從2014年開始，人工智能得到了前所未有的關注。但對于人工智能的發展，業界仍然存在兩種截然不同的看法。尤其是Eron Musk和霍金的“人工智能惡魔論”在學術界和產業界引發了激烈爭論。但這絲毫沒有阻止行業巨頭對人工智能市場的熱情。從市場披露的投資數據分析，在2011年到2015年的五年時間，人工智能領域的并購資金從2.82億美元增長到2015年的23.88億美元，而并購數量也從67起增長到397起。以谷歌、蘋果、IBM、微軟、Facebook為代表的等行業巨頭正在通過并購進行產業布局。本文將谷歌、微軟、Facebook和IBM、英特爾、蘋果、百度、騰訊、阿里巴巴、Salesforce等10家公司在人工智能領域的布局和研究成果進行盤點。
1、谷歌
KK在谷歌創業初期跟拉里·佩奇聊過，已經有一個性能不錯的搜索引擎，為什么還要做一個？拉里·佩奇說，不是要開發新的搜索引擎，我們要做的是人工智能。而對于“一家科技公司如何才能保住主導地位？” 佩奇認為，最好的方式就是投資未來。佩奇希望繼續增強對未來科技的布局，繼續以最不可思議的方式改變世界，而人工智能就是其中非常重要的一個方向。
1）對DeepMind的收購及后續運作
2014年年初，谷歌以4億美元的架構收購了深度學習算法公司——DeepMind，公司創始人哈薩比斯是一位橫跨游戲開發、神經科學和人工智能等多領域的天才人物。7月，谷歌以DeepMind為主體與牛津大學的兩支人工智能研究隊伍建立了合作關系。
DeepMind也很快發布了研究成果，它在10月份公布了一種新的模擬神經網絡，旨在模仿人類大腦的工作記憶原理，擁有更加強大的歸納整理和聯想演繹等邏輯處理能力，從而帶來更快的任務處理速度，還可以通過訓練去自行處理任務，這種全新的深度學習算法可用于計算機視覺和語音識別等領域。
DeepMind最杰出的代表成果就是阿爾法狗，在2016年3月的世界圍棋大戰中，阿爾法狗以4：1大勝世界排名第一的李世石，人工智能再次戰勝人類，也進一步引發了用戶對人工智能發展的關注。
2）自動駕駛汽車
奇點大學的網絡與計算部門負責人Brad Templeton認為，在接下來的10-20年里最具改變世界潛力的技術是自動駕駛汽車，而谷歌在這方面要領先于傳統汽車廠商。谷歌的自動駕駛汽車戰略的起步是從收購510 Systems及其姊妹公司Anthony’s Robots開始的，2011年谷歌收購了這兩家公司。
2011年10月，510 Systems悄然加盟谷歌，成為谷歌神秘部門Google X“moon shot”的關鍵組成部分。改裝后的Pribot整合了谷歌的強大軟件，也一并被谷歌收購。2012年夏天，普銳斯被換成了新款雷克薩斯SUV。此后，谷歌的自動駕駛汽車已經完成了總計70萬英里的高速公路無人駕駛巡航里程。在此基礎上，谷歌于2014年7月份推出了100輛原型車來執行小規模的市區道路測試，這是自動駕駛行業首次進行的規模化城市道路測試。谷歌的原型車安裝了17個感應裝置，搜集來的信息能快速建立起一個半徑200公尺的3D信息圖，讓車輛對外部環境進行分析判斷，實現360度的全方位防護。
為推動無人駕駛汽車的發展，谷歌也在申請無人汽車上路而努力。2016年2月份，谷歌贏得了重大勝利，NHTSSA（國家公路交通安全管理局）裁定，按照聯邦法律導航無人駕駛汽車的AI系統可以被認為是司機。規定為未來掃清了道路，以后的無人駕駛汽車沒有方向盤、剎車、加速油門，以及人類用于控制汽車的其它組件。
3）以Nest為基礎的智能家居生態系統建設
