DeepMind的發展困局:一旦谷歌停止輸血 生存將成問題丨矽谷封面

2021-01-07 騰訊網

【劃重點】

1DeepMind去年營收較2018年增長一倍以上,達到2.66億英鎊(約合3.72億美元);但虧損擴大至4.77億歐元(約合6.49億美元)。 2DeepMind主要客戶是母公司Alphabet。換句話說,Alphabet向DeepMind付費,讓其將人工智慧研究和人才應用於谷歌的服務和基礎設施。 3谷歌以折扣價向DeepMind租賃張量處理單元(TPU),否則DeepMind的成本將會激增。 4人工智慧科學家薪酬過高,DeepMind自身無力承擔頂級人才薪酬。 5谷歌書面保證向DeepMind提供「至少12個月」的財務支持,前景未定。 6DeepMind一直難於在科學研究和產品開發之間找到平衡。

(本文約3000字,閱讀全文大約需要5分鐘)

【編者按】科技行業充滿了在初創公司在盈利之前就彈盡糧絕、耗盡投資者資金的例子。但DeepMind不是一家尋求搶佔特定市場份額的普通公司。作為一個人工智慧研究實驗室,雖然谷歌母公司Alphabet當前仍樂於為DeepMind昂貴的人工智慧研究買單,但長時間無法實現盈利或顯示出增長希望的跡象,會令Alphabet的投資人漸漸失去耐心。為確保生存,防止Alphabet突然終止輸血,DeepMind不得不將自己重新定位為一個半商業化的機構。

以下為文章正文:

DeepMind創始人哈薩比斯

在DeepMind使用人工智慧預測蛋白質結構取得突破後不久,便有媒體報導稱,這家總部位於英國的人工智慧公司每年仍在給母公司Alphabet帶來數億美元的虧損。

科技公司虧損不是什麼新鮮事。科技行業不乏在初創公司實現盈利之前就彈盡糧絕、耗盡投資者資金的例子。但DeepMind不是一家尋求搶佔特定市場份額的普通公司。作為一個人工智慧研究實驗室,為確保生存,DeepMind不得不將自己重新定位為一個半商業化的機構。

雖然DeepMind的母公司,同時也是谷歌的母公司Alphabet,目前仍很樂意為DeepMind昂貴的人工智慧研究買單,但不能保證它會永遠這樣做。根據DeepMind日前向英國公司登記局(the UK Companies House)提交的報告,DeepMind 2019年的營收較2018年的1.03億英鎊增長一倍以上,達到2.66億英鎊(約合3.72億美元)。但與此同時,該公司的支出也在飛速增長,從2018年的5.68億歐元增加至2019年的7.17億歐元(約合11.62億美元)。DeepMind的虧損也在不斷擴大,從2018年的4.70億歐元擴大至2019年的4.77億歐元(約合6.49億美元)。

從表面上看,這並不是壞消息。與前幾年相比,DeepMind的營收增長正在加速,而且虧損幅度卻幾近停滯。但是DeepMind的報告包含了一些更重要的事實。該報告提到「來自其他集團企業的研發報酬營業額,」這意味著DeepMind的主要客戶是它的母公司。換句話說,Alphabet正付費給DeepMind,讓其將人工智慧研究和人才應用於谷歌的服務和基礎設施。過去,谷歌一直使用DeepMind的服務來管理其數據中心的電網,以及改善語音助手的人工智慧等。

但這也意味著,每年虧損高達數億美元的DeepMind的人工智慧還沒有市場。即便是有,也只能通過谷歌獲得。該文件還提到,成本的增長「主要與技術基礎設施、員工成本和其他相關費用的增加有關。」這是很重要的一點。DeepMind的「技術基礎設施」主要運行在谷歌的巨大雲服務及其特殊的人工智慧處理器--張量處理單元(TPU)上運行。DeepMind的主要研究領域是深度強化學習,這需要訪問非常昂貴的計算資源。該公司2019年的項目包括開發一個玩《星際爭霸2》的人工智慧系統和一個玩《雷神之錘3》的人工智慧系統,這兩個項目都需要數百萬美元的培訓費用。

DeepMind發言人向媒體表示,文件中提到的成本還包括該公司著名的蛋白質結構人工智慧AlphaFold的研發,這是另一個非常昂貴的項目。

DeepMind的人工智慧與圍棋大師比賽

沒有公開的細節表明谷歌對DeepMind的雲人工智慧服務收取多少費用,但谷歌最有可能以折扣價向DeepMind租賃其張量處理單元。這意味著如果沒有谷歌的支持,DeepMind的費用會高得多。

