人工智能行業(yè)研究報告

人工智能是信息時代的尖端技術(shù)。從人類建立起需要指

導操縱才能運行的運算機，到運算機擁有能夠自己去學習的

能力，這一飛躍對各行各業(yè)都產(chǎn)生了龐大的阻礙。盡管現(xiàn)在

此刻可能是下一個AI冬季（圖8）到來之前的「給予承諾

又讓人敗興」的周期，但這些投資和新技術(shù)至少會給我們帶

來有形的機器學習生產(chǎn)力的經(jīng)濟利益。

與此同時，人工智能、機器人和無人駕駛汽車差不多成

為了流行文化甚至是政治話語的前沿。而且我們在過去一年

的研究使我們相信這不是一個錯誤的開始，而是一個拐點。

正如我們將在本報告中探討的那樣，那個變化的緣故有顯而

易見的（更快更強的運算資源和爆炸式增長的數(shù)據(jù)庫），也

有細致入微（深度學習，專有硬件和開源的崛起）的。

那個 拐點（ ）中更令人興奮的一個方面

是「現(xiàn)實世界」的使用案例比比皆是。盡管深度學習使運算

機視覺和自然語言處理等技術(shù)有了顯著的提高，比如蘋果公

司的 ，亞馬遜的 和 的圖像識別，然而

不僅僅是「科技技術(shù)」（ ），也確實是大數(shù)

據(jù)集與足夠強大的技術(shù)相結(jié)合的情形下，價值正在被慢慢創(chuàng)

建，競爭優(yōu)勢也變得越來越明顯。

例如，在醫(yī)療保健中，圖像識別技術(shù)能夠提高癌癥診斷

的準確性。在農(nóng)業(yè)中，農(nóng)民和種子生產(chǎn)商能夠利用深度學習

技術(shù)來提高作物產(chǎn)量。在制藥業(yè)中，深度學習能夠用于改善

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。在金融服務方面，通過開創(chuàng)新的數(shù)據(jù)集，實

現(xiàn)更快的分析，從而降低成本，提高回報。 現(xiàn)在還處于發(fā)

覺其可被利用場景的早期時期，這些必要的技術(shù)會通過基于

云的服務實現(xiàn)大眾化、平等化，我們相信隨之而來的創(chuàng)新浪

潮將在每個行業(yè)中制造新的贏家和輸家。

的廣泛應用讓我們得出了一個結(jié)論：它是一種能夠變

革全球經(jīng)濟的技術(shù)，是提高生產(chǎn)力并終止美國生產(chǎn)率停滯增

長的驅(qū)動力。結(jié)合 首席經(jīng)濟學家 的研究，

我們明確了資本深化目前的停滯及其對美國生產(chǎn)率的相關(guān)

阻礙。我們相信， 技術(shù)將會驅(qū)動生產(chǎn)力的提高，就像

世紀 年代那樣，驅(qū)動企業(yè)投資更多的資本和勞動密集型

項目，加快進展的腳步，提高盈利能力以及提高股票的估值。

啟發(fā)

