（圖片來(lái)源：pixabay）

本文經(jīng)機(jī)器之心（微信公眾號(hào)：almosthuman2014）授權(quán)轉(zhuǎn)載，禁止二次轉(zhuǎn)載。文章選自高盛報(bào)告，由機(jī)器之心編譯。

不久之前，高盛推出了一份講解人工智能生態(tài)的重磅報(bào)告（共 99 頁(yè)）。報(bào)告從最基本的人工智能概念開(kāi)始，主要內(nèi)容包括人工智能所能變革的行業(yè)、人工智能生態(tài)、使用案例、背后的主要驅(qū)動(dòng)者（谷歌、亞馬遜、英偉達(dá)、百度等）等，并附有高盛調(diào)查得到的 150 多家人工智能與機(jī)器學(xué)習(xí)公司列表。機(jī)器之心編譯了報(bào)告的主要部分。

人工智能（AI）是信息時(shí)代的尖端技術(shù)。在最新的「創(chuàng)新簡(jiǎn)介」（Profiles in Innovation）系列文章中，我們將對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的進(jìn)展進(jìn)行研究考察。

在和更強(qiáng)大的計(jì)算資源以及不斷擴(kuò)增的數(shù)據(jù)結(jié)合以后，一些非相關(guān)行業(yè)的公司也能夠接觸到人工智能了。AI-as-a-service 的發(fā)展有可能開(kāi)辟一塊新的市場(chǎng)并打破云計(jì)算的市場(chǎng)。我們相信，在接下來(lái)幾年，一個(gè)公司利用人工智能技術(shù)的能力將成為體現(xiàn)公司競(jìng)爭(zhēng)力的一個(gè)屬性，同時(shí)這種能力也將帶來(lái)生產(chǎn)率的復(fù)蘇。

人工智能是信息時(shí)代的尖端技術(shù)。從人類建立起需要指導(dǎo)控制才能運(yùn)行的計(jì)算機(jī)，到計(jì)算機(jī)擁有可以自己去學(xué)習(xí)的能力，這一飛躍對(duì)各行各業(yè)都產(chǎn)生了巨大的影響。雖然此時(shí)此刻可能是下一個(gè) AI 冬季（圖8）到來(lái)之前的「給予承諾又讓人失望」的周期，但這些投資和新技術(shù)至少會(huì)給我們帶來(lái)有形的機(jī)器學(xué)習(xí)生產(chǎn)力的經(jīng)濟(jì)利益。

與此同時(shí)，人工智能、機(jī)器人和無(wú)人駕駛汽車已經(jīng)成為了流行文化甚至是政治話語(yǔ)的前沿。而且我們?cè)谶^(guò)去一年的研究使我們相信這不是一個(gè)錯(cuò)誤的開(kāi)始，而是一個(gè)拐點(diǎn)。正如我們將在本報(bào)告中探討的那樣，這個(gè)變化的原因有顯而易見(jiàn)的（更快更強(qiáng)的計(jì)算資源和爆炸式增長(zhǎng)的數(shù)據(jù)庫(kù)），也有細(xì)致入微（深度學(xué)習(xí)，專有硬件和開(kāi)源的崛起）的。

這個(gè) AI 拐點(diǎn)（AI inflection）中更令人興奮的一個(gè)方面是「現(xiàn)實(shí)世界」的使用案例比比皆是。雖然深度學(xué)習(xí)使計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理等技術(shù)有了顯著的提高，比如蘋果公司的 Siri，亞馬遜的 Alexa 和 Google 的圖像識(shí)別，但是 AI 不僅僅是「科技技術(shù)」（tech for tech），也就是大數(shù)據(jù)集與足夠強(qiáng)大的技術(shù)相結(jié)合的情況下，價(jià)值正在被慢慢創(chuàng)建，競(jìng)爭(zhēng)優(yōu)勢(shì)也變得越來(lái)越明顯。

例如，在醫(yī)療保健中，圖像識(shí)別技術(shù)可以提高癌癥診斷的準(zhǔn)確性。在農(nóng)業(yè)中，農(nóng)民和種子生產(chǎn)商可以利用深度學(xué)習(xí)技術(shù)來(lái)提高作物產(chǎn)量。在制藥業(yè)中，深度學(xué)習(xí)可以用于改善藥物的研發(fā)。在能源方面，勘探效率正在提高，設(shè)備可用性正在不斷增強(qiáng)。在金融服務(wù)方面，通過(guò)開(kāi)辟新的數(shù)據(jù)集，實(shí)現(xiàn)更快的分析，從而降低成本，提高回報(bào)。AI 現(xiàn)在還處于發(fā)現(xiàn)其可被利用場(chǎng)景的早期階段，這些必要的技術(shù)會(huì)通過(guò)基于云的服務(wù)實(shí)現(xiàn)大眾化、平等化，我們相信隨之而來(lái)的創(chuàng)新浪潮將在每個(gè)行業(yè)中創(chuàng)造新的贏家和輸家。

AI 的廣泛應(yīng)用讓我們得出了一個(gè)結(jié)論：它是一種可以變革全球經(jīng)濟(jì)的技術(shù)，是提高生產(chǎn)力并結(jié)束美國(guó)生產(chǎn)率停滯增長(zhǎng)的驅(qū)動(dòng)力。結(jié)合 GS 首席經(jīng)濟(jì)學(xué)家 Jan Hatzius 的研究，我們明確了資本深化目前的停滯及其對(duì)美國(guó)生產(chǎn)率的相關(guān)影響。我們相信，AI 技術(shù)將會(huì)驅(qū)動(dòng)生產(chǎn)力的提高，就像 20 世紀(jì) 90 年代那樣，驅(qū)動(dòng)企業(yè)投資更多的資本和勞動(dòng)密集型項(xiàng)目，加快發(fā)展的腳步，提高盈利能力以及提高股票的估值。

啟示

雖然我們看到了人工智能可以及時(shí)地影響到每個(gè)公司、行業(yè)和一部分經(jīng)濟(jì)，但對(duì)投資者而言，我們認(rèn)為這其中有四個(gè)影響最為顯著。

生產(chǎn)率。AI 和機(jī)器學(xué)習(xí)具有激發(fā)生產(chǎn)率增長(zhǎng)周期的潛力，這會(huì)有利于經(jīng)濟(jì)的增長(zhǎng)，提升企業(yè)的盈利能力，資本回報(bào)率和資產(chǎn)估值。根據(jù) GS 首席經(jīng)濟(jì)學(xué)家 Jan Hatzius 所說(shuō)：「大體上而言，AI 看起來(lái)似乎比上一次創(chuàng)新浪潮更有可能在統(tǒng)計(jì)數(shù)據(jù)中捕捉到更有價(jià)值的東西，人工智能可以降低成本，減少對(duì)高附加值生產(chǎn)類型的勞動(dòng)投入。舉個(gè)例子，這些在商業(yè)部門成本節(jié)約上的創(chuàng)新可能比在 iPhone 中增加應(yīng)用程序的可用性和多用性更利于統(tǒng)計(jì)學(xué)家去捕獲有價(jià)值的東西?？紤]人工智能對(duì)商業(yè)部門的成本結(jié)構(gòu)的廣泛影響，我有理由相信它會(huì)被統(tǒng)計(jì)學(xué)家接受，并且會(huì)出現(xiàn)在整體生產(chǎn)力數(shù)據(jù)中?！?/p>

