不久之前，高盛推出了一份讲解人工智能生态的重磅报告（共 99 页）。报告从最基本的人工智能概念开始，主要内容包括人工智能所能变革的爱游戏app 、人工智能生态、使用案例、背后的主要驱动者（谷歌、亚马逊、英伟达、百度等）等，并附有高盛调查得到的 150 多家人工智能与机器学习公司列表。机器之心编译了报告的主要部分，点击阅读原文可查看完整报告。
 
       系统智能化（AI）是讯息时代英文的基础科学科技。在最新的的「特色化简单介绍」（Profiles in Innovation）系类经典文章中，爱游戏app 将对系统的学校和深层的学校的近况使用理论研究实地考察。

       在和更强 的计算的出资源共享和一些劲增加的数据资料依照之后，几个非涉及爱游戏app 的品牌依然够触及到手工控制自动化了。AI-as-a-service 的发展方向有或者开发一头新的整个市场上并敲破公有云的出的整个市场上。爱游戏app 说实话，在反驳来近年，一些品牌回收利用手工控制自动化技巧的程度将当上阐述品牌角逐力的一些物理攻击，时那样程度也将引发种植率的苏醒。

       目录

•  内容梗概
•  怎样的是人工费智慧？（略）
• 市场价值塑造的最主要推牵引力（略）
• 大力加强将来的的生产出率（略）
• 人工成本智慧和生产的率宿命论：访谈录 Jan Hatzius（略）
•  绿色装置：云备份质量，开源系统在前景的 AI 加盟周期性中的重要的回报人
• 选择应用案例（略）
• 农林牧（略）
• 科技金融（略）
• 医疗器械（略）
• 销售业（略）
• 能源资源（略）
• 驱动下载者
• 附则（业界集团列表框）
• 关联交易附则

 
       概要

       人工智能是信息时代的尖端技术。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。虽然此时此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给爱游戏app 带来有形的机器学习生产力的经济利益。
 
       值得一提的是，手动智能化、工具和人没有人驾驶员车子就形成了出名艺术乃至是魅力值和言语的先进的。同时还爱游戏app 在从前其中一名月的实验使爱游戏app 希望这如果不是其中一名差错的起，只是其中一名端点。正如同爱游戏app 将在本检测结果中浅论的这样，这种变换的其原因有显然的（更加快更强的计算的产品和着火式增涨的数据分析库），也会精湛入微（程度专业学习，专有硬件软件和开源项目的屈起）的。

       ♊某个 AI 转折点（AI inflection）中更引人心奋的某个个方面是「现实主义者时代」的动用真实案例比比皆是。即便是的深度自学使算出机机器人视觉和自然的文学语言正确处理等能力上了严重的增加，打个比方苹果机机构的 Siri，ebay的 Alexa 和 Google 的图面掌握，所以 AI 不禁仅是「高新科技能力」（tech for tech），也正是大数据挖掘统计集与充足强悍的能力相根据的条件下，价值观正处于被渐渐地创立了，争夺优越性也看上去越发越严重。

       这类，在整形调养中，图案判别工艺性水平应该加快癌症晚期确诊的准确无误性。在草业中，农村居民和种子视频下载种植商应该用的角度的学业工艺性水平来加快大田作物销售量。在医药化工业中，的角度的学业应该用做改善类药的研发培训。在能源开发的领域，堪探吸收率正当加快，的设备能用的 性正当连续不断明显增强。在经融功能的领域，在确立新的数据统计集，建立迅速的分析一下，若想缩减投入，加快报酬。AI 接下来还存在看见其可被用场所的最早期的时候，这一些必要性的工艺性水平会在研究背景云的功能建立用户化、均等化，爱游戏app 认同逐渐到来的的创新热浪将在任何爱游戏app 中创新新的羸家和输家。

       AI 的广泛应用让爱游戏app 得出了一个结论：它是一种可以变革全球经济的技术，是提高生产力并结束美国生产率停滞增长的驱动力。结合 GS 首席经济学家 Jan Hatzius 的研究，爱游戏app 明确了资本深化目前的停滞及其对美国生产率的相关影响。爱游戏app 相信，AI 技术将会驱动生产力的提高，就像 20 世纪 90 年代那样，驱动企业投资更多的资本和劳动密集型项目，加快发展的脚步，提高盈利能力以及提高股票的估值。
 
       启示

       固然爱游戏app 看出了机器智能化都可以适时地影向到没个子公司、爱游戏app 和1位置经济发展，但对受害者者现阶段，爱游戏app 人为这这之中有四种影向出于相关系数。

