不久前，谷歌旗下人工智能研究实验室 DeepMind 开发的围棋人工智能程序“阿尔法狗”因为打败世界围棋冠军李世石而备受关注。在此之后，几乎全球科技界都开始关注谷歌及背后的 Alphabet 在 AI 领域投入的巨大资源。
对此，《经济学人》日前就发表长文对 DeepMind 之于谷歌以及 Alphabet 的重要意义进行了一番剖析。该刊认为，谷歌斥重金收购的 DeepMind 如今已经成为了全球 AI 领域的一个金字招牌，而这一品牌效应将帮助谷歌吸引到最顶尖的 AI 人才，甚至在这一竞争中先声夺人。
以下是文章内容梗概：
DeepMind 目前总部设在谷歌位于伦敦国王十字街火车站（King's Cross）附近的一座并不起眼的新办公园区中。从外面来看，我们一点都看不出这里竟然安置着让谷歌和 Facebook 都争相购买的全球最具技术影响力企业。
当然，最后的结果我们都知道。谷歌在 2014 年 1 月以 4 亿英镑（约合 6.6 亿美元）成功收购了 DeepMind。但是，谷歌为什么要收购这家英国 AI 企业呢？要知道，谷歌此前就已经在机器学习和 AI 领域处于行业领先地位，而收购 Deepmind 又会为谷歌带来怎样的价值？
在 2015 年 10 月前，谷歌的巨额广告收入足以让诸如 DeepMind 等尚没有产生营收的“野心项目”毫无后顾之忧地自由发展。随后，谷歌对公司架构进行了全盘调整，创办了 Alphabet“伞形公司”(UmbrellaCompany)，并把旗下搜索、YouTube、其它网络子公司与研发投资部门分离开来。在这一结构下最主要的变化在于旗下各个事业部门的资产负债表开始分开计算，再也无法依赖谷歌这棵摇钱树而高枕无忧了。
不过，谷歌收购 DeepMind 不仅仅是经济层面就能够解释清楚的问题，DeepMind 的真正价值远比我们想象中更加深邃。
品牌溢价
DeepMind 为谷歌带来的最直接收益是，该公司让谷歌和 Alphabet 在同全球其他科技企业的 AI 争夺战中拥有了战略优势。同时，这一品牌效应帮助谷歌吸引到了最顶尖的 AI 人才，并让包括 Facebook、微软和亚马逊等竞争对手失去了人才优势。截至目前，DeepMind 伦敦办公室已招揽到了 400 名电脑科学家和神经系统科学家，且这一团队规模预计将扩大到 1000 人左右。
自收购以来，DeepMind 已经两次登上《自然》（Nature）科学周刊的封面，而该周刊是一份拥有相当知名度的学术期刊。如今，DeepMind 公司大堂的墙上就贴着这两次封面图片的复制品。2016 年 3 月，“阿法尔狗”打败了世界围棋冠军李世石而成为大量媒体的头条新闻。
除了人才吸纳和公众关注两个方面外，DeepMind 的战略意义恐怕还不止于此。DeepMind CEO 兼联合创始人德米斯-哈撒比斯（Demis Hassabis）将 DeepMind 描述为一种新型的研究机构，并结合了学术领域的长远眼光以及科技初创企业的能量和专注度。
2010 年，哈撒比斯和穆斯塔法-苏莱曼(Mustafa Suleyman)、施恩-莱格(ShaneLegg)一同创建该公司。其中，莱格和哈撒比斯都是伦敦大学学院的神经科学研究人员，而苏莱曼则是哈撒比斯的发小。
谷歌“树大好乘凉”
哈撒比斯认为，DeepMind 的长远目标是要“攻克智能领域的难题”（solve intelligence）。这就要求公司不断研发多功能的、甚至拥有像人类那样广泛、高效思考的通用型人工智能产品。
在这一方面，DeepMind 被谷歌收购能够获得一些显而易见的优势。第一，DeepMind 能够调用谷歌强大的计算资源。第二，谷歌的财力足以支持 DeepMind 高昂的研发支出。显而易见的是，如果财力平平的企业收购了 DeepMind，前者很可能要求其尽快实现盈利，但加入谷歌旗下的哈撒比斯能够更专注于研究。而且，由于 DeepMind 办公地点和谷歌位于山景城的总部之间保持着“安全距离”，这也足以让他能够对 DeepMind 拥有更多的实际控制权。