尖端技術(shù)。AI 和機(jī)器學(xué)習(xí)在速度上的價(jià)值有利于構(gòu)建一種在建設(shè)數(shù)據(jù)中心和網(wǎng)絡(luò)服務(wù)時(shí)讓硬件更便宜的趨勢(shì)。我們認(rèn)為這可能推動(dòng)硬件，軟件和服務(wù)支出的市場(chǎng)份額的大幅度改變。例如，在「標(biāo)準(zhǔn)」數(shù)據(jù)中心計(jì)算資源上運(yùn)行的 AWS 工作負(fù)載的成本低至 $ 0.0065 /小時(shí)，而在使用 AI 優(yōu)化過(guò)的 GPU 上運(yùn)行的成本為 0.900 美元一小時(shí)。

競(jìng)爭(zhēng)優(yōu)勢(shì)。我們看到了 AI 和機(jī)器學(xué)習(xí)具有重新調(diào)整每個(gè)行業(yè)的競(jìng)爭(zhēng)秩序的潛力。未能投資和利用這些技術(shù)的管理團(tuán)隊(duì)在和受益于戰(zhàn)略智能的企業(yè)競(jìng)爭(zhēng)時(shí)，有很大可能會(huì)被淘汰掉，因?yàn)檫@些技術(shù)可以讓企業(yè)的生產(chǎn)力提高，并為它們創(chuàng)造資本效益。在第 41 頁(yè)開(kāi)始的短文中，我們將研究這些競(jìng)爭(zhēng)優(yōu)勢(shì)是如何在醫(yī)療保健、能源、零售、金融和農(nóng)業(yè)等領(lǐng)域發(fā)展起來(lái)的。

創(chuàng)辦新公司。我們發(fā)現(xiàn)了 150 多家在過(guò)去十年中創(chuàng)建的人工智能和機(jī)器學(xué)習(xí)公司（附錄 69-75）。雖然我們相信人工智能的大部分價(jià)值都掌握在具有資源、數(shù)據(jù)和投資能力的大公司手中，但我們也期望風(fēng)險(xiǎn)投資家、企業(yè)家和技術(shù)專家可以繼續(xù)推動(dòng)新公司的創(chuàng)立，從而促進(jìn)實(shí)質(zhì)性的創(chuàng)新和價(jià)值創(chuàng)造，即使最后創(chuàng)業(yè)公司會(huì)被收購(gòu)。當(dāng)然我們也不能忽視人工智能巨頭（人工智能領(lǐng)域的谷歌或 Facebook）的出現(xiàn)。

在接下來(lái)的篇幅中，我們將深入探討 AI 的技術(shù)，歷史，機(jī)器學(xué)習(xí)的生態(tài)系統(tǒng)以及這些技術(shù)在行業(yè)和領(lǐng)頭公司中的應(yīng)用。

什么是人工智能？

人工智能是做出能夠以人類智能的方式學(xué)習(xí)并解決問(wèn)題的智能機(jī)器和計(jì)算機(jī)程序的理工科。傳統(tǒng)而言，該領(lǐng)域包括自然語(yǔ)言處理與翻譯、視覺(jué)感知與模式識(shí)別，以及決策制定。但該領(lǐng)域以及應(yīng)用的復(fù)雜度都在急劇擴(kuò)展。

在此報(bào)告中，我們的大部分分析集中在機(jī)器學(xué)習(xí)（人工智能的一個(gè)分支）與深度學(xué)習(xí)（機(jī)器學(xué)習(xí)的分支）上。我們強(qiáng)調(diào)兩點(diǎn)：

簡(jiǎn)言之，機(jī)器學(xué)習(xí)是從樣本和經(jīng)驗(yàn)（即數(shù)據(jù)集）中進(jìn)行學(xué)習(xí)的算法，而不是依靠硬編碼和預(yù)先定義的規(guī)則。換言之，也就是開(kāi)發(fā)者不再告訴程序如何區(qū)分蘋果和橘子，而是向算法輸入數(shù)據(jù)（訓(xùn)練），然后自己學(xué)習(xí)如何區(qū)分蘋果和橘子。

深度學(xué)習(xí)的重大發(fā)展是人工智能拐點(diǎn)背后的主要驅(qū)動(dòng)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集。在大部分傳統(tǒng)的機(jī)器學(xué)習(xí)方法中，特征（即有預(yù)測(cè)性的輸入或?qū)傩裕┯扇藖?lái)設(shè)計(jì)。特征工程是一大瓶頸，需要大量的專業(yè)知識(shí)。在無(wú)監(jiān)督學(xué)習(xí)中，重要特征并非由人預(yù)定義，而是由算法學(xué)習(xí)并創(chuàng)造。

為了更加明了，我們不注重真人工智能、強(qiáng)人工智能或通用人工智能這樣的概念，它們意味著復(fù)制人類智能，也經(jīng)常出現(xiàn)在流行文化中。雖然已經(jīng)有了一些有潛力的突破，比如谷歌 DeepMind 的 AlphaGo 系統(tǒng)，我們還是更注重立即有實(shí)在經(jīng)濟(jì)的人工智能發(fā)展。

為何人工智能發(fā)展加速？

深度學(xué)習(xí)能力的極大發(fā)展是如今人工智能拐點(diǎn)背后的催化劑之一。深度學(xué)習(xí)的底層技術(shù)框架——神經(jīng)網(wǎng)絡(luò)，已經(jīng)存在了數(shù)十年，但過(guò)去 5 到 10 年的 3 種東西改變了深度學(xué)習(xí)：

1. 數(shù)據(jù)。隨著全球設(shè)備、機(jī)器和系統(tǒng)的連接，大量的無(wú)結(jié)構(gòu)數(shù)據(jù)被創(chuàng)造出來(lái)。神經(jīng)網(wǎng)絡(luò)有了更多的數(shù)據(jù)，就變得更為有效，也就是說(shuō)隨著數(shù)據(jù)量增加，機(jī)器學(xué)習(xí)能夠解決的問(wèn)題也增加。手機(jī)、IoT 、低成本數(shù)據(jù)存儲(chǔ)和處理（云）技術(shù)的成熟使得可用數(shù)據(jù)集的大小、結(jié)構(gòu)都有了極大增長(zhǎng)。例如，特斯拉收集了 780mn 英里的駕駛數(shù)據(jù)，而且通過(guò)他們的互連汽車，每 10 小時(shí)就能增加 100 萬(wàn)英里的數(shù)據(jù)。此外，Jasper 有一個(gè)平臺(tái)，能讓多家汽車制造商和電信公司進(jìn)行機(jī)器間的交流，這家公司于今年 2 月份被 Cisco 收購(gòu)。Verizon 在 8 月份做了類似的投資，宣布收購(gòu) Fleetmatics，F(xiàn)leetmatics 做的是將汽車上的遠(yuǎn)程傳感器通過(guò)無(wú)線網(wǎng)絡(luò)連接到云軟件。未來(lái)，5G 網(wǎng)絡(luò)的上線將會(huì)加速數(shù)據(jù)生成與傳輸?shù)乃俾?。?jù) IDC 的 Digital Universe Report 顯示，年度數(shù)據(jù)生成預(yù)期到 2020 年達(dá)到 44zettabytes，表明我們正在見(jiàn)證應(yīng)用這些技術(shù)的使用案例。

