歡迎關注“創事記”的微信訂閱號：sinachuangshiji
從實驗室走向市場，路還有多遠？
文/Juny 編輯/Vicky Xiao
來源/矽星人（ID：guixingren123）
正當人們在為DeepMind接踵而來的技術突破驚歎連連的時候，DeepMind交出了一份高達6.49億美元（約42億人民幣）的虧損账單。而比DeepMind巨額虧損更慘的是Element AI，這個背靠著全球最大深度學習社區的加拿大明星獨角獸，在入不敷出的艱難處境下近期被低價拋售。而同樣的商業化挑戰其實也存在於身在矽谷的人工智能研究機構Open AI身上。
一眼望去，AlphaFold、MuZero、GPT這些前沿人工智能技術閃閃發光地站在由鈔票堆積的山峰上，但卻彷佛很少有人能真的攀上去跟它們握手。
那麽，為何人工智能技術一路過關斬將已經發展到了第四代，但商業化的道路卻仍舊困境重重？
虧錢的不僅只有DeepMind
實際上，DeepMind作為世界上規模最大的人工智能研究機構之一，自從2010年正式成立以來，就從沒實現過盈利，反而“燒錢”指數還在逐年攀升，若不是2013年谷歌花了6億美元收購了DeepMind，該實驗室或許早已破產解散。
幸運的是，DeepMind的確是遇到了一個足夠寵它的“金主爸爸”，雖然被收購後連年巨額虧損，但最近谷歌表示仍舊樂意繼續為DeepMind提供昂貴的AI研究資金，稱公司對近期的研究進展很滿意，還大臂一揮免除了其11億英鎊的債務。
圖 2014-2019年DeepMind的虧損額及其增長情況，矽星人製圖
而跟DeepMind一樣被大公司“寵”著的人工智能研究機構還有Open AI。Open AI是由馬斯克、YC前總裁奧特曼以及諸多矽谷企業家聯合於2015年12月創立的人工智能非營利組織，旨在預防人工智能可能帶來的災難性影響，並向公眾開放專利和研究成果，到2017年時就募集了約10億美元的融資。
在2018年與馬斯克因特斯拉發展和理念衝突分道揚鑣之後，Open AI宣布從非營利實驗室轉變為“上限盈利”公司，並在2019年7月接受了來自微軟高達10億美元的投資。而Open AI之所以做出商業轉型，其直接原因是其現有的資金及收入情況並無法滿足對計算和人才的持續投入需求。
相比DeepMind和 Open AI還能在大公司的扶持下專注於技術研究，曾被加拿大視為“明日之星”的人工智能獨角獸Element AI似乎就沒有那麽幸運了。
關於Element AI的發展矽星人此前加拿大的系列文章還曾介紹過：一股“AIaaS”風正刮起：獨角獸Element AI已變身人工智能“巨無霸”，它由圖靈獎得主、“深度學習三巨頭”之一的Yoshua Bengio於2016年10月創立。Bengio所領導的蒙特利爾MILA實驗室是目前世界上最大的深度學習學術社區，Element AI所開發的產品都是基於MILA中大量學者幾十年來的人工智能技術相關研究，Element AI也是近年來世界上發展最快的人工智能初創公司之一，曾被認為是加拿大日後人工智能產業的領導者。
然而，這家曾經意氣風發、旨在要做全球人工智能谘詢業開創者的明星公司，就在上個月被曝出將被美國雲計算平台服務商 ServiceNow收購，而且收購價僅為2.3億美元。不僅遠遠低於其上一輪融資中超過10億加幣的估值，甚至還不足4年來2.57億美元的融資總額。
據《環球郵報》此前披露的一份文件顯示，收購前夕，Element AI的資金鏈幾乎已經枯竭、大量員工被解雇，年收入僅僅只有1000萬加幣左右。而在扣除成本費用後，Element AI最終收購價格可能只有不到1.95 億美元。
“燒錢”機器和應用困境
雖然這幾個人工智能實驗室的命運各不相同，但它們有一個共同點，即是都是圍繞著深度學習、強化學習等前沿領域開展人工智能技術研究，DeepMind、Open AI都旨在最終實現通用人工智能（AGI）。所謂的通用人工智能，就是讓機器具有一般人類智慧，可以執行人類能夠執行的任何智力任務。
近年來，這些人工智能研究機構也確實在朝著通用人工智能方向行進，並取得了不俗的成績，但技術的突破並沒有帶來商業回報，投入和產出相距甚遠。而橫梗在AI商業化道路上的兩塊巨石，一個是資金，另一個是應用。
首先，要想在機器學習領域做出突破，不“燒錢”是不可能的，不僅要“燒”還是一車車的“燒”。由於深度強化學習展是建立在海量的數據處理、複雜的知識推理上的，常規的單機計算模式難以支撐，因此對訓練模型時計算機資源的需求極高。
比如2020年5月微軟推出了為Open AI專門打造的超級計算機用於AI模型訓練，花費上億美元，谷歌的TPU一直處於打骨折給DeepMind租用的狀態。除了硬體，在訓練方面，以Open AI著名的文本生成算法GPT為例，一個擁有15億參數的模型，每小時訓練都要花費2048美元，而類似於DeepMind的AlphaGo算法，成功之前需要至少完成數百萬次自我博弈，光訓練費就要花 3500 萬美元。