盡管我們看到了人工智能能夠及時地阻礙到每個公司、

行業(yè)和一部分經(jīng)濟，但對投資者而言，我們認為這其中有四

個阻礙最為顯著。

生產(chǎn)率。和機器學習具有激發(fā)生產(chǎn)率增長周期的潛力，

這會有利于經(jīng)濟的增長，提升企業(yè)的盈利能力，資本回報率

和資產(chǎn)估值。依照 首席經(jīng)濟學家 所說：

「大體上而言，看起來看起來比上一次創(chuàng)新浪潮更有可能

在統(tǒng)計數(shù)據(jù)中捕捉到更有價值的東西，人工智能能夠降低成

本，減少對高附加值生產(chǎn)類型的勞動投入。舉個例子，這些

在商業(yè)部門成本節(jié)約上的創(chuàng)新可能比在 中增加應

用程序的可用性和多用性更利于統(tǒng)計學家去捕捉有價值的

東西?？紤]人工智能對商業(yè)部門的成本結(jié)構(gòu)的廣泛阻礙，我

有理由相信它會被統(tǒng)計學家同意，同時會顯現(xiàn)在整體生產(chǎn)力

數(shù)據(jù)中。

尖端技術(shù)。和機器學習在速度上的價值有利于構(gòu)建一

種在建設(shè)數(shù)據(jù)中心和網(wǎng)絡(luò)服務時讓硬件更廉價的趨勢。我們

認為這可能推動硬件，軟件和服務支出的市場份額的大幅度

改變。例如，「標準」

在 數(shù)據(jù)中心運算資源上運行的 工

作負載的成本低至 小時，而在使用 優(yōu)化過的

上運行的成本為 美元一小時。

競爭優(yōu)勢。我們看到了 和機器學習具有重新調(diào)整每

個行業(yè)的競爭秩序的潛力。未能投資和利用這些技術(shù)的治理

團隊在和受益于戰(zhàn)略智能的企業(yè)競爭時，有專門大可能會被

剔除掉，因為這些技術(shù)能夠讓企業(yè)的生產(chǎn)力提高，并為它們

制造資本效益。在第 頁開始的短文中，我們將研究這些

競爭優(yōu)勢是如何在醫(yī)療保健、能源、零售、金融和農(nóng)業(yè)等領(lǐng)

域進展起來的。

創(chuàng)辦新公司。我們發(fā)覺了 多家在過去十年中創(chuàng)建

的人工智能和機器學習公司（附錄 ）。盡管我們相信

人工智能的大部分價值都把握在具有資源、數(shù)據(jù)和投資能力

的大公司手中，但我們也期望風險投資家、企業(yè)家和技術(shù)專

家能夠連續(xù)推動新公司的創(chuàng)立，從而促進實質(zhì)性的創(chuàng)新和價

值制造，即使最后創(chuàng)業(yè)公司會被收購。因此我們也不能忽視

人工智能巨頭（人工智能領(lǐng)域的谷歌或 ）的顯現(xiàn)。

在接下來的篇幅中，我們將深入探討 的技術(shù)，歷史，

機器學習的生態(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習并解決問

題的智能機器和運算機程序的理工科。傳統(tǒng)而言，該領(lǐng)域包

括自然語言處理與翻譯、視覺感知與模式識別，以及決策制

定。但該領(lǐng)域以及應用的復雜度都在急劇擴展。

在此報告中，我們的大部分分析集中在機器學習（人工

智能的一個分支）與深度學習（機器學習的分支）上。我們

強調(diào)兩點：

簡言之，機器學習是從樣本和體會（即數(shù)據(jù)集）中進行

學習的算法，而不是依靠硬編碼和預先定義的規(guī)則。換言之，

也確實是開發(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)訓練）然后自己學習如何區(qū)分蘋果和橘子。

（ ，

深度學習的重大進展是人工智能拐點背后的要緊驅(qū)動。

深度學習是機器學習的一個子集。在大部分傳統(tǒng)的機器學習

方法中，特點（即有推測性的輸入或?qū)傩裕┯扇藖碓O(shè)計。特

點工程是一大瓶頸，需要大量的專業(yè)知識。在無監(jiān)督學習中，

重要特點并非由人預定義，而是由算法學習并制造。

為了更加明了，我們不注重真人工智能、強人工智能或

通用人工智能如此的概念，它們意味著復制人類智能，也經(jīng)