圖 1：年度數(shù)據(jù)生成預(yù)期到 2020 年達(dá)到 44zettabytes

2. 更快的硬件。GPU 的再次使用、低成本計(jì)算能力的普遍化，特別是通過(guò)云服務(wù)，以及建立新的神經(jīng)網(wǎng)絡(luò)模型，已經(jīng)極大的增加了神經(jīng)網(wǎng)絡(luò)產(chǎn)生結(jié)果的速度與準(zhǔn)確率。GPU 和并行架構(gòu)要比傳統(tǒng)的基于數(shù)據(jù)中心架構(gòu)的 CPU 能更快的訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)。通過(guò)使用圖像芯片，網(wǎng)絡(luò)能更快的迭代，能在短期內(nèi)進(jìn)行更準(zhǔn)確的訓(xùn)練。同時(shí)，特制硅的發(fā)展，比如微軟和百度使用的 FPGA，能夠用訓(xùn)練出的深度學(xué)習(xí)系統(tǒng)做更快的推斷。另外，從 1993 年開(kāi)始超級(jí)計(jì)算機(jī)的原計(jì)算能力有了極大發(fā)展（圖 2）。在 2016 年，單張英偉達(dá)游戲顯卡就有了類似于 2002 年之前最強(qiáng)大的超級(jí)計(jì)算機(jī)擁有的計(jì)算能力。

圖 2：全球超級(jí)計(jì)算機(jī)的原計(jì)算性能，以 GFLOPs 測(cè)試

成本也有了極大的降低。英偉達(dá) GPU（GTX 1080）有 9 TFLOPS 的性能，只要 700 美元，意味著每 GFLOPS 只要 8 美分。在 1961 年，串夠 IBM 1620s 每提供 1 GFLOPS 需要的錢超過(guò) 9 萬(wàn)億。

圖 3：每單位計(jì)算的價(jià)格有了極大下降

3. 更好、更普遍可用的算法。更好的輸入（計(jì)算和數(shù)據(jù)）使得更多的研發(fā)是面向算法，從而支持深度學(xué)習(xí)的使用。例如伯克利的 Caffe、谷歌的 TensorFlow 和 Torch 這樣的開(kāi)源框架。比如，剛開(kāi)源一周年的 TensorFlow，成為了 GitHub 上有最多 forked repositories 的框架。雖然不是所有的人工智能發(fā)生于普遍可用的開(kāi)源框架中，但開(kāi)源確實(shí)在加速發(fā)展，而且也有更多先進(jìn)的工具正在開(kāi)源。

方向

雖然本報(bào)告的重點(diǎn)是人工智能的發(fā)展方向以及公司如何把握這個(gè)方向，但是了解人工智能對(duì)我們生活的影響程度也是很重要的。

在線搜索。就在一年多以前，谷歌透露，它們已經(jīng)開(kāi)始將大量的搜索工作移植到了 RankBrain（一個(gè)人工智能系統(tǒng)），使其和鏈接（links）以及內(nèi)容（content）成為了谷歌搜索算法的三個(gè)最重要的標(biāo)志。

推薦引擎。Netflix，亞馬遜 和 Pandora 都在使用人工智能來(lái)確定推薦什么樣的電影和歌曲，突出哪些產(chǎn)品。5 月，亞馬遜開(kāi)源了它們的深度可擴(kuò)展稀疏傳感網(wǎng)絡(luò)引擎（the Deep Scalable Sparse Tensor Network Engine（DSSTNE），簡(jiǎn)稱「Destiny」），它被用于產(chǎn)品推薦，同時(shí)可以被擴(kuò)展以實(shí)現(xiàn)超越語(yǔ)言和語(yǔ)言理解以及異議識(shí)別的目的。

人臉識(shí)別。Google（FaceNet）和 Facebook（DeepFace）都投入了大量的技術(shù)來(lái)確定您的照片中的人臉和真實(shí)的人臉是不是幾乎完全吻合。1 月，蘋果采取了進(jìn)一步措施，購(gòu)買了 Emotient（一個(gè)致力于通過(guò)讀取人的面部表情來(lái)確定其情緒狀態(tài)的 AI 創(chuàng)業(yè)公司）顯然，這些技術(shù)遠(yuǎn)遠(yuǎn)不止于對(duì)照片進(jìn)行標(biāo)記。

雖然個(gè)人助理應(yīng)用產(chǎn)品有無(wú)數(shù)的用戶，比如蘋果的 Siri，信用貸，保險(xiǎn)風(fēng)險(xiǎn)評(píng)估，甚至天氣預(yù)測(cè)。在接下來(lái)的篇幅中，我們探討企業(yè)該如何使用這些技術(shù)來(lái)加速增長(zhǎng)，降低成本和控制風(fēng)險(xiǎn)。從這些技術(shù)及其使用這些技術(shù)的應(yīng)用的發(fā)展速度來(lái)看，它們充其量不過(guò)可以為公司和投資者提供一些方向，以保持他們的競(jìng)爭(zhēng)力。

加強(qiáng)未來(lái)的生產(chǎn)率

美國(guó)的勞動(dòng)生產(chǎn)率在 90 年代中期的快速增長(zhǎng)和過(guò)去十年的緩慢增長(zhǎng)和之后，近年來(lái)已經(jīng)停止增長(zhǎng)了。我們認(rèn)為，就像 20 世紀(jì) 90 年代互聯(lián)網(wǎng)技術(shù)被廣泛采用那樣，消費(fèi)類機(jī)器學(xué)習(xí)和人工智能的擴(kuò)散有可能大幅度地改變?nèi)虍a(chǎn)業(yè)的生產(chǎn)范式。

在整個(gè)行業(yè)中，我們發(fā)現(xiàn)在自動(dòng)化的促使下，勞動(dòng)時(shí)間減少了約 0.5％-1.5％，同時(shí)，由于 AI / ML 技術(shù)帶來(lái)的效率增益，到 2025 年，這些技術(shù)將對(duì)生產(chǎn)力增長(zhǎng)產(chǎn)生高達(dá) 51-1154 個(gè)基點(diǎn)（bps）的影響。雖然我們期望 AI / ML 可以隨著時(shí)間同時(shí)提高生產(chǎn)率的分母和分子，不過(guò)我們認(rèn)為最重要的是，早期的影響將是低工資任務(wù)的自動(dòng)化，即以更少的勞動(dòng)時(shí)間推動(dòng)類似的產(chǎn)出增長(zhǎng)水平。我們的基本案例 AI / ML 驅(qū)動(dòng)提高了 97 個(gè)基點(diǎn)，這意味著 2025 年的增長(zhǎng)生產(chǎn)率中的 1.61％ 將由 IT 貢獻(xiàn)，比 1995 - 2004 年高出 11 個(gè)基點(diǎn)（圖 9,10）。

圖 9：生產(chǎn)力分析；單位百萬(wàn)美元，假設(shè) 2019 年之后 GDP 線性增長(zhǎng)

