人均年薪400萬、公司年虧40億，正在蓋大樓的DeepMind最新財務數(shù)據(jù)曝光

乾明 栗子 2019-08-08 11:54:04 來源：量子位

乾明 栗子 安妮 發(fā)自 凹非寺

量子位 出品 | 公眾號 QbitAI

人才依然很貴，營收賺錢有起色，但巨額虧損仍在擴大。

這不是隨便哪家AI公司，這是打造了AlphaGo的DeepMind，也可能是整個AI行業(yè)的真實寫照。

我們從剛剛曝光的DeepMind最新一年財務數(shù)據(jù)說起。

每天燒1000萬，人均年薪400萬

報告中顯示，DeepMind在2018年虧損繼續(xù)擴大，達到4.7億英鎊，約合人民幣40億，平均下來每天燒掉1000多萬。

DeepMind如此燒錢的核心原因是什么？

人太貴了。從DeepMind的財務報告來看，其絕大部分支出都集中在人員上，相關開支在2018年增長到3.98億英鎊，與2017年相比，幾乎翻了一番。

按領英數(shù)據(jù)，DeepMind的員工數(shù)量已經(jīng)達到了839名員工。平均下來每名員工的成本接近47萬英鎊，相當于人民幣400萬——真正的數(shù)·百萬年薪。

大幅支出之下，DeepMind還欠了一屁股債。截止到今年底，它將有超過10億英鎊的債務到期，其中8.8億來自谷歌。

不過好消息是，雖然燒錢速度快得驚人，但谷歌依然撐得起、撐到底。

DeepMind在報告最后展望，在至少未來12個月時間里，谷歌會繼續(xù)向他們提供充足的財務支持，還寫下了書面保證。

不過不擔心DeepMind，不意味著每家AI公司都能有谷歌這樣的金主好爸爸。

投入靠谷歌，賺錢也靠谷歌

而且谷歌提供的支持，還體現(xiàn)在營收來源方面。

財報顯示，2018年DeepMind營收1.028億，比起上年的5440萬，漲幅達到88.9%，幾乎翻番。

或許你會問，DeepMind營收模式是什么？

DeepMind披露：目前主要營收業(yè)務是前沿機器學習研究和應用，包括向其他公司提供技術服務。

而且這個“其他公司”，不是別人，正是好爸爸谷歌。

DeepMind向谷歌出售了一些軟件。谷歌已經(jīng)用它提供的AI系統(tǒng)，讓數(shù)據(jù)中心里的冷卻單元 (Cooling units) 變得更加節(jié)能，并且增加了安卓設備的電池壽命。

但是，即便營收翻番，2018年DeepMind虧損依然達到4.7億英鎊，比去年的3.02億英鎊，增長了55.6%。其中，經(jīng)營虧損 (Operating Loss) 為4.65億英鎊，2017年為2.79億英鎊。

上文也說了，虧損核心原因是員工成本太高、工資不低，共3.98億英鎊，占經(jīng)營虧損的84.6%。

近年來，DeepMind一直在大力招募機器學習研究人員和數(shù)據(jù)科學家。

2016年底，DeepMind員工人數(shù)超過350。2017年底，人數(shù)達到700。如今，LinkedIn顯示DeepMind員工至少有839人。

財報還表示，技術方面的基礎設施增加，也是一項重要的支出。

另外，DeepMind還披露，去年向?qū)W界的捐贈和贊助，達到了1350萬英鎊，約合1.16億元——可能也是出于人才搶奪。

最后，還有一筆施工建樓、裝修和買家具方面的開銷，總共約1300萬英鎊，約合人民幣1.1億。

按照計劃，2020年DeepMind就要搬進倫敦的新總部了。

所以英國人確實優(yōu)雅天成，即便巨額虧損、賺錢和投入都得靠谷歌爸爸，但都不是事兒，再苦不能苦辦公，再窮不能窮薪水。

燒錢，不斷燒錢

虧損，不斷擴大的虧損，是DeepMind的常態(tài)。自從2010年成立以來，這家AI公司就沒有盈利過。

虧損額從2011年度的29.3萬英鎊，一路猛增到去年的4.7億英鎊，七年時間增長了1600多倍。

從2014年開始，也就是被谷歌收購之后，DeepMind開始在財報中披露員工成本，這個數(shù)字從2604萬英鎊，增長到去年的3.98億英鎊，四年增長15倍。

