为了让你看懂人工智能到底发展到什么程度了，我们做了一组详细的数据

1人工智能面临爆发

根据CB Insights的数据，近年来社交媒体上人工智能的关注持续攀升。特别是从去年开始，人工智能更是迎来了爆发性的发展。

source：CB Insights

source：CB Insights

人们早已被各种科幻电影进行了初步的科普，即使不理解人工智能的内涵也可以就相关的话题发表一些自己的看法。

另一方面，全球范围内对人工智能的投资近几年也有大幅增长。2015年共有397起投资事件，23.88亿美元被投入到这一领域，与2011年相比投资额增长了近9倍。另有数据显示，其中近一半的融资发生在种子轮和天使轮，由此可见人工智能是一个非常火热的创业方向。投资者们正不断涌入这个领域，科技巨头们也大肆收购初创公司。

2人工智能爆发的原因

从外部因素来说，首先，我们所处的信息环境和网络基础设施已经极大的改变。

在现代社会，互联网、移动互联网、传感器、可穿戴设备等基础设施已经非常完善，我们生活在遍布世界的信息网络之中。可以预见，随着物联网的进一步发展，将有更多的设备终端被接入网络从而产生更大量的数据，人工将成为基础性社会资源。

其次，社会对人工智能的需求大爆发。

人工智能可以显著的提高行业效率进而提升社会的总体效率，医疗、交通、物流等各行业都迫切需要人工智能的发展。

再者，人工智能的目标和理念有了重大改变。

现在的人工智能更多的在研究人和机器如何融合，而以前的人工智能实际上是用计算机模拟人的行为。

3我们谈论人工智能的时候，究竟在谈什么

从人工智能的内部因素来看，也正是这三个要素的发展促进了人工智能新一轮的爆发。

人工智能诞生至今一直没有发展起来的一个原因就是数据量不足，而今天在互联网和移动互联网上已经积累了海量的数据，并且每天产生的数据量依然在指数型增长。以微信为例，用户每天在朋友圈上传的图片达到10亿张，有了大量的数据才能为模型的训练提供原材料。

大部分人工智能的算法早就被发明出来，但是效果并不突出，而深度学习的横空出世几乎垄断了目前人工智能所 有领 域。与大部分传统算法相比，深度学习的效果随着数据量的增大有显著的提升，因而更大量的数据可以提高算法的表现，而传统的算法很难做到这一点。

 

机器学习的算法需要人手工选取特征值，这很大程度上取决于经验和运气，因而算法的效果容易遇到瓶颈。而深度学习则通过计算机自动地学习一些特征，只要有更大量的数据就会有更好的特征被提取出来。利用深度学习，20到30层的神经网络已经很常见，更深层的网络具有更强的抽象能力从而产生更好的结果。

source：CB Insights

深度学习增加了神经网络的层数，因此网络才有了更强大的特征挖掘能力，但同时模型的参数也随之大量的增加所以对计算机的运算能力有极高的要求。云计算和大规模GPU并行计算的发展为深度学习的应用提供了计算基础。当人们把原本用于游戏中处理高质量画面的GPU拿来运行深度学习算法后，计算机可以几百倍地加快模型的训练速度。

但是已经有了很大的进步，例如AlphaGo的计算能力是IBM深蓝的近3万倍。未来随着速度更快的芯片乃至量子计算的发展，运算速度会进一步提高，成本也会大幅降低。

4硅谷：人工智能是大公司的游戏

人工智能领域的玩家目前主要是中美两国的互联网巨头们。

在美国，以谷歌、微软、Intel为首的大公司已经在这个领域进行了深度布局，除了自身的研发投入之外，他们还通过并购和投资进一步探索人工智能的应用。从2013年下半年开始，并购市场开始升温。

据CB Insights的统计，从2011年至今AI领域发生了31起重大并购，其中谷歌以8起收购案遥遥领先，另外Yahoo、Intel、Twitter等也在并购市场大笔投入。

另一条路径是对创业公司的风险投资。

从2011年至今，在风投领域，Intel是最活跃的机构投资者。在Intel Capital的投资组合中有医疗健康领域的Lumiata，机器学习平台DataRobot以及图片视频公司Perfant等等。

谷歌也在AI领域投资了10家公司，包括Building Robotics、 Clarifai、Kensho等等。谷歌在人工智能领域无疑是领先者，通过进一步分析我们可以发现在并购市场上谷歌主要收购的对象是人工智能的底层技术，而在风投市场主要投资的是人工智能在特定场景下的应用。同时，在谷歌内部，深度学习也被广泛应用。谷歌的许多产品如Android、Gmail、地图、翻译、YouTube等都有深度学习在背后支撑。

source：CB Insights

除了在资本市场上频频出手，大公司和一些大学纷纷开源自己核心的算法，如谷歌TensorFlow、微软DMTK、Facebook的Torch以及CMU的Petuum和伯克利的Caffe等，这些开源的成熟的算法模块大幅降低了人工智能方向的创业门槛。而大公司将自己的核心算法开发出来主要目的是为了争夺下一个生态。

