从此世界上再也没有 Google Brain
AI Labs 正在卷土重来，产业界比以往几十年都更加重视 AI 研究。
短短半年前，AI Labs 还是一个几乎被互联网大厂和科技公司们放弃的组织。
除了发论文，给公关部提供 PR 业绩，个别顶级学者加入带动技术人才招聘等抽象务虚的收益以外，AI Lab 较少给企业带来实际的利益，但是它的成本又高，高得离谱，企业给研究人员开的薪酬，往往会比学界高一个数量级。
在从激进狼性的卡兰尼克手里接过 Uber 之后，新任 CEO Dara Khosrowshahi 立刻取消了 Uber AI Lab。类似的事件在过去几年屡屡发生。
如果要列出一个 AI Lab 最成功的公司，那一定是 Google。
你没有任何理由否认，AlphaGo、AlphaFold、TensorFlow、Transformer 等等这些 Google Brain 和 DeepMind 为科学和技术世界带来的价值。并且，Google 自身的业务又比其他任何大公司都更能够尽快与研究成果相结合。
但现在是 2023 年，spark of AGI 初现。曾经领先的Google Brain 成为背景板之一。
OpenAI 最终带来了引发世纪革命的大模型产品。一些笃信 AI 的人不求回报资助创立的研究机构（谢谢难得当韭菜的马斯克的 1 亿美元）——它最初就是为了对抗 Google 的 AI 霸权。
放在五年前都难以置信，它居然真的做到了。现在微软只花了动视暴雪 1/6 的成本，收割了这些想象空间无穷的技术成果。
回过头看，曾经在 AI 和深度学习领域风光无限的 Google Brain 团队，全世界 AI Lab 的榜样，为什么会沦落到失去领先优势还被外部团队兼并的境况呢？
合并
好事还是坏事？
当地时间 4 月 20 日，Google 宣布将 Google Brain 和 DeepMind 团队合并，成为新的 Google DeepMind 部门，新部门将由 DeepMind 的联合创始人& CEO Demis Hassabis 领导，Jeff Dean 担任 Google Research 和 Google DeepMind 的首席科学家。
新任领导 Demis Hassabis
2011 年，Google Brain 因为一项斯坦福大学与 Google 的联合研究项目而诞生；2014 年，Google 以大约 5 亿美元的价格收购 DeepMind。
前 Google Brain 高级研究员李基薰对于这次架构调整的看法：
Google 高层认为 DeepMind 的名声超过 Google Brain 团队，同时 Demis Hassabis 也完全不同意 Google 在合并后放弃 DeepMind 的名字。
这样的合并可能只是开始，未来我们或许能看到 Google 内部研究团队更大规模的架构调整。
这样的合并也许并不是双赢的，很多项目会取消、合并，人员会重新分配，自然也会带来大量研究员和管理人员的离职。
两支团队的组织文化也有区别，这会导致很多内耗和动荡，最终可能会影响整个 Google 研究团队的效率。
前 Google 科学家、出门问问创始人李志飞是这么看这次架构调整的：
合并后的部分既做研究，也有产品部分，解决了以往各自为政、算力和人力浪费的问题，也会缓解研发和产品部门脱钩的问题。 Jeff Dean 成为首席科学家，可以充分发挥工程余热；Demis 还是创业者，更有 AGI 使命感，更有战斗力。 组织方式上，新的 DeepMind 更独立，可以尽量远离 Google 因自身的极度政治正确和机构膨大带来的效率低下。
完整分析参见：新的 Google DeepMind 成立，看好，祝 Google 在 AGI 时代重振雄风
科学家怎么赚？
企业会给从学校里走出来的研究者提供数倍于学校和机构的收入。
Google Brain、OpenAI、Facebook 的 FAIR...... 他们会资助数以百计的机器学习研究人员，从事纯粹的研究，至少在挖人时承诺只做纯粹的研究。
但现在的情况是，研究人员最终还是要为了业务服务，Google Brain 的团队就要考虑推荐系统、广告优化和搜索排名等业务。
机器学习不一定会带来直接的收益，但有时候它可能会大大缩减企业的成本，比如算力等，这反过来可以总结为研究团队的 KPI。
最大的价值
是品牌影响力