谷歌于2014年1月份以32億美元收購了智能家居制作商Nest，該公司主要提供智能恒溫器和智能煙霧探測器，并已經擁有 100 多項專利，200 多項專利已在美國專利局備案，另有 200 多項專利準備備案。6月份，谷歌通過Nest花費5.55億美元收購了基于云端的家庭監控公司Dropcam，10月份，又收購了智能家居中樞控制設備公司Revolv，該公司將參與Nest的開放計劃“Works with Nest”。Nest對于產品的研發也是馬不停蹄，于2014年年底一口氣發布了四款產品，包括一款室內自動恒溫計、兩款網絡監控攝像頭和一款煙霧警報器。
2016年5月，谷歌推出的第二款智能家居硬件Google Home。除此之外，谷歌去年布局的智能家居底層操作系統Brillo和Weave通訊協議，都在彰顯著谷歌想做智能家居老大的野心。有人說Brillo我不知道，其實Android M以上系統都可以找到它。
谷歌已經意識到智能家居領域將是未來人工智能應用的一個重要市場，所以通過一系列并購、開放平臺的建立、軟件硬件一體化來打造這個生態系統，而Nest創始人Tony Fadell一篇文章的標題《歡迎回家》也反映出了谷歌在智能家居領域布局的前瞻性和決心。
4）在圖形識別和語音識別研究領域的重大進展
2014年，谷歌開始了開發一套能夠整合公司海量數據的語音系統，這個正處在測試階段將會使計算機從本質上“聽懂”和“思考”人們向谷歌設備輸入的語音。這個團隊將前饋神經網絡替換成了遞歸神經網絡，提高了系統對語音信息的存儲和處理能力，并能夠使用上下文、物理定位及其它方式對談話者的真正含義進行預測，就像人在談話時大腦所做的一樣。
在圖像識別方面，谷歌在2014年8月份收購了一家圖片分析公司Jetpac。Google研究院也發表了一篇文章，表明未來Google的圖形識別引擎不僅僅能夠識別出照片的對象，還能夠對整個場景進行簡短而準確的描述。除此之外，谷歌一直在積極吸引圖像識別和計算機視覺方面的專家參與到谷歌的項目研究中來，比如說向研究計算機視覺和模式識別的助理教授Devi Parikh授予了谷歌內部研究獎項Faculty Research Awards和 9萬美元的無限制基金，并允許她直接同谷歌的其他研究者和工程師進行合作。
根據德勤發布的一份報告顯示，Google在2014年將語音識別的精準度從2012年的84%提升到如今的98%，移動端Android系統的語音識別準確性提高了25%；計算機視覺技術也取得了突飛猛進的發展。如果以計算機視覺技術研究者設置的技術標準來看，自2010年到2014年，圖像分類識別的精準度提高了4倍。
5）Google神經機器翻譯系統（GNMT）
2016年9月28日，谷歌在 ArXiv.org 上發表論文《Google`s Neural Machine Translation System： Bridging the Gap between Human and Machine Translation》介紹谷歌的神經機器翻譯系統（GNMT），隨后谷歌 Research Blog 發布文章對該研究進行了介紹，還宣布將 GNMT 投入到了非常困難的漢語-英語語言對的翻譯生產中，引起了業內的極大的關注。
6）總結
總體看來，谷歌在人工智能的布局依然符合它“將全世界的信息聯系起來并給出最佳處理結果”的使命，在這一目標下，谷歌的行為可以大致分成兩個路徑，第一是覆蓋更多的用戶使用場景，從谷歌傳統業務覆蓋的互聯網、移動互聯網延伸到智能家居、自動駕駛、機器人等領域，從而抓取到更多信息，這可以看做是信息積累和輸入的過程。第二個方面是不知疲倦的做好底層人工智能技術的積累，研發更加高級的深度學習算法，增強圖形識別和語音識別能力，從而能對第一階段收集到的信息進行更好的處理和反饋，這可以看做是信息的處理和用戶服務的輸出過程。在這兩個過程下，谷歌就將人工智能滲透到了其各種產品的方方面面，從而為用戶帶來更多的使用場景和更加智能的功能。