生態(tài)系統(tǒng)：云服務(wù)，開(kāi)源在未來(lái)的 AI 投資周期中的關(guān)鍵受益人

我們相信，在未來(lái)的幾年中，一個(gè)公司利用人工智能技術(shù)的能力將成為體現(xiàn)公司在所有主要行業(yè)競(jìng)爭(zhēng)力的一個(gè)屬性。雖然戰(zhàn)略會(huì)因公司規(guī)模和行業(yè)而有所不同，但如果管理團(tuán)隊(duì)不會(huì)把重心放在領(lǐng)導(dǎo)人工智能和在此基礎(chǔ)上的利益上，那么未來(lái)產(chǎn)品創(chuàng)新、勞動(dòng)效率和資本杠桿都會(huì)存在落后的風(fēng)險(xiǎn)。因此，我們認(rèn)為公司需要投資這些新技術(shù)以保持競(jìng)爭(zhēng)力，同時(shí)這將導(dǎo)致對(duì)人工智能所以依賴的人才、服務(wù)和硬件的空前的需求。

作為比較，20 世紀(jì) 90 年代技術(shù)驅(qū)動(dòng)的生產(chǎn)力繁榮推動(dòng)了相應(yīng)的激增。增加對(duì)技術(shù)的資本支出導(dǎo)致了新的企業(yè)和業(yè)務(wù)的增加來(lái)捕獲這些資本支出。在不可避免的行業(yè)整合發(fā)生之前，成立軟件、硬件和網(wǎng)絡(luò)公司開(kāi)始發(fā)生轉(zhuǎn)變。下圖 13 突出了軟件行業(yè)內(nèi)的這種模式。在 1995 - 1999 年期間，在通貨膨脹調(diào)整后，市值在 20 億美元到 50 億美元之間的公共軟件公司的數(shù)量幾乎增加了兩倍，在 2000 年代中期才得到鞏固。

圖 13：伴隨 20 世紀(jì) 90 年代生產(chǎn)力激增的驅(qū)動(dòng)者生態(tài)系統(tǒng)（enabler ecosystem）

圖 14：這十年來(lái)，投資人工智能的風(fēng)險(xiǎn)資本出現(xiàn)了暴增

我們看到了由 AI 驅(qū)動(dòng)的生產(chǎn)率具有產(chǎn)生下一個(gè)相似的繁榮周期的潛力，可以通過(guò)利用這些潛力，把軟件、硬件、數(shù)據(jù)和服務(wù)提供商作為商業(yè)投資來(lái)創(chuàng)造價(jià)值。如上圖 14 所反映的那樣，與 AI 相關(guān)的初創(chuàng)企業(yè)的風(fēng)險(xiǎn)投資在這十年中急劇增加。AI 企業(yè)投資的繁榮現(xiàn)象的巨大潛力也開(kāi)始推動(dòng)整合。尤其是云平臺(tái)對(duì) AI 相關(guān)人才進(jìn)行了大量投入，自 2014 年以來(lái)，谷歌、亞馬遜、微軟和 Salesforce 共進(jìn)行了 17 項(xiàng)與 AI 相關(guān)的收購(gòu)（下圖）。

在上下文中對(duì) AI 和 ML 技術(shù)的發(fā)展和歷史技術(shù)周期的比較中，我們看到了前者的一些益處。與過(guò)去 50 年的其他主要技術(shù)的周期一樣，計(jì)算（和摩爾定律）一直是進(jìn)步的抑制劑和推動(dòng)者。例如，在系統(tǒng)架構(gòu)方面，我們目睹了從大型機(jī)系統(tǒng)轉(zhuǎn)變?yōu)榭蛻舳?服務(wù)器模型的整個(gè)過(guò)程，并且近年來(lái)已經(jīng)開(kāi)始被云/移動(dòng)模式所取代。這種進(jìn)化的驅(qū)動(dòng)因素是計(jì)算能力、存儲(chǔ)容量和帶寬的改進(jìn)。每個(gè)轉(zhuǎn)換都伴隨著應(yīng)用開(kāi)發(fā)的轉(zhuǎn)變，包括各種新編程語(yǔ)言的出現(xiàn)和演變（見(jiàn)圖表 15）和各種可能的應(yīng)用程序各種的類型。如上下文中所提及的一樣，AI 這個(gè)概念已經(jīng)存在幾十年了，其中神經(jīng)網(wǎng)絡(luò)的概念出現(xiàn)在 20 世紀(jì) 60 年代，雖然直到最近幾年，計(jì)算能力才開(kāi)始讓神經(jīng)網(wǎng)絡(luò)能在實(shí)際環(huán)境中使用。我們相信我們正處于 AI 平臺(tái)的早期階段，就如同 20 世紀(jì) 50 年代大型機(jī)才開(kāi)始商業(yè)化到 21 世紀(jì)的智能手機(jī)和云的商業(yè)化。隨著平臺(tái)曲線的變化（我們認(rèn)為它正在發(fā)生），應(yīng)用程序、工具和服務(wù)驅(qū)動(dòng)者（enabler）會(huì)爆炸式增長(zhǎng)，我們將在下面更詳細(xì)地討論。

圖 15：人工智能的發(fā)展可以與歷史上的系統(tǒng)架構(gòu)和編程語(yǔ)言的采用的技術(shù)革命相比，盡管我們認(rèn)為我們目前仍然處在人工智能發(fā)展和應(yīng)用的早期階段

stack 的演變過(guò)程以及和 AI 之間的對(duì)應(yīng)關(guān)系

藍(lán)色 =專有供應(yīng)商，橙色 =開(kāi)源，綠色 =云服務(wù)（注意：一些供應(yīng)商，如 IBM 和 Microsoft 都是專有服務(wù)和云服務(wù)）

圖 17：生產(chǎn)中的機(jī)器學(xué)習(xí)：如何在機(jī)器學(xué)習(xí)管道中利用各種開(kāi)源和云技術(shù)

圖 18：機(jī)器學(xué)習(xí)管道中的關(guān)鍵開(kāi)源項(xiàng)目?？捎玫捻?xiàng)目\支持公司和風(fēng)險(xiǎn)投資

圖表 20：人工智能即服務(wù)（AI-as-a-Service（AI-aaS））概覽：機(jī)器學(xué)習(xí) API 正在被開(kāi)發(fā)以解決水平和垂直使用案例

圖表 21：水平 AI-aaS 產(chǎn)品和定價(jià)：來(lái)自云平臺(tái)的 AI-aaS 產(chǎn)品示例

中國(guó)人工智能現(xiàn)狀

 iResearch 預(yù)測(cè)，2020 年，中國(guó)人工智能市場(chǎng)將從 2015 年的 12 億人民幣增長(zhǎng)至 91 億人民幣。2015 年，約 14 億資本（年增長(zhǎng)率 76%）流入了中國(guó)的人工智能市場(chǎng)。