但谷歌有錢。

2014年1月，谷歌以4億英鎊（時值約5.19億美元）的價格將其收購，為其提供了堅實的資金支持。

于是，就算有巨額虧損， DeepMind還是能夠繼續(xù)捐贈，興建新總部。

相比之下，對標它的另一家AI研究機構OpenAI，日子就沒有那么滋潤了。

巨大的研發(fā)成本，讓這家非營利機構逼成了營利機構，研究成果方面也云山霧罩，一度被人指責成CloseAI。

甚至最新的一筆來自微軟的10億美元融資，也被《紐約時報》質(zhì)疑，認為是用云計算資源兌換的，而它的代價則是簽了微軟獨家云計算資源供應商，還要讓微軟代理技術商業(yè)化。

所以如今搞AI，也都得拼爹。

將要往何處去？

對于目前的財務狀況，DeepMind也給出了回應。

在給福布斯的一份聲明中，DeepMind表示，自己的長期使命，是推進AI研究、實現(xiàn)積極社會效益。

他們表示，相信AI有很大潛力促進科學發(fā)現(xiàn)，并對蛋白質(zhì)折疊等領域的工作產(chǎn)生的影響感到自豪。

DeepMind解釋說，DeepMind for Google團隊還將取得大進展，也會進一步將自己的經(jīng)驗和知識在谷歌研究中體現(xiàn)，應用于現(xiàn)實世界的挑戰(zhàn)。正因如此，過去一年的收入幾乎翻了一番。未來會繼續(xù)投資基礎研究和世界一流的跨學科團隊，期待未來的突破。

在這份財報發(fā)布前，外媒Wired發(fā)表了一篇關于DeepMind CEO的專訪，涉及到不少對DeepMind未來發(fā)展方向的思考。

哈薩比斯表示，科學中最有趣的領域競在學科之間的差異之處。當這種情況發(fā)生時，奇跡就發(fā)生了。

所以，DeepMind當前的研究重點，就是讓AI與生物學中的蛋白質(zhì)折疊研究聯(lián)系起來。

如果了解大自然制造蛋白質(zhì)的過程，人類豈不是可以自己制造蛋白質(zhì)了？這樣一來，由于蛋白質(zhì)折疊錯誤引發(fā)的帕金森綜合征、阿茨海默癥和糖尿病等不都有了解決方法。

深度學習恰好是這項研究中的關鍵一步。雖然基因組數(shù)據(jù)量大繁雜，但機器學習恰好在從氨基酸序列中預測蛋白質(zhì)結(jié)構等研究中幫上一把。

哈薩比斯還透露，在過去幾個月中，他們完成了對90種蛋白質(zhì)結(jié)構的預測，平均而言，內(nèi)部AlphaFold系統(tǒng)團隊的結(jié)果優(yōu)于其他研究：

對于從頭開始建模蛋白質(zhì)序列這件事，AlphaFold團隊對25種蛋白質(zhì)的預測是最準確的。

△?AlphaFold預測的蛋白質(zhì)骨架結(jié)構之一

在這樣一場學術競賽中，DeepMind還要面臨來自頂級高校的團隊的挑戰(zhàn)。

哈薩比斯覺得，DeepMind在工程方面的實力不容小覷，執(zhí)行力會超過研究部門，因為學術團體在搞研究這件事上一向顯得太隱秘了。

還有一點，DeepMind在計算資源方面能夠自給自足。哈薩比斯沒有說謊，此前在訓練“史上最強GAN”BigGAN時，DeepMind就用了512塊TPU。

可參考此前文章：

訓練史上最佳GAN用了512塊TPU，一作自述：這不是算法進步，是算力進步

哈薩比斯還談到了項目管理秘籍：最重要的就是加快更新頻次。

他表示每六個月，高級管理人員會審查優(yōu)先事項，重新組織一些項目，并鼓勵團隊尤其是工程師加一把勁，或者調(diào)整任務。

因為學科的交叉會加大一些研究難度，因此許多項目研究需要超過六個月，通常在2到4年為一個大周期。

哈薩比斯認為，雖然是CEO，但他希望將50％的時間直接花在研究上。他多次提到，盡管取得了小進展，但仍有很長的路要走。

DeepMind的最終目的，過去、現(xiàn)在和未來，依然是實現(xiàn)通用人工智能——AGI。

參考文章：

DeepMind財務報告：http://t.cn/AiTfylNl

https://www.forbes.com/sites/samshead/2019/08/07/deepmind-losses-soared-to-570-million-in-2018/#7b98a36e3504

https://www.wired.co.uk/article/deepmind-protein-folding

— 完 —