常顯現(xiàn)在流行文化中。盡管差不多有了一些有潛力的突破，

比如谷歌 的 系統(tǒng)，我們依舊更注重趕

忙有實在經(jīng)濟的人工智能進展。

為何人工智能進展加速？

深度學習能力的極大進展是現(xiàn)在人工智能拐點背后的

催化劑之一。深度學習的底層技術(shù)框架——神經(jīng)網(wǎng)絡(luò)，差不

多存在了數(shù)十年，但過去 到 年的 種東西改變了深

度學習：

數(shù)據(jù)。隨著全球設(shè)備、機器和系統(tǒng)的連接，大量

的無結(jié)構(gòu)數(shù)據(jù)被制造出來。神經(jīng)網(wǎng)絡(luò)有了更多的數(shù)據(jù)，

就變得更為有效，也確實是說隨著數(shù)據(jù)量增加，機器學

習能夠解決的問題也增加。手機、 、低成本數(shù)據(jù)儲

備和處理（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。

例如，特斯拉收集了 英里的駕駛數(shù)據(jù)，而

且通過他們的互連汽車，每 小時就能增加 萬

英里的數(shù)據(jù)。此外， 有一個平臺，能讓多家汽

車制造商和電信公司進行機器間的交流，這家公司于今

年 月份被 收購。 在 月份做了類

似的投資，宣布收購 ， 做的

是將汽車內(nèi)的遠程傳感器通過無線網(wǎng)絡(luò)連接到云軟件。

以后， 網(wǎng)絡(luò)的上線將會加速數(shù)據(jù)生成與傳輸?shù)?/p>

速率。據(jù) 的 顯示，年度

數(shù)據(jù)生成預期到 年達到 ，說明我

們正在見證應用這些技術(shù)的使用案例。

圖 ：年度數(shù)據(jù)生成預期到 年達到

更快的硬件。 的再次使用、低成本運算能力的

普遍化，專門是通過云服務，以及建立新的神經(jīng)網(wǎng)絡(luò)模型，

差不多極大的增加了神經(jīng)網(wǎng)絡(luò)產(chǎn)生結(jié)果的速度與準確率。

和并行架構(gòu)要比傳統(tǒng)的基于數(shù)據(jù)中心架構(gòu)的 能

更快的訓練機器學習系統(tǒng)。通過使用圖像芯片，網(wǎng)絡(luò)能更快

的迭代，能在短期內(nèi)進行更準確的訓練。同時，特制硅的進

展，比如微軟和百度使用的 ，能夠用訓練出的深度學

習系統(tǒng)做更快的推斷。另外，從 年開始超級運算機的

原運算能力有了極大進展（圖 ）。在 年，單張英偉

達游戲顯卡就有了類似于 年之前最強大的超級運算

機擁有的運算能力。

圖 ：全球超級運算機的原運算性能，以 測

試

成本也有了極大的降低。英偉達 （ ）有

的性能，只要 美元，意味著每 只

要 美分。在 年，串夠 每提供

需要的錢超過 萬億。

圖 ：每單位運算的價格有了極大下降

更好、更普遍可用的算法。更好的輸入（運算和數(shù)據(jù)）

使得更多的研發(fā)是面向算法，從而支持深度學習的使用。例

如伯克利的 、谷歌的 和 如此的

開源框架。比如，剛開源一周年的 ，成為了

上有最多 的框架。盡管不是所

有的人工智能發(fā)生于普遍可用的開源框架中，但開源確實在

加速進展，而且也有更多先進的工具正在開源。

方向

盡管本報告的重點是人工智能的進展方向以及公司如

何把握那個方向，然而了解人工智能對我們生活的阻礙程度

也是專門重要的。

在線搜索。就在一年多往常，谷歌透露，它們差不多開

始將大量的搜索工作移植到了 （一個人工智能系

統(tǒng)），使其和鏈接（ ）以及內(nèi)容（ ）成為了谷歌

搜索算法的三個最重要的標志。

舉薦引擎。 ，亞馬遜和 都在使用人工

智能來確定舉薦什么樣的電影和歌曲，突出哪些產(chǎn)品。月，

亞馬遜開源了它們的深度可擴展稀疏傳感網(wǎng)絡(luò)引擎（

（ ），

簡稱「 」），它被用于產(chǎn)品舉薦，同時能夠被擴展以

實現(xiàn)超越語言和語言明白得以及異議識別的目的。

人臉識別。 （ ）和 （ ）

都投入了大量的技術(shù)來確定您的照片中的人臉和真實的人

臉是不是幾乎完全吻合。 月，蘋果采取了進一步措施，購

買了 （一個致力于通過讀取人的面部表情來確定其

情緒狀態(tài)的 創(chuàng)業(yè)公司）明顯，這些技術(shù)遠遠不止于對比

片進行標記。

盡管個人助理應用產(chǎn)品有許多的用戶，比如蘋果的 ，