2、百度
中國的搜索巨頭百度公司與谷歌有些類似，都是以互聯網搜索為基礎，都是技術導向型公司，而且在人工智能領域的布局也是走在互聯網行業的前列。在文章《搜索引擎到人工智能的終極演進》中提到了目前本身積累的用戶和數據，再加上云服務、深度學習等技術，很有可能實的搜索引擎看以看作是未來人工智能的雛形，依托于搜索現從傳統的互聯網搜索服務向人工智能高級形態的進化。而百度的Andrew Ng也在演講中提到了人工智能的正循環——擁有深度學習算法之后，將不再懼怕海量數據，反而會因為數據的增長而取得更好的效果，而這些效果將直接體現在圖像搜索、語音識別等具體的互聯網服務中，從而為用戶提供更好服務并吸引更多用戶，這又會產生更多數據。因此，百度在人工智能領域的布局既表現出了其作為技術公司的敏感性和前瞻性，同時也可以看做是百度走向未來的必由之路。
1）引進Andrew Ng及組建北美研究院
2014年5月，深度學習專家Andrew Ng（吳恩達）加盟百度，并負責同期成立的北美研究中心。由于相對于傳統互聯業務，人工智能的技術門檻相對較高，而對于相關技術人才的引起也就顯得尤為重要。在谷歌和Facebook相繼聘用了Geoffrey Hinton和Yann LeCun之后，百度將另一位人工智能大師Andrew Ng引入，這體現出百度與美國互聯網巨頭谷歌和Facebook在人工智能領域展開競爭的勇氣和實力，而北美研究中心的建立也表明百度將繼續與硅谷的互聯網巨頭爭奪人工智能領域的人才。而Andrew Ng與余凱、張潼、AdamCOAtes、徐偉等組成的頂尖團隊將會成為百度發展人工智能堅強后盾。
2）大數據積累和平臺開放
大數據是人工智能的基礎，而作為天然的大數據企業，百度擁有強大的數據獲取能力和數據挖掘能力，百度副總裁王勁更是將百度技術布局描繪為一張劍形圖，人工智能、大數據等技術化作劍鋒。百度除了做好數據積累和挖掘以外，還加快了大數據平臺的開放步伐，于2014年4月發布了大數據引擎，向外界提供大數據存儲、分析和挖掘技術，而且在醫療、交通和金融領域有了具體應用。
2014年7月14日，百度憑借自身的大數據技術14場世界杯比賽的結果預測中取得全中的成績，擊敗了微軟和高盛。2014年9月，百度正式發布整合了大數據、百度地圖LBS的智慧商業平臺，旨在更好在移動互聯網時代為各行業提供大數據解決方案。
到2015年，借助積累已久的海量數據和技術能力，百度大數據+平臺面向行業用戶提供了六大行業解決方案、七大產品組件、三大智能模型。可以說百度的大數據+戰略是規模體系極為完整的。
3）語音識別和圖像識別
2014年12月，美國《福布斯》發布文章稱，吳恩達及研究團隊發明了一種新的語音識別方法，這款基于深度學習的名為“Deep Speech”語音識別系統可以在嘈雜環境下實現將近 81% 的辨識準確率。卡耐基梅隆大學工程學助理研究教授Ian Lane對其的評價是“百度研究院最近的工作有可能顛覆語音識別在未來的應用效果。” 吳恩達表示，該語音識別系統采用深度學習算法取代了原來的模型，在遞歸神經網絡或者模擬神經元陣列中進行訓練，讓語音識別系統更加簡單。同時這套系統還使用了Nvidia等芯片制造商出品的多枚圖形處理器（GPU），這些處理器通過并行連接，能夠用比普通計算機處理器更快的速度訓練語音識別模型，從而提高工作效率。
在圖像識別方面，余凱稱攝像頭成為連接人和世界信息的重要入口之一。而百度也一直在利用深度學習技術來提高圖像識別的精度。2014年9月，百度云結合百度深度學習研究院提供的人臉識別及檢索技術，推出云端圖像識別功能。11月，百度發布了基于模擬神經網絡的“智能讀圖”，可以使用類似人腦思維的方式去識別、搜索圖片中的物體和其他內容。
