“是什么把人工智能抬上风口的？”“AlphaGo。”
“它是谁开发的？”“谷歌旗下的DeepMind。”
“那该赚翻了吧？”“没有，而且今年又赔了。”
一年前，AlphaGo横空出世，在与职业九段棋手李世石的人机大战中获胜，又以Master的名号连胜中日韩数十位围棋高手，最后与世界围棋冠军柯洁对战获胜后退隐江湖。这件事直接导致了人工智能的热潮，从圈内蔓延至全世界。
一年后，更强大的AlphaGo Zero又如大魔王走向前台，依靠自学3天超越AlphaGo李世石版本，21天达到Master水平，40天后成功“吊打”了之前所有的AlphaGo版本，可谓走向了“狗生巅峰”。
然而，在横扫世界棋坛的华丽背影后面，其开发者DeepMind公司仍旧收不抵支，是个名副其实的“烧钱货”。在AlphaGo引爆了人工智能热的导火索后，算法技术开始不断突破，硬件设备的计算力也有了质的提升。但是从商业的角度来看，当前盈利手段贫乏的AI领域与之前默默沉寂着的时代并无太大区别。除却镁光灯和照相机，绝大多数人工智能企业还在探索最基本的命题——生存。
阿尔法狗赢了世界，却仍“亏成狗”
2014年，谷歌以5.25亿美元的价格收购了英国人工智能初创公司DeepMind，该公司的联合创始人戴密斯·哈撒比斯（Demis Hassabis）曾将其目标描述为“攻克智能领域，然后用智能解决其他问题。”2016年3月开始，哈撒比斯领衔开发的AlphaGo在最复杂的棋盘游戏——围棋中战胜了一票世界冠军：2016年3月，阿尔法围棋与围棋世界冠军李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。
除了围棋之外，DeepMind试图在复杂的电子游戏中也完成这类壮举。此外，DeepMind还有多个围绕着游戏、医疗、计算等方向的人工智能项目正在开发训练的过程中。
背靠谷歌这棵大树，又乘着人工智能的东风，DeepMind肯定是“钱景大好”吧？然而，目前为止它仍是个“烧钱货”。根据英国政府近期披露的一份文件，这家专注AI的公司去年收入只有5270万美元，而亏损额约为1.62亿美元。而且它的收入完全来源于母公司Alphabet的各种项目和任务，没有获得一个外部客户。
Alphabet将DeepMind的亏损分类到了“其他业务”，这一类别去年的全部亏损额为3.77亿美元。在各项支出中，“员工成本和其他相关成本”（包括公司的薪资、差旅、办公硬件和软件以及股权补偿等费用）这一项占比最大，约合1.37亿美元，是2015年的两倍以上。此前有报道称，DeepMind已经招揽了大约400名电脑科学家和神经系统科学家，团队规模可能扩大到1000人。此外，还有4110万英镑的“管理服务费”，包括公司置业和计算机系统的管理和维护费用。
谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）曾表示，该公司未来的成功将基于人工智能，谷歌在人工智能上所下的重注也有目共睹，近日推出Pixel2的时候就多次强调“AI+软件+硬件”。CBInsights的统计数据显示，AI公司的收购竞争已经开始，2018年将是我们能看到的最多的公司收购和被收购的一年，而谷歌在这场竞赛中居于领跑地位。但是事实证明，虽然展开了多项令人印象深刻的研究，AI目前要实现盈利仍然是非常困难的。
作为DeepMind等公司疯狂烧钱背后的“金主”，这点亏损对于财大气粗的谷歌还是可以接受的。不过，谷歌依靠搜索引擎的广告盈利业务目前已经面临着挑战：随着用户使用习惯的改变，他们更加依赖移动设备上的虚拟助手来执行原本需要搜索引擎完成的操作，这种改变或许会对谷歌来意生存的广告盈利模式造成冲击。虽然DeepMind目前的盈利压力并不大，技术也具有着落地应用的可能性，但如果长时间不盈利，投资者的信心也会受到削弱。
抱紧谷歌“大腿”，能否商业化？
自2014年被收购以来，DeepMind在人工智能领域进行了大量研究，但其中大部分都无法直接应用于谷歌的产品，毕竟它最擅长的是开发AI系统。为了增加谷歌和DeepMind之间的合作，使其研究能与产品产生交互，发挥更大的价值，DeepMind在位于加州的谷歌总部设立了办公室，谷歌也专门成立一个“DeepMind for Google”团队，通过将人工智能嵌入谷歌的产品和服务中，实现其机器学习研究和开发的商业化潜力。
虽然目前亏损的势头还在延续，DeepMind还是找到了将技术突破转化为能够实际应用的商业化成果的方法。在本月初谷歌的新品发布会上，谷歌在其旗舰手机Pixel 2、笔记本电脑Pixelbook和家用设备Google Home Mini上展示了新的数字助理，其语音更加自然且人性化。这要归功于DeepMind去年发明的一种算法，它在12个月内从学术研究变成了全面的商业应用。
这一算法的名称是WaveNet，根据该公司说法，WaveNet是“一种新的神经网络，用于生成原始音频波形，能够生成比现有技术更好、更真实的语音。”DeepMind在去年改进了这一算法，使它的计算速度提高了1000次，从而使语音的保真度进一步提升，效率的改进和效果的提升使得谷歌可以将其部署到新发布的产品。
