1高盛人工智能報(bào)告中文版 1 2 3 3 4 5 6 7 9 9 10 21 21 27 34 40 41 42 43 44 452高管概述面的有益進(jìn)展，智能硬件和開(kāi)源方面的增長(zhǎng)）的由衷相信人工智能將被統(tǒng)計(jì)學(xué)家采納，并在整體生產(chǎn)力數(shù)字中有所獲得的生產(chǎn)力和資本效率。在41頁(yè)插圖中，我們論證了這些競(jìng)爭(zhēng)優(yōu)勢(shì)是如何應(yīng)用于150家私營(yíng)公司.我們相信人工智能的大部分價(jià)值將由擁有資源、數(shù)據(jù)、投資能力的大公司3性的創(chuàng)新和價(jià)值創(chuàng)造，至少是，M&A，我們不能無(wú)視谷歌或臉書的人工智能出人工智能是什么？什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)在AI/機(jī)器學(xué)習(xí)的中充當(dāng)一種模擬人類大腦的計(jì)算機(jī)體系結(jié)構(gòu)，在其上可以構(gòu)建問(wèn)題并學(xué)習(xí)。練，深度學(xué)習(xí)作為增強(qiáng)機(jī)器學(xué)習(xí)能力的方法已經(jīng)越來(lái)分類。將電子郵件歸類為垃圾郵件，識(shí)別欺詐，面部識(shí)別，聚類。對(duì)比圖像，文本或語(yǔ)音找到相似的項(xiàng)什么是通用，強(qiáng)大或真實(shí)的人工智能？通用，強(qiáng)大或真實(shí)人工智能是，機(jī)器智能算法4為什么現(xiàn)在人工智能加速發(fā)展？使用了沒(méi)有人曾經(jīng)做過(guò)的行為，我們關(guān)注人工智能即刻可觸達(dá)的經(jīng)深度學(xué)習(xí)能力方面的主要飛躍成為當(dāng)前進(jìn)行中的AI拐點(diǎn)的催化2.更快的硬件。GPU的再次使用、低成本計(jì)算能力的普遍構(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，（一個(gè)人工智能系統(tǒng)使其與鏈接（links）以及內(nèi)容（content）成為了谷歌搜索算5中的臉和真實(shí)的臉是不是完全吻合。1月，蘋果采取了進(jìn)一步措施，購(gòu)買了Emotient（一雖然個(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，價(jià)值創(chuàng)造的主要驅(qū)動(dòng)力人才，數(shù)據(jù)，基礎(chǔ)設(shè)施和硅。這些投入也同時(shí)也是進(jìn)組學(xué)數(shù)據(jù)，地質(zhì)數(shù)據(jù)，天氣數(shù)據(jù)等）可能是未來(lái)十年企業(yè)利潤(rùn)創(chuàng)造的以免費(fèi)使用-即使是在壓縮時(shí)，超高清圖像的文件大小也各為1GB左右。其他公司，如OrbitalInsights，正在匯總圖像數(shù)據(jù)并在多個(gè)行業(yè)創(chuàng)建商業(yè)解決迅速商品化。這個(gè)觀點(diǎn)基于兩個(gè)現(xiàn)象觀察：1）云計(jì)算供應(yīng)商能夠?qū)⑺麄兊漠a(chǎn)品擴(kuò)展到AI動(dòng)力。為了促進(jìn)AI技術(shù)的應(yīng)用，我們認(rèn)為大型云供應(yīng)商將繼續(xù)6做為有價(jià)值的增長(zhǎng)途徑，宣布和百度達(dá)成戰(zhàn)略協(xié)作關(guān)系。數(shù)據(jù)中心業(yè)務(wù)大概占賽靈思5%的主要影響在經(jīng)歷了90年代中后期的高速發(fā)展和過(guò)去十年的人工智能和機(jī)器學(xué)習(xí)帶來(lái)的自動(dòng)化及效率提升在普遍各領(lǐng)域都縮減了約0.5%-1.5%的工時(shí)最重要的是它帶來(lái)的早期影響將會(huì)體現(xiàn)在低薪工作的自動(dòng)化層面，用更少的工90年代掀起的科技熱潮伴隨著生產(chǎn)力、資本深化和多因素生產(chǎn)力被異常放大，并與飛漲的高盛的經(jīng)濟(jì)學(xué)家JanHazius提供了他最顯著的是非典型資本投資的增長(zhǎng)超越了勞動(dòng)作流程中同時(shí)推廣技術(shù)有助于促進(jìn)增長(zhǎng)呈三倍激增（每勞動(dòng)工時(shí)的在過(guò)去的十年中，有關(guān)IT應(yīng)用（計(jì)算機(jī)硬7流程等）也在一定程度上反映了實(shí)際GDP和生產(chǎn)力增長(zhǎng)。