人工智慧引發激辯，真正的AI究竟長什麼樣？

這個周末人工智慧圈可不消停，清華的王志華老師和電子科大的陳建文老師隔空展開激辯，人工智慧到底靠不靠譜再次引發熱議。為了回答這個問題，我們必須回歸到原點，不偏不倚看清真相。北大門衛有三個經典的哲學問題：「你是誰？從哪兒來？到哪兒去？」人工智慧也必須要回答這三個問題，我們才能對其敞開大門。

這是一份來自美國CB Insights的報告，中立而客觀地描寫了人工智慧的現狀與未來，你值得一讀。不樂觀不悲觀，無需失望也無需激進，也許這才是我們應該持有的正確態度。

1

科技行業的AI革命

吳恩達曾說：「正如100年前電力幾乎改變了一切一樣，今天我很難想到一個行業在未來幾年內不會被AI所改變。」

如今谷歌AI可以認出大部分我們的手繪塗鴉。從醫療雲到物聯網解決方案，IBM Waston在不斷擴展它的使用範圍，並將它的認知計算平台應用於各行各業。從叫優步到提示烹飪技巧，亞馬遜的Alexa正在改變你和app的交互方式。

無處不在的Alexa

谷歌、Facebook、蘋果、英特爾和其他大公司正在爭先恐後地收購AI初創公司，自2012年以來共發生200起併購，谷歌是最活躍地收購者，共收購了11家公司。蘋果也在加速收購，以7次併購排名第二。同時不斷有新的競爭者加入這場軍備賽，包括福特和亞馬遜，其中福特收購了無人駕駛公司Argo（10億美金，2017年一季度）和網路安全公司Sopho。

AI領域的收購競賽

巨頭們的AI專利對比

2

Why now?

大趨勢和最新進展

大數據+處理能力=AI的新時代

如果大數據是AI的燃料，那麼處理器就是AI的發動機。英偉達CEO黃仁勛說「深度學習很像人類的大腦...它是有效的，卻無法找到合理的理由。你可以教它做幾乎任何事情，但它有一個巨大的障礙：它需要大量的計算。」原本以遊戲行業為目標市場的Nvidia GPU現在被廣泛用於訓練深層神經網路。英特爾、谷歌等其他大公司也全力研發AI晶元，英特爾收購了Nervana公司，谷歌開發了TPU晶元。

英偉達的產品方案

大量的初創公司研發深度學習演算法及其應用，開源軟體對這波浪潮起到了加速作用。谷歌開源了TensorFlow機器學習庫，並稱超過480人對此做出了直接貢獻。其他庫還包括初創公司Skymind開源的Deeplearning4J，以及微軟的認知工具包。

Facebook研究院主管Yann Lecun曾說：「儘管我們取得了如此多的令人驚訝的進步，但要讓機器擁有像人、甚至是老鼠那樣的智能，我們仍然有很長的路要走。到目前為止，我們僅僅看到了AI能做的事情的5%」

深度學習創業圖景

3

Where are we at?

AI的現狀，創業趨勢，應用

AI和機器學習的定義：

AI系統和能力的定義隨著相應技術能力的變化而不斷變化。大量數據的獲得和先進的計算處理能力，帶來了AI應用的新紀元。

機器學習是一套用於使系統「人為智能化」的演算法，使其能夠識別來自大型數據集的模式，並將結果應用於新數據。

機器學習可用於訓練計算機，以了解和分析人類語言包括文本和語音（自然語言處理NLP），以識別和分析圖像（圖像處理和計算機視覺），或用於時間序列分析等。 深度學習演算法是機器學習的一個子集，使用若干層神經網路模仿人類大腦的過程。

現階段幾種AI的常見應用：

從2012年起投資於AI的風投基金已達14.9億美金，投資超過2250個項目。過去五年內AI創業公司的數量增長了4.6倍，從2012年的150家到2016年的698家。