在政府政策方面，中國(guó)的國(guó)家發(fā)展改革委員會(huì)（發(fā)改委）和其他相關(guān)政府機(jī)構(gòu)于 2016 年 5 月 18 日發(fā)布了《「互聯(lián)網(wǎng)+」人工智能三年行動(dòng)實(shí)施方案》?！斗桨浮分赋隽巳斯ぶ悄茴I(lǐng)域發(fā)展的六大保障措施，包括資金支持、標(biāo)準(zhǔn)體系、知識(shí)產(chǎn)權(quán)保護(hù)、人才培養(yǎng)、國(guó)際合作和組織實(shí)施。《方案》提出，到 2018 年，中國(guó)的人工智能基礎(chǔ)資源與創(chuàng)新平臺(tái)、產(chǎn)業(yè)體系、創(chuàng)新服務(wù)體系、標(biāo)準(zhǔn)化體系應(yīng)基本建立。發(fā)改委期望中國(guó)人工智能產(chǎn)業(yè)整體與國(guó)際同步，系統(tǒng)級(jí)別（system-level）的人工智能技術(shù)和應(yīng)用要位于市場(chǎng)領(lǐng)先位置。

中國(guó)已經(jīng)做出一些重大舉措，而且根據(jù)提及「深度學(xué)習(xí)」和「深度神經(jīng)網(wǎng)絡(luò)」的被引用期刊論文數(shù)量，2014 年，中國(guó)已經(jīng)超越美國(guó)（Exhibit 23）。中國(guó)擁有世界領(lǐng)先的語(yǔ)音和視覺(jué)識(shí)別技術(shù)，其人工智能研究能力也令人印象深刻（Exhibit 24）。百度于 2015 年 11 月發(fā)布的 Deep Speech 2 已經(jīng)能夠達(dá)到 97% 的正確率，并被《麻省科技評(píng)論》評(píng)為 2016 年十大突破科技之一。另外，早在 2014 年香港中文大學(xué)開(kāi)發(fā)的 DeepID 系統(tǒng)就在 LFW 數(shù)據(jù)庫(kù)中達(dá)到了 99.15% 的面目識(shí)別正確率。

Exhibit 23：提到「深度學(xué)習(xí)」或者「深度神經(jīng)網(wǎng)絡(luò)」的期刊文章

Exhibit 24：至少被引用一次的、并提到「深度學(xué)習(xí)」或者「深度神經(jīng)網(wǎng)絡(luò)」的期刊文章

中國(guó)的互聯(lián)網(wǎng)巨頭百度、阿里巴巴和騰訊（BAT）正在領(lǐng)導(dǎo)中國(guó)的人工智能市場(chǎng)，同時(shí)數(shù)以百計(jì)的初創(chuàng)公司也正滲透到這一產(chǎn)業(yè)中，并在各種人工智能細(xì)分市場(chǎng)及應(yīng)用領(lǐng)域建立服務(wù)模型。目前，中國(guó)的人工智能領(lǐng)域包括：

基本服務(wù)，如數(shù)據(jù)資源和計(jì)算平臺(tái)；

硬件產(chǎn)品，如工業(yè)機(jī)器人和服務(wù)機(jī)器人；

智能服務(wù)，如智能客戶服務(wù)和商業(yè)智能；以及

技術(shù)能力，如視覺(jué)識(shí)別和機(jī)器學(xué)習(xí)。

根據(jù) iResearch，目前，語(yǔ)音和視覺(jué)識(shí)別技術(shù)分別占中國(guó)人工智能市場(chǎng)的 60% 和 12.5%。在中國(guó)，所有和人工智能相關(guān)的公司中，71% 專注于開(kāi)發(fā)應(yīng)用。其余的公司專注算法，其中，55% 的公司研究計(jì)算機(jī)視覺(jué)，13% 研究自然語(yǔ)言處理，9% 致力于基礎(chǔ)機(jī)器學(xué)習(xí)。

我們認(rèn)為，人工智能前沿的重要參與者可能會(huì)繼續(xù)來(lái)自美國(guó)和中國(guó)。

百度：

2015 年 9 月，百度「度秘」：聲控人工智能個(gè)人助理（整合進(jìn)百度移動(dòng)搜索應(yīng)用）

2015 年 11 月，百度 DeepSpeech 2：包含一個(gè)大型神經(jīng)網(wǎng)絡(luò)的語(yǔ)音技術(shù)，通過(guò)樣本學(xué)會(huì)將聲音與語(yǔ)詞聯(lián)系起來(lái)

2015 年 12 月，百度無(wú)人車：百度無(wú)人車在北京道路上完成測(cè)試，并在硅谷設(shè)立自動(dòng)駕駛部門（ADU）

2016 年 8 月，百度「DuSee」：為移動(dòng)設(shè)備打造的 AR 平臺(tái)（整合進(jìn)百度搜索和地圖移動(dòng)應(yīng)用），在搜索廣告方面有著廣泛應(yīng)用

2016 年 9 月，百度大腦：官方介紹，百度的人工智能平臺(tái)

2016 年 9 月，Paddle Paddle：百度近期開(kāi)源的深度學(xué)習(xí)工具包

2016 年 10 月，百度移動(dòng)應(yīng)用 8.0：新升級(jí)的移動(dòng)搜索應(yīng)用，內(nèi)含一個(gè)整合了智能搜索和個(gè)性化新聞推薦的系統(tǒng)，其背后采用了人工智能、自然語(yǔ)言處理和深度學(xué)習(xí)技術(shù)

阿里巴巴：

2015 年 7 月，阿里小蜜「阿里小秘書」：虛擬人工智能客服，據(jù)公司 2016 年 10 月報(bào)告，問(wèn)題解決率已達(dá)到 80%

2015 年 8 月，DT PAI：基于阿里云的服務(wù)，用來(lái)處理機(jī)器學(xué)習(xí)過(guò)程，被該公司稱為是中國(guó)的第一個(gè)人工智能平臺(tái)

2016 年 6 月，阿里媽媽光學(xué)字符識(shí)別：該技術(shù)獲得文檔分析與識(shí)別國(guó)際會(huì)議（ICDAR）Robust Reading 比賽第一名

2016 年 8 月，阿里云 ET：一套綜合的人工智能解決方案套件，包括視頻、圖像和語(yǔ)音識(shí)別技術(shù)

騰訊：

2015 年 6 月，優(yōu)圖：騰訊為開(kāi)發(fā)者開(kāi)放了其面部識(shí)別技術(shù)，以及優(yōu)圖科技的其他核心技術(shù)

2015 年 8 月，騰訊 TICS 實(shí)驗(yàn)室：2015 年騰訊設(shè)立的智能計(jì)算和搜索實(shí)驗(yàn)室，專注于四個(gè)方面：搜索、自然語(yǔ)言處理、數(shù)據(jù)挖掘和人工智能

2015 年 9 月，Dreamwriter：騰訊上線中國(guó)第一個(gè)新聞報(bào)道機(jī)器人

2015 年 11 月，WHAT 實(shí)驗(yàn)室：微信-香港科技大學(xué)人工智能聯(lián)合實(shí)驗(yàn)室，于 2015 年 11 月 26 日成立

人工智能生態(tài)：關(guān)鍵參與者

人工智能生態(tài)：使用案例與潛在機(jī)會(huì)