Facebook和谷歌等互聯(lián)網(wǎng)巨頭的發(fā)展充分說(shuō)明了復(fù)雜輸入的勞動(dòng)力和資本并不必然將標(biāo)準(zhǔn)生產(chǎn)力指標(biāo)中的傳統(tǒng)消費(fèi)品轉(zhuǎn)我們認(rèn)為人工智能/機(jī)器學(xué)習(xí)所帶來(lái)日益增長(zhǎng)的生產(chǎn)力產(chǎn)生的潛在影響之一可能是公司然而管理層對(duì)于投資資本項(xiàng)目的冷淡依然保持了經(jīng)濟(jì)衰退本。根據(jù)高盛資本支出追蹤，90年代資本支出同比增長(zhǎng)，持續(xù)性高于耶魯大學(xué)教授羅伯了嚴(yán)重的通貨膨脹，而目前的估值才剛剛達(dá)到經(jīng)濟(jì)衰退AI和生產(chǎn)力的矛盾：采訪JanHatzius1990年是一個(gè)生產(chǎn)力提升爆發(fā)點(diǎn)，主要原因是技術(shù)推動(dòng)的。技術(shù)的變?cè)鏊伲谝患率茄h(huán)效應(yīng)(CyclicalEffect)，我們依然受制于經(jīng)濟(jì)衰退后持續(xù)的過(guò)低的第三點(diǎn)是在過(guò)去十年發(fā)展起來(lái)的新技術(shù)，比如移動(dòng)通信和消費(fèi)者聚焦技術(shù)(Consumer8軟硬件和數(shù)字結(jié)合的產(chǎn)品，這都給我們的度量您剛才提到了成本，這些會(huì)影響定價(jià)嗎？是否這為我們的通縮有的觀點(diǎn)認(rèn)為，AI和機(jī)器人自動(dòng)化會(huì)取代在過(guò)去的十年里，在投資市場(chǎng)里我們看到很多企業(yè)的回購(gòu)是我們依然認(rèn)為今年的投資率在慢慢上升，投資對(duì)生產(chǎn)力的影響也在提升，特別是在2010但是很快就會(huì)有競(jìng)爭(zhēng)介入，之后利潤(rùn)率就會(huì)恢復(fù)正常水9過(guò)去一段時(shí)間，人們處于對(duì)于90年代技術(shù)快長(zhǎng)，但是周期結(jié)束后跌的也很慘。我認(rèn)為肯定會(huì)對(duì)估值有很生態(tài)系統(tǒng)：云服務(wù)，AI的下一個(gè)投資周期開(kāi)源的關(guān)鍵我們相信利用人工智能技術(shù)的能力將成為未來(lái)幾年所有主要行業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的主要定義屬性技術(shù)以保持競(jìng)爭(zhēng)力，將推動(dòng)對(duì)人才，服務(wù)和硬件底層人工智能的需求軟件、硬件和網(wǎng)絡(luò)公司形成都受到了影響。下面的圖例公司的風(fēng)險(xiǎn)投資在這十年中大幅增加，大大的反映了這一機(jī)力，存儲(chǔ)和帶寬的提升。同時(shí)每次還貸的變化都伴隨著新的開(kāi)發(fā)語(yǔ)言的演變。AI和神經(jīng)網(wǎng)AI三個(gè)方向：自建，咨詢服務(wù)和AI服務(wù)化批開(kāi)源可直接使用的AI棧上的組件，按照功能分層為(silicon,storage,infrastructuresoftware,dataprocessingengines,programminglanguagesandtools)。產(chǎn)品和平臺(tái)分別有Databricks,Cloudera,Hortonworks,Sykmind和Microsoft,Google,Amazon,Baidu提供但是因?yàn)锳I服務(wù)和計(jì)算能力現(xiàn)在是稀有資源，很多的專業(yè)服務(wù)商在AI服務(wù)化：為了獲取這種創(chuàng)新能力，很多企業(yè)會(huì)選擇使用別的公司已經(jīng)成熟的學(xué)習(xí)系自建：云平臺(tái)和開(kāi)源系統(tǒng)正在成為AI的左膀右臂BoardInstitute)中應(yīng)用非常多。