信用貸，保險風險評估，甚至天氣推測。在接下來的篇幅中，

我們探討企業(yè)該如何使用這些技術(shù)來加速增長，降低成本和

操縱風險。從這些技術(shù)及其使用這些技術(shù)的應用的進展速度

來看，它們充其量只是能夠為公司和投資者提供一些方向，

以保持他們的競爭力。

加強以后的生產(chǎn)率

美國的勞動生產(chǎn)率在 年代中期的快速增長和過去

十年的緩慢增長和之后，近年來差不多停止增長了。我們認

為，就像 世紀 年代互聯(lián)網(wǎng)技術(shù)被廣泛采納那樣，消

費類機器學習和人工智能的擴散有可能大幅度地改變?nèi)?/p>

產(chǎn)業(yè)的生產(chǎn)范式。

在整個行業(yè)中，我們發(fā)覺在自動化的促使下，勞動時刻

減少了約 ％ ％，同時，由于 技術(shù)帶來的效

率增益，到 年，這些技術(shù)將對生產(chǎn)力增長產(chǎn)生高達

個基點（ ）的阻礙。盡管我們期望 能

夠隨著時刻同時提高生產(chǎn)率的分母和分子，只是我們認為最

重要的是，早期的阻礙將是低工資任務的自動化，即以更少

的勞動時刻推動類似的產(chǎn)出增長水平。我們的差不多案例

驅(qū)動提高了 個基點，這意味著 年的增長生

產(chǎn)率中的 ％將由 奉獻，比 年高出

個基點（圖 ）。

圖 ：生產(chǎn)力分析；單位百萬美元，假設(shè) 年之后

線性增長

生態(tài)系統(tǒng)：云服務，開源在以后的 投資周期中的關(guān)

鍵受益人

我們相信，在以后的幾年中，一個公司利用人工智能技

術(shù)的能力將成為表達公司在所有要緊行業(yè)競爭力的一個屬

性。盡管戰(zhàn)略會因公司規(guī)模和行業(yè)而有所不同，但假如治理

團隊可不能把重心放在領(lǐng)導人工智能和在此基礎(chǔ)上的利益

上，那么以后產(chǎn)品創(chuàng)新、勞動效率和資本杠桿都會存在落后

的風險。因此，我們認為公司需要投資這些新技術(shù)以保持競

爭力，同時這將導致對人工智能因此依靠的人才、服務和硬

件的空前的需求。

作為比較， 世紀 年代技術(shù)驅(qū)動的生產(chǎn)力繁榮推

動了相應的激增。增加對技術(shù)的資本支出導致了新的企業(yè)和

業(yè)務的增加來捕捉這些資本支出。在不可幸免的行業(yè)整合發(fā)

生之前，成立軟件、硬件和網(wǎng)絡(luò)公司開始發(fā)生轉(zhuǎn)變。下圖

突出了軟件行業(yè)內(nèi)的這種模式。在 年期間，在

通貨膨脹調(diào)整后，市值在 億美元到 億美元之間的公

共軟件公司的數(shù)量幾乎增加了兩倍，在 年代中期才得

到鞏固。

圖 ：相伴 世紀 年代生產(chǎn)力激增的驅(qū)動者生

態(tài)系統(tǒng)（ ）

圖 ：這十年來，投資人工智能的風險資本顯現(xiàn)了暴

增

我們看到了由 驅(qū)動的生產(chǎn)率具有產(chǎn)生下一個相似的

繁榮周期的潛力，能夠通過利用這些潛力，把軟件、硬件、

數(shù)據(jù)和服務提供商作為商業(yè)投資來制造價值。如上圖 所

反映的那樣，與 相關(guān)的初創(chuàng)企業(yè)的風險投資在這十年中

急劇增加。企業(yè)投資的繁榮現(xiàn)象的龐大潛力也開始推動整

合。專門是云平臺對 相關(guān)人才進行了大量投入，自

年以來，谷歌、亞馬遜、微軟和 共進行了 項

與 相關(guān)的收購（下圖）。

在上下文中對 和 技術(shù)的進展和歷史技術(shù)周期

的比較中，我們看到了前者的一些益處。與過去 年的其

他要緊技術(shù)的周期一樣，運算（和摩爾定律）一直是進步的

抑制劑和推動者。

例如，在系統(tǒng)架構(gòu)方面，我們目睹了從大型機系統(tǒng)轉(zhuǎn)變

為客戶端服務器模型的整個過程，同時近年來差不多開始被

云移動模式所取代。這種進化的驅(qū)動因素是運算能力、儲備

容量和帶寬的改進。每個轉(zhuǎn)換都相伴著應用開發(fā)的轉(zhuǎn)變，包

括各種新編程語言的顯現(xiàn)和演變（見圖表 ）和各種可能

的應用程序各種的類型。如上下文中所提及的一樣， 那個

概念差不多存在幾十年了，其中神經(jīng)網(wǎng)絡(luò)的概念顯現(xiàn)在

世紀 年代，盡管直到最近幾年，運算能力才開始讓神經(jīng)

