说，它几乎是靠 Alphabet 的哺育，而非外界客户而生存，商业模式被称为 \” 研发服务 \”。

而 Deepmind 此次并没有解释 2020 年收入增幅如此迅速的原因。

我们只是了解到，Deepmind 除了依靠一直以来向谷歌、Youtube 出售软件，为后者的数据中心做节能优化，提高安卓设备的电池寿命外，又增加了谷歌地图的合作项目——提高地图里 \” 到达预测时间 \” 的精确度，优化谷歌语音虚拟助手。

很明显，这些项目订单金额并没有一个非常明确的公开付费标准。

另外，也有分析师指出，此次的巨额收入可能要归功于 \” 创造性的会计形式 \”，简单来说就是财务计算方法做了一些变动。但 Deepmind 并未对此做任何置评。

另外我们需要注意的一点是，Deepmind 每年高达几亿英镑的巨额支出，大部分都投入到 \” 员工成本与其他相关成本 \” 中。其中包括员工的薪资、旅行、办公硬件以及软件。

\”Deepmind 最值钱的便是一群顶级科学家的大脑，\” 一位熟悉 Deepmind 的消息人士告诉虎嗅，在它全球近千名员工里，很多人的工资可以达到七位数。\” 对于研究他们绝不会吝啬，这里是科学家的天堂。\”

然而，一家以盈利为目的的商业组织，成于研究，也必将受制于研究。

没有头绪的商业发展轨道

Deepmind 在人工智能研究领域，特别是针对 \” 深度学习 \” 与 \” 强化学习 \” 这两个重要技术分支研究方面做出的贡献，毫无疑问是必须载入史册的。

就像今年 7 月 Deepmind 利用人工智能技术在生化科学领域取得的巨大突破——为 35 万种蛋白质 ( 包括人类制造的每一种蛋白质 ) 提供了 3D 结构，这对医学和药物设计大有裨益。

这是人工智能技术赋予的果蝇蛋白质形状，图片来自纽约时报

这个成绩涉及到困扰了生物学家半个世纪的 \” 蛋白质折叠问题 \” —— 1972 年，在接受诺贝尔化学奖的演讲中，克里斯蒂安 · 安芬森做出了一个历史性预测：原则上，仅仅根据组成蛋白质的一维分子链就可以确定蛋白质的三维形状。

然而，虽然如今测定任何特定酶的确切化学成分都不算太难，但要确定它的三维形状，可能需要数年的生化实验。

而 Deepmind 的技术，则大大加快了生化学家们破解这一难题的速度。

因此，当他们公布自己的人工智能模型 AlphaFold 通过蛋白质数据库的数据训练，已经预测出蛋白质 3D 形状时，这个系统不仅被纽约时报、福布斯等杂志称为 \” 一流的科学成就 \”，还被看作是 \” 一个历史性的时刻 \”。

图片来自福布斯

当然，虽然行业人士认为有朝一日 Deepmind 科学家有可能获得诺贝尔奖。但就像大部分诺贝尔奖获得者一样，这只是一种开创性的 \” 基本见解 \”。

而将基本见解转化为现实世界中创造商业与社会价值的产品，还需要几十年的时间。

因此，短期来看，我们有权利向 Deepmind 提出质疑：是否思考过 3~5 年内有效的商业化路径？谷歌是如何看待它持续的研究贡献和与之不匹配的商业贡献？

实际上，早在 2017 年 Deepmind CEO 哈萨比斯带领技术团队来到中国乌镇对战中国围棋国手们时，我们有幸在现场亲眼见证了历史。而谷歌当时，就曾明确提及了关于强化深度学习的两个技术应用方向——

一个是对战式的游戏设计；而另一个，则是医疗领域的特定疾病预测与筛检。

Deepmind 创始人兼 CEO，现年 45 岁的哈萨比斯

但由于当时大众未受到技术启蒙，人工智能本身还在散发着巨大的舆论威力。因此，那时极少有人会关注它们发表的一系列关于强化与深度学习的论文，究竟能够给企业带来什么不菲的收入。

而实际上，这项技术其实仅能应用于非常狭窄的特定环境。

Wired 曾披露，Deepmind 开发的参与《星际争霸》游戏的 AI 选手，能力非常有限。如果说在一张地图上启用某单一角色，它的效果可能会比人类好。但在不同地图上启用不同角色，效果就会差很多。

如果要切换角色，你需要从头训练系统。

\” 在某种程度上，深度强化学习有点像是‘死记硬背’记忆法，使用它的系统能产生很棒的结果，但他们对自己正在做的事情只有一个肤浅理解。

因此，体系缺乏灵活性，无法在世界发生变化时进行补偿，有时甚至是微小变化都无法应对。\”

而这样的结果，也同样阻碍了他们的医疗实际应用进程。

在 2019 年 8 月，Deepmind 曾经在《自然》杂志上发表了一篇论文，声称自己在疾病预测方面取得重大突破——人工智能能够在急性肾损伤 ( AKI ) 发生两天前做出预测。

但实际情况是，它没有任何实操性预测。

公司只是获得了一个相关的病人数据集，使用神经网络找出了 AKI 与病人之间的模式。此外，这种预测模式只在某些时候起作用，总体准确率为 55.8% ，预测越早，准确率越低。