了AI相關(guān)只是和技能的人在填補(bǔ)人才的障礙。隨著這些趨依然有非常多的創(chuàng)新等著我們。和之前的技術(shù)的一大區(qū)別是AI技術(shù)非常依賴開(kāi)元和主要應(yīng)用決定了整個(gè)神經(jīng)網(wǎng)絡(luò)的能力，這兩個(gè)應(yīng)用都有各自需求的資源系統(tǒng)。第一個(gè)是考慮到搭建AI系統(tǒng)的投入和產(chǎn)出，我們認(rèn)為只有少系統(tǒng)。多數(shù)公司會(huì)選擇使用公共提供的服務(wù)，這也促使的存儲(chǔ)結(jié)構(gòu)和公共服務(wù)存儲(chǔ)的同時(shí)或者相關(guān)的技術(shù)支持比自己搭建專用的整套系統(tǒng)更為合和其他來(lái)源的活數(shù)據(jù)被流進(jìn)模型進(jìn)行分析，然后試試分析這些數(shù)據(jù)。在以前的ETL提供商可參照的公司:數(shù)據(jù)處理:數(shù)據(jù)庫(kù)和數(shù)據(jù)處理技術(shù)一直是一個(gè)大市場(chǎng)，2015年統(tǒng)計(jì)，數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模是經(jīng)網(wǎng)絡(luò)從節(jié)點(diǎn)獲取數(shù)據(jù)，然后產(chǎn)生輸出。例如，輸入可能是圖片或者是郵件，輸出可能是“spam”或者“cat”.已有的神經(jīng)網(wǎng)絡(luò)的具體實(shí)現(xiàn)有GoogleTensorFlow分析工具：非AI行業(yè)相關(guān)的數(shù)據(jù)加工的工具,比較成機(jī)器學(xué)習(xí)相關(guān)的工具，如Microsoft’sAzureMachineLearningsolution，為使用者提咨詢服務(wù)IBM,AccentureandAppirio,Bluewolf,andFruitionPartners這些云計(jì)算相關(guān)的公司也在人才儲(chǔ)備方面增MachineLearningAPI提供通用機(jī)器學(xué)習(xí)模型和預(yù)測(cè)托APIsVisionAPI根據(jù)月使用量和特征數(shù)量，每千GoogleCloudMachine使用戶可以構(gòu)建機(jī)器學(xué)習(xí)模型的集群上訓(xùn)練：基于每小時(shí)使用的訓(xùn)練單元情況，收取0.49$到預(yù)測(cè)請(qǐng)求：每1k請(qǐng)求0.05$到將語(yǔ)音轉(zhuǎn)換成文本無(wú)結(jié)構(gòu)化文本數(shù)機(jī)器學(xué)習(xí)及預(yù)測(cè)更新收取0.05$；訓(xùn)練數(shù)據(jù)每M數(shù)據(jù)可視化分析根據(jù)使用量，1k事務(wù)收取0$到人臉檢測(cè)及人臉?lè)墙Y(jié)構(gòu)化文本分析從視頻中進(jìn)行人臉跟蹤、移動(dòng)檢建縮略圖的高級(jí)BingSpeechAPI語(yǔ)音轉(zhuǎn)換成文本及文本轉(zhuǎn)換成語(yǔ)可定制語(yǔ)言識(shí)別API語(yǔ)言及說(shuō)話者識(shí)根據(jù)月使用量，每月收取0$到根據(jù)用法，每1事務(wù)收取0$到API用于結(jié)構(gòu)化文本識(shí)別的自然語(yǔ)言WebLanguageModelAPIAPI用于學(xué)術(shù)目的用戶請(qǐng)求翻譯，從MicrosoftAcademicGraph檢根據(jù)每月使用情況，收取0$到News/Image/Video/Web根據(jù)每月使用情況，收取0$到市場(chǎng)的幾家供應(yīng)商。我們調(diào)查過(guò)的大部分SaaS供應(yīng)商都垂直特定領(lǐng)域的“AI即服務(wù)”很可能更爭(zhēng)（例如一些零售商能夠通過(guò)混合數(shù)據(jù)更好地和亞馬遜的推薦提供增加“聯(lián)邦醫(yī)療保險(xiǎn)優(yōu)良計(jì)劃”風(fēng)控的準(zhǔn)確性、生產(chǎn)...