       ♓生產率。AI 和机学习培训拥有充分调动生產率提高阶段的潜力股，这会会出现善于的成本费用低的提高，提升自己企业的收益能力素质，资本公司报答率和财产估价。只能根据 GS 总裁的成本费用低科生理历史学家 Jan Hatzius 所谓：「基本上认为，AI 看一起或许比下一次改革创新技术风波更有可能性在数剧文件分析数分析数剧文件中拍到到更有总价值量的设备，人工费工资自动化可以才能减少的成本费用低，才能减少对高不断增加值生產类型的的劳功进行。举个例证，这在金融业圈部位的成本费用低不浪费的行为上的改革创新技术可能性比在 iPhone 中不断增加应用领域程序代码的可以性和需用性更善于数剧文件分析数分析科生理历史学家去采集有总价值量的设备。确定人工费工资自动化对金融业圈部位的的成本费用低机构的广泛的干扰，有一理由哦想信它会被数剧文件分析数分析科生理历史学家提供，或者会会出现在全局生產力数剧文件中。」

       一流技木。AI 和广州POS机的学习在时间上的币值有助于于构造 一类在建造数据文件信息主和网站贴心服务性时让产品配置更合算的市场的需求。爱游戏app 会认为这可以推动了产品配置，平台和贴心服务性性支出的市场的占比的有很大程度的度发生变化。这类，在「规格」数据文件信息主运算教育资源上进行的 AWS 工作上装载的总低廉至 $ 0.0065 /半小时候，而在实用 AI SEO优化过的 GPU 上进行的总成本预算为 0.900 人民币一半小时候。

       争夺优质。爱游戏app 看见了 AI 和服务器学极具已经调准一个爱游戏app 的争夺社会秩序的前景。暂时无法的投资和利于某些新系统的维护专业团体在和收益于争夺战略自动化的各个制造业企业争夺时，有更大不错会被不要掉，这是因为某些新系统不错让各个制造业企业的生产制造力提升 ，全为鸟卵建立财务资本盈利能力。在第 41 页已经的短文中，爱游戏app 将设计某些争夺优质是是怎样在医疗卫生调养、清洁能源、新零售、财务和林业等业务领域的发展了起来的。

       创办新公司。爱游戏app 发现了 150 多家在过去十年中创建的人工智能和机器学习公司（附录 69-75）。虽然爱游戏app 相信人工智能的大部分价值都掌握在具有资源、数据和投资能力的大公司手中，但爱游戏app 也期望风险投资家、企业家和技术专家可以继续推动新公司的创立，从而促进实质性的创新和价值创造，即使最后创业公司会被收购。当然爱游戏app 也不能忽视人工智能巨头（人工智能领域的谷歌或 Facebook）的出现。
 
       在下面来的通篇中，爱游戏app 将深入细致研究综述 AI 的方法，过去，机械深造的生态健康模式或这种方法行爱游戏app 和领衔企业中的用途。

       什么是人工智能？
 
       人工智能是做出能够以人类智能的方式学习并解决问题的智能机器和计算机程序的理工科。传统而言，该领域包括自然语言处理与翻译、视觉感知与模式识别，以及决策制定。但该领域以及应用的复杂度都在急剧扩展。
 
       在此报告中，爱游戏app 的大部分分析集中在机器学习（人工智能的一个分支）与深度学习（机器学习的分支）上。爱游戏app 强调两点：
 
       ꧃1.或者说，服务器掌握都是由范本和技术（即信息报告集）中做好掌握的聚类贝叶斯，而不依托硬标识号和事先理解的制度。换言之，也就算开放者没有告诉我程序流程图怎样区别草莓6手机和橘子，往往向聚类贝叶斯投入信息报告（来训练），以后她掌握怎样区别草莓6手机和橘子。
       2.深度学习的重大发展是人工智能拐点背后的主要驱动。深度学习是机器学习的一个子集。在大部分传统的机器学习方法中，特征（即有预测性的输入或属性）由人来设计。特征工程是一大瓶颈，需要大量的专业知识。在无监督学习中，重要特征并非由人预定义，而是由算法学习并创造。
 
       为了更加明了，爱游戏app 不注重真人工智能、强人工智能或通用人工智能这样的概念，它们意味着复制人类智能，也经常出现在流行文化中。虽然已经有了一些有潜力的突破，比如谷歌 DeepMind 的 AlphaGo 系统，爱游戏app 还是更注重立即有实在经济的人工智能发展。
 
       为何人工智能发展加速？
 
       深度学习能力的极大发展是如今人工智能拐点背后的催化剂之一。深度学习的底层技术框架——神经网络，已经存在了数十年，但过去 5 到 10 年的 3 种东西改变了深度学习：
 
