DeepMind 巨虧 180 億、加拿大獨角獸遭 3 折賤賣，AI 公司為何難有「好下場」？

（本文經合作夥伴品玩授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈 DeepMind 巨虧 42 億、獨角獸慘遭 3 折賤賣，AI 公司為何難有“好下場”？〉；首圖來源：Piqsels）

【我們為什麼挑選這篇文章】經營一間 AI 公司並非一件容易的事，首先，聘僱人力和籌備運算資源需要極為高昂的成本，是長期要克服的挑戰，再者，即使是被神化的技術，也不等於能直接帶來等價的商業價值，AI 公司光鮮亮麗的背後，隱含著什麼不為人知的痛跟時代背景意義？（責任編輯：徐宇儂）

正當人們在為 DeepMind 接踵而來的技術突破驚嘆連連的時候，DeepMind 交出了一份高達 6.49 億美元（約新台幣 180 億元）的虧損成績單 。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甩賣 。而同樣的商業化挑戰其實也存在於身在矽谷的人工智慧研究機構 Open AI 身上。

一眼望去，AlphaFold、MuZero、GPT 這些前沿人工智慧技術閃閃發光地站在由鈔票堆積的山峰上，但卻彷彿很少有人能真的攀上去跟它們握手。

那麼，為何人工智慧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慧研究機構之一，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。

2014-2019 年 DeepMind 的虧損額及其增長情況（圖片來源：品玩）

而跟 DeepMind 一樣被大公司「寵」著的人工智慧研究機構還有 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 月創立的人工智慧非營利組織 ，旨在預防人工智慧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」的人工智慧獨角獸 Element AI 似乎就沒有那麼幸運了 。

走到盡頭，Element AI 將被賤賣

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 已變身人工智慧「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慧技術相關研究 ，Element AI 也是近年來世界上發展最快的人工智慧新創公司之一，曾被認為是加拿大日後人工智慧產業的領導者。

然而，這家曾經意氣風發、旨在要做全球人工智慧諮詢業開創者的明星公司，就在 2020 年 12 月被爆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，甚至還不足四年來 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、大量員工被解僱，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。

AI 燒錢機器和應用困境

雖然這幾個人工智慧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慧技術研究，DeepMind、Open AI 都旨在最終實現通用人工智慧（AGI，又稱強人工智慧）。所謂的通用人工智慧，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，這些人工智慧研究機構也確實在朝著通用人工智慧方向行進，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，一般的單機運算模式難以支撐，因此對訓練模型時運算資源的需求極高。

比如 2020 年 5 月微軟推出了為 Open AI 專門打造的超級電腦用於 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。雖然學電腦資訊的人越來越多，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 上個月揭露的財報數據顯示，2019 年其人員開支就高達 4.6 億英鎊（約新台幣 128 億元），較上年又增長了 17.6%。

因此，Element AI 不到四年 2.6 億美元的融資或許對於其他新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鍊枯竭、難以為繼的困境中。

神技術，卻未帶來高商業應用價值

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，因此人工智慧雖然能在玩各種電子遊戲、棋類游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 ，但從揭露的財務數據來看，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 。

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 金融機構提供網路安全服務、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 ，據揭露消息稱，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。

前沿科技，還需要時間沉澱

但對於前沿人工智慧技術不盡人意的市場，我們或許可以說， 只是時機尚未成熟 。

目前在人工智慧商業化應用場景中，被最廣泛使用的，是電腦視覺、智慧語音、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慧技術，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 。

人工智慧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。在中國，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（約新台幣 433 億元）用於人工智慧研發，研發投入累計已近千億元人民幣。而李彥宏在百度世界 2020 大會上仍舊表示對人工智慧要「長期堅持、堅定信仰」。