員工成本是另一個重要問題。雖然在過去幾年中,參與機器學習課程的人數有所增加,但能夠從事DeepMind所參與的尖端人工智慧研究的科學家非常少。根據一些說法,頂級人工智慧人才的薪酬能夠達到上百萬美元。

人們對深度學習及其在商業環境中的適用性越來越感興趣,這引發了科技公司之間爭奪頂級人工智慧人才的競賽。大多數行業頂尖的人工智慧科學家和先驅都在大型公司全職或兼職工作,如谷歌、Facebook、亞馬遜和微軟。對頂級人工智慧人才的激烈競爭產生了兩個後果:首先,就像其他領域一樣,供給不能滿足需求,這導致人工智慧科學家的薪酬急劇上升;其次,這將許多無法獲得高薪的學術機構的人工智慧科學家,推向了能夠支付高薪的富裕科技公司。一些科學家為了繼續科學研究而繼續留在學術界,但這些人數量太少。如果得不到沒有像谷歌這樣的大型科技公司的支持,類似DeepMind這樣的研究實驗室根本無力為新項目聘用研究人員。

鑑於此,儘管DeepMind展現出慢慢扭轉虧損的跡象,但它的增長使其更加依賴谷歌的財力資源和大型雲基礎設施。根據DeepMind的年報,Alphabet旗下投資部門谷歌愛爾蘭控股公司(Google Ireland Holdings Unlimited)「免除償還公司間貸款和所有應計利息,總額達到11億英鎊。」DeepMind還收到了谷歌的書面保證,保證將在「至少12個月的時間內」繼續向這家人工智慧公司「提供足夠的財務支持」。

DeepMind位於英國倫敦的總部

就目前而言,谷歌似乎對DeepMind取得的進展感到滿意,這也反映在谷歌和Alphabet高管的言論中。在Alphabet今年7月舉行的第二季度財報電話會議中,公司執行長桑達爾·皮查伊(Sundar Pichai)曾表示:「我對我們的人工智慧研發的進展速度非常滿意。對我而言,重要的是我們是一家技術最先進的公司,處於行業領先定位。我對我們的工程和研發團隊在谷歌和DeepMind上的工作速度感到興奮。」

但是企業界和科學研究的步調並不相同。科學研究需要用幾十年來衡量的。自20世紀70年代和80年代以來,如今在商業應用中使用的許多人工智慧技術一直處於發展中。同樣,如今在人工智慧大會上展示的許多前沿研究和技術在未來幾年可能不會進入大眾市場。根據最樂觀的估計,DeepMind的最終目標--開發人工通用智能(AGI)--至少還需要數十年時間。

另一方面,股東和投資者的耐心是用月和年來衡量的。幾年內無法實現盈利或至少顯示出增長希望跡象的公司會與投資者發生衝突。DeepMind目前沒有這些。它沒有可衡量的增長,因為它唯一的客戶是谷歌。目前還不清楚它的任何技術何時可以實現商業化。

這就是DeepMind的困境所在。本質上,它是一個研究實驗室,希望推動科學的極限,確保人工智慧的進步對所有人都有益。然而,它的所有者的目標是製造解決特定問題並轉化利潤的產品。這兩個目標截然相反,把DeepMind拉向不同的方向:保持其科學性,或者轉型為一家產品製造型人工智慧公司。該公司過去一直難於在科學研究和產品開發之間找到平衡。

在這一問題上,DeepMind並不孤單。作為DeepMind的隱性競爭對手,OpenAI也面臨著類似的身份危機,從一個人工智慧研究實驗室轉變為一家由微軟支持、租用其深度學習模型的盈利公司。

因此,雖然DeepMind還不需要擔心其巨額虧損的研究,但隨著它越來越多地融入其所有者的企業動態,它應該深入思考其未來以及科學人工智慧研究的未來。(無忌)