4）人工智能算法和云計算
百度大腦既需要人工智能算法，也需要云計算中心提供硬件支持。百度大腦通過深度學習來模擬人類大腦的神經元，參數規模達到百億級別，構建了世界上最大規模的深度神經網絡。
百度在國內擁有十幾座云計算中心，為滿足人工智能在計算和存儲上的高要求，還投入使用了4萬兆交換機，并在探索10萬兆交換機。百度還是全球首家將GPU用于人工智能和深度學習領域、并規模化商用ARM服務器的公司。百度將這些整合在一起，就形成強大的存儲計算能力，從而可以進行多樣的并行計算，支持生成、配置針對不同應用和場景網絡結構，從而為人工智能提供有力的硬件支持。
5）自動駕駛項目
2014年9，百度宣布已經與寶馬正式簽署合作協議，共同研發自動化駕駛技術。其中，百度的三維地圖及相關數據服務也將被融入寶馬的車輛導航系統中，為自動駕駛汽車提供技術支撐。雙方計劃在接下來三年時間內，合作研究高度自動化駕駛在中國道路環境下面臨的技術挑戰，通過智能技術加強道路行駛安全性，減少交通事故及人員傷亡。
6）總結
百度在人工智能領域的布局可以總結為三點，第一，具有戰略眼光，與世界科技巨頭保持同步；第二，自身技術基因又使其非常注重技術人才的引進和人工智能底層技術的積累；第三，互聯網入口的地位和豐富的產品線使得人工智能技術能夠迅速落地，轉化成具體的產品和服務。也正因如此，2014年11月首屆百度技術節才會以“奇點臨近 技術引領未來”為主題，展望如何通過人工智能來改變世界。
3、Facebook
Facebook在人工智能領域的布局主要圍繞著其用戶的社交關系和社交信息來展開，在2013年加入公司的深度學習鼻祖Yann LeCun的幫助下，公司的圖像識別技術和自然語言處理技術大幅提升。
Yann LeCun是紐約大學終身教授，是卷積神經網絡領域的重要推動者，而該技術的最主要應用就是圖像識別的自然語言處理，這與Facebook的需求和已經積累的數據類型非常匹配。在Yann LeCun的幫助下，2014年Facebook的DeepFace技術在同行評審報告中被高度肯定，其臉部識別率的準確度達到97%。而他領導的Facebook人工實驗室研發的算法已經可以分析用戶在Facebook的全部行為，從而為用戶挑選出其感興趣的內容。而不久后，那些算法還能夠分析用戶在狀態帖子中輸入的文本，進而自動提示相應的標簽。他還表示，想在Facebook中建立一個智能助手，如果用戶上傳的照片中又令人尷尬的內容會進行識別和提醒。用LeCun的原話來說就是——Facebook人工智能實驗室的職責就是給予用戶更多的在線身份控制權，而不是削弱你的控制。
4、IBM
IBM目前看起來可能沒有谷歌和Facebook這樣酷，但其在人工智能領域有著豐富的底蘊，并在2014年采取了若干舉措。主要是開放了Watson平臺和發布了模擬人腦芯片SyNAPSE。
1）超級計算機沃森的開放戰略
2014年1月初，IBM宣布組建“Watson Group”，旨在進一步開發、商用及增強“Watson”及其他認知技術，還將給其投入10億美元資金用于研發和其他投資。現在，IBM宣稱如今的Watson比2011年參加《危險邊緣》“智能”了2400%，而且尺寸也已經從過去的臥室那么大縮減成三個披薩盒那么大。同時，IBM還推出了兩項Watson數字顧問服務，一項用于幫助企業從海量數據獲得洞見，另一項則旨在使得數據可視化。Gartner預計在2015年之前，將會形成一個由Watson衍生出來的巨大的智能顧問市場；而法國農業信貸銀行預測那些系統創造的收入將在2018年占到IBM總收入的12%以上。
