谷歌买下 DeepMind：人工智能这门生意，终于摆上了台面

这个一月，拉斯维加斯 CES 的喧嚣还没散去，谷歌又悄悄扔下一颗重磅炸弹。一月二十六日，谷歌正式对外确认，已经完成了对伦敦人工智能初创公司 DeepMind 的收购，媒体普遍报道这笔交易的价格在五亿美元上下。一家此前几乎不被普通消费者听说的公司，却让谷歌、Facebook 轮番竞购。在智能硬件扎堆、比特币价格坐过山车的开年，我更愿意把这笔收购当成一个信号：人工智能这门生意，正在从学术实验室走进科技巨头的资产负债表。

先给结论：DeepMind 本身值多少钱是次要的，重要的是谷歌愿意在一月这个时间点、用这样一笔不便宜的钱，把一支做”通用学习算法”的团队整体收编。这说明在硅谷顶级公司眼里，下一轮竞争的制高点，很可能不再是手机屏幕或者应用商店，而是机器到底能有多”聪明”。

一、DeepMind 是谁：一家”靠玩游戏起家”的公司

DeepMind 成立于二零一零年，总部在伦敦，创始人阵容相当有意思。牵头的 Demis Hassabis 早年是国际象棋神童，后来做过游戏设计师，再回去拿了认知神经科学的博士学位；另一位联合创始人 Shane Legg 是机器学习领域的研究者。这家公司从一开始就给自己的定位很特别：把神经科学的思路和深度学习、强化学习结合起来，目标是造出一套”通用的学习算法”，而不是为某一个具体任务做一个专用模型。

它真正在圈子里一战成名，靠的是一件听起来很极客的事：让一个神经网络仅凭屏幕上的原始像素和得分，自己去学玩几十款老式雅达利游戏，没有人告诉它规则，它自己摸出玩法。在一部分游戏上，这套系统的表现甚至超过了职业人类玩家。这套思路后来写成论文在 arXiv 上流出来，在机器学习圈子里被反复引用。一家初创公司，没有自己的产品，没有收入，凭的就是这套”让机器自己学”的技术，这在过去是很难想象的估值逻辑。

更值得玩味的是它的融资背景。DeepMind 此前的投资人名单里，出现了 Peter Thiel 的 Founders Fund 这类一线机构，估值一路水涨船高。据多家媒体披露，过去一年里对它感兴趣的巨头不止谷歌一家，Facebook 也动过心，Twitter 也传出过接触的消息。最终是谷歌出手把它收入囊中。对一家做底层算法的公司来说，这种被几家公司同时争抢的场面，上一次出现还是移动互联网刚爆发的时候。

二、谷歌为什么急着出手：从搜索公司到智能公司

把这笔收购放在谷歌这两年的动作里看，逻辑就清楚了。其实谷歌收编 AI 团队不是第一次：去年三月，它就把多伦多大学 Geoffrey Hinton 的小团队 DNNresearch 买了下来，这位被很多人称作”深度学习教父”的学者，几乎凭一己之力在二零一二年的 ImageNet 比赛上把图像识别的错误率砍了一大截，让整个业界重新认识到深层神经网络的威力。之后谷歌又陆续收了好几家做语音、做自然语言的小公司。DeepMind 是这一连串动作里金额最大、也最核心的一笔。

谷歌的焦虑，本质上来自入口的变化。PC 时代，谷歌靠搜索框一统天下；可到了移动时代，用户掏出手机，很多事情不再”搜”，而是直接在 App 里完成，搜索这个动作被切碎了。更让它警惕的是，下一代交互可能根本不需要搜索框——当系统能听懂你说话、看懂你拍的照片、甚至在你开口之前就把你要的东西推过来，传统的关键词广告生意就会被釜底抽薪。谷歌 Now 今年一直在往这个方向做，而 DeepMind 的通用学习算法，正好是给这类”主动式智能”提供燃料的底层技术。

还有一个细节很说明问题：谷歌这次对交易金额、对 DeepMind 的现有业务和营收，都保持了异乎寻常的低调。要知道谷歌平时收购一家公司，恨不得把被收购方的博客全文转过来昭告天下。这种刻意的沉默，反而让外界觉得这家公司手里握着的东西，价值远不止五亿美元。

三、这笔买卖背后的行业判断

站在更宽的视角看，DeepMind 只是二零一三年以来这一波”AI 收购潮”的高潮。从二零一二年 AlexNet 在 ImageNet 上一鸣惊人开始，深度学习突然从冷门学术话题变成了整个科技行业的显学。会训练神经网络的工程师，一时间成了全硅谷最抢手的稀缺资源。巨头们的逻辑很直白：靠自己慢慢培养来不及，干脆把顶尖团队连人带成果一起买下来。

这让我想起当年云计算和移动开发人才的争夺。任何一个新技术浪潮起来，最先涨的都是会这门技术的人的身价。对我们这些写代码的人来说，信号再清楚不过：只会调框架、只会做常规业务开发的门槛在快速降低，而真正理解模型、理解算法背后数学原理的人，会越来越值钱。当然我也要泼一点冷水：人工智能这几年热，历史上这个领域已经经历过好几轮”夏天”和”冬天”，技术炒作和真正能用起来之间，往往隔着很长的工程化鸿沟。今天被捧上神坛的东西，未必三五年后还在桌上。

但谷歌愿意在这个时间点真金白银下注，至少说明一件事：它不认为这又是一轮会破掉的泡沫。对从业者来说，与其去争论 AI 到底会不会接管世界，不如先想想，自己手上的业务，哪里能用深度学习重新做一遍——推荐、搜索、图像、语音，到处都是机会。

四、对国内从业者的几点观察

把视线拉回国内，差距和机会都很明显。差距在于，我们今天大多数所谓的”大数据”和”智能”，更多还是在应用层面做文章：电商做推荐、互联网公司做广告点击率预估，真正像 DeepMind 这种从底层算法出发、盯着通用学习能力的团队，还非常稀少。国内做语音的科大讯飞、做搜索的百度，这几年都在补机器学习的课，但和硅谷顶尖实验室的积累相比，底子还薄。

机会在于，中国有全球最大的互联网用户基数，有海量的数据，有足够多的应用场景。一旦基础算法的工具链成熟，谁能最快把它落到具体业务里，谁就能吃到红利。我的建议很朴素：第一，别光看热闹，找一两门真正的公开课把线性代数、概率和优化的基础捡起来，这东西躲不掉；第二，多跑开源框架，亲手训练几个模型，比读十篇综述都管用；第三，警惕过度包装，凡是张口闭口”颠覆一切”却拿不出一个真实能用场景的团队，多半是在讲故事。

结语。这个一月，CES 上那些弯来弯去的曲面电视、各种叫不上名字的智能硬件，热闹归热闹，真正让我记住的，还是谷歌买下 DeepMind 这件事。硬件会过时，热闹会散场，但当一家市值千亿美元的公司开始为”机器如何学习”买单时，说明这个行业的主战场，已经在悄悄搬家了。作为写了多年代码的人，我隐隐觉得，下一个十年的入口，可能就藏在那些我们还看不太懂的神经网络里。二零一四年才刚刚开始，值得盯紧。