人工智慧產業仍處於非常初期的階段，早期項目佔主導地位，佔總量的67％以上，中後期項目佔比比較穩定。

人工智慧歷年融資記錄

人工智慧融資階段分布

人工智慧領域的獨角獸

2017年上半年CB Insights發布了AI100榜單，列舉了將人工智慧演算法應用於產業界最有前景的100家公司，包涵了醫療健康、自動駕駛、金融科技等。

CB insights AI100

AI熱力圖：各細分領域獲投項目分布

近幾年已經受到非常多關注的AI應用領域有：醫療健康、橫嚮應用、商業、廣告和市場營銷、物聯網和工業物聯網、商業智能和分析、金融科技和保險、網路安全、銷售和客戶關係管理、汽車技術。

正在崛起的新興AI應用領域有：個人助理、教育、人力資源技術、新聞媒體和娛樂、法律、旅遊科技、社交、農業、物理安全、零售科技、房地產、IT和雲服務、運動、綜合服務。

AI熱力圖：不同類別的項目分布

從全球市場來看，一些重要的趨勢已經顯現

健康醫療：醫療健康是最熱的AI投資領域，從2012年以來共270家創業公司獲得融資。

橫嚮應用：與行業無關的AI基礎應用近幾年來一直在波動，但是項目總數在所有類別中排名第二，去年達到了五年來的新高79個。

金融科技和保險：進入2017年以來，金融和保險科技成為了領先的細分領域，到一季度結束前有超過30個融資交易。

其他：銷售和客戶關係管理的融資交易在2016年幾乎翻了一倍，在2017年一季度排名第三。網路安全的融資數量在2016年下降後2017年一季度得到回升。

亮點：AI在醫療健康、商業、

廣告營銷、物聯網的應用

醫療健康：企業利用機器學習演算法來減少藥物發現 時間、為患者提供虛擬助手、提高醫學影像和診斷程序的準確性等等。

自2012年以來，醫療健康領域獲得的投資總額最高，2016年交易數量和金額達到五年來最高，其中包括兩家獨角獸公司：美國的Flatiron（C輪1.75億美金）和中國的碳雲智能（A輪1.54億美金）。

自2012年以來該領域73%的融資發生在美國，但美國以外的國家增長非常快，從15年佔比24%，到16年佔比35%，進入27年以來已超過45%。中國仍然落後於英國、以色列等國。

AI在醫療健康領域的融資記錄

美國以外的AI醫療健康公司融資熱力圖

影像和診斷是AI醫療最熱的方向。

AI+醫療健康產業地圖

美國AI醫療公司對標分析

商業零售：企業利用AI演算法進行視覺搜索，自然語言處理，購物者行為分析和店內分析等。

ebay的CEO Devin Wenig曾說：「如果你沒有制定AI戰略，那麼你將在即將到來的未來世界中滅亡。」

2012~2016年度，該領域的創業公司近200家獲得融資，2016年交易數量和金額達到5年來最高水平。從全球來看，美國之外的項目佔比42%，中國落後於加拿大、印度等國。

AI在商業零售領域的融資記錄

美國以外的AI商業零售公司融資熱力圖

AI+在商業零售中的應用剛剛興起，很多公司都處於非常早期的階段。

AI+商業零售產業地圖

美國AI零售公司對標分析

廣告營銷：企業利用AI演算法進行跨平台廣告、智能電子郵件營銷和基於內容感知的視頻廣告等。

Rocket Fuel的CEO Randy Wootton說「具體來說，預測性營銷人員將利用AI計算能力來處理大量數據，以確定營銷活動，從而可以在近乎實時的個人層面創建獨特的定製化體驗——最終實現我們談論了將近20年的1對1營銷。」

使用人工智慧演算法的廣告營銷創業公司在2015年達到頂峰，2016年後小幅回落。美國創業公司數量佔到76%，中國仍落後於以色列、英國、新加坡等國。

AI在廣告營銷領域的融資記錄

美國以外的AI廣告營銷公司融資熱力圖

美國AI營銷公司對標分析

物聯網、工業物聯網：企業利用AI演算法進行基於工業物聯網數據的預測性維護、可穿戴計算、聯網設備的語音平台等等。

在物聯網和工業物聯網的資金投入在2016年翻了一番，從2015年的2.11美元增加到4.23億美元。AI-IoT的項目數量增長了9倍，從2012年的6家到2016家的53家。