2014年3月，已經在醫療和金融行業都有所應用的Watson又開始與紐約基因中心（New York Genome Center， NYGC）的合作。8月，IBM聲稱Watson即將被用于科學研究，目前，測試科學假設和理論常常需要花費幾天甚至幾個月時間。不過，借助沃森的“Discovery Advisor”項目，這樣的工作可以更快地完成。
2014年5月，IBM通過Watson Group收購了人工智能創業公司Cognea，該公司開發了一個認知計算和對話式人工智能平臺，為用戶提供個性化虛擬助手服務。IBM對于 Cognea的定位是能夠理解用戶的個性化需求，將互動提升至一個新的水平。
本年，Watson也被部署在IBM去年收購的云計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌、和微軟、等大型科技公司在云計算領域展開競爭的武器。
2）人腦模擬芯片SyNAPSE發布
2014年8月，IBM再度發布能模擬人類大腦的SyNAPSE（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，即“自適應塑料可伸縮電子神經形態系統”）芯片，相比前一代原型，新的芯片已達到量產要求，并且擁有100萬個“神經元”內核、2.56億個“突觸”內核以及4096個“神經突觸”內核，而功率則僅有70毫瓦，該芯片能夠模仿人腦的運作模式，更擅長進行模式識別，而且低功耗，在認知計算方面要遠遠穿過傳統計算架構。
3）總結
IBM在人工智能領域的布局還是在圍繞著Watson和SyNAPSE做文章，這代表著他們在人工智能領域長時間技術積累，同時IBM也在越來越開放，希望能像其他科技巨頭一樣，建立一個真正的開放性的技術平臺，真正組建一個生態系統，因為人工智能領域的技術門檻相對較高，所以在這個時代來臨時，或許會成為IBM逆轉的好時機。
5、微軟
面對谷歌和IBM在人工智能市場的布局，微軟的在人工智能市場動作緩慢一直倍受市場詬病。但從2014年開始，微軟通過推出智能機器人小冰、語音助手Cortana 以及增強現實頭顯HoloLens，已經初步顯現出其強大的雄心和實力。
2014年5月，微軟小冰誕生在中國，背后團隊是微軟(亞洲)互聯網工程院小冰項目組。小冰誕生時面臨的首個難題是：跟隨傳統做個人助理機器人，還是另辟蹊徑做看似不“實用”的聊天機器人？項目負責人李笛和其他三位 STC 工程師決定讓她主打“情感計算”，試圖與人類建立強烈的情感紐帶。小冰與真人的平均對話（CPS）已經達到了23個回合，這就讓她能夠進一步優化原有的數據庫。除了文字、語音聊天，現在的小冰還可以看“圖”說話。
此后，2014年7月，微軟在北京召開Windows Phone 8.1 Update中國區發布會，正式發布Cortana中文版，并將其命名為“微軟小娜”。小娜和小冰的區別在于小娜能提供智能語音服務。而在發布了微軟學術搜索之后，小冰、小娜還將能跟你聊學術。盡管微軟小冰推出之初因為種種問題而廣受詬病，但圍繞微軟小冰的改進工作一直在進行中。
在今年的開發者大會上，微軟CEO薩提亞·納德拉正式宣布了“對話即平臺”戰略。很顯然，在“對話即平臺”的新戰略中，小娜和微軟小冰處在核心位置。
6、阿里巴巴
阿里巴巴集團CTO張建鋒曾表示，不論是人工智能還是其他前沿技術，都離不開高質量的數據、強大的計算平臺和高效的算法平臺，只有把這三項結合在一起，才能真正取得突破。目前，阿里巴巴已經基本具備了三個要素基礎。
2015年8月，阿里云宣布推出國內首個人工智能平臺“DTPAI”。開發者可通過簡單拖拽的方式完成對海量數據的分析挖掘，以及對用戶行為、行業走勢等的預測。平臺集成阿里巴巴核心算法庫，包括特征工程、大規模機器學習、深度學習等。“DTPAI”運行在阿里云之上，開發者可按使用情況彈性付費，可支撐百億級的預測吞吐量。同時，阿里巴巴核心算法庫即開即用，未來還將集聚更多優秀數據科學家為應用開發者提供算法服務。