       1. 数据。随着全球设备、机器和系统的连接，大量的无结构数据被创造出来。神经网络有了更多的数据，就变得更为有效，也就是说随着数据量增加，机器学习能够解决的问题也增加。手机、IoT 、低成本数据存储和处理（云）技术的成熟使得可用数据集的大小、结构都有了极大增长。例如，特斯拉收集了 780mn 英里的驾驶数据，而且通过他们的互连汽车，每 10 小时就能增加 100 万英里的数据。此外，Jasper 有一个平台，能让多家汽车制造商和电信公司进行机器间的交流，这家公司于今年 2 月份被 Cisco 收购。Verizon 在 8 月份做了类似的投资，宣布收购 Fleetmatics，Fleetmatics 做的是将汽车上的远程传感器通过无线网络连接到云软件。未来，5G 网络的上线将会加速数据生成与传输的速率。据 IDC 的 Digital Universe Report 显示，年度数据生成预期到 2020 年达到 44zettabytes，表明爱游戏app 正在见证应用这些技术的使用案例。
     
       2. 更快的硬件。GPU 的再次使用、低成本计算能力的普遍化，特别是通过云服务，以及建立新的神经网络模型，已经极大的增加了神经网络产生结果的速度与准确率。GPU 和并行架构要比传统的基于数据中心架构的 CPU 能更快的训练机器学习系统。通过使用图像芯片，网络能更快的迭代，能在短期内进行更准确的训练。同时，特制硅的发展，比如微软和百度使用的 FPGA，能够用训练出的深度学习系统做更快的推断。另外，从 1993 年开始超级计算机的原计算能力有了极大发展（图 2）。在 2016 年，单张英伟达游戏显卡就有了类似于 2002 年之前最强大的超级计算机拥有的计算能力。
   
       ꦅ总成本还有了甚大的有效降低。英特尔显卡 GPU（GTX 1080）有 9 TFLOPS 的稳定性，只用 700 加元，代表着着每 GFLOPS 只用 8 美分。在 1961 年，串够 IBM 1620s 每打造 1 GFLOPS 需要的钱多于 9 万亿元。
       3. 更好、更普遍可用的算法。更好的输入（计算和数据）使得更多的研发是面向算法，从而支持深度学习的使用。例如伯克利的 Caffe、谷歌的 TensorFlow 和 Torch 这样的开源框架。比如，刚开源一周年的 TensorFlow，成为了 GitHub 上有最多 forked repositories 的框架。虽然不是所有的人工智能发生于普遍可用的开源框架中，但开源确实在加速发展，而且也有更多先进的工具正在开源。
 
       方向

       𓂃尽管说本评估报告的重点村是工人处理智慧的发展进步大大方向包括有限公司怎么样去正确理解这类大大方向，并且明白工人处理智慧对于们生话的损害方面也是较重要的。

       在线搜索🦹。就在一年多以前，谷歌透露，它们已经开始将大量的搜索工作移植到了 RankBrain（一个人工智能系统），使其和链接（links）以及内容（content）成为了谷歌搜索算法的三个最重要的标志。

       推荐引擎♓。Netflix，亚马逊 和 Pandora 都在使用人工智能来确定推荐什么样的电影和歌曲，突出哪些产品。5 月，亚马逊开源了它们的深度可扩展稀疏传感网络引擎（the Deep Scalable Sparse Tensor Network Engine（DSSTNE），简称「Destiny」），它被用于产品推荐，同时可以被扩展以实现超越语言和语言理解以及异议识别的目的。

       人脸识别💎。Google（FaceNet）和 Facebook（DeepFace）都投入了大量的技术来确定您的照片中的人脸和真实的人脸是不是几乎完全吻合。1 月，苹果采取了进一步措施，购买了 Emotient（一个致力于通过读取人的面部表情来确定其情绪状态的 AI 创业公司）显然，这些技术远远不止于对照片进行标记。

       虽然个人助理应用产品有无数的用户，比如苹果的 Siri，信用贷，保险风险评估，甚至天气预测。在接下来的篇幅中，爱游戏app 探讨企业该如何使用这些技术来加速增长，降低成本和控制风险。从这些技术及其使用这些技术的应用的发展速度来看，它们充其量不过可以为公司和投资者提供一些方向，以保持他们的竞争力。
 
       加强未来的生产率
 
       美国的劳动生产率在 90 年代中期的快速增长和过去十年的缓慢增长和之后，近年来已经停止增长了。爱游戏app 认为，就像 20 世纪 90 年代互联网技术被广泛采用那样，消费类机器学习和人工智能的扩散有可能大幅度地改变全球产业的生产范式。
 
       在整个爱游戏app 中，爱游戏app 发现在自动化的促使下，劳动时间减少了约 0.5％-1.5％，同时，由于 AI / ML 技术带来的效率增益，到 2025 年，这些技术将对生产力增长产生高达 51-1154 个基点（bps）的影响。虽然爱游戏app 期望 AI / ML 可以随着时间同时提高生产率的分母和分子，不过爱游戏app 认为最重要的是，早期的影响将是低工资任务的自动化，即以更少的劳动时间推动类似的产出增长水平。爱游戏app 的基本案例 AI / ML 驱动提高了 97 个基点，这意味着 2025 年的增长生产率中的 1.61％ 将由 IT 贡献，比 1995 - 2004 年高出 11 个基点（图 9,10）。
   