基于機(jī)器學(xué)習(xí)的技術(shù)來(lái)開(kāi)發(fā)精準(zhǔn)醫(yī)療、基因檢測(cè)、診斷和.通過(guò)大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)方式來(lái)解決腫瘤學(xué)問(wèn)題的臨床基于機(jī)器學(xué)習(xí)技術(shù)的健康管理工具提供方，他們將健康程中國(guó)人工智能現(xiàn)狀施、創(chuàng)新平臺(tái)、工業(yè)系統(tǒng)、創(chuàng)新服務(wù)系統(tǒng)和AI基礎(chǔ)工業(yè)標(biāo)準(zhǔn)化這一國(guó)已經(jīng)超越美國(guó)。中國(guó)的AI研究實(shí)力同樣讓人印象深刻，其擁有世基于巨大神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)無(wú)人駕駛車在北京完成上路整合了百度移動(dòng)搜索和地圖整合了智能搜索和個(gè)性化新聞推薦的移動(dòng)APP，采用了等技術(shù)。ICDAR魯棒識(shí)別大賽中獲得騰訊對(duì)外開(kāi)放了人臉識(shí)別等騰訊發(fā)布了中國(guó)第一個(gè)新聞機(jī)器人:用戶界面的未來(lái)對(duì)電子商務(wù)，客戶支持，員工工作流程及工作效率的廣泛習(xí)框架。在2015年年末，Google開(kāi)源了機(jī)器學(xué)習(xí)算法庫(kù)TensorFlow,亞馬遜和微軟在這方化的趨勢(shì)將會(huì)持續(xù)激發(fā)智能機(jī)器人的發(fā)展，主要領(lǐng)導(dǎo)者（亞馬遜，谷歌，蘋果，微軟)期望得分更高的假設(shè)的時(shí)候，一個(gè)假設(shè)才會(huì)被拋棄臺(tái)上的商業(yè)活動(dòng)。第二大類獲益的公司是硬件和基礎(chǔ)設(shè)施提供商，其范圍從GPU提供商數(shù)字個(gè)人助理產(chǎn)品，例如蘋果的Siri，亞馬遜的Alex設(shè)備（AmazonEcho，GoogleHome）來(lái)收集。隨著這些數(shù)字馬遜，谷歌這樣的持續(xù)創(chuàng)新者能夠繼續(xù)完善在購(gòu)物過(guò)程中的使用體驗(yàn)（Echo，EchoDotImagimob、FocusMotionSentenai、Skymind、IBMNeuronSW、AudioAnalyticMetrics、CognitiveScaleInsight、Abeja、ViSenze、Affectiva、ClarifaiMaluuba、行業(yè)應(yīng)用農(nóng)業(yè)同時(shí)有助于早期發(fā)現(xiàn)作物/牲畜疾病，降低與收獲后分揀相關(guān)的勞動(dòng)力成本,提高市場(chǎng)上的產(chǎn)品和蛋白質(zhì)的質(zhì)量。當(dāng)我們看到用于收集土壤，天氣，航空/衛(wèi)星圖像，甚至聽(tīng)覺(jué)數(shù)據(jù)的傳感器的擴(kuò)散，我們認(rèn)為，從這些PB級(jí)數(shù)據(jù)，深度學(xué)們的權(quán)益研究團(tuán)隊(duì)已經(jīng)確認(rèn)從精確施肥到壓實(shí)減少利用傳感器，天氣，土壤，甚至無(wú)人機(jī)/衛(wèi)星圖像數(shù)據(jù)，機(jī)器學(xué)習(xí)可以根據(jù)當(dāng)前和預(yù)期的天農(nóng)作物產(chǎn)量受不理想的施肥，灌溉和農(nóng)藥使用的負(fù)面影響。高盛研究報(bào)告“精確農(nóng)場(chǎng)：用來(lái)解決。這是至關(guān)重要的，因?yàn)榈?050年，為給世界人口提供足夠的糧食需要增加70%一演變的下一步，特別是在收獲/屠宰之后的分揀過(guò)程中，其中大多數(shù)對(duì)產(chǎn)品和肉制品的目視檢查仍然由人類工作者完成。