DeepMind 策略：并購 開源構成當下AI巨頭最典型商業模式

1 新智元編譯

作者： Francesco Corea

來源：humanizing.tech

翻譯：弗格森

【新智元導讀】 谷歌收購DeepMind不僅在技術上極大地推動了AI發展，也為整個行業提供了一種可參考的巨頭 初創企業商業模式。 作者Francesco Corea在本文稱為“DeepMind”策略，指的是大公司利用并購買下初創公司，但初創公司繼續獨立運行的運作模式。在谷歌 DeepMind 的模式中，另一個關鍵詞是開源，作者也對此進行深入闡釋，指出開源存在一定局限，有一些弊端。

概述

即使是在人們對商業的認知上，AI 也帶來了根本性的革新。本文的目的是希望能對不同的AI公司和商業模式作出區分。

從商業模式上來看，AI 與制藥行業真的很像：成本都很高并且需要長期的研發投入；很長的投資回報期；低概率的巨大回報；集中資金投入特定的發展階段。不過，這兩個領域也有兩個主要的不同：實驗階段，AI 進行得更快，也比較輕松；另一個是階段是專利化階段，AI 不需要經過這一階段，所以從某種程度上來說可以促進AI 的持續發展，并使用不同的收入模式（比如，免費的商業模式）。

DeepMind的策略和開源模式

從現在的AI 巨頭公司看，他們的商業模式發展可能有兩個不同的細微差別。首先，增長模式在不斷改變。他們不是在跟新興的初創業競爭，而是推行更加激進的策略——收購。

我把這種新的擴張策略叫“DeepMind 策略”，因為在DeepMind被谷歌收購以后，這種策略變得非常普遍。

像DeepMind這樣的公司，都是非常早期的時候被收購，比如，剛成立的1-3年間。這一階段中，公司更多地著眼于人才和純粹的技術發展而不是收入。（AI是唯一一個團隊的價值超過商業價值的領域）。在收購后，這些公司還維持著初創時的品牌元素，團隊也會得到完整地保留（收購招聘）。公司保持獨立運作：在物理上，辦公地點沒變；在運作上，也維持此前的方式。

這種獨立的價值巨大，也讓他們實現再收購成為可能（DeepMind在2014年收購了Dark Blue 實驗室和Vision Factory）。母公司會把這些從屬的服務融合到既有業務中，而非替代（例如，谷歌大腦和DeepMind）。

看起來，收購的代價要遠遠低于招聘人才的機會成本，并且，在今天對一家公司進行投資也比在幾年后出局要好。從這一點來看，這些收購完全是實物期權工具：它們代表了未來可能的收入，也為巨頭在未來建立帝國打下基礎。

第二個需要指出的不同是在AI領域出現的開源模式，這與傳統的 SaaS （軟件即服務）模式很難一致。許多頂尖的技術和算法確實都是免費提供的，并且很容易就能下載。那么，為什么巨頭要花費巨資，并且初創企業那么努力地推動免費開放？

其中有一系列考慮。首先，AI 公司和組織是由科學家和學術研究推動的，他們自身的理念推崇共享和公開發表自己的研究成果。第二， 開源可以抬高行業的壁壘 ：如果大家都認可使用TensorFlow 可以做到什么，那么另一家公司如果想要取代谷歌的競爭者，至少需要證明自己可以提供在TensorFlow上可以完成的事。它還會培養起用戶，一旦用戶習慣了TensorFlow后，他們很可能不再使用別的工具，并在潛意識里認為，所有的東西都應該是建立在TensorFlow之上的。

