DeepMind 亏损仍在继续。
近日，这家世界顶级明星公司向英国公司注册局备案提交了最新财务报告，报告显示，DeepMind 2019 亏损达 4.77 亿英镑（约合 42 亿人民币）。
相比于 2018 年的 4.70 亿英镑亏损，增长了 1.5%。
DeepMind 是一家人工智能初创公司，成立 10 年来研发了众多明星产品，例如，前不久刚刚推出的 AlpaFold，用 AI 预测蛋白质三维结构，攻克生物科学 50 年挑战；2014 年推出的人工智能围棋选手 AlphaGo，2016 年击败了世界围棋冠军、职业九段棋手李世石，2017 年击败了当今围棋第一人柯洁。
但在这些光环产品的背后，DeepMind 却始终未探索出一条可行商业化路径，长期大量研发投入，使其一直处于连年亏损的状态。
DeepMind 联合创始人胡马延·谢赫(Humayun Sheikh)曾表示，「如果不是谷歌以 6 亿美元的价格收购， DeepMind 人工智能实验室可能已经破产。」
自 2014 年被收购以来，DeepMind 的巨额研发资金和亏损全部由 Google 来买单。不过在长期亏损之下，今年的 DeepMind 在财务方面似乎也有了一些好消息。
从最新的财务报告来看，虽然其亏损仍在持续扩大，但相比于往年来说，亏损增幅有所减小，同时其营收有明显增加—2019 年收入达 2.66 亿英镑，相比 2018 年的 1.03 亿英镑，可谓翻了一番。
不过尽管如此，DeepMind 想要扭亏为盈也并不容易。
4. 77 亿巨额亏损背后，仍无商业化市场
先来看下 DeepMind 近几年的财务数据：
在营收方面：
2016 年营收 4028 万英镑。
2017 年营收 5442 万英镑，同比去年增幅达 35%。
2018 年营收 1.028 亿英镑，同比去年增幅达 89%。
2016-2019 年营收额趋势
在亏损方面：
2016 年亏损 9395 万英镑。
2017 年总亏损额 3.02 亿英镑，同比去年增幅达 221%
2018 年亏损 4.702 亿英镑 ，同比去年增幅达 56%。
同时，2018 年还有超过 10 亿美元的债务需要偿还。
2016-2019 年亏损额趋势
再来看今年的数据，在营收方面，DeepMind2019 年收入达 2.66 亿英镑，相比于 2018 年的 1.03 亿英镑，增长了 158%，达到了近几年最大增幅。
另外，在亏损方面，DeepMind 从 2018 年的 4.7 亿英镑到 2019 年的 4.77 亿英镑，增幅仅为 15%，与往年的 221% 和 56% 相比，增幅明显有所缩小。
总体来看，与前几年相比，DeepMind 的收入增长明显在加速，而亏损也正在趋于平稳。这样一看，DeepMind 似乎有望在近几年实现扭亏为盈。
但通过分析其财务报告中的营收来源和支出后，发现情况可能并没有那么乐观。
首先，财务报告提到了重要的一项：其他集团企业的营业额及研发报酬，该数据显示 DeepMind 的主要客户大部分来自母公司 Alphabet 旗下的其他公司，其中主要以谷歌为主。同时，DeepMind 的技术研发成果也主要应用于这些企业当中，例如其 AI 被谷歌应用于语音助手和数据管理中心任务中。
这说明，DeepMind 的人工智能技术还没有应用市场。如果有，它只能通过谷歌获得。
其次，DeepMind 2019 年开支达到了 7.17 亿英镑，相比从 2018 年的 5.68 亿英镑，增加了 26%。报告中提到，其成本的增长“主要与技术基础设施、员工成本和其他相关费用的增长有关”。这一点是很重要。
DeepMind 的“技术基础设施”主要运行在谷歌庞大的云服务和 AI 处理器 TPU（ Tensor Processing Unit）上。
虽然谷歌并未透露对其收取了多少费用，但它很可能以折扣价租用 DeepMind，这意味着，如果眉头谷歌的技术和服务支持，该公司在“技术基础设施”方面的成本将远高于此。
另外，DeepMind 的主要研究领域是深度强化学习，它需要非常昂贵的计算资源。据了解，其 2019 开发的项目，包括《星际争霸2》的 AI 系统和《雷神之锤3》的 AI 系统，都花费了数百万美元的培训费用。今年推出的预测蛋白质折叠结构的 AlphaFold，同样是非常昂贵的项目。
人才雇佣成本也是不可忽视的重要一项。在过去几年中，虽然参与机器学习的人才数量明显增加，但能够从事前沿 AI 研究的顶尖科学家非常稀少。为了争夺这些顶级 AI 人才，谷歌、Facebook、亚马逊和微软等大型科技公司之间展开了人才军备赛。
据了解，在全球范围内，目前顶级 AI 人才薪酬已经达到了 7 位数。DeepMind 在全球拥有约 1000 名员工，其中很多是世界级顶尖 AI 科学家，他们的年薪均超过了 100 万美元。这些顶尖人士大部分来自牛津大学、剑桥大学、斯坦福大学或麻省理工学院等世界顶级名校。有分析人士认为，如果没有谷歌的支持和投入，DeepMind 实验室无法为他们的项目雇佣更多高级 AI 人才。
