從2016年3月的一個下午開始，當一個名叫AlphaGo的圍棋電腦程式，在兩年裡，陸續戰勝韓國圍棋9段職業選手李世石，和當時世界圍棋排名第一的中國棋霸柯潔后，關於未來5年裡「人工智慧技術無所不能」的炒作，便拉開了序幕;

當然，更直接的影響是，全權研發製作了AlphaGo的英國人工智慧公司DeepMind，在僅被谷歌收購2年後，便譽滿天下，幫谷歌與”人工智慧全球最強企業”緊緊綁定在了一起。

但誰也不會想到，DeepMind 來勢迅猛的技術聲譽，又在未來極短的時間內，轉化成了外界對其始終不見商業化有效成果的批判與質疑。

與大多數在2019年進入蕭條期和死前掙扎期的國內人工智慧公司一樣，在更看中自由市場商業化落地的歐美，DeepMind從2016年~2019年共計虧損13.55億英鎊（這還不算上收購的6億美元，還免除了2019年15億美元債務），約合人民幣118.5億元（18.38億美元）。

很顯然，虧損總額高達40億美元（約人民幣257億），讓谷歌受到了華爾街的千夫所指。

但是，根據昨天DeepMind在英國政府機構 Companies House 上的最新帳目信息顯示，2020年，這家全球人工智慧研發能力最強的企業之一，終於迎來了一個關鍵的商業化臨界點：

2020年同比增長率超過300%，達到8.26億英鎊的高收入，終於抹掉了7.8億左右的支出，實現5年來的首次盈利。

但這並不能夠證明DeepMind的商業化模式完全步入正軌。

實際上，從2014年被谷歌以6億美元收購以後，DeepMind作為一家私營商業組織（英國法律有規定，任何年收入超過1020萬英鎊，資產超過510萬英鎊，雇員超過50名的私營公司都必須向政府披露財務狀況），其絕大部分收入仍然來自谷歌母公司Alphabet給予的訂單。

換句話說，它幾乎是靠Alphabet的「哺育」，而非外界客戶而生存，商業模式被稱為「研發服務」。

而這次，DeepMind並沒有解釋2020年收入增幅如此迅速的原因。

我們只是瞭解到，DeepMind除了依靠一直以來向谷歌、Youtube出售軟體，為後者的數據中心做節能優化，提高安卓設備的電池壽命外，又增加了谷歌地圖的合作專案——提高地圖裡「到達預測時間」的精確度，優化谷歌語音虛擬助手。

很明顯，這些專案訂單金額並沒有一個非常明確的公開付費標準。

另外，也有分析師指出，此次的巨額收入可能要歸功於”創造性的會計形式”，簡單來說就是財務計算方法做了一些變動。 但DeepMind並未對此做任何置評。

我們還需要注意的一點是，DeepMind每年高達幾億英鎊的巨額支出，大部分都投入到”員工成本與其他相關成本”中。 其中包括員工的薪資、旅行、辦公硬體以及軟體。

“DeepMind最值錢的便是一群頂級科學家的大腦，” 一位熟悉DeepMind的消息人士告訴虎嗅，在它全球近千名員工裡，很多人的工資可以達到七位數。 “對於研究他們絕不會吝嗇，這裡是科學家的天堂。”

然而，一家以盈利為目的的商業組織，成於研究，也必將受制於研究。

沒有頭緒的商業發展軌道

DeepMind在人工智慧研究領域，特別是針對”深度學習”與”強化學習”這兩個重要技術分支研究方面做出的貢獻，毫無疑問是必須載入史冊的。

就像今年7月 DeepMind 利用人工智慧技術在生化科學領域取得的巨大突破——為35萬種蛋白質（包括人類製造的每一種蛋白質）提供了3D結構，這對醫學和藥物設計大有裨益。

這是人工智慧技術賦予的果蠅蛋白質形狀

這個成績涉及到困擾了生物學家半個世紀的「蛋白質摺疊問題」——1972年，在接受諾貝爾化學獎的演講中，克利斯蒂安·安芬森做出了一個歷史性預測：原則上，僅僅根據組成蛋白質的一維分子鏈就可以確定蛋白質的三維形狀。