創(chuàng)新人工智能的驅(qū)動(dòng)者：谷歌、亞馬遜

谷歌在做些什么？

谷歌的搜索算法在過(guò)去二十年里進(jìn)展迅速。從 1998 年的 PageRank 到 2015 年的 RankBrain，基于鏈接的網(wǎng)絡(luò)排名已經(jīng)進(jìn)化成人工智能驅(qū)動(dòng)下的查詢匹配系統(tǒng)，后者能夠不斷適應(yīng)那些獨(dú)特的搜索（占谷歌所有搜索的 15%）。在云技術(shù)方面，公司五月份公布了針對(duì)平臺(tái)的定制化硬件加速器方面取得的進(jìn)展，一種定制化的 ASIC，亦即 TPU，這一進(jìn)展對(duì) 2015 年開(kāi)源的機(jī)器學(xué)習(xí)軟件庫(kù) TensorFlow 進(jìn)行了補(bǔ)充。過(guò)去三年中，在與人工智能相關(guān)的收購(gòu)戰(zhàn)中，公司也當(dāng)仁不讓。被收購(gòu)的公司中，最知名的當(dāng)屬 DeepMind，它提升了 Alphabet 的神經(jīng)網(wǎng)絡(luò)功能并已經(jīng)將其應(yīng)用于各種人工智能驅(qū)動(dòng)的項(xiàng)目中。

為何重要？

在搜索中使用算法，谷歌可謂先行者。將自然語(yǔ)言處理應(yīng)用到配備用戶搜索意圖和可欲結(jié)果方面，公司一直處于領(lǐng)先地位，這也不斷加強(qiáng)了公司在該領(lǐng)域的競(jìng)爭(zhēng)優(yōu)勢(shì)。在進(jìn)一步推進(jìn)人工智能領(lǐng)域的融合。在促進(jìn)人工智能一體化（AI integration）方面，公司的開(kāi)源應(yīng)用 TensorFlow 已經(jīng)為其他云平臺(tái)以及研究社區(qū)利用公司資源提供了先例。同時(shí)，谷歌正通過(guò)自身優(yōu)勢(shì)，比如 TPU，充分利用開(kāi)源世界為公司提供競(jìng)爭(zhēng)優(yōu)勢(shì)，盡管其機(jī)器學(xué)習(xí)庫(kù)是開(kāi)源的。因?yàn)?DeepMind, 公司提升了端到端的強(qiáng)化能力；2015 年末擊敗職業(yè)圍棋選手的 AlphaGo。將人工智能帶到更為廣泛的研究社區(qū)，同時(shí)也通過(guò)軟硬件方面的自身優(yōu)勢(shì)進(jìn)行創(chuàng)新，谷歌是最好例子。

亞馬遜在做什么？

亞馬遜正在公司內(nèi)部和云端使用機(jī)器學(xué)習(xí)技術(shù)。2015 年 4 月，公司發(fā)布 Amazon ML，這款機(jī)器學(xué)習(xí)服務(wù)能夠?yàn)閷?duì)云數(shù)據(jù)的使用提供機(jī)器學(xué)習(xí)功能（無(wú)需之前的客戶經(jīng)驗(yàn)）。公司緊隨谷歌的開(kāi)源步伐，今年 5 月開(kāi)源了 DSSTNE，一個(gè)針對(duì)推薦深度學(xué)習(xí)模型的的庫(kù)。通過(guò)改善搜索、定制化產(chǎn)品推薦以及語(yǔ)音識(shí)別、增加有質(zhì)量的產(chǎn)品評(píng)價(jià)，公司內(nèi)部也在使用機(jī)器學(xué)習(xí)改善端到端的用戶體驗(yàn)。

為什么重要？

借助 AWS，亞馬遜成為全球最大的云服務(wù)商，可能也是最成熟的人工智能平臺(tái)。借助 Amazon ML，公司成為作為服務(wù)的人工智能（AI-as-a-service）生態(tài)系統(tǒng)的領(lǐng)先者，將復(fù)雜的推理能力帶到之前幾乎沒(méi)有機(jī)器學(xué)習(xí)經(jīng)驗(yàn)的公司辦公室當(dāng)中。無(wú)需基于定制的復(fù)雜應(yīng)用，AWS 用戶就能使用機(jī)器學(xué)習(xí)訓(xùn)練模型，評(píng)估以及優(yōu)化潛力。亞馬遜推薦引擎使用了機(jī)器學(xué)習(xí)，在匹配用戶意圖以及可欲結(jié)果方面，具有競(jìng)爭(zhēng)優(yōu)勢(shì)，也為公司創(chuàng)造了商機(jī)。公司正更加高效地利用收集到的數(shù)據(jù)合理化用戶購(gòu)物體驗(yàn)，也讓電子商務(wù)體驗(yàn)更具互動(dòng)性。隨著 DSSTNE 的開(kāi)源，亞馬遜也與其他科技巨頭一起，推動(dòng)科技社區(qū)的人工智能進(jìn)步。

蘋果在做什么？

去年，蘋果已經(jīng)成為最活躍的人工智能公司收購(gòu)商，比如 Vocal IQ, Perceptio, Emotient, Turi, 以及 Tuplejump。幾乎同時(shí)收購(gòu)了 Vocal IQ 和 Perceptio，公司請(qǐng)來(lái)了 Johnathan Cohen，當(dāng)時(shí)還是英偉達(dá) CUDA 庫(kù)以及 GPU 加速軟件項(xiàng)目的負(fù)責(zé)人。近期，據(jù)報(bào)道，公司請(qǐng)來(lái) Ruslan Salakhutdinov 擔(dān)任人工智能研究總監(jiān)，這也標(biāo)志著公司人工智能戰(zhàn)略的轉(zhuǎn)型。在此之前，公司最初人工智能成果之一是 Siri , 第一款嵌入移動(dòng)技術(shù)的虛擬助手，2014 年，其語(yǔ)音識(shí)別技術(shù)被移入神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

為什么重要？

直到去年，蘋果已經(jīng)取得相對(duì)專有的機(jī)器學(xué)習(xí)成就；2015 年 10 月，Bloomberg Businessweek 報(bào)道，在大眾消費(fèi)方面，蘋果研究人員還沒(méi)發(fā)過(guò)一篇與人工智能有關(guān)的論文。不過(guò)，這一策略轉(zhuǎn)型多少與新的、與人工智能相關(guān)的雇傭與收購(gòu)有關(guān)，科技記者 Steven Levy 在 Backchannel 的一篇報(bào)道強(qiáng)調(diào)公司已經(jīng)在人工智能領(lǐng)域活躍一段時(shí)間了。特別是，公司收購(gòu) Turi 突出了公司要按規(guī)模推進(jìn)非結(jié)構(gòu)數(shù)據(jù)和推論，以及開(kāi)放給更為廣泛的人工智能研究社區(qū)。這次收購(gòu)，配以基于收購(gòu)公司技術(shù)的較小應(yīng)用，反映出蘋果致力于用這些新技術(shù)創(chuàng)新公司產(chǎn)品。

微軟在做什么？

CEO Satya Nadella 表示，微軟正在大眾化人工智能（democratizing AI）。公司的人工智能和研究團(tuán)隊(duì)（總?cè)藬?shù)大約 5 千多），關(guān)注改變?nèi)祟愺w驗(yàn)和與機(jī)器的互動(dòng)。微軟已經(jīng)積極地將新的、融合人工智能的功能嵌入公司核心服務(wù)中，并在對(duì)話計(jì)算（比如 Cortana）、自然語(yǔ)言處理（SwfitKey）等方面取得進(jìn)展。公司正進(jìn)一步打造基于 GPU 和 FPGA 的云（Azure），在公司所謂的更高水平的人工智能服務(wù)，比如語(yǔ)音識(shí)別、圖片識(shí)別以及自然語(yǔ)言處理當(dāng)中，為機(jī)器學(xué)習(xí)提供動(dòng)力和速度。