更重要的一点是，这项研究几乎完全针对男性，更确切地说，是一组 90% 以上为男性的退伍军人数据。这对于具有数据偏见和歧视性的人工智能来说，很明显存在极大漏洞。

当然，由于医疗数据必然会涉及到病人隐私，从 2016 年开始，DeepMind 就被卷入了一场关于合法数据应用的 \” 社会与机构审判 \” 中。2017 年，英国的数据监管机构曾裁定，DeepMind 在几个主要方面侵犯了病人的权利。

以上便是 Deepmind 在医疗健康领域奋战至少 5 年，但商业化收效甚微的关键原因。当然，运行极其隐蔽、规整且很有自己一套作风的英国国家医疗体系，也是技术公司难以撼动的客观因素之一。

总的来说，2016~2017 年大部分人工智能公司之所以最喜欢用游戏来搞噱头，是因为游戏是有严格边界设定的；

而现实世界中，却少有存在明确边界的问题。

谷歌保持沉默，但行动告诉了我们结果

站在市值万亿，每年收入高达千亿美金的谷歌角度，每年拨出 5 亿美元并不是一个巨大的赌注。但是，如果通往商业生存能力的道路比预期时间更长，超过 5 年风险仍有攀升趋势，那么，就不可能有任何一家企业会冒这样的风险。

譬如，于今年 1 月正式被谷歌关停的互联网气球项目 Google Loon，曾在 2011 年成立时发出 \” 让全球最贫穷偏远的最后 10 亿人用上互联网 \” 的壮志豪言。然而，他们在 2016 年时就已被大幅削减开支，最终没能挺过疫情肆虐，收入来源归零的 2020 年。

对了，2017 年 Loon 项目组穿着卡通鲨鱼拖鞋的谷歌工程师们，也曾表示机器学习帮了他们一个大忙——系统可以根据风向来操控气球移动的角度，让它们能够在某一地区小范围盘旋。

Loon 实验室的工程师

Loon 并不是特别的，谷歌每年亏损几十亿美元的登月业务 Other bets，每年都会有很多创新项目或无疾而终，或被 CFO 和投资者杀人般的眼神不断 \” 凌迟 \”。

而近几年来，人工智能给谷歌带来的技术声誉，逐渐被前者涉及到的数据隐私、道德伦理问题所掩埋。

特别是在谷歌去年开除人工智能伦理研究员后，大众对谷歌这家商业组织的质疑和道德批判，达到了历史的最巅峰状态。

而相比之下，Deepmind 今年从 \” 发布蛋白质 3D 形状预测算法平台 \” 再到 \” 不惜一切代价改写财报收入数字 \”，像是在试图说服谷歌和投资者的同时，想重新燃起过去几年世人被逐渐浇灭的对人工智能的热情。

图片来自华尔街日报

值得注意的是，华尔街日报曾在今年 5 月爆料，Deepmind 多年来一直在与母公司 Alphabet 谈判，希望获得更多自主权，特别是重新建立一套 \” 非盈利组织使用的法律架构 \”，而原因就在于，他们认为自己做的人工智能研究不应由单一企业实体控制。

这一说法并非没有缘由。

譬如，2020 年在美国 Darpa（国防高级研究计划局）的一次演示中，一架 AI 控制的 F16 战斗机轻松击败了一名人类飞行员。而这家军用技术公司采用的强化学习算法灵感，便来自于 Deepmind。

而在 2020 年 12 月，美国空军利用人工智能程序控制了一架 U-2 间谍飞机上的雷达系统，灵感也来自于 DeepMind。这一算法通过数千次模拟任务学会了如何引导雷达，以便识别地面上的敌方导弹系统，这在实际任务中对防御至关重要。

因此，我们不难发现，这家早在 2015 年便发表公开声明，敦促世界各国政府禁止研发致命性人工智能武器的公司，其实陷入了一种两难的境地——

坚持基础研究和无歧视、道德感更强的崇高愿望，与 \” 不得不寻找商业化路径，靠 Alphabet 续命才得以继续研究工作 \” 之间的矛盾。

但 Deepmind 最终在 \” 争取更多独立权 \” 的谈判中失败了。哈萨比斯亲自将这个结果在今年 4 月告诉了员工们。

而外媒对此结果并不惊讶，甚至观点大体一致：

\”Alphabet 如何会放弃一个输血超过数十亿美元，并且将全球最聪明的人掌握在自己手里的机会呢？\”

我还记得，2017 年，在乌镇 AlphaGo 的结束致辞上，气氛其实有点压抑。哈萨比斯说了很少的话，他一直用一种很慈祥的目光望着流泪的柯洁，并拥抱了他。但对于人工智能的能力边界，目光却温和而坚定：

\” 我也不清楚人工智能会走向何方，但它的强大会超乎想象。人类科学家不可能在所有数据中正确导航并找到洞察力。我们需要机器学习和人工智能帮我们在这些领域找到突破。

但所有的技术本质上都是中性的，它们可以用于好的或坏的方面，所以，我们必须确保它被负责任地使用。\”

祝福 Deepmind。细微且长期的影响终会迎来变革性的一天。

以上内容由\”虎嗅\”来源