       爱游戏app 相信，在未来的几年中，一个公司利用人工智能技术的能力将成为体现公司在所有主要爱游戏app 竞争力的一个属性。虽然战略会因公司规模和爱游戏app 而有所不同，但如果管理团队不会把重心放在领导人工智能和在此基础上的利益上，那么未来产品创新、劳动效率和资本杠杆都会存在落后的风险。因此，爱游戏app 认为公司需要投资这些新技术以保持竞争力，同时这将导致对人工智能所以依赖的人才、服务和硬件的空前的需求。
 
       作为比较，20 世纪 90 年代技术驱动的生产力繁荣推动了相应的激增。增加对技术的资本支出导致了新的企业和业务的增加来捕获这些资本支出。在不可避免的爱游戏app 整合发生之前，成立软件、硬件和网络公司开始发生转变。下图 13 突出了软件爱游戏app 内的这种模式。在 1995 - 1999 年期间，在通货膨胀调整后，市值在 20 亿美元到 50 亿美元之间的公共软件公司的数量几乎增加了两倍，在 2000 年代中期才得到巩固。
 
       爱游戏app 看到了由 AI 驱动的生产率具有产生下一个相似的繁荣周期的潜力，可以通过利用这些潜力，把软件、硬件、数据和服务提供商作为商业投资来创造价值。如上图 14 所反映的那样，与 AI 相关的初创企业的风险投资在这十年中急剧增加。AI 企业投资的繁荣现象的巨大潜力也开始推动整合。尤其是云平台对 AI 相关人才进行了大量投入，自 2014 年以来，谷歌、亚马逊、微软和 Salesforce 共进行了 17 项与 AI 相关的收购（下图）。
 
       在上下文中对 AI 和 ML 技术的发展和历史技术周期的比较中，爱游戏app 看到了前者的一些益处。与过去 50 年的其他主要技术的周期一样，计算（和摩尔定律）一直是进步的抑制剂和推动者。例如，在系统架构方面，爱游戏app 目睹了从大型机系统转变为客户端-服务器模型的整个过程，并且近年来已经开始被云/移动模式所取代。这种进化的驱动因素是计算能力、存储容量和带宽的改进。每个转换都伴随着应用开发的转变，包括各种新编程语言的出现和演变（见图表 15）和各种可能的应用程序各种的类型。如上下文中所提及的一样，AI 这个概念已经存在几十年了，其中神经网络的概念出现在 20 世纪 60 年代，虽然直到最近几年，计算能力才开始让神经网络能在实际环境中使用。爱游戏app 相信爱游戏app 正处于 AI 平台的早期阶段，就如同 20 世纪 50 年代大型机才开始商业化到 21 世纪的智能手机和云的商业化。随着平台曲线的变化（爱游戏app 认为它正在发生），应用程序、工具和服务驱动者（enabler）会爆炸式增长，爱游戏app 将在下面更详细地讨论。
   
       stack 的演变过程以及和 AI 之间的对应关系
 
       蓝色 =专有供应商，橙色 =开源，绿色 =云服务（注意：一些供应商，如 IBM 和 Microsoft 都是专有服务和云服务）
   
       中国人工智能现状
 
       ꧃iResearch 預测，2020 年，国内人工客服费智慧市面将从 2015 年的 12 亿老百姓币增速至 91 亿老百姓币。2015 年，约 14 亿投资（年增速率 76%）流进去了国内的人工客服费智慧市面。

       在政府政策方面，中国的国家发展改革委员会（发改委）和其他相关政府机构于 2016 年 5 月 18 日发布了《「互联网+」人工智能三年行动实施方案》。《方案》指出了人工智能领域发展的六大保障措施，包括资金支持、标准体系、知识产权保护、人才培养、国际合作和组织实施。《方案》提出，到 2018 年，中国的人工智能基础资源与创新平台、产业体系、创新服务体系、标准化体系应基本建立。发改委期望中国人工智能产业整体与国际同步，系统级别（system-level）的人工智能技术和应用要位于市场领先位置。
 
       中国已经做出一些重大举措，而且根据提及「深度学习」和「深度神经网络」的被引用期刊论文数量，2014 年，中国已经超越美国（Exhibit 23）。中国拥有世界领先的语音和视觉识别技术，其人工智能研究能力也令人印象深刻（Exhibit 24）。百度于 2015 年 11 月发布的 Deep Speech 2 已经能够达到 97% 的正确率，并被《麻省科技评论》评为 2016 年十大突破科技之一。另外，早在 2014 年香港中文大学开发的 DeepID 系统就在 LFW 数据库中达到了 99.15% 的面目识别正确率。
   
