AI Labs 正在卷土重來，產業(yè)界比以往幾十年都更加重視 AI 研究。
短短半年前，AI Labs 還是一個幾乎被互聯(lián)網大廠和科技公司們放棄的組織。
除了發(fā)論文，給公關部提供 PR 業(yè)績，個別頂級學者加入帶動技術人才招聘等抽象務虛的收益以外，AI Lab 較少給企業(yè)帶來實際的利益，但是它的成本又高，高得離譜，企業(yè)給研究人員開的薪酬，往往會比學界高一個數(shù)量級。
在從激進狼性的卡蘭尼克手里接過 Uber 之后，新任 CEO Dara Khosrowshahi 立刻取消了 Uber AI Lab。類似的事件在過去幾年屢屢發(fā)生。
如果要列出一個 AI Lab 最成功的公司，那一定是 Google。
你沒有任何理由否認，AlphaGo、AlphaFold、TensorFlow、Transformer 等等這些 Google Brain 和 DeepMind 為科學和技術世界帶來的價值。并且，Google 自身的業(yè)務又比其他任何大公司都更能夠盡快與研究成果相結合。
但現(xiàn)在是 2023 年，spark of AGI 初現(xiàn)。曾經領先的Google Brain 成為背景板之一。
OpenAI 最終帶來了引發(fā)世紀革命的大模型產品。一些篤信 AI 的人不求回報資助創(chuàng)立的研究機構（謝謝難得當韭菜的馬斯克的 1 億美元）——它最初就是為了對抗 Google 的 AI 霸權。
放在五年前都難以置信，它居然真的做到了?，F(xiàn)在微軟只花了動視暴雪 1/6 的成本，收割了這些想象空間無窮的技術成果。
回過頭看，曾經在 AI 和深度學習領域風光無限的 Google Brain 團隊，全世界 AI Lab 的榜樣，為什么會淪落到失去領先優(yōu)勢還被外部團隊兼并的境況呢？
合并
當?shù)貢r間 4 月 20 日，Google 宣布將 Google Brain 和 DeepMind 團隊合并，成為新的 Google DeepMind 部門，新部門將由 DeepMind 的聯(lián)合創(chuàng)始人& CEO Demis Hassabis 領導，Jeff Dean 擔任 Google Research 和 Google DeepMind 的首席科學家。
新任領導 Demis Hassabis
2011 年，Google Brain 因為一項斯坦福大學與 Google 的聯(lián)合研究項目而誕生；2014 年，Google 以大約 5 億美元的價格收購 DeepMind。
前 Google Brain 高級研究員李基薰對于這次架構調整的看法：
Google 高層認為 DeepMind 的名聲超過 Google Brain 團隊，同時 Demis Hassabis 也完全不同意 Google 在合并后放棄 DeepMind 的名字。
這樣的合并可能只是開始，未來我們或許能看到 Google 內部研究團隊更大規(guī)模的架構調整。
這樣的合并也許并不是雙贏的，很多項目會取消、合并，人員會重新分配，自然也會帶來大量研究員和管理人員的離職。
兩支團隊的組織文化也有區(qū)別，這會導致很多內耗和動蕩，最終可能會影響整個 Google 研究團隊的效率。
前 Google 科學家、出門問問創(chuàng)始人李志飛是這么看這次架構調整的：
組織方式上，新的 DeepMind 更獨立，可以盡量遠離 Google 因自身的極度政治正確和機構膨大帶來的效率低下。
完整分析參見：新的 Google DeepMind 成立，看好，祝 Google 在 AGI 時代重振雄風
企業(yè)會給從學校里走出來的研究者提供數(shù)倍于學校和機構的收入。
Google Brain、OpenAI、Facebook 的 FAIR...... 他們會資助數(shù)以百計的機器學習研究人員，從事純粹的研究，至少在挖人時承諾只做純粹的研究。
但現(xiàn)在的情況是，研究人員最終還是要為了業(yè)務服務，Google Brain 的團隊就要考慮推薦系統(tǒng)、廣告優(yōu)化和搜索排名等業(yè)務。
機器學習不一定會帶來直接的收益，但有時候它可能會大大縮減企業(yè)的成本，比如算力等，這反過來可以總結為研究團隊的 KPI。