「矽谷封面」系列是為科技圈大咖訪談、重磅研究報告和大公司深度調查等匯總的欄目,旨在為科技資訊愛好者提供最有思想深度的優質好文。

相關焦點

  • DeepMind新GNN模型,將谷歌地圖預估到達準確率提升50%!
    近日,DeepMind宣布幫「兄弟一把」——與谷歌地圖展開合作,利用了一種圖神經網絡(GNN),成功提升了谷歌地圖在柏林、東京、雪梨等大城市的實時 ETA 準確率,最高提升了50%。DeepMind此次的研究,就是如何解決這個動態預測問題。
  • 從AlphaGo到蛋白質摺疊,Deepmind在不斷捅破AI領域的天花板!
    突破智慧極限,旨為造福人類也許很多人會真的擔心,人工智慧超越人類心智的日子終將到來,並將反撲人類導致滅絕。但從目前的應用成果來看,一切依然在往好的地方發展。也許對於自小就是計算機天才的哈薩比斯來說,創造超人類智慧是他不顧一切的最大願望和野心,但自從被收入谷歌后,谷歌也為Deepmind成立了道德委員會,並聯同斯克一起籤訂協議,不將科研成果用在自動殺人機器等違背人類道德倫理的事情上。
  • 谷歌DeepMind 的可微分神經計算機 DNC 怎麼樣?看 Facebook AI...
    近日,谷歌的 AI 部門 DeepMind 開發了一種叫做可微分神經計算機(DNC)的神經網絡模型,相關論文發表於 10 月 12 日在線出版的《自然》雜誌上,題為《 利用神經網絡與外部動態存儲器進行混合計算》。這種新模型將神經網絡與可讀寫的外部存儲器結合,既能像神經網絡那樣通過試錯和樣本訓練進行深度學習,又能像傳統計算機一樣處理數據。
  • 不只是AlphaGo,谷歌DeepMind到底是何方神聖?
    圖源:unsplash 人工智慧技術飛速發展,越來越多曾被認為只有人類才能完成的任務,AI都做出了出色表現,例如執行管理任務,識別面孔,下棋,甚至翻譯語言。我們無法否認AI時代的到來帶來了許多有益的發展。
  • 谷歌DeepMind首度放出紀錄電影《AlphaGo》預告片
    圖丨紀錄片《AlphaGo》的海報在今年早些時候, DT君曾對為 AlphaGo 執子、有「AlphaGo 之手」之稱的黃士傑博士進行過專訪,他在專訪中曾表示:「研發 AlphaGo 讓我印象最深刻的始終是 AlphaGo 不停止的進步,我們團隊是在把科學的力量發揮的淋漓盡致。也因此,我也清楚的認識到圍棋的深奧,圍棋遠遠的難於我原本所想像。」
  • DeepMind破解蛋白質摺疊難題
    但超人遊戲從來都不是主要目標,遊戲為程序提供了訓練場,一旦程序足夠強大,就可以解決現實世界中的問題!CASP聯合創始人、馬裡蘭大學帕克分校計算生物學家John Moult直言,「這是一件大事,在某種程度上來說,(蛋白質摺疊)問題解決了。」挑戰賽評委之一的進化生物學家Andrei Lupas進一步表示,「這將改變醫學,這將改變研究,這將改變生物工程,這將改變所有一切。」
  • DeepMind推出蛋白質結構預測算法,大勝人類傳統模型!
    我們身體的幾乎所有功能,例如收縮肌肉、感知光線或將食物轉化成能量等,都需要一種或多種蛋白質來完成。而蛋白質具體能做什麼就要取決於它獨特的3D結構了。 然而,純粹從其基因序列中找出蛋白質的3D結構是一項非常具有挑戰性的複雜任務。由於我們的DNA通常只包含蛋白質中胺基酸殘基的序列信息,而這些胺基酸殘基形成的長鏈將會摺疊成錯綜複雜的3D結構。
  • 矽谷封面:成立十年,谷歌X實驗室都做了啥?-虎嗅網
    在谷歌母公司Alphabet內部,X實驗室與Deepmind一起被歸為「其他賭注」業務。這讓X實驗室更像是一個賭注,其宣稱的目標是追求所謂的「登月計劃」——試圖通過發明全新技術來解決人類面臨的重大問題。
  • 與哈裡王子對談 , 「Alphago 之父」 回應為何DeepMind不搬至矽谷
    在採訪中,哈薩比斯向哈裡王子透露了「谷歌時代」DeepMind 的規模與展望。在谷歌於 2014 年以 4 億英鎊(35 億多人民幣)收購 DeepMind 時,DeepMind 只有約 100 多名員工。但如今,這個數字已經增長至 700 名。這 700 多名員工來自於全球 60 多個國家,其中,有 400 多名擁有博士學位。對此,哈薩比斯表示「這是全世界最大的智力資源。」
  • 「燒錢機器」DeepMind持續多年虧損後,仍無商業...