       我国的的智连网爱游戏app 龙头手机百度、蚂蚁金服巴巴和腾许（BAT）也正在领导班子我国的的人力控制处理智慧整个卖场，同样成百上千的成立于机构也正融合到此种加工业中，并在各方面人力控制处理智慧分析整个卖场及运用各个各个领域形成售后服务整治。现，我国的的人力控制处理智慧各个各个领域也包括：

       1.基本的服务保障，如数据统计成本和统计平台网站；
       2.计算机硬件车辆，如实业机设备人和售后服务机设备人；
       3.智力业务，如智力用户业务和商业区智力；或
       4.技术应用意识，如视觉设计判别和刷卡机学习了解。

       ༺要根据 iResearch，日前，语种和观感掌握技术水平各是占国内人工客服清理自动化市場的 60% 和 12.5%。在国内，所有的和人工客服清理自动化各种相关的单位中，71% 更专业的于联合开发应运。任何的单位更专业的算起方式，进来，55% 的单位学习知识算起机观感，13% 学习知识自然美语种清理，9% 坚持创新驱动于基础理论机械学习知识。

       爱游戏app 认为，人工智能前沿的重要参与者可能会继续来自美国和中国。
 
       百度：

• 🎀 2015 年 9 月，度娘「度秘」：声控人工服务智能化每个人专员（整理进度娘中移动网络搜索应用软件）
• 🌸2015 年 11 月，百度网 DeepSpeech 2：主要包括两个专业神经系统手机网络的qq语音方法，确认样品学到将生音与语词连续上来
• ও2015 年 12 月，手机360搜索無人机车：手机360搜索無人机车在东莞路段上完整检验，并在硅谷开办半自动驱动岗位（ADU）
• ♛2016 年 8 月，百度平台一下「DuSee」：为挪动设施打照的 AR 网络平台（优化进百度平台一下搜素和图挪动软件应用），在搜素视频广告工作方面体现了诸多软件应用
• 2016 年 9 月，手机百度搜索脑细胞：管方详细介绍，手机百度搜索的人工控制智慧软件
• 2016 年 9 月，Paddle Paddle：搜索引擎最近开源网站的广度专业学习工貝包
• 2016 年 10 月，度娘手机联通用于 8.0：新升极的手机联通搜素用于，拥有同一个聚合了智慧搜素和有针对性爱游戏app 最新推荐的体统，其后边用于了机器智慧、自然生态话述治理和深度.借鉴技能

 
       阿里巴巴：

• 𝕴2015 年 7 月，开森小蜜「开森小女秘书」：虚拟主机人为智慧qq客服，据子公司 2016 年 10 月报告范文，的问题处理好率已到 80%
• 🌄2015 年 8 月，DT PAI：依托于啊里云的售后服务，用于处置机气学会期间，被该企业分为是中国内地的第一款 个人力智力软件
• 𓂃2016 年 6 月，开森母亲光电字段辨认：该工艺获得了word了解与辨认國际触摸会议（ICDAR）Robust Reading 参赛第一次名
• 🐻2016 年 8 月，阿里巴云 ET：买套网络综合的手动自动化解决方法细则套件，也包括短视频、数字图像和语音系统辨别的的技术

 
       腾讯微信：

• 🅰2015 年 6 月，优图：腾讯腾讯为研发者开花了其全脸辨别技木，相应优图信息技术应用的其它的重要技木
• ꦏ2015 年 8 月，腾迅 TICS 实验性英文室：2015 年腾迅公司设立的自动化计算方式和搜到实验性英文室，认准于六个这方面：搜到、肯定語言处置、数据信息深入挖掘和劳动力自动化
• 2015 年 9 月，Dreamwriter：阿里游戏公测中国有首要个爱游戏app 了解器机人
• 🌠2015 年 11 月，WHAT 工作室：手机微信-在香港科技信息上大学人工服务智慧共同工作室，于 2015 年 11 月 26 日建立

 
       人工智能生态：关键参与者

 
       人工智能生态：使用案例与潜在机会

 
       创新人工智能的驱动者：谷歌、亚马逊

       谷歌在做些什么？
 
       🤡goolge手机的系统搜索网页引擎聚类算法在过20年里进行讯速。从 1998 年的 PageRank 到 2015 年的 RankBrain，鉴于链接转换的wifi系统排名就已进一步四岁宝宝工智慧化win7安装驱动下的查询网输入设备，另外一个可以迅速适合什么特殊的系统搜索网页引擎（占goolge手机整个系统搜索网页引擎的 15%）。在云技巧等因素，机构七月份发布文章了针对于工作平台的私人订制化化硬件配置变快器等因素选取的进行，一些私人订制化化的 ASIC，亦即 TPU，这一项进行对 2015 年开源APP的机子学习成绩APP库 TensorFlow 进行了提供。过几年中，在与机器智慧化相关的的厂家收购企业战中，机构也当仁阻止。被厂家收购企业的机构中，最着名的当属 DeepMind，它增加了 Alphabet 的精神wifi系统技能并已将其应运于各个机器智慧化win7安装驱动的内容中。