除了技術基礎設施以外，研究人員工資又是另一大頭。雖然學計算機的人越來越多，但能夠從事深度強化學習研究的人卻是鳳毛菱角，美國頂級的研究人員年薪至少百萬美元起。根據DeepMind上個月披露的財報數據顯示，2019年其人員開支就高達4.6億英鎊（約40億人民幣），較上年又增長了17.6%。
圖 DeepMind的2019年的費用構成，圖片截自於DeepMind公開披露財務報告
因此，Element AI不到4年2.6億美元的融資或許對於其他初創公司來講是一筆巨款，但對於擁有將近500名員工的Element AI僅僅只是杯水車薪，若沒有像谷歌、馬斯克、微軟這種有財力的大金主的支持，也難怪其最終走到資金鏈枯竭、難以為繼的困境中。
而另一方面，在“節流”不可能的情況下，“開源”也並不容易。
技術即使被神化或暢想得再厲害，不得不承認的是，深度強化學習的大規模商業應用場景目前還並沒有出現。從AlphaGo在2015年首次戰勝人類已經過去了5、6年，但在當時曾預想過給人類帶來的顛覆性影響到如今還並未過多顯現。
其主要原因在於，在真實的世界中，很多事情並非像棋局、遊戲那樣存在各種限制的環境，也沒有足夠的條件和數據能夠讓機器進行訓練和學習。而在實驗室的開發過程中，大多數的模型是為特定的任務而不是泛化進行訓練，因此人工智能雖然能在玩各種電子遊戲、棋類遊戲中顯現出卓越的能力，但在複雜的現實環境中可能就變得很脆弱。
簡而言之，就是目前這些技術在現實中應用的可靠性還不夠。
DeepMind雖然近年來看起來營業收入在逐年上升，但從披露的財務數據來看，為其技術產品買單的其實還是谷歌。去年雖然推出了首款30秒內準確診斷眼疾的AI商業產品，也由於涉及高風險領域並沒有激起多大水花。
圖 DeepMind的眼疾診斷AI，圖片來源於網絡
Open AI雖然2020年發布了首款基於GPT-3推出的商業文本生成器，但在實際應用過程中，出現了帶有歧視性、偏見或低級錯誤的語句，反而還需要採購者投入人力去檢驗校正，因此也只是被作為輔助性工具來使用。
而Element AI從2019 年開始將幾款 AI 產品推向市場，包括為金融機構提供網絡安全服務、幫助港口營辦商預測卡車司機的候車時間等，但都效果不佳，據披露消息稱，公司與數家客戶在合作過程中出現了困難，最後以年收入僅1000萬加幣暗淡收場。
一切或許都需要時間的沉澱
但對於前沿人工智能技術不盡人意的市場，我們或許可以說，只是時機尚未成熟。
目前在人工智能商業化應用場景中，被最廣泛使用的，是計算機視覺、智能語音、自然語言處理等幾個主要技術方向，但要知道，這些主流AI技術從上個世紀7、80年代開始就在被不停的修改、論證，經過了幾十年的發展，直到如今才被大規模的商用。而DeepMind、Open AI所在追尋的通用人工智能技術，當前還僅僅處於開場階段。
而對於AI商業化來講，其實也並非是現有的技術不成熟，或是完全沒有應用場景，而是技術和場景的磨合期還不夠長，沒有針對場景進行有目的的優化。
人工智能帶來的變革能力難以預估，實際上，全球科技巨頭都在紛紛重金押注。在國內，百度近幾年來幾乎是“All in AI”，從2013年建立了中國第一個深度學習研究院開始，百度每年把15%的營收約100億人民幣用於人工智能研發，研發投入累計已近千億元。而李彥宏在百度世界2020大會上仍舊表示對人工智能要“長期堅持、堅定信仰”。
無疑，大家都是在賭一個未來。畢竟，如果DeepMind可以給谷歌的Waymo等項目帶來突破性進展，或是Open AI能夠幫助微軟開發強大的文本工具，屆時，與巨大的收益比起來，眼下的這些投入只是微不足道。
而站在公司戰略的層面，DeepMind也已經為谷歌值回了一部分票價。至少DeepMind在全球科技企業的AI爭奪戰中已經為谷歌招募並儲備了一大批頂尖人才，研究成果也被陸陸續續埋伏了谷歌包括健康診斷、風力發電、語音助手等十多個項目中。
只是，追尋人工智能技術突破的道路注定是困難而又漫長，有些人倒在了路上，比如Element AI，有些人還在繼續奔跑，比如DeepMind 和Open AI。我們也不必再去爭論這些研究機構是在為人類謀福祉還是被資本裹挾，在一定程度上，資本和技術本來就是相輔相成。
也正因為有人願意持續為理論研究提供支持，才能為更多科研工作者創造了安心前行的環境，科技的車輪才能滾滾向前。或許，不久之後我們就能看到AI前沿技術的厚積薄發。
（聲明：本文僅代表作者觀點，不代表新浪網立場。）
香港九龍灣馬來街興發大廈15樓D室