為什么重要？

兩個(gè)單詞：人工智能大眾化（democratizing AI）。由于這個(gè)行業(yè)中的公司將研究計(jì)劃甚至庫(kù)開(kāi)放給人工智能研究社區(qū)，微軟發(fā)明了這一表述，用來(lái)解釋許多領(lǐng)先的人工智能創(chuàng)新者的舉動(dòng)。去年，微軟在人工智能領(lǐng)域頗為活躍，正式發(fā)布了產(chǎn)品以及研究計(jì)劃，并宣布了一個(gè)新的人工智能和研究小組（2016 年 9 月下旬）。微軟的 FPGA 表現(xiàn)突出了人工智能可以為普通商業(yè)或個(gè)人帶來(lái)什么；不到十分之一秒，它就翻譯完了整個(gè)維基百科（30 億個(gè)單詞和 500 萬(wàn)條條款）。而且伴隨著虛擬助理 Cortana, Siri, Alexa 以及其他助理之間的競(jìng)爭(zhēng)，進(jìn)一步將人工智能研發(fā)融入廣泛使用的產(chǎn)品中去，通過(guò)產(chǎn)品進(jìn)步吸引客戶似乎是必須的。

Facebook 在做什么？

Facebook 人工智能研究部門（FAIR，2013 年）的策略是在更廣泛的研究社區(qū)背景下研發(fā)技術(shù)。這個(gè)團(tuán)隊(duì)以推進(jìn)無(wú)監(jiān)督表征學(xué)習(xí)（比如，觀察世界、而不是借助人類算法干預(yù)，借助對(duì)抗網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)）的進(jìn)步而為眾人所知。應(yīng)用機(jī)器學(xué)習(xí)部門（AML）在 FAIR 之后成立，聚焦將研究應(yīng)用到公司產(chǎn)品中，時(shí)間限制為月或季度（而不是年）。公司正將機(jī)器學(xué)習(xí)功能應(yīng)用到各種垂直領(lǐng)域中，比如面部識(shí)別，機(jī)器翻譯以及深度文本（DeepText）語(yǔ)言或文本學(xué)習(xí)。

為什么重要？

公司已經(jīng)發(fā)布了多個(gè)無(wú)監(jiān)督學(xué)習(xí)方面的研究成果，隨著機(jī)器學(xué)習(xí)超越從「正確答案」中學(xué)習(xí)，開(kāi)始聚焦獨(dú)立的模式識(shí)別，無(wú)監(jiān)督學(xué)習(xí)已經(jīng)成為一個(gè)重要的焦點(diǎn)領(lǐng)域。無(wú)監(jiān)督學(xué)習(xí)有望去除更多的、與大數(shù)據(jù)有關(guān)的人類成分，公司在 Yann Lecun 的帶領(lǐng)下，正引領(lǐng)該領(lǐng)域的研究。今年五月，公司發(fā)布的 FBLearner FLow 合理化了端到端 UI（從研究到工作流程、實(shí)驗(yàn)管理以及視覺(jué)化和比較輸出）。公司的人工智能項(xiàng)目和工作流程應(yīng)用不限于 AML 成員，公司各部門領(lǐng)域都可以使用借鑒。這樣一來(lái)，公司就可以利用研究部門之外所取得的人工智能進(jìn)步。

Salesforce 在做什么？

在 2014 年和 2015 年，Salesforce 開(kāi)始解釋自己的 Apex 開(kāi)發(fā)平臺(tái)如何可被用在 Salesforce1 云上完成機(jī)器學(xué)習(xí)任務(wù)。從此，該公司開(kāi)始在人工智能上投入更多的資源，收購(gòu)了多家人工智能公司，包括 Minhash、PredictionIO 和 MetaMind。在 9 月份，Salesforce 推出了 Einstein——一個(gè)面向多平臺(tái)的基于人工智能的云計(jì)劃。該計(jì)劃專注于將人工智能融入銷售云、市場(chǎng)云、服務(wù)云、社區(qū)云、IoT 云和 app 云。

為什么重要？

Salesforce Einstein 有潛力促進(jìn)商業(yè)使用數(shù)據(jù)的方式。在銷售云中，該公司希望讓各個(gè)組織通過(guò)預(yù)測(cè)銷售線索得分、洞見(jiàn)機(jī)會(huì)以及自動(dòng)捕捉活動(dòng)來(lái)優(yōu)化銷售機(jī)遇。市場(chǎng)和服務(wù)云將提供預(yù)測(cè)參與度得分，來(lái)分析消費(fèi)者使用情況。還能提供預(yù)測(cè)客戶，從而幫助定位市場(chǎng)，并基于趨勢(shì)和用戶歷史通過(guò)自動(dòng)案例分類更快解決消費(fèi)者服務(wù)事件。Salesforce 用微妙的使用案例將機(jī)器學(xué)習(xí)帶到云中，強(qiáng)調(diào)它對(duì)公司核心競(jìng)爭(zhēng)力的影響。

英偉達(dá)在做什么？

英偉達(dá)已經(jīng)從之前電子游戲 GPU 生產(chǎn)商轉(zhuǎn)型為機(jī)器學(xué)習(xí)應(yīng)用硬件廠商。2015 年年底，公司表示，較之使用傳統(tǒng) CPU，使用了 GPU 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度提升了 10 到 20 倍。盡管英特爾重金投入的 FPGA（作為 GPU 的替代產(chǎn)品）加入硬件市場(chǎng)角逐，但是，GPU 的機(jī)器學(xué)習(xí)應(yīng)用能實(shí)現(xiàn)更加密集的訓(xùn)練。相對(duì)而言，F(xiàn)PGA 可以提供更快、計(jì)算密集程度更低的推理和任務(wù)；這說(shuō)明市場(chǎng)會(huì)根據(jù)實(shí)際應(yīng)用案例區(qū)分對(duì)待。過(guò)去五年，到 2016 年 6 月為止，英偉達(dá)所占 GPU 市場(chǎng)份額已經(jīng)從二分之一上升到近四分之三。

為什么重要？

在人工智能創(chuàng)新公司和學(xué)術(shù)機(jī)構(gòu)中，GPU 加速的深度學(xué)習(xí)一直是許多項(xiàng)目的前沿。英偉達(dá)所占據(jù)的市場(chǎng)份額意味著，隨著人工智能越來(lái)越成為未來(lái)幾年中大型商務(wù)的中心議題，公司可以從中獲益。使用公司產(chǎn)品的一個(gè)例子，俄羅斯的 NTechLab，使用 GPU 加速的深度學(xué)習(xí)框架來(lái)訓(xùn)練面部識(shí)別模型，識(shí)別密集集會(huì)中的個(gè)人，并在 AWS 中利用這些 GPU 進(jìn)行推理。

