被山寨品牌倒打一耙 死磕到底

图 DeepMind 的 2019 年的费用构成，图片截自于 DeepMind 公开披露财务报告

　　因此，Element AI 不到 4 年 2.6 亿美元的融资或许对于其他初创公司来讲是一笔巨款，但对于拥有将近 500 名员工的 Element AI 仅仅只是杯水车薪，若没有像谷歌、马斯克、微软这种有财力的大金主的支持，也难怪其最终走到资金链枯竭、难以为继的困境中。

　　而另一方面，在“节流”不可能的情况下，“开源”也并不容易。

　　技术即使被神化或畅想得再厉害，不得不承认的是，深度强化学习的大规模商业应用场景目前还并没有出现。从 AlphaGo 在 2015 年首次战胜人类已经过去了5、6 年，但在当时曾预想过给人类带来的颠覆性影响到如今还并未过多显现。

　　其主要原因在于，在真实的世界中，很多事情并非像棋局、游戏那样存在各种限制的环境，也没有足够的条件和数据能够让机器进行训练和学习。而在实验室的开发过程中，大多数的模型是为特定的任务而不是泛化进行训练，因此人工智能虽然能在玩各种电子游戏、棋类游戏中显现出卓越的能力，但在复杂的现实环境中可能就变得很脆弱。

　　简而言之，就是目前这些技术在现实中应用的可靠性还不够。

　　DeepMind 虽然近年来看起来营业收入在逐年上升，但从披露的财务数据来看，为其技术产品买单的其实还是谷歌。去年虽然推出了首款 30 秒内准确诊断眼疾的 AI 商业产品，也由于涉及高风险领域并没有激起多大水花。

　　Open AI 虽然 2020 年发布了首款基于 GPT-3 推出的商业文本生成器，但在实际应用过程中，出现了带有歧视性、偏见或低级错误的语句，反而还需要采购者投入人力去检验校正，因此也只是被作为辅助性工具来使用。

　　而 Element AI 从 2019 年开始将几款 AI 产品推向市场，包括为金融机构提供网络安全服务、帮助港口营办商预测卡车司机的候车时间等，但都效果不佳，据披露消息称，公司与数家客户在合作过程中出现了困难，最后以年收入仅 1000 万加币暗淡收场。

　　一切或许都需要时间的沉淀
 

　然而，这家曾经意气风发、旨在要做全球人工智能咨询业开创者的明星公司，就在上个月被曝出将被美国云计算平台服务商 ServiceNow 收购，而且收购价仅为 2.3 亿美元。不仅远远低于其上一轮融资中超过 10 亿加币的估值，甚至还不足 4 年来 2.57 亿美元的融资总额。

　　据《环球邮报》此前披露的一份文件显示，收购前夕，Element AI 的资金链几乎已经枯竭、大量员工被解雇，年收入仅仅只有 1000 万加币左右。而在扣除成本费用后，Element AI 最终收购价格可能只有不到 1.95 亿美元。

　　“烧钱”机器和应用困境

　　虽然这几个人工智能实验室的命运各不相同，但它们有一个共同点，即是都是围绕着深度学习、强化学习等前沿领域开展人工智能技术研究，DeepMind、Open AI 都旨在最终实现通用人工智能（AGI）。所谓的通用人工智能，就是让机器具有一般人类智慧，可以执行人类能够执行的任何智力任务。

　　近年来，这些人工智能研究机构也确实在朝着通用人工智能方向行进，并取得了不俗的成绩，但技术的突破并没有带来商业回报，投入和产出相距甚远。而横梗在 AI 商业化道路上的两块巨石，一个是资金，另一个是应用。

　　首先，要想在机器学习领域做出突破，不“烧钱”是不可能的，不仅要“烧”还是一车车的“烧”。由于深度强化学习展是建立在海量的数据处理、复杂的知识推理上的，常规的单机计算模式难以支撑，因此对训练模型时计算机资源的需求极高。

　　比如 2020 年 5 月微软推出了为 Open AI 专门打造的超级计算机用于 AI 模型训练，花费上亿美元，谷歌的 TPU 一直处于打骨折给 DeepMind 租用的状态。除了硬件，在训练方面，以 Open AI 著名的文本生成算法 GPT 为例，一个拥有 15 亿参数的模型，每小时训练都要花费 2048 美元，而类似于 DeepMind 的 AlphaGo 算法，成功之前需要至少完成数百万次自我博弈，光训练费就要花 3500 万美元。

　　除了技术基础设施以外，研究人员工资又是另一大头。虽然学计算机的人越来越多，但能够从事深度强化学习研究的人却是凤毛菱角，美国顶级的研究人员年薪至少百万美元起。根据 DeepMind 上个月披露的财报数据显示，2019 年其人员开支就高达 4.6 亿英镑（约 40 亿人民币），较上年又增长了 17.6%。

（编辑：揭阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!