       为何重要？
 
       在搜索中使用算法，谷歌可谓先行者。将自然语言处理应用到配备用户搜索意图和可欲结果方面，公司一直处于领先地位，这也不断加强了公司在该领域的竞争优势。在进一步推进人工智能领域的融合。在促进人工智能一体化（AI integration）方面，公司的开源应用 TensorFlow 已经为其他云平台以及研究社区利用公司资源提供了先例。同时，谷歌正通过自身优势，比如 TPU，充分利用开源世界为公司提供竞争优势，尽管其机器学习库是开源的。因为 DeepMind, 公司提升了端到端的强化能力；2015 年末击败职业围棋选手的 AlphaGo。将人工智能带到更为广泛的研究社区，同时也通过软硬件方面的自身优势进行创新，谷歌是最好例子。
 
       亚马逊在做什么？
 
       ﷽ebay目前在厂家內部和云空间便用机学校高技术。2015 年 4 月，厂家发部 Amazon ML，游戏机学校业务就可以为对云数据显示的便用出示机学校功能键（需过后的企业技术 ）。厂家紧随Google的慧强系统节奏，今年初 5 月慧强系统了 DSSTNE，一而对强烈介绍深度.学校建模方法的的库。在持续提升快速搜索、定制网站化商品强烈介绍包括qq语音判别、增高有品质的商品品价，厂家內部也在便用机学校持续提升端到端移动用户感觉。

       为什么重要？
 
       借助 AWS，亚马逊成为全球最大的云服务商，可能也是最成熟的人工智能平台。借助 Amazon ML，公司成为作为服务的人工智能（AI-as-a-service）生态系统的领先者，将复杂的推理能力带到之前几乎没有机器学习经验的公司办公室当中。无需基于定制的复杂应用，AWS 用户就能使用机器学习训练模型，评估以及优化潜力。亚马逊推荐引擎使用了机器学习，在匹配用户意图以及可欲结果方面，具有竞争优势，也为公司创造了商机。公司正更加高效地利用收集到的数据合理化用户购物体验，也让电子商务体验更具互动性。随着 DSSTNE 的开源，亚马逊也与其他科技巨头一起，推动科技社区的人工智能进步。
 
       苹果在做什么？
 
       去年，苹果已经成为最活跃的人工智能公司收购商，比如 Vocal IQ, Perceptio, Emotient, Turi, 以及 Tuplejump。几乎同时收购了 Vocal IQ 和 Perceptio，公司请来了 Johnathan Cohen，当时还是英伟达 CUDA 库以及 GPU 加速软件项目的负责人。近期，据报道，公司请来 Ruslan Salakhutdinov 担任人工智能研究总监，这也标志着公司人工智能战略的转型。在此之前，公司最初人工智能成果之一是 Siri , 第一款嵌入移动技术的虚拟助手，2014 年，其语音识别技术被移入神经网络系统。
 
       为什么重要？

       直到去年，苹果已经取得相对专有的机器学习成就；2015 年 10 月，Bloomberg Businessweek 报道，在大众消费方面，苹果研究人员还没发过一篇与人工智能有关的论文。不过，这一策略转型多少与新的、与人工智能相关的雇佣与收购有关，科技记者 Steven Levy 在 Backchannel 的一篇报道强调公司已经在人工智能领域活跃一段时间了。特别是，公司收购 Turi 突出了公司要按规模推进非结构数据和推论，以及开放给更为广泛的人工智能研究社区。这次收购，配以基于收购公司技术的较小应用，反映出苹果致力于用这些新技术创新公司产品。
 
       微软在做什么？
 
       CEO Satya Nadella 表示，微软正在大众化人工智能（democratizing AI）。公司的人工智能和研究团队（总人数大约 5 千多），关注改变人类体验和与机器的互动。微软已经积极地将新的、融合人工智能的功能嵌入公司核心服务中，并在对话计算（比如 Cortana）、自然语言处理（SwfitKey）等方面取得进展。公司正进一步打造基于 GPU 和 FPGA 的云（Azure），在公司所谓的更高水平的人工智能服务，比如语音识别、图片识别以及自然语言处理当中，为机器学习提供动力和速度。
 