    我們將繼續投資前沿技術研發,期待未來能為科學界帶來更多突破。需要說明的是,科學研究和企業界發展速度存在很大差距。一方面,科學研究是以幾十年來衡量的。如今商業應用中的許多AI技術都是從上世紀70-80年代開始發展起來的。同樣的,當下提出的許多前沿研究和技術在未來十幾年內,可能都無法進入大眾市場。而DeepMind的最終目標是:實現通用人工智慧(AGI)。
  • 『燒錢機器』DeepMind持續多年虧損後,仍無商業...
    DeepMind的「技術基礎設施」主要運行在谷歌龐大的雲服務和AI處理器TPU( Tensor Processing Unit)上。雖然谷歌並未透露對其收取了多少費用,但它很可能以折扣價租用DeepMind,這意味著,如果眉頭谷歌的技術和服務支持,該公司在「技術基礎設施」方面的成本將遠高於此。
  • 矽谷封面|谷歌內外交困,「老好人」皮查伊如何負重前行
    ,儘管谷歌正是以此為基礎蓬勃發展起來的。同事們說,他們知道,皮查伊經常會在谷歌的免費小賣部呆上幾分鐘,因為他每天都會吃口香糖。 皮查伊將對緊張局勢保持謹慎。7月下旬,在眾議院的公開證詞中,他拒絕回答谷歌是否會否認使用奴隸勞工來製造產品,說他希望「進一步關注這個問題」。而片刻之後,亞馬遜執行長傑夫·貝索斯(Jeff Bezos)被要求回答同樣的問題時,他給出了相當肯定的回答。
  • DeepMind破解蛋白質摺疊難題
    但超人遊戲從來都不是主要目標,遊戲為程序提供了訓練場,一旦程序足夠強大,就可以解決現實世界中的問題!蛋白質摺疊50年來重大突破,AI破解預測難題蛋白質的形狀與其功能密切相關,預測蛋白質結構的能力可以幫助我們更好地理解蛋白質的功能和工作原理。
  • 矽谷封面|面對谷歌史上最大危機,素來低調的皮查伊如何對抗美國政府?
    他將在首席法務官沃克等務實高管的協助下,以寬容態度向美國政府表明佔92%搜索市場份額的谷歌並不是一家壟斷企業。 去年12月,桑德爾·皮查伊(Sundar Pichai)剛剛接替拉裡·佩奇(Larry Page)成為谷歌母公司Alphabet的掌門人,就遇到了一大堆問題:Alphabet曾向一些被指控行為不端的高管們提供巨額財務補償,股東們正就此問題起訴公司;令人欽佩的谷歌辦公室文化業正在瓦解。
  • 谷歌Deepmind稱解決蛋白質摺疊難題
    來源:新浪科技據報導,Alphabet旗下人工智慧公司DeepMind開發了一款軟體,可以準確預測蛋白質在幾天時間裡會摺疊成什麼樣的結構,從而解決了過去50年的一項「重大挑戰」。這可能為更好地了解疾病和藥物研發鋪平道路。
  • 深度學習之Google Deepmind的Alphago人工智慧算法技術演變歷程
    最近大家比較關心的圍棋人機大戰(Alphago vs 李世石)中,deep mind基於Nature2016文章的Alphago在5局制的比賽中已經取得了4-1的獲勝。這兩篇文章都是蒙特卡洛搜索樹+DCNN,效果Google的Alphago優於facebook的方法,剛好藉此機會將之前看到的deep mind該領域的文章捋了一下。
  • DeepMind破解蛋白質摺疊難題
    但超人遊戲從來都不是主要目標,遊戲為程序提供了訓練場,一旦程序足夠強大,就可以解決現實世界中的問題!蛋白質摺疊50年來重大突破,AI破解預測難題蛋白質的形狀與其功能密切相關,預測蛋白質結構的能力可以幫助我們更好地理解蛋白質的功能和工作原理。
  • DeepMind宣布解決蛋白質摺疊問題,獲92.4準確性得分
    兩年前,上一版本的AlphaFold便已經取得了裡程碑的突破,但是,仍然沒有完全解決蛋白質摺疊問題。要知道,AlphaGo面對的圍棋問題複雜度也就是10^171,蛋白質摺疊問題比圍棋複雜度高出129個數量級!
  • DeepMind開源AlphaFold,蛋白質預測模型登上《Nature》
    代碼:https://github.com/deepmind/deepmind-research/tree/master/alphafold_casp13模型:https://www.biorxiv.org/content/10.1101/846279v1.full.pdf根據DeepMind的介紹,在預測蛋白質結構的物理性質方面使用了兩種不同的方法來構建預測模型
  • 矽谷封面|誰能先造出世界最好量子計算機?IBM與谷歌展開量子大戰
    他說,2014年,他說服時任谷歌執行長的拉裡·佩奇(Larry Page)投資建造量子計算機,並承諾谷歌將接受普雷斯基爾的挑戰。奈文回憶稱:「我們告訴佩奇,三年後我們會回來,在你的桌子上放上原型晶片,至少可以計算傳統計算機無法處理的問題。」