然而，雖然如今測定任何特定酶的確切化學成分都不算太難，但要確定它的三維形狀，可能需要數年的生化實驗。

而DeepMind的技術，則大大加快了生化學家們破解這一難題的速度。

因此，當他們公佈自己的人工智慧模型AlphaFold通過蛋白質資料庫的數據訓練，已經預測出蛋白質3D形狀時，這個系統不僅被紐約時報、福布斯等雜誌稱為”一流的科學成就”，還被看作是”一個歷史性的時刻”。

當然，雖然行業人士認為有朝一日 DeepMind科學家有可能獲得諾貝爾獎。 但就像大部分諾貝爾獎獲得者一樣，這隻是一種開創性的”基本見解”。

而將基本見解轉化為現實世界中創造商業與社會價值的產品，還需要幾十年的時間。

因此，短期來看，我們有權利向DeepMind提出質疑：是否思考過3~5年內有效的商業化路徑？ 谷歌是如何看待它持續的研究貢獻和與之不匹配的商業貢獻？

實際上，早在2017年DeepMind CEO 哈薩克比斯帶領技術團隊來到中國烏鎮對戰中國圍棋國手們時，我們有幸在現場親眼見證了歷史。 而谷歌當時，就曾明確提及了關於強化深度學習的兩個技術應用方向——

一個是遊戲設計;而另一個，則是醫療領域的特定疾病預測與篩檢。

DeepMind創始人兼CEO，現年45歲的哈薩克比斯

但由於當時大眾未受到技術啟蒙，人工智慧本身還在散發著巨大的輿論威力。 因此，那時極少有人會關注它們發表的一系列關於強化與深度學習的論文，究竟能夠給企業帶來什麼不菲的收入。

而實際上，這項技術其實僅能應用於非常狹窄的特定環境。

Wired曾披露，DeepMind開發的參與《星際爭霸》遊戲的AI選手，能力非常有限。 如果說在一張地圖上啟用某單一角色，它的效果可能會比人類好。 但在不同地圖上啟用不同角色，效果就會差很多。

如果要切換角色，你需要從頭訓練系統。

“在某種程度上，深度強化學習有點像是’死記硬背’記憶法，使用它的系統能產生很棒的結果，但他們對自己正在做的事情只有一個膚淺理解。

因此，體系缺乏靈活性，無法在世界發生變化時進行補償，有時甚至是微小變化都無法應對。 ”

而這樣的結果，也同樣阻礙了他們的醫療實際應用進程。

在2019年8月，DeepMind曾經在《自然》雜誌上發表了一篇論文，聲稱自己在疾病預測方面取得重大突破——人工智慧能夠在急性腎損傷（AKI）發生兩天前做出預測。

但實際情況是，它沒有任何實操性預測。

公司只是獲得了一個相關的病人數據集，使用神經網路找出了AKI與病人之間的模式。 此外，這種預測模式只在某些時候起作用，總體準確率為55.8% ，預測越早，準確率越低。

更重要的一點是，這項研究幾乎完全針對男性，更確切地說，是一組90%以上為男性的退伍軍人數據。 這對於具有數據偏見和歧視性的人工智慧來說，很明顯存在極大漏洞。

當然，由於醫療數據必然會涉及到病人隱私，從2016年開始，DeepMind 就被捲入了一場關於合法數據應用的「社會與機構審判」中。 2017年，英國的數據監管機構曾裁定，DeepMind 在幾個主要方面侵犯了病人的權利。

以上便是DeepMind在醫療健康領域奮戰至少5年，但商業化收效甚微的關鍵原因。 當然，運行極其隱蔽、規整且很有自己一套作風的英國國家醫療體系，也是技術公司難以撼動的客觀因素之一。

總的來說，2016~2017年大部分人工智慧公司之所以最喜歡用遊戲來搞噱頭，是因為遊戲有嚴格邊界設定的特質;