因此综合来看，虽然 DeepMind 显示出了缓慢的扭亏迹象，但其增长依然要依赖于谷歌的财务资源和大型云基础设施。
不过，谷歌也乐于为其继续买单。
AlpaFold 之后，谷歌愿意继续买单
疯狂烧钱的 DeepMind，确实创造了多项重大技术成果。
如上文提到的 AlpaGo、AlpaFold 等。前者在预测蛋白质结构中达到了无与伦比的精确性，有望解决生物学界和计算机科学界多年来的巨大挑战。后者在围棋赛中多次战胜世界顶级人类选手。
此外，在多智能体方面，DeepMind 研发的星际争霸 AI AlphaStar，也多次战胜世界顶级玩家，目前在它在排位赛中已达到宗师水平，在欧洲服务器上超过了 99.8％ 的人类玩家。
需要说明的是，相比于围棋，《星际争霸》等即时战略（RTS）游戏，因其更复杂的场景、更广泛的操作空间和更高频率的即时决策，对 AI 提出了更大的挑战。因此相比于 AlpaGo，AlphaStar 在模拟现实，与人类博弈的过程中展现了更强的实力。
以上种种突出的技术成果，已经让这家 2010 年成立的初创公司一跃成为了世界顶级 AI 公司。
而自谷歌将其收购以来，对其取得的技术成果也非常满意。例如在最近的一次财报电话会议上，Alphabet 首席执行官桑达尔·皮查伊（Sundar Pichai）曾表示：
“我对我们在 AI 方面的研发进度感到很满意。我们是一家技术前沿公司，目前正处于领先地位，这很重要。我为谷歌和 DeepMind 的研发成果感到骄傲。”
此外，谷歌也向 DeepMind 做出书面保证，称“将继续向这家人工智能公司提供充足的资金支持，期限至少为 12 个月”。
不仅如此，根据 DeepMind 财务报告显示，Alphabet 的投资分支机构—谷歌爱尔兰控股有限公司（Google Ireland Holdings Unlimited）已免除其还所欠公司的贷款和利息，累计 11 亿英镑。
扭亏为盈，需要更多的商业化探索
事实上，科技公司亏损并不是什么新鲜事。
在科技行业，连年亏损、烧掉投资者巨额资金的企业比比皆是，其中也有不少企业最终实现扭亏为盈。
但相比之下，DeepMind 可能显得稍有不同。严格来说，DeepMind 是一家人工智能实验室，它更注重前沿技术研发，而非商业化探索。
其公司 CEO 兼联合创始人创始人德米斯·哈萨比斯(Demis Hassabis)曾公自傲的宣称：“DeepMind 组建了一支由机器学习专家，神经科学家，工程师，伦理学家等组成的世界级跨学科团队，创造了一个独特的环境。我们将继续投资前沿技术研发，期待未来能为科学界带来更多突破。
需要说明的是，科学研究和企业界发展速度存在很大差距。
一方面，科学研究是以几十年来衡量的。如今商业应用中的许多 AI 技术都是从上世纪 70-80 年代开始发展起来的。同样的，当下提出的许多前沿研究和技术在未来十几年内，可能都无法进入大众市场。而 DeepMind 的最终目标是：实现通用人工智能（AGI）。最乐观的估计，至少还有有几十年的路要走。
另一方面，投资者的耐心是以年和月为单位来衡量的。如果几年内无法实现盈利或有明显的增长希望，投资者很难再投入资金支持。显然，目前的 DeepMind 并没有明显的增长趋势，它的主要客户依然是谷歌，而且其技术商业化前景也并不明朗。
这就是 Deepfake 的困境所在。从本质上讲，Deepfake 是一家研究型机构，它希望突破科学的极限，确保 AI 对所有人类都有益。然而，谷歌和它的投资者希望制造能够解决特定问题并实现利润的产品。
这两个目标截然相反。有业内人士认为，虽然 DeepMind 目前取得了多项重大技术突破，不用担心其研究成果无利可图，谷歌也表示愿意为其继续买单。
但从长远来看，其生存和发展越来越牵扯到投资者的利益，DeepMind 应该更深入地思考自己的未来和 AI 科学研究未来。
引用链接：
https://venturebeat.com/2020/12/27/deepminds-big-losses-and-the-questions-around-running-an-ai-lab/
https://bdtechtalks.com/2019/08/12/deepmind-losses-costs-of-ai/
https://venturebeat.com/2020/11/30/deepmind-claims-its-ai-can-predict-how-proteins-will-fold-with-state-of-the-art-accuracy/
相关推荐
© 2020 asciim码
人生就是一场修行
