另外 ， 也有分析师指出 ， 此次的巨额收入可能要归功于“创造性的会计形式” ， 简单来说就是财务计算方法做了一些变动 。 但Deepmind并未对此做任何置评 。
另外我们需要注意的一点是 ， Deepmind每年高达几亿英镑的巨额支出 ， 大部分都投入到“员工成本与其他相关成本”中 。 其中包括员工的薪资、旅行、办公硬件以及软件 。
“Deepmind最值钱的便是一群顶级科学家的大脑 ， ” 一位熟悉Deepmind的消息人士告诉虎嗅 ， 在它全球近千名员工里 ， 很多人的工资可以达到七位数 。 “对于研究他们绝不会吝啬 ， 这里是科学家的天堂 。 ”
然而 ， 一家以盈利为目的的商业组织 ， 成于研究 ， 也必将受制于研究 。
没有头绪的商业发展轨道
Deepmind在人工智能研究领域 ， 特别是针对“深度学习”与“强化学习”这两个重要技术分支研究方面做出的贡献 ， 毫无疑问是必须载入史册的 。
就像今年7月Deepmind利用人工智能技术在生化科学领域取得的巨大突破——为35万种蛋白质(包括人类制造的每一种蛋白质)提供了3D结构 ， 这对医学和药物设计大有裨益 。
这个成绩涉及到困扰了生物学家半个世纪的“蛋白质折叠问题”——1972年 ， 在接受诺贝尔化学奖的演讲中 ， 克里斯蒂安·安芬森做出了一个历史性预测：原则上 ， 仅仅根据组成蛋白质的一维分子链就可以确定蛋白质的三维形状 。
然而 ， 虽然如今测定任何特定酶的确切化学成分都不算太难 ， 但要确定它的三维形状 ， 可能需要数年的生化实验 。
而Deepmind的技术 ， 则大大加快了生化学家们破解这一难题的速度 。
因此 ， 当他们公布自己的人工智能模型AlphaFold通过蛋白质数据库的数据训练 ， 已经预测出蛋白质3D形状时 ， 这个系统不仅被纽约时报、福布斯等杂志称为“一流的科学成就” ， 还被看作是“一个历史性的时刻” 。
文章图片
图片来自福布斯
当然 ， 虽然行业人士认为有朝一日 Deepmind科学家有可能获得诺贝尔奖 。 但就像大部分诺贝尔奖获得者一样 ， 这只是一种开创性的“基本见解” 。
而将基本见解转化为现实世界中创造商业与社会价值的产品 ， 还需要几十年的时间 。
因此 ， 短期来看 ， 我们有权利向Deepmind提出质疑：是否思考过3~5年内有效的商业化路径？谷歌是如何看待它持续的研究贡献和与之不匹配的商业贡献？
实际上 ， 早在2017年Deepmind CEO 哈萨比斯带领技术团队来到中国乌镇对战中国围棋国手们时 ， 我们有幸在现场亲眼见证了历史 。 而谷歌当时 ， 就曾明确提及了关于强化深度学习的两个技术应用方向——
推荐阅读
- 人工智能|聚焦车载人工智能计算芯片研究 推进汽车产业高质量发展
- 娱乐性|新华全媒＋｜探秘冬奥会“黑科技”：当冰壶遇上人工智能
- 市民|大数据、人工智能带来城市新变化 科技赋能深化文明成效
- 科研机构|人工智能点燃哈尔滨高质量发展新引擎
- 可持续性|人工智能将重塑健康管理，业内专家认为可持续性是最大挑战
- IT|滴滴三季度收入427亿元环比降13%，投资亏损208亿元
- 策源|上海人工智能规上产业规模到2025年达到4000亿元
- 敏捷|上海人工智能“十四五”规划发布：集聚超20个国际顶尖团队
- 最新消息|日本计划本世纪20年代后半期送宇航员登月，2024年探火
- 人工智能|佳都科技：已参与全国69个城市的智慧城市建设