而現實世界中，卻少有存在明確邊界的問題。

谷歌保持沉默，但行動告訴了我們結果

站在市值萬億，每年收入高達千億美金的谷歌角度，每年撥出5億美元並不是一個巨大的賭注。 但是，如果通往商業生存能力的道路比預期時間更長，超過5年風險仍有攀升趨勢，那麼，就不可能有任何一家企業會冒這樣的風險。

譬如，於今年1月正式被谷歌關停的互聯網氣球專案Google Loon，曾在2011年成立時發出”讓全球最貧窮偏遠的最後10億人用上互聯網”的壯志豪言。 然而，他們在2016年時就已被大幅削減開支，最終沒能挺過疫情肆虐，收入來源歸零的2020年。

對了，2017年Loon專案組穿著卡通鯊魚拖鞋的谷歌工程師們，也曾表示機器學習幫了他們一個大忙——系統可以根據風向來操控氣球移動的角度，讓它們能夠在某一地區小範圍盤旋。

Loon實驗室的工程師

Loon並不是特別的，谷歌每年虧損幾十億美元的登月業務Other bets，每年都會有很多創新專案或無疾而終，或被CFO和投資者殺人般的眼神不斷”凌遲”。

而近幾年來，人工智慧給谷歌帶來的技術聲譽，逐漸被前者涉及到的數據隱私、道德倫理問題所掩埋。

特別是在谷歌去年開除人工智慧倫理研究員后，大眾對谷歌這家商業組織的質疑和道德批判，達到了歷史的最巔峰狀態。

而相比之下，DeepMind 今年從「發佈蛋白質3D形狀預測演算法平臺」再到”不惜一切代價改寫財報收入數位”，像是在試圖說服谷歌和投資者的同時，想重新燃起過去幾年世人被逐漸澆滅的對人工智慧的熱情。

值得注意的是，華爾街日報曾在今年5月爆料，DeepMind多年來一直在與母公司Alphabet談判，希望獲得更多自主權，特別是重新建立一套”非盈利組織使用的法律架構”，而原因就在於，他們認為自己做的人工智慧研究不應由單一企業實體控制。

這一說法並非沒有緣由。

譬如，2020年在美國Darpa（國防高級研究計劃局）的一次演示中，一架AI控制的F16戰鬥機輕鬆擊敗了一名人類飛行員。 而這家軍用技術公司採用的強化學習演算法靈感，便來自於DeepMind。

而在2020年12月，美國空軍利用人工智慧程式控制了一架U-2間諜飛機上的雷達系統，靈感也來自於DeepMind。 這一演算法通過數千次類比任務學會了如何引導雷達，以便識別地面上的敵方導彈系統，這在實際任務中對防禦至關重要。

因此，我們不難發現，這家早在2015年便發表公開聲明，敦促世界各國政府禁止研發致命性人工智慧武器的公司，其實陷入了一種兩難的境地——

堅持基礎研究和無歧視、道德感更強的崇高願望，與”不得不尋找商業化路徑，靠Alphabet續命才得以繼續研究工作”之間的矛盾。

但DeepMind最終在「爭取更多獨立權」的談判中失敗了。 哈薩克斯親自將這個結果在今年4月告訴了員工們。

而外媒對此結果並不驚訝，甚至觀點大體一致：

“Alphabet如何會放棄一個輸血超過數十億美元，並且將全球最聰明的人掌握在自己手裡的機會呢？”

我還記得，2017年，在烏鎮AlphaGo的結束致辭上，氣氛其實有點壓抑。 哈薩克比斯說了很少的話，他一直用一種很慈祥的目光望著流淚的柯潔，並擁抱了他。 但對於人工智慧的能力邊界，目光卻溫和而堅定：

“我也不清楚人工智慧會走向何方，但它的強大會超乎想像。 人類科學家不可能在所有數據中正確導航並找到洞察力。 我們需要機器學習和人工智慧幫我們在這些領域找到突破。

但所有的技術本質上都是中性的，它們可以用於好的或壞的方面，所以，我們必須確保它被負責任地使用。 ”

祝福DeepMind。 細微且長期的影響終會迎來變革性的一天。