最大的價值
對于 Google Brain 里從事學習的學者來說，Google 會支付高額的報酬。不過前提是你需要從事推薦系統(tǒng)、廣告優(yōu)化、搜索排名等工作，而不是純粹的研究。Brain 擁有眾多的研究人員和項目，其中許多是直接或間接盈利的。例如，許多研究人員專注于優(yōu)化器、架構搜索和超參數(shù)搜索的改進。這些研究降低了一定的計算成本。
但與此同時，Google Brain（以及 DeepMind、OpenAI 等其他機構）會資助數(shù)百名機器學習研究人員從事純粹的研究，看似只是為了研究而研究，而仍然支付比學術界高一個數(shù)量級的報酬，Google 為什么會資助這些項目？
Brain 項目為 Google 帶來的首先是公司在學術界的品牌影響力，「Brain 與其他工業(yè)研究實驗室競標，聘請最優(yōu)秀的研究人員，以便成為最具聲望的研究團隊，這反過來又將幫助他們聘請最優(yōu)秀的研究人員」。畢竟，這就是美國學術界的運作方式：以資金、學生/博士后和首席研究員（PI）的三位一體為基礎。
原則上，資金應該流向最有才華的 PI 和學生/博士后；學生/博士后會去有最有才華的 PI 和資金的地方；PI 會去他們能找到才華橫溢的學生/博士后和資金的的地方。大學對于這類的合作研究最有熱情，因為他們可以從所有研究資金中抽成，而一般公司的研究實驗室并不是這樣的機制，這些研究實驗室只會給研究院高薪用來留住他們。
學術行業(yè)的品牌影響力有兩個作用：消費領域好的品牌形象、以及更容易招聘到優(yōu)秀的學術人才。對于機器學習的技術人才來說，Google 顯然是比 Apple 更適合的公司，雖然 Apple 本身肯定也有類似的崗位。對于想要雇傭幾千名機器學習工程師的公司來說，資助一些頂級的機器學習研究人員顯然是一件性價比很高的投資，這也是一種被證實的招聘策略。
當然，在當下整個行業(yè)都在削減招聘預算，那么這一項的支出也會被減少了。
催化劑
Google Brain 有一項政 策格外引人注意，他們對于頂級學術會議、學術論文以及學術出版的不求回報的支持。
這種資源支持力度是其他公司很少見的，主要有以下原因：
3. 這些學術成果可以成為公司科技實力進步的催化劑。
這里的催化劑理論是指：通過在與 Google 核心業(yè)務相關的關鍵研究領域發(fā)表學術文章，該研究方向將朝著有益于 Google 的方向發(fā)展。例如，Google 一直對更好的 NLP 技術感興趣，而關鍵研究的發(fā)表，如 2014 年的 seq2seq 和 2017 年的 Transformers，催化了整個 NLP 領域的增長。Google 是少數(shù)幾家擁有消費者觸達能力和計算能力的公司之一，可以將 ML 部署擴展到十億用戶，因此 Google 受益于該領域的整體進步。
TensorFlow、TPU、Google 翻譯、Transformer 等等，這些 Google Brain 研究成果給 Google 帶來了難以衡量的商業(yè)價值，更不要說這些研究和產品本身對行業(yè)和學術界的貢獻——Transformer 最終導致了 LLM 的實現(xiàn)。
從這個角度看，Google Brain 是極具創(chuàng)新能力的，團隊自由開放，形成了自上而下以研究員為中心的組織文化，每個研究員都可以自由對外表達他們的想法，接受采訪，談論成果，沒有任何管理壓力，這是 Jeff Dean 作為領袖和負責人帶來的寬松環(huán)境。
Jeff Dean
可以想象，如果是一個商學院畢業(yè)的職業(yè)經理人，一個 MBA 出身的高管接管了 Google Brain，團隊一定是另一番境況。
但是最近幾年，Google 內部的經管團隊越來越多地插手 Google Brain。
一方面，互聯(lián)網的大環(huán)境和 AI 研究的競爭壓力，逼迫 Google 意識到必須為 Google Brain 制定更加細節(jié)和具體的方向和目標。
另一方面，行業(yè)內逐漸認可了機器學習的價值，區(qū)別于數(shù)年前沒人知道機器學習能帶來怎樣的價值，越來越多的機器學習研究成果給產業(yè)帶來了實實在在的產品進步，管理產品的人們自然希望得到更多。相對的，這意味著研究團隊自由探索的空間收窄了。