根據(jù)勞工統(tǒng)計(jì)局BLS，絕大多數(shù)農(nóng)場(chǎng)都很小，但大多數(shù)農(nóng)田是由大型農(nóng)場(chǎng)控制的。根據(jù)聯(lián)合國(guó)糧農(nóng)組織報(bào)告，全即使在經(jīng)濟(jì)發(fā)達(dá)國(guó)家，精確農(nóng)業(yè)仍處于早期階段。例如灌溉，仍然通術(shù)包括：肥料：天氣和現(xiàn)場(chǎng)監(jiān)測(cè)，和農(nóng)業(yè)蓋.種植：多種子種植機(jī)，可變速率種植和作物輪作。.灌溉：溢流和其他表面灌溉，中心樞軸灑水器，滴灌系統(tǒng)和噴淋/滴灌混合系統(tǒng)。據(jù)為單個(gè)農(nóng)民成員提供如何確定產(chǎn)量，時(shí)間，天氣和其他數(shù)據(jù)機(jī)器學(xué)習(xí)所具備的通過(guò)使用大數(shù)據(jù)集來(lái)優(yōu)化單個(gè)或一系列關(guān)鍵目標(biāo)的能力很適合用來(lái)解決提高作物產(chǎn)量。人類已經(jīng)利用了地球上幾乎所有可用的農(nóng)業(yè)用地，然年全球人口將達(dá)到97億。因此，為了滿足未來(lái)全度傳感器的數(shù)據(jù)，并幫助確定播種、施肥、灌溉、噴藥和收割的最作和勞動(dòng)力成本。在這個(gè)案例中，農(nóng)夫只需使用包括Ra來(lái)源：AnIntelligentProcedurefortheDetectionandCla在農(nóng)作物種植領(lǐng)域，我們認(rèn)為機(jī)器學(xué)習(xí)和人工智能技術(shù)可以幫助實(shí)現(xiàn)農(nóng)作物產(chǎn)量提高潛力在低成本的基礎(chǔ)上擴(kuò)大全球的糧食、乳制品和牲口的場(chǎng)會(huì)引起波動(dòng)：化肥業(yè)，除蟲(chóng)劑業(yè)，除草劑業(yè)，除菌劑業(yè)以及獸醫(yī)我們?cè)L談了AmolDeshpande，他是FarmersBusi以更加大眾化，并且使農(nóng)民可以利用數(shù)據(jù)定價(jià)、先把種子和優(yōu)零售的研究中，也發(fā)現(xiàn)了一些可以利用AI/ML來(lái)拓展零售價(jià)值鏈的關(guān)鍵領(lǐng)域。求預(yù)測(cè)提高勞動(dòng)力和庫(kù)存效率，并通過(guò)優(yōu)化定價(jià)改務(wù)不斷滲透到如電子和服裝這些傳統(tǒng)類別，新的類別如快速消費(fèi)品（CPG）將為電子商務(wù)提時(shí)制造（just-in-timemanufacturing物流和庫(kù)存管理在近幾十年來(lái)有了顯著改善。像加而導(dǎo)致的擴(kuò)展性問(wèn)題，對(duì)消費(fèi)水平計(jì)算所需的資源開(kāi)始變得不切實(shí)際。像Zalando和來(lái)，Zalando認(rèn)為這種定制化的商品所帶來(lái)的親和正在尋求方法來(lái)提高搜索結(jié)果的相關(guān)性來(lái)為他們的平臺(tái)提供更和價(jià)格彈性的本地影響，并將其納入到營(yíng)銷和生Dunnhumby是英國(guó)跨國(guó)零售商樂(lè)購(gòu)（Tesco）的一家全資子公司，致力于同品牌和零售商一起優(yōu)化零售體驗(yàn)。公司員工超過(guò)2000人，而在今天，Dunnhumby通過(guò)在整個(gè)價(jià)值鏈中整合了AI/ML在銷售預(yù)測(cè)、庫(kù)存管存和定價(jià)中增量分層的AI/ML驅(qū)動(dòng)帶來(lái)的務(wù)的持續(xù)滲透增加了此任務(wù)的可用數(shù)據(jù)量,但是挑戰(zhàn)仍然存在，將這些數(shù)據(jù)轉(zhuǎn)化為理解的數(shù)據(jù),不僅提高目標(biāo)的定位，同時(shí)也向更有挑戰(zhàn)性的運(yùn)動(dòng)趨勢(shì)預(yù)測(cè)傾斜。