去年全球73%的融資交易來自美國，但美國之外的其他國家在迅速崛起，2017年很多融資事件發生在瑞典、澳大利亞、法國和印度，值得注意的是中國在此領域的融資金額還遠遠落後於其他國家。

AI在物聯網領域的融資記錄

美國以外的AI物聯網公司融資熱力圖

美國AI物聯網公司對標分析

橫嚮應用：開發適用於不同行業的AI解決方案的公司在2015年遭遇下滑後，2016、17年獲得了迅猛的升勢，最高融資記錄是獲得4.1億美元B輪融資的商湯科技。

與行業無關的AI應用的融資記錄

橫向AI應用代表性公司

機器人：當硬體遇到AI軟體

Robohub的聯合創始人Sabine Hauert 說：「機器人不會取代人，相反它們會變得越來越人性化，那些困難、低級、苛刻、危險、無趣的工作將會由機器來承擔。」

自2012年以來機器人領域共488個項目獲得了30億美金融資。在所有類型的機器人中，企業級機器人獲得了持續的快速增長，個人消費級機器人在2015年大幅增長後開始走平。

不同類別的機器人創業公司融資記錄

企業級機器人：用於工業自動化、製造自動化、倉儲自動化，餐飲服務等。

企業級機器人產業地圖

消費級機器人：用於在家庭中幫助人們打掃衛生、做飯等等。

消費級機器人產業地圖

4

新興的應用

遊戲，零售科技，專家自動化等

MOBALYTICS：利用AI分析遊戲玩家的技能水平，包括眼力、攻擊性、團隊協調性。

gradescope：用AI輔助閱卷打分，讓機器學習演算法從先前的閱卷工作中學習，從而預測出答案該如何打分。

FLYR：讓旅行更智能，可實現風險分析、需求預測、價格預測等。

casetext：減少法律工作的時間，使用AI和機器學習進行高級法律搜索，並找到與特定訴訟相關的判例。

onfido：零售科技，基於機器學習的身份驗證。

AURA：使用了人臉識別和手勢控制技術的數字相框。

5

Where are we headed?

通用智能的爭議

通用人工智慧是指具有人類水平的智能和認知能力的系統，能夠完成廣泛的任務，並能在未經訓練的情況下解決不熟悉的問題。

學術界和工業界對通用智能的爭議一直沒有停歇。GoodAI的CEO Marek Rosa說：「有時人們會問我，我們多久能實現超級智能，實事求是地說我也不知道，也許是3年，也許是30年，但我相信本世紀這一切將會發生。」 微軟的聯合創始人PAUL ALLEN卻持反面觀點：「創造這種先進軟體的前提條件是，需要對人類認知基礎有個科學的解釋，但現在我們僅僅只能觸及表面，』奇點臨近『的說法很難令人信服。」

谷歌的Deepmind提出了PathNet，走出了通用人工智慧的第一步：「如果多個用戶訓練了相同的巨型神經網路，且允許參數重用，而沒有災難性的遺忘，那麼人造通用智能（AGI）將是可能實現的。」

谷歌DeepMind提出PathNet：或可通過遷移學習實現通用人工智慧

致力於通用人工智慧的創業公司（一）：Kindred

Kindred的專利包括：促進設備控制的方法、機器人機件的自我保護方法。

致力於通用人工智慧的創業公司（二）： Vicarious

Vicarious致力於皮質網路的研究，已申請6項專利，包括基於遞歸皮質網路的物體識別。

致力於通用人工智慧的創業公司（三）：Numenta

Numenta正在嘗試逆向設計大腦皮層，已經申請了超40項專利。

UC Berkeley的計算機科學教授Stuart Russell說：「近五十年來，我們現在的這18個月時間將被視為對AI社區的發展至關重要，AI社區蘇醒了，並且在認真地思考應該做些什麼讓未來更加美好。」

小研聊科技，幫助投資者理解科技。歡迎關注公眾號，聯繫小研，加入私享群，和大牛們共同探討科技創投最新趨勢。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！