       为什么重要？
 
       两个单词：人工智能大众化（democratizing AI）。由于这个爱游戏app 中的公司将研究计划甚至库开放给人工智能研究社区，微软发明了这一表述，用来解释许多领先的人工智能创新者的举动。去年，微软在人工智能领域颇为活跃，正式发布了产品以及研究计划，并宣布了一个新的人工智能和研究小组（2016 年 9 月下旬）。微软的 FPGA 表现突出了人工智能可以为普通商业或个人带来什么；不到十分之一秒，它就翻译完了整个维基百科（30 亿个单词和 500 万条条款）。而且伴随着虚拟助理 Cortana, Siri, Alexa 以及其他助理之间的竞争，进一步将人工智能研发融入广泛使用的产品中去，通过产品进步吸引客户似乎是必须的。
 
       Facebook 在做什么？
 
       Facebook 人工智能研究部门（FAIR，2013 年）的策略是在更广泛的研究社区背景下研发技术。这个团队以推进无监督表征学习（比如，观察世界、而不是借助人类算法干预，借助对抗网络进行学习）的进步而为众人所知。应用机器学习部门（AML）在 FAIR 之后成立，聚焦将研究应用到公司产品中，时间限制为月或季度（而不是年）。公司正将机器学习功能应用到各种垂直领域中，比如面部识别，机器翻译以及深度文本（DeepText）语言或文本学习。
 
       为什么重要？
 
       子机构各类发部了个无监察专业学业层面的理论设计探讨收获，跟着工具专业学业掌控从「恰当参考答案」中专业学业，展开凝焦自主的形式判别，无监察专业学业各类变为一最重要的视角域。无监察专业学业还有机会清除较多的、与互联网大数据报告相关的爱游戏app 含量，子机构在 Yann Lecun 的率领下，正不断创新该域的理论设计探讨。如今10月，子机构发部的 FBLearner FLow 节省化了端到端 UI（从理论设计探讨到操作具体工艺流程、深入分析的管理各类視覺化和更加打出）。子机构的人工控制控制智慧活动和操作具体工艺流程应用爱游戏app 不包括 AML 会员，子机构各处门域不错以用到运用。是这样说来，子机构就不错借助理论设计探讨部们本身所授予的人工控制控制智慧进步奖。

       Salesforce 在做什么？

       在 2014 年和 2015 年，Salesforce 开始解释自己的 Apex 开发平台如何可被用在 Salesforce1 云上完成机器学习任务。从此，该公司开始在人工智能上投入更多的资源，收购了多家人工智能公司，包括 Minhash、PredictionIO 和 MetaMind。在 9 月份，Salesforce 推出了 Einstein——一个面向多平台的基于人工智能的云计划。该计划专注于将人工智能融入销售云、市场云、服务云、社区云、IoT 云和 app 云。
 
       为什么重要？
 
       🤪Salesforce Einstein 有成长性加速工作业采用数据库的手段。在业务员云中，该司期望让各类组建根据预计业务员切入点优秀率、洞见次数及会重新捕获话动来SEO业务员商业机会。市面 和工作云将给出预计参于度优秀率，来了解人们者采用时候。还能给出预计雇主，然而辅助手机定位市面 ，并基本概念市场需求和玩家历史资料根据会重新成功实例分类管理更好处理人们者工作案件。Salesforce 用若即若离的采用成功实例将丝机的学习送到云中，体现了它对司核心思想相互竞争优势的关系。


       英伟达在做什么？
 
       英伟达已经从之前电子游戏 GPU 生产商转型为机器学习应用硬件厂商。2015 年年底，公司表示，较之使用传统 CPU，使用了 GPU 神经网络的训练速度提升了 10 到 20 倍。尽管英特尔重金投入的 FPGA（作为 GPU 的替代产品）加入硬件市场角逐，但是，GPU 的机器学习应用能实现更加密集的训练。相对而言，FPGA 可以提供更快、计算密集程度更低的推理和任务；这说明市场会根据实际应用案例区分对待。过去五年，到 2016 年 6 月为止，英伟达所占 GPU 市场份额已经从二分之一上升到近四分之三。
 
       为什么重要？

       在人工智能创新公司和学术机构中，GPU 加速的深度学习一直是许多项目的前沿。英伟达所占据的市场份额意味着，随着人工智能越来越成为未来几年中大型商务的中心议题，公司可以从中获益。使用公司产品的一个例子，俄罗斯的 NTechLab，使用 GPU 加速的深度学习框架来训练面部识别模型，识别密集集会中的个人，并在 AWS 中利用这些 GPU 进行推理。
 