在語音識別交互和情感分析領域，阿里巴巴也加強了布局。2016年 8月9日，阿里云在云棲大會北京峰會上正式推出人工智能ET。這款由阿里智能聊天軟件小AI演變而來，有點類似于微軟的小冰和小娜，ET的優勢并非僅僅是陪人說學逗唱，更多體現在全局洞察和實時決策上。ET基于阿里云強大的計算能力，正在多個領域不斷進化，目前已具備智能語音交互、圖像/視頻識別、交通預測、情感分析等技能。
7、騰訊
1)從Dreamwriter到微寶機器人，軟件到硬件的跨越
2015年9月，在百度度秘、阿里機器人客服上線之際，一則名為《8月CPI同比上漲2% 創12個月新高》的消息卻搶先占據了話題榜。它的作者，正是騰訊財經研發的自動化新聞寫作機器人Dreamwriter。不過，與其稱它是機器人，不如稱其為一種智能算法。基于數據抓取，Dreamwriter每天可生成上百篇財經類稿件，并第一時間輸出研判，1分鐘內將資訊傳達給讀者。Dreamwriter之后，騰訊開始試水硬件領域，推出了智能球型機器人微寶。
微寶由智能玩具研發商Orbotix打造的Sphero 2.0“進化”而來，它采用一體化設計和密封技術，由兩個半球組合而成。半透明聚碳酸酯塑料的外殼，打造出光滑且堅固耐磨的表面。微寶的身體里，配置了工業級的發光元件，可設置上萬種LED色彩。騰訊還為它重新定制了卡通圖案及擬人化眼睛，讓它更符合本土化審美。而微寶所做的，則是將虛擬游戲搬到現實世界，或把現實游戲還原到虛擬場景。這是一次智能硬件與AI的結合，也是第一次通過實體智能娛樂設備與游戲APP的連結而實現的人機交互。
2)騰訊云宣布將旗下頂級的圖片處理技術
2015在9月，騰訊云宣布將旗下頂級的圖片處理技術——優圖開放給業界，通過“優圖人臉識別”和“萬象優圖”兩個產品，移動開發者可擁有世界一流的圖片處理能力。作為騰訊內部專注于圖像處理、模式識別、機器學習及數據挖掘等領域的核心技術隊伍，優圖團隊自2012年起，就逐步積累了人臉檢測、五官配準、特征提取比對及活體檢測等世界頂級的人臉技術。結合語音、唇語及面部表情，“優圖人臉識別”可對照片、視頻及人頭模型等攻擊進行立體化防范。
3)騰訊智能計算與搜索實驗室
騰訊智能計算與搜索實驗室成立于2015年，專注于搜索技術、自然語言處理、數據挖掘和人工智能四大研究領域。作為實驗室對外開放的第一個產品，云搜可對公司內部各大垂直搜索業務進行高度抽象和整合，為用戶提供可視化的數據定制服務。同時，它還具有聯想詞推薦、高級糾錯、人工干預、按域檢索、個性化分詞等附件組建功能。而另一產品文智中文語義平臺，則擁有強大的中文語義分析功能。基于它提供的API，用戶可進行搜索、推薦、輿情、挖掘等語義分析應用，也能定制具有產品特色的語義分析解決方案。
8、蘋果
全球市值最高的公司蘋果，一直被認為在人工智能領域嚴重落后，除了語音助手Siri，似乎沒有更多作為。但真實情況或許與外界猜測的完全不同。因為蘋果對技術如此熟練又如此低調。直到最近蘋果在AI領域加大了招聘力度，做出了一些高調的收購，人們才意識到蘋果正在積極布局，但蘋果對此一直守口如瓶，很多AI行家也不能完全明白它在人工智能領域的戰略意圖。
汽車應用與自動駕駛
對于蘋果設計制造自動駕駛汽車的傳言已經由來已久（甚至已經有了 iCar 的說法），但蘋果對此從來沒有正面做出過評論。現在谷歌、Uber 和百度等互聯網公司以及特斯拉外加一眾傳統汽車制造商正紛紛向自動駕駛領域進軍，而蘋果的汽車計劃一直處于秘而不宣的狀態。
去年 12 月，福特汽車和蘋果公司宣布一項新合作。福特 2011 年后出產的搭載 SYNC 功能的汽車都可以升級到蘋果的 CarPlay，這也意味著你可以用 Siri 來給你的愛車發命令。