網(wǎng)絡(luò)能在實際環(huán)境中使用。

我們相信我們正處于 平臺的早期時期，就如同

世紀 年代大型機才開始商業(yè)化到 世紀的智能手機

和云的商業(yè)化。隨著平臺曲線的變化（我們認為它正在發(fā)生），

應用程序、工具和服務驅(qū)動者（ ）會爆炸式增長，我

們將在下面更詳細地討論。

圖 ：人工智能的進展能夠與歷史上的系統(tǒng)架構(gòu)和編

程語言的采納的技術(shù)革命相比，盡管我們認為我們目前仍舊

處在人工智能進展和應用的早期時期

的演變過程以及和 之間的對應關(guān)系

藍色 專有供應商，橙色 開源，綠色 云服務（注意：

一些供應商，如 和 差不多上專有服務和云

服務）

圖 ：生產(chǎn)中的機器學習：如何在機器學習管道中利

用各種開源和云技術(shù)

圖 ：機器學習管道中的關(guān)鍵開源項目?？捎玫捻椖?/p>

支持公司和風險投資

圖表 ：人工智能即服務（ （ ））

概覽：機器學習 正在被開發(fā)以解決水平和垂直使用案

例

圖表 ：水平 產(chǎn)品和定價：來自云平臺的

產(chǎn)品示例

中國人工智能現(xiàn)狀

推測， 年，中國人工智能市場將從

年的 億人民幣增長至 億人民幣。 年，

約 億資本（年增長率 ）流入了中國的人工智能市

場。

在政府政策方面，中國的國家進展改革委員會（發(fā)改委）

和其他相關(guān)政府機構(gòu)于 年 月 日公布了《「互

聯(lián)網(wǎng)」人工智能三年行動實施方案》?！斗桨浮分赋隽巳?/p>

工智能領(lǐng)域進展的六大保證措施，包括資金支持、標準體系、

知識產(chǎn)權(quán)愛護、人才培養(yǎng)、國際合作和組織實施?！斗桨浮?/p>

提出，到 年，中國的人工智能基礎(chǔ)資源與創(chuàng)新平臺、

產(chǎn)業(yè)體系、創(chuàng)新服務體系、標準化體系應差不多建立。發(fā)改

委期望中國人工智能產(chǎn)業(yè)整體與國際同步，系統(tǒng)級別

（ ）的人工智能技術(shù)和應用要位于市場領(lǐng)先位

置。

中國差不多做出一些重大舉措，而且依照提及「深度學

習」和「深度神經(jīng)網(wǎng)絡(luò)」的被引用期刊論文數(shù)量， 年，

中國差不多超越美國（ ）。中國擁有世界領(lǐng)先的語

音和視覺識別技術(shù)，其人工智能研究能力也令人印象深刻

（ ）。百度于 年 月公布的

差不多能夠達到 的正確率，并被《麻省科

技評論》評為 年十大突破科技之一。另外，早在

年香港中文大學開發(fā)的 系統(tǒng)就在 數(shù)據(jù)庫中

達到了 的面目識別正確率。

：提到「深度學習」或者「深度神經(jīng)網(wǎng)絡(luò)」的

期刊文章

：至少被引用一次的、并提到「深度學習」或

者「深度神經(jīng)網(wǎng)絡(luò)」的期刊文章

中國的互聯(lián)網(wǎng)巨頭百度、阿里巴巴和騰訊（ ）正在

領(lǐng)導中國的人工智能市場，同時數(shù)以百計的初創(chuàng)公司也正滲

透到這一產(chǎn)業(yè)中，并在各種人工智能細分市場及應用領(lǐng)域建

立服務模型。目前，中國的人工智能領(lǐng)域包括：

差不多服務，如數(shù)據(jù)資源和運算平臺；

硬件產(chǎn)品，如工業(yè)機器人和服務機器人；

智能服務，如智能客戶服務和商業(yè)智能；以及

技術(shù)能力，如視覺識別和機器學習。

依照 ，目前，語音和視覺識別技術(shù)分別占中

國人工智能市場的 和 。在中國，所有和人工智

能相關(guān)的公司中， 用心于開發(fā)應用。其余的公司用心

算法，其中， 的公司研究運算機視覺， 研究自然

語言處理， 致力于基礎(chǔ)機器學習。

我們認為，人工智能前沿的重要參與者可能會連續(xù)來自

