4年亏损250亿,打败柯洁的“神话”终于盈利

日期:10-07
谷歌Deepmind人工智能

图片为柯洁在2017年乌镇对战Deepmind电脑程序AlphaGo现场。

图片为柯洁在2017年乌镇对战Deepmind电脑程序AlphaGo现场。

作者|宇多田

出品|虎嗅科技组

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上的最新账目信息显示,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

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”。

而这次,Deepmind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。

我们还需要注意的一点是,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

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

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,是因为游戏有严格边界设定的特质;

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

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。

消息称苹果公司将因其NFC芯片面临欧盟反垄断指控 工业可穿戴设备+支持AR的知识网络:沉浸式提高工业生产力
相关阅读: