机器之心报道

参与：杜伟、张倩

近日，英国公司登记处（Companies House）的一份文件披露了DeepMind 2018 年的财务状况：这家总部位于伦敦的人工智能公司营收几乎翻了一番，由2017 年的6620 万美元增加至2018 年的1.251 亿美元，但净亏损也由2017 年的3.41 亿美元增加至2018 年的5.72 亿美元。此外，DeepMind 今年的到期债务高达12.656 亿美元，其中包括需要向Alphabet 偿付的10.746 亿美元债务。

钱都烧到了哪里？

面对如此庞大的债务和亏损数字，我们不禁要问，DeepMind 的钱都烧到了哪里？

作为一家计算密集型公司，DeepMind 在算力方面的开销不容忽视。据统计，从2012 年到2018 年，最大型的AI 模型训练所消耗的算力增长了30 万倍，每3.5 个月翻一倍，远远超过摩尔定律的速度。据《连线》报道，仅2017 年，DeepMind 就烧掉了4.42 亿美元。面对同样问题的还有OpenAI，后者为寻求资金和算力支持，于上个月展开了与微软的合作，获得了微软10 亿美元的投资。

除了算力之外，人力成本高企也是DeepMind 负债累累的一大因素。根据彭博社披露的数字，DeepMind 的员工支出去年高达4.84 亿美元，较2017 年几乎翻了一番。新闻网站Forbes 分析道，雇佣数百名昂贵的研究人员和数据科学家是造成DeepMind 巨额亏损的一大原因。「亚马逊、苹果、Facebook 正与DeepMind 和谷歌展开一场代价昂贵的战斗，他们雇佣全世界最好的AI 专家，旨在开发能够变革产业的自学习算法。」

过度专注AGI，变现能力差

DeepMind 创立于2010 年，是一家位于英国伦敦的人工智能前沿公司。2014 年，谷歌母公司Alphabet 斥资5.2 亿美元收购了DeepMind。之后一年，该公司开始从事医疗保健研究，并最终成立了一个专门负责该领域的部门——DeepMind Health。

谷歌收购DeepMind 的初衷是通过资本化手段拥有世界最多的AI 人才，在收购之初允许DeepMind 独立管理。但自收购以来，DeepMind 对谷歌的贡献并不是很大，尤其在商业化方面。因此，在2018 年11 月，谷歌宣布将DeepMind Health 调整合并至Google 旗下Google Health 部门，

不再作为独立部门运营

，其他部门仍将保持独立。

对此，DeepMind 发言人表示，这是一项合理的转变，因为DeepMind 的专业知识是AI 研究，而谷歌擅长「规模化」（scaling），即将该服务推广到数亿人。由此可见，DeepMind 也承认，「变现」是自己的短板。

那么如此优秀的一家公司为什么会出现这种情况？据Forbes 报道，DeepMind 的一个竞争对手表示，DeepMind 过于迷恋解决「通用智能」的这一长期目标，这使得该公司无法专注于解决短期的现实世界问题，而后者才有潜力转化成产品。

「DeepMind 的商业化研究有很大缺陷。他们构建的是一所大学实验室，这很好，但我们终归需要赚钱。」总部在剑桥的AI 创业公司Prowler.io 的高管Haitham Bou-Ammar 表示。

Prowler.io 开发了一个用于物流和金融公司的决策平台，2018 年收益有望超过500 万美元。其高管Bou-Ammar 表示DeepMind 需要将注意力从构建「解决一切问题的通用黑箱」转向「流程方法」。

Bou-Ammar 的意思是：与其专注于单一目标，不如将其分解成多个易于管理的小目标。但他补充说，DeepMind 基本上没有集中足够的精力来解决现实世界问题。「每个人都说自己要更多地关注商业应用，但似乎并没有这么做。」他在谈到AI 社区的其他人时说道。

DeepMind 在人工智能的一个特定方法上太过专注，即深度学习神经网络。招聘更多具有不同观点的研究员对DeepMind 可能有帮助。Bou-Ammar 补充道。

虽然人工智能的「深度神经网络」方法是受到大脑和神经科学的启发，但还有其它的机器学习方法，其中包括多智能体系统方法（在模拟环境里将制定决策的任务分配给单个智能体）、进化算法或胶囊网络（capsule network）。

研发能力无与伦比

虽然变现能力差，但作为一家注重AI 基础研究的公司，DeepMind 在游戏、医疗、图像合成等诸多领域都取得了重大突破。

游戏

谈及围棋比赛，很多人可能都会想到著名的AlphaGo（阿尔法围棋）。这是第一个击败人类职业围棋选手、战胜围棋世界冠军的人工智能机器人，由DeepMind 公司开发。

2016 年3 月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4 比1 的总比分获胜；2017 年10 月，DeepMind 团队又公布了增强版AlphaGo——AlphaGo Zero。据称，这一版本的AlphaGo 无需任何人类知识标注，在历时三天，数百万盘的自我对抗之后，它可以轻松地以100 比0 的成绩击败李世乭版本的AlphaGo。