科技公司围绕前沿技术层面的竞争，也会时刻反映在各自股价的变化上：在Google成立后的15年（1998年至2013年）内，微软的股票一点都没有增值，并且在2013年公司市值首次被Google超越。

表面上看，当年的微软是陷入了很多大企业都会遇到的瓶颈：企业文化保守、预算投入有限、管理层缺乏眼光等等。这些判断或许都有一定的道理，但如果究其根本原因，2012年的微软缺少让深度学习释放潜力的业务形态。

当时的微软几乎什么产品都有，个人的、企业的、消费的、商用的、移动的、云端的。微软为自己塑造了技术巨无霸的名头却又困于这个名头，执拗地要在技术领域里的每个地方都插上一脚。但如果扒开层层包裹的外壳，其内核还是一家古老的以销售软件授权作为盈利模式的公司。

深度学习与其他人工智能路线的最大区别，就是它需要海量的算力作为支撑，这就使得微软科学家们几乎无法将产品落地到业务上。比如邓力的研究，就算证明了深度学习能够提高语音识别的效果，但在当时的微软，这样的研究成果很难产生商业回报。以产品为导向的研发文化，会阻碍科学家们对研究课题的长期探索。

04

再回头，已无酷少年

Google作为一家诞生于互联网时代的公司，核心业务本身就需要庞大的服务器来支撑，因此天然与需要海量算力支持的深度学习相契合。Google可贵的一点，在于它较早地认知到深度学习驱动的人工智能技术不会落地为一款软件，它应该是一种服务。

Google Brain围绕深度学习所做的研究，第一个合作项目就是Google语音搜索，且很快就提升了语音识别的准确率。此后，不断有新的产品找到Google Brain团队寻求帮助。无论是自然语言处理、图像识别、语音转文字、机器翻译，Google Brain的每项研究都能够快速在产品端得到验证。

截至2017年，Google内部大大小小的产品几乎都已经被深度学习团队验证了一番。以Google翻译为例，深度学习将英语到西班牙语的翻译准确率提高到 87%，几乎与人类无异。

2015年，Google宣布重组成立新的母公司Alphabet。创始人拉里·佩奇解释称，新公司的名字可以理解为“alpha-bet”，意味着投资回报高于基准。很难想象“投资回报”这个词从佩奇嘴里出现，要知道在Google创立初期，他也曾满怀理想主义，称搜索引擎应该由非盈利机构来运营，才能保证搜索结果客观和准确。

2016年，基于Alphabet命名的AlphaGo横空出世，在围棋领域首次战胜了人类世界冠军，Google在人工智能领域的声誉一时无两。正是在这个背景下，CEO桑达尔·皮查伊在2017年的I/O开发者大会上自信宣布，Google未来将从移动优先（Mobile First）转型为人工智能优先（AI First）的技术公司。