美國和中國。

百度：

年 月，百度「度秘」：聲控人工智能個人助理

（整合進百度移動搜索應用）

年 月，百度 ：包含一個大型

神經(jīng)網(wǎng)絡(luò)的語音技術(shù)，通過樣本學會將聲音與語詞聯(lián)系起來

年 月，百度無人車：百度無人車在北京道路

上完成測試，并在硅谷設(shè)立自動駕駛部門（ ）

年 月，百度「 」：為移動設(shè)備打造的

平臺（整合進百度搜索和地圖移動應用），在搜索廣告方面

有著廣泛應用

年 月，百度大腦：官方介紹，百度的人工智能

平臺

年 月， ：百度近期開源的深度

學習工具包

年 月，百度移動應用 ：新升級的移動搜

索應用，內(nèi)含一個整合了智能搜索和個性化新聞舉薦的系統(tǒng)，

其背后采納了人工智能、自然語言處理和深度學習技術(shù)

阿里巴巴：

年 月，阿里小蜜「阿里小秘書」：虛擬人工智

能客服，據(jù)公司 年 月報告，問題解決率已達到

年 月， ：基于阿里云的服務，用來處

理機器學習過程，被該公司稱為是中國的第一個人工智能平

臺

年 月，阿里媽媽光學字符識別：該技術(shù)獲得文

檔分析與識別國際會議（ ） 競賽第

一名

年 月，阿里云 ：一套綜合的人工智能解決

方案套件，包括視頻、圖像和語音識別技術(shù)

騰訊：

年 月，優(yōu)圖：騰訊為開發(fā)者開放了其面部識別

技術(shù)，以及優(yōu)圖科技的其他核心技術(shù)

年 月，騰訊 實驗室： 年騰訊設(shè)立

的智能運算和搜索實驗室，用心于四個方面：搜索、自然語

言處理、數(shù)據(jù)挖掘和人工智能

年 月， ：騰訊上線中國第一個新

聞報道機器人

年 月， 實驗室：微信香港科技大學

人工智能聯(lián)合實驗室，于 年 月 日成立

人工智能生態(tài)：關(guān)鍵參與者

人工智能生態(tài)：使用案例與潛在機會

創(chuàng)新人工智能的驅(qū)動者：谷歌、亞馬遜

谷歌在做些什么？

谷歌的搜索算法在過去二十年里進展迅速。從 年

的 到 年的 ，基于鏈接的網(wǎng)絡(luò)

排名差不多進化成人工智能驅(qū)動下的查詢匹配系統(tǒng)，后者能

夠不斷適應那些專門的搜索（占谷歌所有搜索的 ）。

在云技術(shù)方面，公司五月份公布了針對平臺的定制化硬

件加速器方面取得的進展，一種定制化的 ，亦即 ，

這一進展對 年開源的機器學習軟件庫

進行了補充。過去三年中，在與人工智能相關(guān)的收購戰(zhàn)中，

公司也當仁不讓。

被收購的公司中，最知名的當屬 ，它提升了

的神經(jīng)網(wǎng)絡(luò)功能并差不多將其應用于各種人工智

能驅(qū)動的項目中。

為何重要？

在搜索中使用算法，谷歌可謂先行者。將自然語言處理

應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，這也不斷加強了公司在該領(lǐng)域的競爭優(yōu)勢。

在進一步推進人工智能領(lǐng)域的融合。在促進人工智能一

體化（ ）方面，公司的開源應用 差

不多為其他云平臺以及研究社區(qū)利用公司資源提供了先例。

同時，谷歌正通過自身優(yōu)勢，比如 ，充分利用開源世

界為公司提供競爭優(yōu)勢，盡管其機器學習庫是開源的。

因為 公司提升了端到端的強化能力；

年末擊敗職業(yè)圍棋選手的 。將人工智能帶到更為廣

泛的研究社區(qū)，同時也通過軟硬件方面的自身優(yōu)勢進行創(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)部和云端使用機器學習技術(shù)。

年 月，公司公布 ，這款機器學習服務能夠為

對云數(shù)據(jù)的使用提供機器學習功能（無需之前的客戶體會）。

公司緊隨谷歌的開源步伐，今年 月開源了 ，一

個針對舉薦深度學習模型的的庫。通過改善搜索、定制化產(chǎn)