據報道，這次合作將使得蘋果的 Siri 安裝到福特的 500 多萬汽車上。另據了解，那時候蘋果公司就已和超過 30 多家汽車廠商達成了合作，進一步推廣 CarPlay。而雖然蘋果從未口頭上承認過自動駕駛研發計劃的存在，但蘋果在相關領域的招人挖角上一直動作頻頻。
據《華爾街日報》去年援引多名消息人士的話報道，蘋果首席執行官 Tim Cook 大約 2 年多以前批準了汽車研發項目，并指定分管產品設計的副總裁 Steve Zadesky 領導研發，授權他組建一個最多 1000 人的研發團隊，在距離蘋果公司總部數公里的一個基地工作，主要研究方向是機器人技術以及和汽車制造相關的金屬和材料分析等。
蘋果今年初還聘請了原黑莓旗下 QNX 汽車軟件業務部門的 CEO Dan Dodge 加入蘋果汽車業務團隊，Dodge 將和蘋果汽車計劃（Project Titan）負責人 Bob Mansfield 一起發展自動駕駛汽車技術。
據傳言稱，蘋果公司的目標是 2020 年左右發布一款蘋果汽車。但是該計劃可能受到一些高層的離職、技術推遲以及公司政策方向的變化等因素影響。
教育與醫療健康
由于在教育市場面臨谷歌母公司 Alphabet 施加的競爭壓力，蘋果開始全面發力教育市場，甚至為美國上百所學校免費提供 iPad，還派駐專員幫助他們解決各種問題，甚至連高管都親自出面一對一幫扶各所學校。
蘋果的這些付出并不是沒有回報的。隨著其所積累的用戶數據越來越多與在線教育的興起，蘋果有望通過這些歷史所積累的數據發展自己的個性化教育方案，從而占據學生群體這一未來增長的動力源泉。
而醫療的智能化也是科技巨頭們看上的一塊未來「大蛋糕」，谷歌、IBM、微軟和蘋果等都已入場。2014 年 WWDC 上，蘋果推出了全新的健康平臺 Healthkit。憑借蘋果公司遍布全球的數億 iPhone 用戶，蘋果可以獲得來自手機/手表傳感器和大量第三方配件的健康數據，這也構成了蘋果在醫療健康領域內野心的數據基礎。
今年五月份，蘋果還聘請了 Nest 前首席技術官 Yoky Matsuoka 加入該公司的健康產品團隊。Yoky Matsuoka 的來頭可謂不小，她曾是 Google X 實驗室的共同創辦人，后來又于 2010 年加入智能家居公司 Nest 擔任技術負責人。
音樂與多場景
早年憑借著 iTunes 和 iPod 等應用和設備，蘋果就已經在音樂市場占據了不可忽視的一席之地。而擁有數億用戶的 iOS 平臺上的 Apple Music 的發布（盡管蘋果也推出了 Apple Music 的安卓版本，但安卓用戶對此興趣不大）更是幫助蘋果幾乎瞬間就成長了音樂市場的龐然大物。
為了和 Pandora 與 Spotify 等音樂服務提供商競爭，靠手機預裝當然是不夠的。為了為用戶提供個性化的服務，幫助用戶找到他們所喜歡的音樂。據了解，和 Pandora 等較小的公司所采用的純算法的推薦方式不同，蘋果采用了半人工操作的解決方案。
正如谷歌在原始地圖里面添加元數據（比如街道名稱、單行線/雙行線、公司名稱等等）一樣，蘋果也在音樂播放列表里面手工添加音樂的元數據信息。之后，蘋果公司會針對一個用戶篩選出他們喜歡的數據，然后推薦 10 個、20 個或是 30 個音樂播放列表。
語音、語義識別
Siri無疑是蘋果最為重要的語音產品，2010年以2億美金的價格購入無疑是一筆非常劃算的買賣，之后蘋果在語音識別和NLP方向的收購舉措均基于Siri而展開。