这只是DeepMind开始“回报”谷歌的一个例子。自2015年露丝·波拉特（Ruth Porat）加入谷歌担任首席财务官以来，她一直在努力降低Alphabet的各项成本，使谷歌的一些“激进”领域能够展示出盈利的迹象。数据表明，DeepMind的算法帮助谷歌将数据中心的能源效率提高了15%，并对谷歌的核心产品进行了改进。
DeepMind的算法研究独树一帜，而谷歌在硬件和在线消费产品中用AI进行创新的能力也无与伦比，这种清晰的思路对于二者的良好合作是十分关键的。这次Pixel 2发布后，一天之内现货机型已经被预定完毕，高配机型更是要缺货近两个月，需求远远超出了官方预期。与谷歌的代表性产品产生交互，可能是DeepMind未来盈利的主要道路。这一道路的第一步目前看来是成功的，不过未来走成什么样还有待市场检验。
中国AI：钱都花哪儿去了？
作为AI发展势头极为迅猛的一大市场，中国的AI产业也在疯狂吸金。根据亿欧与阿里研究院近日发布的《2017中国投资市场研究报告》，中国AI商业化的“二次革命”已经爆发，AI投资市场投资额呈不断上涨的趋势：2017年前三季度的投资额就高达177亿元，超过2016年的全年投资额。
这些钱都花哪儿了？人工智能的发展离不开三大要素：大数据、大规模计算能力和深度学习算法，而人工智能企业的发展则离不开数据储备、计算架构和硬件服务和专业的人才。在起步阶段，人工智能初创企业往往会因研发成本过高而导致亏损：侧重于大数据类的数据堂去年研发投入同比增长 141.91%，巨额的研发费用导致公司2016 年亏损1693万元；研究语音识别的智臻智能已经连续四年亏损，去年亏损额高达7335万，研发费就用了5903万。
另一方面，人工智能迅速发展与人才储备相对缺乏的问题也使AI人才的需求量激增：通过领英平台发布的AI相关职位数量从2014年接近5万个职位到2016年超过44万个职位。
企业不仅需要程序员，还需要科学家。根据领英发布的《全球AI领域人才报告》，优秀的AI人才已成为了当下各企业追逐的焦点。截至2017年第一季度全球人工智能领域人才数量超过190万，其中中国人工智能领域专业技术人才总数超过5万人。目前，中国在发展人工智能这一前沿领域仍更多依赖于引进大量的海外高端人才。而在中国本土，高层次的AI人才极为稀缺。这样的紧缺，也使得“百万年薪”在这个领域极为常见。如果要从百度、微软亚洲研究院等大公司挖人，更是动辄上千万。但是，高额的薪酬能否为公司带来相匹配的盈利？目前的实际情况给出的答案是：不行。
越“AI”越不赚钱？技术场景需权衡
按照产业周期来划分的话，整个AI可以分为基础层、技术层和应用层。目前中国人工智能创业公司井喷，投资市场主要关注于技术层和应用层。从技术的角度可以分类为计算机视觉、深度学习、语音识别等，应用领域则主要集中于医疗、安防、交通、金融等领域。
在2017年的AI投资投资频数与投资额方面，企业服务、汽车交通、医疗健康和金融稳居TOP4。企业服务行业的投资频数远高于其他行业，大部分提供企业服务的公司具备某项技术能力，为各行业提供解决方案。这说明，尽管AI的发展得到了技术和产业界的一致响应，但目前的应用性产品仍以行业应用为主，能够盈利的产品更是如此。如号称“中国公有云厂商中第一家盈利的公司”——UCloud，不做AI产品研发，只做AI企业服务，解决AI企业成本、程序、在线部署、运维等难题，如今已完成了单月盈利千万。
虽然资本的踊跃程度领先世界，中国在人工智能的大部分领域尤其是基层技术方面仍处于追赶和模仿阶段，鲜有突破性的技术诞生。比如AI芯片仍需要大量进口，受制于其他国家。资本的过于乐观与技术水平的相对滞后，导致国内AI企业做出的产品要么停留在试验层面，要么重复度较高，竞争力不足。这也使得AI企业成为一个烧钱严重、回报率却不可靠的投资领域。
中国人工智能产业联盟副秘书长陈建文就认为，目前人工智能涉及的所有行业中，99%的创业项目为非关键性应用，致力于纯粹的技术创新的“全部是大公司的跑道”，这也导致很多小型人工智能公司的研发技术被上游挤压，失去盈利的可能。而且，许多给自己贴上AI标签的企业实际上只是拿着人工智能的噱头在做产业升级。另一方面，很多传统企业也在利用AI技术为自己赋能。从这种角度来看，与其说他们是AI企业，倒不如说是利用AI技术的行业企业。
谷歌此次发布以智能手机和家居设备为代表的一系列产品，正体现了其想要构建AI技术大规模落地场景的意图，也说明成熟的一般性消费产品才是潜力最大的市场。人工智能真正的商业价值取决于其普遍应用的可能性，也取决于其所能开拓的场景。解决了这两大问题，我们才能对AI盈利有所期待。
本文为未来图灵（futureturing）独家文章，转载请申请授权并注明来源。
转载、合作事宜，请联系：
微信：zhuzhichao8818
邮箱：weilaituling@caishimv.com