品舉薦以及語音識別、增加有質(zhì)量的產(chǎn)品評判，公司內(nèi)部也

在使用機器學習改善端到端的用戶體驗。

什么緣故重要？

借助 ，亞馬遜成為全球最大的云服務商，可能也

是最成熟的人工智能平臺。借助 ，公司成為作

為服務的人工智能（ ）生態(tài)系統(tǒng)的領(lǐng)先者，

將復雜的推理能力帶到之前幾乎沒有機器學習體會的公司

辦公室當中。

無需基于定制的復雜應用， 用戶就能使用機器學

習訓練模型，評估以及優(yōu)化潛力。亞馬遜舉薦引擎使用了機

器學習，在匹配用戶意圖以及可欲結(jié)果方面，具有競爭優(yōu)勢，

也為公司制造了商機。公司正更加高效地利用收集到的數(shù)據(jù)

合理化用戶購物體驗，也讓電子商務體驗更具互動性。

隨著 的開源，亞馬遜也與其他科技巨頭一起，

推動科技社區(qū)的人工智能進步。

蘋果在做什么？

去年，蘋果差不多成為最活躍的人工智能公司收購商，

比如 以及 。

幾乎同時收購了 和 ，公司請來了

，當時依舊英偉達 庫以及

加速軟件項目的負責人。

近期，據(jù)報道，公司請來 擔任

人工智能研究總監(jiān)，這也標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 第一款嵌入

移動技術(shù)的虛擬助手， 年，其語音識別技術(shù)被移入神

經(jīng)網(wǎng)絡(luò)系統(tǒng)。

什么緣故重要？

直到去年，蘋果差不多取得相對專有的機器學習成就；

年 月， 報道，在大眾

消費方面，蘋果研究人員還沒發(fā)過一篇與人工智能有關(guān)的論

文。只是，這一策略轉(zhuǎn)型多少與新的、與人工智能相關(guān)的雇

傭與收購有關(guān)，科技記者 在 的

一篇報道強調(diào)公司差不多在人工智能領(lǐng)域活躍一段時刻了。

專門是，公司收購 突出了公司要按規(guī)模推進非結(jié)構(gòu)數(shù)

據(jù)和推論，以及開放給更為廣泛的人工智能研究社區(qū)。這次

收購，配以基于收購公司技術(shù)的較小應用，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？

表示，微軟正在大眾化人工智能

（ ）。公司的人工智能和研究團隊（總?cè)藬?shù)

大約 千多），關(guān)注改變?nèi)祟愺w驗和與機器的互動。微軟

差不多積極地將新的、融合人工智能的功能嵌入公司核心服

務中，并在對話運算（比如 ）、自然語言處理

（ ）等方面取得進展。公司正進一步打造基于

和 的云（ ），在公司所謂的更高水平的人工智

能服務，比如語音識別、圖片識別以及自然語言處理當中，

為機器學習提供動力和速度。

什么緣故重要？

兩個單詞：人工智能大眾化（ ）。由于

那個行業(yè)中的公司將研究打算甚至庫開放給人工智能研究

社區(qū)，微軟發(fā)明了這一表述，用來說明許多領(lǐng)先的人工智能

創(chuàng)新者的舉動。去年，微軟在人工智能領(lǐng)域頗為活躍，正式

公布了產(chǎn)品以及研究打算，并宣布了一個新的人工智能和研

究小組（ 年 月下旬）。

微軟的 表現(xiàn)突出了人工智能能夠為一般商業(yè)或

個人帶來什么；不到十分之一秒，它就翻譯完了整個維基百

科（ 億個單詞和 萬條條款）。而且相伴著虛擬助理

以及其他助理之間的競爭，進一步將人

工智能研發(fā)融入廣泛使用的產(chǎn)品中去，通過產(chǎn)品進步吸引客

戶看起來是必須的。

在做什么？

人工智能研究部門（ ， 年）的策

略是在更廣泛的研究社區(qū)背景下研發(fā)技術(shù)。那個團隊以推進

無監(jiān)督表征學習（比如，觀看世界、而不是借助人類算法干

預，借助對抗網(wǎng)絡(luò)進行學習）的進步而為眾人所知。應用機

器學習部門（ ）在 之后成立，聚焦將研究應用到

公司產(chǎn)品中，時刻限制為月或季度（而不是年）。公司正將

機器學習功能應用到各種垂直領(lǐng)域中，比如面部識別，機器

翻譯以及深度文本（ ）語言或文本學習。

什么緣故重要？

公司差不多公布了多個無監(jiān)督學習方面的研究成果，隨

著機器學習超越從「正確答案」中學習，開始聚焦獨立的模

式識別，無監(jiān)督學習差不多成為一個重要的焦點領(lǐng)域。無監(jiān)

