DeepMind巨亏42亿、独角兽惨遭3折贱卖，AI公司为何难有“好下场”？( 二 ) 正当人们在为DeepMind接踵而来的

除了技术基础设施以外，研究人员工资又是另一大头。虽然学计算机的人越来越多，但能够从事深度强化学习研究的人却是凤毛菱角，美国顶级的研究人员年薪至少百万美元起。根据DeepMind上个月披露的财报数据显示， 2019年其人员开支就高达4.6亿英镑（约40亿人民币），较上年又增长了17.6% 。
文章插图
图 DeepMind的2019年的费用构成，图片截自于DeepMind公开披露财务报告
因此， Element AI不到4年2.6亿美元的融资或许对于其他初创公司来讲是一笔巨款，但对于拥有将近500名员工的Element AI仅仅只是杯水车薪，若没有像谷歌、马斯克、微软这种有财力的大金主的支持，也难怪其最终走到资金链枯竭、难以为继的困境中。
而另一方面，在“节流”不可能的情况下， “开源”也并不容易。
技术即使被神化或畅想得再厉害，不得不承认的是，深度强化学习的大规模商业应用场景目前还并没有出现。从AlphaGo在2015年首次战胜人类已经过去了5、6年，但在当时曾预想过给人类带来的颠覆性影响到如今还并未过多显现。
其主要原因在于，在真实的世界中，很多事情并非像棋局、游戏那样存在各种限制的环境，也没有足够的条件和数据能够让机器进行训练和学习。而在实验室的开发过程中，大多数的模型是为特定的任务而不是泛化进行训练，因此人工智能虽然能在玩各种电子游戏、棋类游戏中显现出卓越的能力，但在复杂的现实环境中可能就变得很脆弱。
简而言之，就是目前这些技术在现实中应用的可靠性还不够。
DeepMind虽然近年来看起来营业收入在逐年上升，但从披露的财务数据来看，为其技术产品买单的其实还是谷歌。去年虽然推出了首款30秒内准确诊断眼疾的AI商业产品，也由于涉及高风险领域并没有激起多大水花。
Open AI虽然2020年发布了首款基于GPT-3推出的商业文本生成器，但在实际应用过程中，出现了带有歧视性、偏见或低级错误的语句，反而还需要采购者投入人力去检验校正，因此也只是被作为辅助性工具来使用。
而Element AI从2019 年开始将几款 AI 产品推向市场，包括为金融机构提供网络安全服务、帮助港口营办商预测卡车司机的候车时间等，但都效果不佳，据披露消息称，公司与数家客户在合作过程中出现了困难，最后以年收入仅1000万加币暗淡收场。
| 一切或许都需要时间的沉淀
但对于前沿人工智能技术不尽人意的市场，我们或许可以说，只是时机尚未成熟。
目前在人工智能商业化应用场景中，被最广泛使用的，是计算机视觉、智能语音、自然语言处理等几个主要技术方向，但要知道，这些主流AI技术从上个世纪7、80年代开始就在被不停的修改、论证，经过了几十年的发展，直到如今才被大规模的商用。而DeepMind、Open AI所在追寻的通用人工智能技术，当前还仅仅处于开场阶段。
而对于AI商业化来讲，其实也并非是现有的技术不成熟，或是完全没有应用场景，而是技术和场景的磨合期还不够长，没有针对场景进行有目的的优化。
人工智能带来的变革能力难以预估，实际上，全球科技巨头都在纷纷重金押注。在国内，百度近几年来几乎是“All in AI” ，从2013年建立了中国第一个深度学习研究院开始，百度每年把15%的营收约100亿人民币用于人工智能研发，研发投入累计已近千亿元。而李彦宏在百度世界2020大会上仍旧表示对人工智能要“长期坚持、坚定信仰” 。
文章插图
无疑，大家都是在赌一个未来。毕竟，如果DeepMind可以给谷歌的Waymo等项目带来突破性进展，或是Open AI能够帮助微软开发强大的文本工具，届时，与巨大的收益比起来，眼下的这些投入只是微不足道。
而站在公司战略的层面， DeepMind也已经为谷歌值回了一部分票价。至少DeepMind在全球科技企业的AI争夺战中已经为谷歌招募并储备了一大批顶尖人才，研究成果也被陆陆续续埋伏了谷歌包括健康诊断、风力发电、语音助手等十多个项目中。
只是，追寻人工智能技术突破的道路注定是困难而又漫长，有些人倒在了路上，比如Element AI ，有些人还在继续奔跑，比如DeepMind 和Open AI 。我们也不必再去争论这些研究机构是在为人类谋福祉还是被资本裹挟，在一定程度上，资本和技术本来就是相辅相成。