作為一種選擇，許多大學(xué)也使用英偉達(dá) Tesla 加速器來(lái)模擬可能的抗體突變，這種變異可能會(huì)擊敗進(jìn)化中的伊波拉病毒，將來(lái)研究會(huì)進(jìn)一步關(guān)注流感病毒。

英特爾在做什么？

英特爾的戰(zhàn)略比較獨(dú)特，其使用的案例多種多樣。2016 年年中，公司發(fā)布了第二代 Xeon Phi 產(chǎn)品系列，以其高性能計(jì)算（HPC）能力著稱，它可以讓人工智能擴(kuò)展到更加大型的服務(wù)器網(wǎng)絡(luò)和云端。在硬件不斷進(jìn)步的同時(shí)，公司也下重金投資 FPGA，這主要?dú)w功于其推理速度和靈活的可編程性。英特爾令人矚目的收購(gòu)包括 Nervana（深度學(xué)習(xí)），以及 Altera——該公司將 FPGA 的創(chuàng)新帶入了英特爾。

為什么重要？

英特爾關(guān)注 FPGA 創(chuàng)新補(bǔ)足了英偉達(dá)對(duì) GPU 的關(guān)注。當(dāng)處理大型數(shù)據(jù)庫(kù)（微軟等許多大公司用來(lái)測(cè)試大數(shù)據(jù)分析的邊界），F(xiàn)PGA 能夠提供更加快速的推理速度。在物聯(lián)網(wǎng)的應(yīng)用環(huán)境中，公司也宣布了一個(gè)計(jì)劃，旨在將學(xué)習(xí)技術(shù)融入可穿戴微芯片中（顯然是通過(guò) Xeon Quark）。物聯(lián)網(wǎng)和人工智能的銜接有助于為公司和個(gè)人日常使用案例的數(shù)據(jù)搜集機(jī)制提供機(jī)器學(xué)習(xí)解決方案。

Uber 在做什么？

Uber 正在使用機(jī)器學(xué)習(xí)優(yōu)化 UberX ETA 以及接送地點(diǎn)的準(zhǔn)確性。為了實(shí)現(xiàn)這一點(diǎn)，需要數(shù)百萬(wàn)之前搭乘記錄的數(shù)據(jù)點(diǎn)來(lái)探測(cè)常規(guī)交通模式，從而可以相應(yīng)調(diào)整 ETA/接送地點(diǎn)。今年 9 月，Uber 展開(kāi)了一個(gè)自動(dòng)駕駛試點(diǎn)項(xiàng)目，地點(diǎn)位于匹茲堡，由來(lái)自 CMU 的研究人員（受雇于 Uber）負(fù)責(zé)該項(xiàng)目，很多大型汽車制造商業(yè)參與了進(jìn)來(lái)。該公司還和沃爾沃達(dá)成了一項(xiàng)合作（金額 300 萬(wàn)美元），研發(fā)協(xié)作也為這個(gè)試點(diǎn)項(xiàng)目提供了機(jī)遇。不過(guò)，公司并不止步于小轎車。公司收購(gòu)了一家自動(dòng)卡車創(chuàng)業(yè)公司 Otto，今年十月在科羅拉多，公司試點(diǎn)快遞了 5 萬(wàn)瓶啤酒。

為什么重要？

Uber 的機(jī)器學(xué)習(xí)負(fù)責(zé)人 Danny Lange 在接受 GeekWire 的收集中提及，他們的團(tuán)隊(duì)正在將這種技術(shù)無(wú)縫供給公司的其他團(tuán)隊(duì)，這些團(tuán)隊(duì)無(wú)需具備機(jī)器學(xué)習(xí)背景就可以使用 APIs。這也能讓公司不同部門能高效利用機(jī)器學(xué)習(xí)基礎(chǔ)架構(gòu)，例如，UberX、UberPool、UberEats 以及自動(dòng)駕駛工具都使用到了公司的人工智能技術(shù)。

IBM 在做什么？

IBM 在全球有 3000 多名研究人員。過(guò)去十年，IBM 在認(rèn)知計(jì)算上超過(guò)有 1400 項(xiàng)專利，下一代云上有 1200 項(xiàng)，在硅/納米科學(xué)上有 7200 項(xiàng)專利。IBM Watson 利用自然語(yǔ)言處理機(jī)器學(xué)習(xí)技術(shù)識(shí)別模式，并提供在非結(jié)構(gòu)數(shù)據(jù)上的洞見(jiàn)，據(jù)該公司表示這代表如今所有數(shù)據(jù)的 80%。其他 Watson 產(chǎn)品包括 Virtual Agent，一個(gè)響應(yīng)分析的自動(dòng)消費(fèi)者服務(wù)體驗(yàn)；Explorer，這是一個(gè)分析并連接大量不同數(shù)據(jù)集的工具。

為什么重要？

IBM 一直是該領(lǐng)域的先驅(qū)，有著極大的成就，包括上世紀(jì) 90 年代的 DeepBlue 和 2011 年的 Watson。Watson 的應(yīng)用包括醫(yī)療中的病人治療分析，基于 twitter 數(shù)據(jù)的股票推薦，零售中消費(fèi)者的行為分析，以及對(duì)抗網(wǎng)絡(luò)安全威脅。據(jù)財(cái)富報(bào)道，GM 將 Watson 加入到了汽車中，在 OnStar 系統(tǒng)上結(jié)合了 Watson 的能力。

百度在做什么？

百度的人工智能研究由百度大腦所推進(jìn)。它包含 3 個(gè)元素：1）一個(gè)模擬人類神經(jīng)網(wǎng)絡(luò)的人工智能算法，有著在百十億的樣本上訓(xùn)練的大量參數(shù)；2）能在數(shù)十萬(wàn)臺(tái)服務(wù)器與大量 GPU 集群上進(jìn)行高性能計(jì)算（HPC）的運(yùn)算能力。HPC 能容納更多可擴(kuò)展的深度學(xué)習(xí)算法。百度是首家宣布這種架構(gòu)的公司，并正與 UCLA 合作；3）標(biāo)記數(shù)據(jù)，借此技術(shù)，百度收集到了數(shù)以億計(jì)的網(wǎng)頁(yè)，包括百億的視頻/音頻/圖像內(nèi)容碎片，還有數(shù)十億的搜索請(qǐng)求和百億的定位要求。為特定模型訓(xùn)練一臺(tái)機(jī)器可能需要很高的（exaFLOPS 級(jí)）計(jì)算能力以及 4T 的數(shù)據(jù)。

為什么重要？

人工智能正在改進(jìn)百度全線產(chǎn)品的用戶體驗(yàn)和提升用戶粘性，也在推動(dòng)針對(duì)每一用戶的定制化高質(zhì)量?jī)?nèi)容。建立一個(gè)內(nèi)部平臺(tái)來(lái)運(yùn)行從網(wǎng)頁(yè)搜索到廣告投放的帶有標(biāo)簽數(shù)據(jù)的深度學(xué)習(xí)實(shí)驗(yàn)，能夠預(yù)測(cè)點(diǎn)擊率（CTR），這會(huì)直接影響百度的廣告投放，因此也是它們目前的主要收益。此外，基于人工智能的技術(shù)也能帶來(lái)更高的 CTR，而且每點(diǎn)擊成本的降低也能促進(jìn)變現(xiàn)。