我們相信這種類型的預(yù)測(cè)非常適合與AL/ML的分析能力相結(jié)合，不僅可以實(shí)現(xiàn)定量分析，也可以實(shí)現(xiàn)可視化的％，的數(shù)據(jù)集比傳統(tǒng)預(yù)測(cè)更好地評(píng)估和優(yōu)先化洞同時(shí)，對(duì)于更加嚴(yán)格的庫(kù)存管理方式，那些之前從們認(rèn)為一家公司特別適合采用人工智能/機(jī)器學(xué)習(xí)來(lái)降低自身的運(yùn)營(yíng)成本和客服成本-斯理層根據(jù)一系列宏觀假設(shè)批準(zhǔn)這些項(xiàng)目，例如石油價(jià)格及其主要產(chǎn)品/服務(wù)的供需情況。目。此外。通過(guò)結(jié)合行業(yè)/公司在這些項(xiàng)目中的過(guò)去經(jīng)驗(yàn)，并根據(jù)項(xiàng)目計(jì)劃成本制定執(zhí)行計(jì)劃，人工智能/機(jī)器學(xué)習(xí)應(yīng)用程序可以幫助更準(zhǔn)確地確定項(xiàng)目成本。油服務(wù)業(yè)高度重視提高設(shè)備可靠性，人工智能/機(jī)器學(xué)習(xí)在這方面可以提供有效幫助。該行靠性不僅降低設(shè)備維護(hù)成本，而且降低項(xiàng)目的部增加下游行業(yè)的正常運(yùn)行時(shí)間。計(jì)劃和計(jì)劃外停機(jī)的嚴(yán)重程度也影響了下游行業(yè)的盈利。％，開(kāi)采，并且許多上游公司分布在世界各地。在石油服務(wù)產(chǎn)業(yè)里，三個(gè)巨頭公司(斯倫貝榭公分放置傳感器，這些關(guān)鍵部分能幫助人工智能/機(jī)器學(xué)習(xí)應(yīng)用。舉一個(gè)例子，企業(yè)可能有防工作分給不相關(guān)的服務(wù)提供者?？碧?生產(chǎn)有最多的信息，但是他們沒(méi)有完全懂得服務(wù)公司成本，他們?cè)谂c一些像斯倫貝榭(SLB)或者FMC科技這種樣整合很好的服務(wù)公司合作中處2016年，我們預(yù)計(jì)高盛集團(tuán)(GS)投資亞洲新興工業(yè)化國(guó)家和地區(qū)的石油和天然氣公司倫貝謝估計(jì)，這一應(yīng)用可在6個(gè)月內(nèi)為其單個(gè)壓力泵組節(jié)省400萬(wàn)美元。美國(guó)壓力泵運(yùn)行平均需要大約20,000水馬力。然而，該行業(yè)通常需要大約40,000水圖表65：壓力泵組部署資本平均可以減少25%假設(shè)美國(guó)壓力泵運(yùn)行平均需要大約20,000水馬力每個(gè)壓力泵部署工作壓力泵冗余減示，瓦爾科國(guó)家油井的自動(dòng)化系統(tǒng)可以將井底鉆井時(shí)間平均減30％。更重要的是，瓦爾科常規(guī)鉆井方法瓦爾科國(guó)家油％，美國(guó)煉油廠每年平均放棄66億美元的利潤(rùn)，因?yàn)槠骄C(jī)時(shí)間為10%將成為行業(yè)標(biāo)準(zhǔn)，同時(shí)也是將成為改善客戶體驗(yàn)的代名的RankBrain，該公司已經(jīng)從基于鏈布了針對(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Google是在搜索領(lǐng)域中使用算法的先驅(qū)。該公司繼的搜索意圖，以達(dá)到期望的目標(biāo)，這也不斷加借助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。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)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StevenLevy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。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)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，人工智能創(chuàng)新：FB（Facebook）,CRM今年五月，公司發(fā)布的FBLearnerFLow合理化了端到端UI（從研在2014年和2015年，Salesforce開(kāi)始解釋自己的Apex開(kāi)發(fā)平臺(tái)如何可推出了Einstein——一個(gè)面向多平臺(tái)的基于人工