对于 Google Brain 里从事学习的学者来说，Google 会支付高额的报酬。不过前提是你需要从事推荐系统、广告优化、搜索排名等工作，而不是纯粹的研究。Brain 拥有众多的研究人员和项目，其中许多是直接或间接盈利的。例如，许多研究人员专注于优化器、架构搜索和超参数搜索的改进。这些研究降低了一定的计算成本。
但与此同时，Google Brain（以及 DeepMind、OpenAI 等其他机构）会资助数百名机器学习研究人员从事纯粹的研究，看似只是为了研究而研究，而仍然支付比学术界高一个数量级的报酬，Google 为什么会资助这些项目？
Brain 项目为 Google 带来的首先是公司在学术界的品牌影响力，「Brain 与其他工业研究实验室竞标，聘请最优秀的研究人员，以便成为最具声望的研究团队，这反过来又将帮助他们聘请最优秀的研究人员」。毕竟，这就是美国学术界的运作方式：以资金、学生/博士后和首席研究员（PI）的三位一体为基础。
原则上，资金应该流向最有才华的 PI 和学生/博士后；学生/博士后会去有最有才华的 PI 和资金的地方；PI 会去他们能找到才华横溢的学生/博士后和资金的的地方。大学对于这类的合作研究最有热情，因为他们可以从所有研究资金中抽成，而一般公司的研究实验室并不是这样的机制，这些研究实验室只会给研究院高薪用来留住他们。
学术行业的品牌影响力有两个作用：消费领域好的品牌形象、以及更容易招聘到优秀的学术人才。对于机器学习的技术人才来说，Google 显然是比 Apple 更适合的公司，虽然 Apple 本身肯定也有类似的岗位。对于想要雇佣几千名机器学习工程师的公司来说，资助一些顶级的机器学习研究人员显然是一件性价比很高的投资，这也是一种被证实的招聘策略。
当然，在当下整个行业都在削减招聘预算，那么这一项的支出也会被减少了。
催化剂
无往不胜
Google Brain 有一项政 策格外引人注意，他们对于顶级学术会议、学术论文以及学术出版的不求回报的支持。
这种资源支持力度是其他公司很少见的，主要有以下原因：
3. 这些学术成果可以成为公司科技实力进步的催化剂。
这里的催化剂理论是指：通过在与 Google 核心业务相关的关键研究领域发表学术文章，该研究方向将朝着有益于 Google 的方向发展。例如，Google 一直对更好的 NLP 技术感兴趣，而关键研究的发表，如 2014 年的 seq2seq 和 2017 年的 Transformers，催化了整个 NLP 领域的增长。Google 是少数几家拥有消费者触达能力和计算能力的公司之一，可以将 ML 部署扩展到十亿用户，因此 Google 受益于该领域的整体进步。
还是打工人？
TensorFlow、TPU、Google 翻译、Transformer 等等，这些 Google Brain 研究成果给 Google 带来了难以衡量的商业价值，更不要说这些研究和产品本身对行业和学术界的贡献——Transformer 最终导致了 LLM 的实现。
从这个角度看，Google Brain 是极具创新能力的，团队自由开放，形成了自上而下以研究员为中心的组织文化，每个研究员都可以自由对外表达他们的想法，接受采访，谈论成果，没有任何管理压力，这是 Jeff Dean 作为领袖和负责人带来的宽松环境。
Jeff Dean
可以想象，如果是一个商学院毕业的职业经理人，一个 MBA 出身的高管接管了 Google Brain，团队一定是另一番境况。
但是最近几年，Google 内部的经管团队越来越多地插手 Google Brain。
一方面，互联网的大环境和 AI 研究的竞争压力，逼迫 Google 意识到必须为 Google Brain 制定更加细节和具体的方向和目标。
另一方面，行业内逐渐认可了机器学习的价值，区别于数年前没人知道机器学习能带来怎样的价值，越来越多的机器学习研究成果给产业带来了实实在在的产品进步，管理产品的人们自然希望得到更多。相对的，这意味着研究团队自由探索的空间收窄了。
曾经 Google 研究员的考核和晋升标准与研究的商业价值无关，但现在，Google 会更加重视研究能够带来的商业化价值，对于曾经被承诺自由探索的研究员们来说，自由正在离他们远去，很快他们的学术价值，会慢慢变成为我们更加熟悉的「大厂打工人」的价值。
曾经最强
可现在呢？
GPT-4 发布时，很多人调侃到人类遇到了「存在危机」。
「我们的存在是虚无、荒谬的，还是真的有什么价值？」