5国内：百度全线发力，阿里不知道在做什么……

在国内，BAT三家中百度对人工智能的布局最彻底。

百度从基础层的运算平台和海量数据资源到技术层的核心算法再到应用层的无人驾驶和度秘全线发力，在商业化上主要通过百度数据工厂和百度大脑开放数据处理能力和技术服务。

在具体的应用层面，百度在现有的产品上加入了语音搜索、图像识别、翻译等功能。在百度外卖、糯米等O2O业务中也加入了人工智能对订餐、配送等数据进行分析从而提高运营效率。百度在新兴技术产业，特别是无人驾驶汽车上也进行了长期系统性的投入。在移动互联网时代失利的百度，看来是希望人工智能时代扳回一局。

与百度不同，阿里在人工智能上更偏重基础层。一是与电商业务的融合，例如协助商家决策、智能客服等。另外就是与传统企业结合为B端提供数据和云计算的支持，典型的模式就是与上汽的合作。不过，硅谷发布的阿里智能汽车被戏称为汽车+“ipad”的伪智能，作为巨头阿里在人工智能上的布局策略尚不明显。

6尚处初级阶段的创业公司，中美差距不大

根据IT桔子的数据，人工智能领域共发生融资事件186起，其中大部分处于天使轮和A轮之间，这个领域的创业公司大多处于早期而跑出来的不多。

source：IT桔子  图：盈动资本

从行业来看，人工智能在各个行业都有应用，涉及到硬件、企业服务、工具软件、教育、医疗、金融等。随着技术和基础设施的发展，人工智能将会像互联网一样与各个行业紧密结合。

source：IT桔子  图：盈动资本

可以想象，未来人工智能将会成为一种基础设施极大的提高各行各业的整体效率。在行业细分中，硬件和企业服务是两个最大的方向，进一步分析我们发现硬件领域中机器人占了很大一部分比例，而企业服务中基于数据的行业解决方案和IT基础设施是两个最热的领域。在技术层面，计算机视觉和语音是相对比较成熟的技术，相关领域的创业公司也占了很大比例。

7产业+人工智能将是创业的主流模式

在人工智能领域，中美之间差距不是很大。

中国在计算机视觉、语音识别等领域甚至处于国际领先的地位。百度、科大讯飞的语音识别准确率已经突破95%，视觉领域也有多个团队突破了99%。

从全球范围来看，互联网巨头基本上都在中美两国，只有中国和美国有健全的互联网基础设施，包括计算能力和海量的数据等，因而未来国内人工智能领域一定大有可为。

人工智能的核心还是数据、算法和计算能力，在这几方面巨头们天然地具有优势，因而大公司一般都是从基础层开始发力。在技术层面，科大讯飞、旷世科技等已经在语音、视觉等细分领域占据领先地位，后进入者如果没有非常领先的技术优势很难实现大的突破。所以创业公司想要进入人工智能这个领域最好的切入点在应用层面，人工智能作为一种技术手段可以与很多行业结合从而极大提高效率。我们看好的方向主要是基于行业数据的场景化应用，举例来说有以下几个方面：

• 金融： 身份认证、智能投顾、大数据征信、贷款、风控、保险、资产配置、财经信息分析
• 医疗： 临床诊断、病患历史数据整合、最优治疗方案；虚拟医疗助手、健康大数据；监测院内感染、药物作用预测、移动药店、远程问诊等。
• 企业服务： 虚拟客服机器人、产品开发、供应链管理、品牌管理。
• 教育： 自动批改作业、个性化学习、智能辅导系统、互动学习环境、教学体系反馈和评估
• 安防： 反恐、安保机器人、人脸识别、智慧城市监控、不良图片监控、客流统计。

另外，在关键技术节点上我们认为也是有机会的，包括图像、语音、人机交互等。在硬件领域，相关的核心部件还有待突破，如传感器、激光雷达等，这个方向也是有机会的。

人工智能的创业项目对团队要求非常高。这些要求首先体现在技术上，团队需要在模型的搭建、参数的选择和调试等有很深的积累。另外，需要注意的一点是很多创业团队都是科研出身，如何从科学研究转到商业实战对团队特别是CEO是一个很大的挑战。

第二，在于数据，数据是实现人工智能的基础，也是唯一能构成壁垒的因素。所以对创业团队来说，能否拿到大量的数据是一个非常重要的点。

第三，团队在业务层面也需要有很深的理解，技术需要与行业需求紧密结合而不能脱离业务实际，团队中需要有熟悉行业的成员。

http://www.lieyunwang.com/archives/193443