如果 DeepMind 能够成功创造出通用型 AI 产品，这将对 Alphabet 产生重大积极意义。就目前而言，DeepMind 的研究日程说明其还不是一家以商业模式运作的公司，因为它的研发周期相当长。哈撒比斯表示，自己对 DeepMind 规划的路线图跨度长达 20 年，并希望 DeepMind 能够在人脑运作方式的启示下发明出新型 AI 算法。
当然，即便 DeepMind 没有研发出相当于或超越人类水平的人工智能产品，该公司已经研发出的学习软件也有助于 Alphabet 其它业务的推进。举例来说，谷歌就在今年 7 月宣布 DeepMind 研发的学习软件已经找到了节约用于冷却谷歌数据中心电力的方法，节约幅度达到 40% 左右。该学习软件把数据中心的操作日志进行压缩，并以模拟形式实现了流程的优化。
应用领域广泛
消息称，DeepMind 已经开始利用现有自己的 AI 研发成果为公司解决实际问题。苏莱曼透露，DeepMind 的部分研发项目已经可以用于能源基础设施的管理、医疗系统和洁净水源的改进等方面，而 DeepMind 也开始从中获得收益。
今年 11 月，DeepMind 与医疗机构 Royal Free London 签订了一纸为期五年的合同，其主要工作是负责处理 170 万名患者的医疗记录。今年早些时候，DeepMind 还获得了访问其它伦敦医院两个数据库的权限。DeepMind 利用 AI 软件分析了约 100 万份视网膜扫描报告成功找到了退行性眼疾的早期征兆，或通过头颈部癌症图像让 AI 软件学会区分健康和癌组织之间的不同。
技术精湛的程序员和性能强大的计算能力对 AI 业务的开展固然重要，但获取到真实环境数据同样必不可少。比如，当我们希望利用 AI 和机器学习技术改进医院、电网和工厂等不同系统的时候就需要使用到大量的实际操作数据。
幸运的是，Alphabet 拥有海量数据供旗下 AI 产品进行挖掘。只不过在部分具体探索领域，DeepMind 恐怕还需要自己想办法进行深入挖掘。就拿它最近参与的一个研究读唇语的项目来说，该项目成功的关键就在于研究团队掌握了一个庞大的数据库。
消息称，这一项目的研究团队主要来自牛津大学，由计算机视觉研究专家安德鲁-西塞曼（Andrew Zisserman）主导。BBC 向研究团队提供了数十万小时的新闻影像资料，而如果没有这些数据的话，这一研究团队根本就无法让 AI 系统展开读唇语的训练。
然而，哈撒比斯似乎不愿过多强调数据获取对 DeepMind 未来的重要性。他仅仅是表示，“让人类工程师打造出待解决问题的模拟模型，再在这些模型中部署 AI 学习工具就足够了”。
为什么说 DeepMind 会让谷歌值回票价
不过，这并不是目前大多数机器学习系统的运作方式。就拿如今名满全球的“阿法尔狗”来说，它首先得从 16 万场人类对弈的围棋比赛中学习数百万种下棋策略，然后才能展开自我对弈不断提高。因此，如果 DeepMind 需要收集大量个人信息，那该公司还需要考虑清楚该如何应对消费者对企业访问个人数据的担忧。
如果 DeepMind 能够解决这些问题，那么这一子公司将成为 Alphabet 的最重要资产之一，即一个算法工厂以及 AI 人才集聚地。而且，DeepMind 所处理的数据拥有权仍然属于原本的拥有者，但通过数据学习研发出的软件则隶属于 Alphabet，而这一方式将可以基本上解决外界非常关心的隐私问题。
虽然，DeepMind 未来可能无法单单通过利用 AI 程序解决复杂问题的方式创造大量营收，但 DeepMind AI 软件通过分析数据所获取的有用信息已经足够让谷歌为当初的竞标所投入的巨资值回票价。