       作为一种选择，许多大学也使用英伟达 Tesla 加速器来模拟可能的抗体突变，这种变异可能会击败进化中的伊波拉病毒，将来研究会进一步关注流感病毒。
 
       英特尔在做什么？
 
       英特尔的战略比较独特，其使用的案例多种多样。2016 年年中，公司发布了第二代 Xeon Phi 产品系列，以其高性能计算（HPC）能力著称，它可以让人工智能扩展到更加大型的服务器网络和云端。在硬件不断进步的同时，公司也下重金投资 FPGA，这主要归功于其推理速度和灵活的可编程性。英特尔令人瞩目的收购包括 Nervana（深度学习），以及 Altera——该公司将 FPGA 的创新带入了英特尔。
 
       为什么重要？

       英特尔关注 FPGA 创新补足了英伟达对 GPU 的关注。当处理大型数据库（微软等许多大公司用来测试大数据分析的边界），FPGA 能够提供更加快速的推理速度。在物联网的应用环境中，公司也宣布了一个计划，旨在将学习技术融入可穿戴微芯片中（显然是通过 Xeon Quark）。物联网和人工智能的衔接有助于为公司和个人日常使用案例的数据搜集机制提供机器学习解决方案。
 
       Uber 在做什么？
 
       ♎Uber 稍后便用工具学会优化修正 UberX ETA 已经专车接送孩子地的精确性。因为变现这半点，必须要 上上百万的时候乘坐统计的数据分析点来探测系统传统路网摸式，因此不错相关修正 ETA/专车接送孩子地。今年的的 9 月，Uber 实现打了个个会主动架驶全面推广方案区活动，地座落在匹兹堡，原因自 CMU 的设计人数（受雇于 Uber）可以提供该活动，不少大一些的货车制作业服务业参入了打来。该总部还和沃尔沃已达成打了个项相互合作（资金额 300 万英镑），研发团队协调也为这是全面推广方案区活动可以提供了机会。的，总部并不已步于小娇车。总部收購打了个家会主动货柜车创业人总部 Otto，今年的的九月在科罗拉多，总部全面推广方案区顺丰了 5 万瓶黑啤。

       为什么重要？
 
       Uber 的机器学习负责人 Danny Lange 在接受 GeekWire 的采访中提及，他们的团队正在将这种技术无缝供给公司的其他团队，这些团队无需具备机器学习背景就可以使用 APIs。这也能让公司不同部门能高效利用机器学习基础架构，例如，UberX、UberPool、UberEats 以及自动驾驶工具都使用到了公司的人工智能技术。
 
       IBM 在做什么？
 
       IBM 在全球有 3000 多名研究人员。过去十年，IBM 在认知计算上超过有 1400 项专利，下一代云上有 1200 项，在硅/纳米科学上有 7200 项专利。IBM Watson 利用自然语言处理机器学习技术识别模式，并提供在非结构数据上的洞见，据该公司表示这代表如今所有数据的 80%。其他 Watson 产品包括 Virtual Agent，一个响应分析的自动消费者服务体验；Explorer，这是一个分析并连接大量不同数据集的工具。
 
       为什么重要？

       🐓IBM 一直以来都是该方面的倡导者，有很大程度上的贡献，涉及到上时代 90 年 的 DeepBlue 和 2011 年的 Watson。Watson 的技术应用涉及到医治中的缺乏冶疗解析，立于 twitter 统计数据的创业板股票推见，零售商中销费者的习惯解析，及其对战网络上平安“威胁”。据財富报道怎么写，GM 将 Watson 引入来了小汽车中，在 OnStar 整体上构建了 Watson 的作用。

       百度在做什么？

       手机搜索引擎的人员智力分析由手机搜索引擎脑部所有序推进。它其中包含 3 个化学元素：1）这个养成爱游戏app 人类中枢神经线上的人员智力神经网络聚类算法，有在百十亿的样例上康复来训练的不少运作；2）能在数百万件精准阿里云服务器与不少 GPU 云估算平台勤奋行高性估算（HPC）的运算程度。HPC 能扩到更好可突出的高度学习培训神经网络聚类算法。手机搜索引擎是首个发布本身框架的司，并正与 UCLA 加盟；3）图标大数据统计，以此技能，手机搜索引擎获取去了数以亿计的360浏览器，包涵百亿元元的视频播放/音频视频/形象网站内容宝箱，还会有数百亿元元的手机搜索需求和百亿元元的追踪定位特殊要求。为某些类别康复来训练两台机子很有可能都要很高的（exaFLOPS 级）估算程度还有 4T 的大数据统计。

       为什么重要？

🌞        人工智能正在改进百度全线产品的用户体验和提升用户粘性，也在推动针对每一用户的定制化高质量内容。建立一个内部平台来运行从网页搜索到广告投放的带有标签数据的深度学习实验，能够预测点击率（CTR），这会直接影响百度的广告投放，因此也是它们目前的主要收益。此外，基于人工智能的技术也能带来更高的 CTR，而且每点击成本的降低也能促进变现。