從此，Google再無Brain_天天熱議

本文來自微信公眾號：Founder Park （ID：Founder-Park），作者：FounderPark，頭圖來自：視覺中國

(資料圖片僅供參考)

AI Labs 正在卷土重來，產業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網大廠和科技公司們放棄的組織。

除了發論文，給公關部提供 PR 業績，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 較少給企業帶來實際的利益，但是它的成本又高，高得離譜，企業給研究人員開的薪酬，往往會比學界高一個數量級。

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。

但現在是 2023 年，spark of AGI 初現。曾經領先的 Google Brain 成為背景板之一。

OpenAI 最終帶來了引發世紀革命的大模型產品。一些篤信 AI 的人不求回報資助創立的研究機構（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。現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勢還被外部團隊兼并的境況呢？

合并：好事還是壞事？

當地時間 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 的聯合創始人& CEO Demis Hassabis 領導，Jeff Dean 擔任 Google Research 和 Google DeepMind 的首席科學家。

2011 年，Google Brain 因為一項斯坦福大學與 Google 的聯合研究項目而誕生；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、出門問問創始人李志飛是這么看這次架構調整的：

合并后的部分既做研究，也有產品部分，解決了以往各自為政、算力和人力浪費的問題，也會緩解研發和產品部門脫鉤的問題。

Jeff Dean 成為首席科學家，可以充分發揮工程余熱；Demis 還是創業者，更有 AGI 使命感，更有戰斗力。

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。

大公司的錢，科學家怎么賺？

企業會給從學校里走出來的研究者提供數倍于學校和機構的收入。

Google Brain、OpenAI、Facebook 的 FAIR...... 他們會資助數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。

但現在的情況是，研究人員最終還是要為了業務服務，Google Brain 的團隊就要考慮推薦系統、廣告優化和搜索排名等業務。

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。

最大的價值是品牌影響力

對于 Google Brain 里從事研究的學者來說，Google 會支付高額的報酬。不過前提是你需要從事推薦系統、廣告優化、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化器、架構搜索和超參數搜索的改進。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 與其他工業研究實驗室競標，聘請最優秀的研究人員，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：無往不勝

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：

1. 品牌影響力；

2. 本身學術人員就可以隨時離職帶走這些學術成果；

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 核心業務相關的關鍵研究領域發表學術文章，該研究方向將朝著有益于 Google 的方向發展。例如，Google 一直對更好的 NLP 技術感興趣，而關鍵研究的發表，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。

圖片來自：Google I/O大會

是科學家，還是打工人？

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價值，更不要說這些研究和產品本身對行業和學術界的貢獻——Transformer 最終導致了 LLM 的實現。

從這個角度看，Google Brain 是極具創新能力的，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境。

可以想象，如果是一個商學院畢業的職業經理人，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，互聯網的大環境和 AI 研究的競爭壓力，逼迫 Google 意識到必須為 Google Brain 制定更加細節和具體的方向和目標。

另一方面，行業內逐漸認可了機器學習的價值，區別于數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價值無關，但現在，Google 會更加重視研究能夠帶來的商業化價值，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，可現在呢？

GPT-4 發布時，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，一度被認為是行業最大的希望。

圖片來自：Google I/O大會

但現在，PyTorch 和黃仁勛的 GPU，顯然擁有遠超 Google 的行業價值。

耗費大量資金成本，積累多年的深度學習，它建立的領先優勢正在迅速扁平化。

進擊的Google，守不住家了

這幾年，Google AI 研究的催化劑理論正在失效。

一方面，機器學習給產業帶來經濟效益，是一件行業已有共識的事情。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。

不只是業務層面，人才方面也存在問題。

Google Brain 過去的研究項目包括：醫學影像、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。

本文來自微信公眾號：Founder Park（ID：Founder-Park），作者：FounderPark

關鍵詞：