事实上，这样的问题对于 Google Brain 团队内的研究员们来说，是一个更加现实的问题，LLM 的成功导致很多深度学习和 AI 的研究变得不再被重视。他们漫长无期的 AGI 理想，似乎在别人手里有了触手可及的明确路径。
不只是大语言模型。
Google 一度领先业界超过 10 年，TensorFlow 和 TPU 都是标杆级别的产品，一度被认为是行业最大的希望。
但现在，PyTorch 和黄仁勋的 GPU，显然拥有远超 Google 的行业价值。
耗费大量资金成本，积累多年的深度学习，它建立的领先优势正在迅速扁平化。
进击的Google
守不住家了
这几年，Google AI 研究的催化剂理论正在失效。
一方面，机器学习给产业带来经济效益，是一件行业已有共识的事情。Google 不再像以前一样，可以轻松进入一个新的领域，带来革命性的效率迭代。
另一方面，微软和 OpenAI 的联盟，其他巨头对 AI 和机器学习的重视，也意味着 Google 在横向拓展时面临着近乎红海的竞争压力。
在这样的背景下，Google 已经从过去的「进攻」转为了「防守」。进攻性质的原创研究被大量叫停，研究者被调派到防御性质的项目上，维持核心领域的研究领先。
很多研究者因为这样的调派，选择离开 Google。
此时此刻 Google 全面转向大模型研究，也许会导致同样的问题。
不只是业务层面，人才方面也存在问题。
Google Brain 过去的研究项目包括：医学影像、天气建模、神经成像、DNA 变异检测、音乐艺术、蛋白质等等，这些都是基于深度学习向其他领域探索的研究。
这些跨学科研究有一个前提，它们往往需要更懂专业领域的人，而不只是深度学习专家。其他领域卓越的研究者，掌握深度学习的成本相对较低，远远低于深度学习专家去学习生物/化学/医学/气象/艺术......
Google 的高管们很难理解这个问题，Google Brain 招聘了大量刚刚拿到博士学位的机器学习专家，但他们很难拓展 Google 的研究边界。这导致了现在 Google Brain 研究在跨学科领域越来越难以取得突破。
同样的道理，专业领域的公司寻找机器学习的高端人才，越来越不是一件难事，更何况 Google 早就教给他们机器学习的重要性。
不止针对 Google
AI Lab 在大企业中的定位到底是什么？ 既搞科研又落地产品（最好还能赚到钱）才是 AI Lab 的终极目标？ 公司 CTO 与首席科学家应该谁领导谁？ AI Lab 里的科学家最终出路在哪？ 离职创业成为下一个企业家，或者回归学术，或者还有更好的方向？
如果你是 AI 领域的科学研究人员，欢迎加入我们的 AGI 交流群，对这个问题进行深入探讨（入群二维码在文章底部）。
AGI 通用人工智能的到来，给所有行业都来了一些新机会和变革。
对于早已开始利用 AI 进行蛋白质合成、新药发现等研究的生命科学领域来说，有了大模型的助力，整个领域的技术发展突然被加速，生产力和生产关系迎来了新的变革。
大模型会如何推动新药研发领域的技术进步？很多难以攻克的疾病是不是有了新的希望？生物大模型跟我们了解的通用大模型区别在哪里？中国会有自己的生物大模型吗……
4 月 28 日，本周五晚 20:00，Founder Park 直播间，极客公园创始人&总裁 张鹏，将与百图生科联合创始人& CEO 刘维、深势科技创始人&CEO 孙伟杰，一起探讨大模型会如何改变生命科学。
关注 Founder Park，我们将持续推出更全面更深度的大模型相关讨论与报道。
如果你有投身大模型创业的想法，欢迎加入我们的大模型相关领域交流群，来一起探讨大模型时代创业的共识和认知。
长按识别二维码填写入群申请表
在 ChatGPT 发布后，我们迎来了一个全新的创业时代，似乎又回到了移动互联网早期——大量产品的方向和定义还不清楚的时代，我们希望把更多愿意思考和有创业意向的人聚集在一起，连接更多大模型领域的 doer（实干家），让更多有价值的认知在这里流动、碰撞、凝结，孵化出更多优秀的产品和项目。
Founder Park 计划搭建一个大模型相关领域的交流社区，面向有志于在大模型相关领域创业的创业者、产品经理、工程师、学者及投资人，围绕大模型相关创业的新项目、新赛道进行交流探讨。
在这里，你可以获得大模型相关领域的最新动态、高质量的对话交流，结识更多高净值的创业人群，同时，极客公园也会为优秀的项目提供资金、人才及其他资源的支持。