曾經 Google 研究員的考核和晉升標準與研究的商業(yè)價值無關，但現(xiàn)在，Google 會更加重視研究能夠帶來的商業(yè)化價值，對于曾經被承諾自由探索的研究員們來說，自由正在離他們遠去，很快他們的學術價值，會慢慢變成為我們更加熟悉的「大廠打工人」的價值。
曾經最強
GPT-4 發(fā)布時，很多人調侃到人類遇到了「存在危機」。
「我們的存在是虛無、荒謬的，還是真的有什么價值？」
事實上，這樣的問題對于 Google Brain 團隊內的研究員們來說，是一個更加現(xiàn)實的問題，LLM 的成功導致很多深度學習和 AI 的研究變得不再被重視。他們漫長無期的 AGI 理想，似乎在別人手里有了觸手可及的明確路徑。
不只是大語言模型。
Google 一度領先業(yè)界超過 10 年，TensorFlow 和 TPU 都是標桿級別的產品，一度被認為是行業(yè)最大的希望。
但現(xiàn)在，PyTorch 和黃仁勛的 GPU，顯然擁有遠超 Google 的行業(yè)價值。
耗費大量資金成本，積累多年的深度學習，它建立的領先優(yōu)勢正在迅速扁平化。
進擊的Google
這幾年，Google AI 研究的催化劑理論正在失效。
一方面，機器學習給產業(yè)帶來經濟效益，是一件行業(yè)已有共識的事情。Google 不再像以前一樣，可以輕松進入一個新的領域，帶來革命性的效率迭代。
另一方面，微軟和 OpenAI 的聯(lián)盟，其他巨頭對 AI 和機器學習的重視，也意味著 Google 在橫向拓展時面臨著近乎紅海的競爭壓力。
在這樣的背景下，Google 已經從過去的「進攻」轉為了「防守」。進攻性質的原創(chuàng)研究被大量叫停，研究者被調派到防御性質的項目上，維持核心領域的研究領先。
很多研究者因為這樣的調派，選擇離開 Google。
此時此刻 Google 全面轉向大模型研究，也許會導致同樣的問題。
不只是業(yè)務層面，人才方面也存在問題。
Google Brain 過去的研究項目包括：醫(yī)學影像、天氣建模、神經成像、DNA 變異檢測、音樂藝術、蛋白質等等，這些都是基于深度學習向其他領域探索的研究。
這些跨學科研究有一個前提，它們往往需要更懂專業(yè)領域的人，而不只是深度學習專家。其他領域卓越的研究者，掌握深度學習的成本相對較低，遠遠低于深度學習專家去學習生物/化學/醫(yī)學/氣象/藝術......
Google 的高管們很難理解這個問題，Google Brain 招聘了大量剛剛拿到博士學位的機器學習專家，但他們很難拓展 Google 的研究邊界。這導致了現(xiàn)在 Google Brain 研究在跨學科領域越來越難以取得突破。
同樣的道理，專業(yè)領域的公司尋找機器學習的高端人才，越來越不是一件難事，更何況 Google 早就教給他們機器學習的重要性。
離職創(chuàng)業(yè)成為下一個企業(yè)家，或者回歸學術，或者還有更好的方向？
如果你是 AI 領域的科學研究人員，歡迎加入我們的 AGI 交流群，對這個問題進行深入探討（入群二維碼在文章底部）。
AGI 通用人工智能的到來，給所有行業(yè)都來了一些新機會和變革。
對于早已開始利用 AI 進行蛋白質合成、新藥發(fā)現(xiàn)等研究的生命科學領域來說，有了大模型的助力，整個領域的技術發(fā)展突然被加速，生產力和生產關系迎來了新的變革。
大模型會如何推動新藥研發(fā)領域的技術進步？很多難以攻克的疾病是不是有了新的希望？生物大模型跟我們了解的通用大模型區(qū)別在哪里？中國會有自己的生物大模型嗎……
4 月 28 日，本周五晚 20:00，F(xiàn)ounder Park 直播間，極客公園創(chuàng)始人&總裁 張鵬，將與百圖生科聯(lián)合創(chuàng)始人& CEO 劉維、深勢科技創(chuàng)始人&CEO 孫偉杰，一起探討大模型會如何改變生命科學。
關注 Founder Park，我們將持續(xù)推出更全面更深度的大模型相關討論與報道。
如果你有投身大模型創(chuàng)業(yè)的想法，歡迎加入我們的大模型相關領域交流群，來一起探討大模型時代創(chuàng)業(yè)的共識和認知。