督學習有望去除更多的、與大數(shù)據(jù)有關(guān)的人類成分，公司在

的帶領(lǐng)下，正引領(lǐng)該領(lǐng)域的研究。今年五月，

公司公布的 合理化了端到端 （從研究

到工作流程、實驗治理以及視覺化和比較輸出）。公司的人

工智能項目和工作流程應用不限于 成員，公司各部門

領(lǐng)域都能夠使用借鑒。如此一來，公司就能夠利用研究部門

之外所取得的人工智能進步。

在做什么？

在 年和 年， 開始說明自己的

開發(fā)平臺如何可被用在 云上完成機器

學習任務。從此，該公司開始在人工智能上投入更多的資源，

收購了多家人工智能公司，包括 、 和

。在 月份， 推出了 ——一

個面向多平臺的基于人工智能的云打算。該打算用心于將人

工智能融入銷售云、市場云、服務云、社區(qū)云、 云和

云。

什么緣故重要？

有潛力促進商業(yè)使用數(shù)據(jù)的方式。

在銷售云中，該公司期望讓各個組織通過推測銷售線索得分、

洞見機會以及自動捕捉活動來優(yōu)化銷售機遇。市場和服務云

將提供推測參與度得分，來分析消費者使用情形。還能提供

推測客戶，從而關(guān)心定位市場，并基于趨勢和用戶歷史通過

自動案例分類更快解決消費者服務事件。 用微妙

的使用案例將機器學習帶到云中，強調(diào)它對公司核心競爭力

的阻礙。

英偉達在做什么？

英偉達差不多從之前電子游戲 生產(chǎn)商轉(zhuǎn)型為機

器學習應用硬件廠商。 年年底，公司表示，較之使用

傳統(tǒng) ，使用了 神經(jīng)網(wǎng)絡(luò)的訓練速度提升了

到 倍。盡管英特爾重金投入的 （作為 的

替代產(chǎn)品）加入硬件市場角逐，然而， 的機器學習應

用能實現(xiàn)更加密集的訓練。對而言，相 能夠提供更快、

運算密集程度更低的推理和任務；這說明市場會依照實際應

用案例區(qū)分對待。過去五年，到 年 月為止，英偉

達所占 市場份額差不多從二分之一上升到近四分之

三。

什么緣故重要？

在人工智能創(chuàng)新公司和學術(shù)機構(gòu)中， 加速的深度

學習一直是許多項目的前沿。英偉達所占據(jù)的市場份額意味

著，隨著人工智能越來越成為以后幾年中大型商務的中心議

題，公司能夠從中獲益。使用公司產(chǎn)品的一個例子，俄羅斯

的 ，使用 加速的深度學習框架來訓練面部

識別模型，識別密集集會中的個人，并在 中利用這些

進行推理。

作為一種選擇，許多大學也使用英偉達 加速器來

模擬可能的抗體突變，這種變異可能會擊敗進化中的伊波拉

病毒，今后研究會進一步關(guān)注流感病毒。

英特爾在做什么？

英特爾的戰(zhàn)略比較專門，其使用的案例多種多樣。

年年中，公司公布了第二代 產(chǎn)品系列，以其高性

能運算（ ）能力著稱，它能夠讓人工智能擴展到更加大

型的服務器網(wǎng)絡(luò)和云端。在硬件不斷進步的同時，公司也下

重金投資 ，這要緊歸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包括 （深度學習），以

及 ——該公司將 的創(chuàng)新帶入了英特爾。

什么緣故重要？

英特爾關(guān)注 創(chuàng)新補足了英偉達對 的關(guān)注。

當處理大型數(shù)據(jù)庫（微軟等許多大公司用來測試大數(shù)據(jù)分析

的邊界）， 能夠提供更加快速的推理速度。在物聯(lián)網(wǎng)

的應用環(huán)境中，公司也宣布了一個打算，旨在將學習技術(shù)融

入可穿戴