開源帶來的啟示

發布免費的、但又不需要技術含量硬件配合的軟件同時也帶來了6個方面的好處：

1. 降低準入的采納障礙，推動發明本不可能會出現的產品。

1. 故障修理。因為有很多人會更上發現并修正 bugs，從不同的角度來看待問題。

1. （集體的）驗證，因為通常，機制、推理和含義有時候并沒有得到清晰地呈現。

1. 縮短產品周期，因為從一篇技術性的文章發表或者一個軟件發布，通常會需要花費數周的時間進行改善。

1. 在收集數據、吸引人才和根據潛在技術開發額外產品上獲得競爭的有利位置。

1. 更重要的是，可以創造一個數據網絡效應。在這種情形下，用戶使用這一軟件會創造出更多的數據，這反過來會讓算法更加智能，從而讓產品變得更好，最終又會吸引到更多的用戶。

有很多理由可以說明為什么開源模式可以允許得很好，雖然有一些批判者認為，巨頭并沒有做到真正的、最大程度的開源（Bostrom，2016），也不會發布那些對于巨頭已經顯得陳舊的技術。我個人的觀點是，這些公司在不需要付出成本，不承擔副作用的情況下，讓自己的技術得到了最好的擴展，同時，他們依然保留了獨特的大型數據庫、平臺和巨大的投資潛力，這能讓他們可以不斷發展，這是獨有的。

不管開源戰略背后的真正原因是什么，這一商業模式在AI領域的發展中的效果都是備受爭議的。Bostrom 在2016年的一篇文章中說過，短期內，更高的開放度可能會加速 AI 的普及。軟件和知識都是非競爭性商品，這也會讓更多的人使用它。人們可以用最低的成本在此前頂級的應用和技術基礎之上進行開發，或者修正bugs。對于大公司來說，這也是塑造品牌的一個良機。

但是，從長期來看， 由于都是免費的，我們可能會看到對于研究和發展投入的動力會變得缺乏。 所以，應該有一種方法，可以讓個人從自己的創意中獲得壟斷性的租金。從另一個方面來說，積極的一面是，開放式的研究被用于開發吸引力（例如，這是打造技術和與最新技術同步的一個手段）。這也可能會從補充性的資產帶來額外的收益，通過新的技術和創意，這些價值會獲得增長。最后，這一社區也會被那些希望展示自己的技術、建立自己聲譽并最終提升自己市場價值的個人塑造。

結論

雖然本文就 AI 發展中短期和長期的開放研究效應進行了分析，開源會對這一技術有多大的推動，現在還不清楚。歷史的發展中，創新和研究很多都是起源于大學校園，然后轉到工業界。這不是一個新鮮的概念，但是在AI的語境下卻顯得尤為重要。它塑造了一個惡性的循環：學校的教師和研究者不斷流失，因為公司會提供更高的薪資、更有趣的研究難題、相對更大的獨家數據庫和幾乎無限的資源。這讓學校在下一代人才的培養上會受限。

現在的解決方案是，建立一些純研究性的機構（Open AI），甚至是研究型的公司（Numenta），避免丟失純研究給整個行業帶來的不可估量的價值。

目前來看，多數的討論要么著眼于全部或者是幾個巨頭公司，但是沒有討論不同的創業企業模式。一個早期的公司需要面臨大量的挑戰，通常有： 財政上的難題、商業化難題或者運營難題 。

對于上述問題，AI領域有自己的特殊性：從財政上看，主要的問題是，缺乏具體的投資者，他們需要做的不僅是提升公司的價值，并且不僅僅從金錢上提升公司價值。商業化難題指的是很難定義目標消費者，嘗試拒絕開源模式。產品雖然是很新的，但是并不容易被人理解，并且，在產品的發布上，還有更有利潤的方法。

最終，運營上的問題更加棘手：正如上文提到的，大型數據庫和持續地前沿投資是非常關鍵的，而這對短期變現卻是非常不利的。數據上的難題，一個解決方案是“數據采集”策略。這個詞來自風投Matt Turck，指的是，持續地發布新的產品，能夠產生數據網絡效應。另外，用戶體驗和設計對于AI來說也變得非常重要。對于仍處在早期且資源有限的公司來說，這會帶來工程、商業和設計等領域上資源分配的矛盾。

點擊閱讀原文，觀看2016世界人工智能大會主論壇全程回顧視頻。