2014年4月，蘋果收購的Novauris是一家自動化語音識別技術公司，Novauris是由Nuance旗下的Dragon Systems創始人創辦，而Nuance曾是Siri的基礎語音技術提供商。他們的核心產品是基于服務器的可擴展語音識別系統NovaSystem，特點是能夠同時處理多個語音訪問請求。雖然蘋果拒絕透露如何使用Novauris團隊，但從Siri和Nuance的合作關系來看，蘋果此項收購意在擺脫對Nuance的依賴，利用Novauris團隊開發自己的語音技術。
一直以來，Siri只能識別最基本的指令，無法做出匹配度較高的回答，這導致它成為一款娛樂屬性的娛樂產品。2015年10月，蘋果通過收購VocalIQ予以解決此項問題。VocalIQ能夠利用深度學習來理解語言的環境，從而使得人機對話變得更加自然。開發者在Siri中嵌入VocalIQ的人工智能技術后，利用這個平臺來儲存和學習用戶的交流信息，實現準確識別用戶的指令并提供更加智能的對話。
除此之外，蘋果的觸角也已經伸入了虛擬/增強現實（已經收購了多家相關的公司）、物聯網等領域，但相關領域還沒有什么成型的產品（甚至傳言都很少），此處便不再過多涉及了。
9、英特爾
深度學習對計算力資源的需求到底有多高，其實誰也不知道，這就像個「計算黑洞」，也使得異構加速技術在過去幾年成為該領域應用廣泛的技術，作為計算芯片領域最大的廠商，英特爾需要做的事情是構建具備高性能機器學習和人工智能的下一代處理器架構。
1)圍繞機器學習，從算法和硬件上尋求突破
2015年12月，英特爾完成了對可編程邏輯器件廠商 Altera 的收購。這是英特爾公司歷史上規模最大的一筆收購，這也讓英特爾成為第二大可編程邏輯器件廠商，并且將 Altera 的 FPGA 納入到英特爾的產品線中。所謂 FPGA（Field－ProgrammableGate Array，現場可編程門陣列），是一種介于專用芯片和通用芯片之間，具有一定的可編程性，可同時進行數據并行和任務并行計算，在處理特定應用時有更加明顯的效率。
眾所周知，英特爾在業界的影響力建立在 PC、服務器的 CPU 基礎之上，但在 PC 銷量持續下滑的殘酷面前，英特爾的收入和利潤都將受到很大影響。在服務器層面，包括 Facebook、Google 在內的主要客戶，其對大型網絡服務計算的需求不斷增長。傳統意義上，英特爾會在每塊硅片上集成更多晶體管，不過隨著摩爾定律失效，這種方法也越來越難以滿足客戶需求。FPGA 則有望給英特爾帶來新的業務增長點，那就是機器學習。
將 Altera 的 FPGAs 和英特爾處理器結合在一起的「一個很激動人心的領域就是機器學習，它是影像識別、目標探測、發現大數據規律的關鍵要素。」具體來說，英特爾會把FPGAs 和英特爾處理器封裝到一顆芯片里，當用 FPGAs 來運算一些機器學習的任務時，就像CNN影像識別算法，這些算法能大大提高它的性能。根據英特爾并購副總裁文德爾·布魯克斯 2015 年接受采訪時的說法，相對于傳統的處理器和 FPGA 獨立組建，新的一體化芯片最初將帶來30%至50%的性能提升，而最終的性能提升將達到 2 到 3 倍。
在軟件尤其是算法層面，英特爾想做的則是通過2015年發布的數據分析加速庫DAAL來幫助第三方開發者更好地在英特爾的底層硬件上進行機器學習模型的搭建和訓練。與此同時到 2017年，英特爾會在另一個名叫「數學核心函數庫」的產品中發布神經網絡 API ，上述資源會讓開發者直接調取，極大地降低了開發者入門機器學習的門檻。
總體上說，英特爾的確在為機器學習，尤其是深度學習做了很多布局，但也真如深度學習還處在早期發展階段一樣，英特爾的各個產品（硬件、軟件/算法）也并不成熟，但在另一個層面來看英特爾對于人工智能發展的思考，則別具深意。
2)把感知能力賦予機器人
所謂實感技術，就是一整套軟硬件解決方案，硬件層面由色彩傳感器、紅外傳感器、紅外激光發射器和實感圖像處理芯片等部件組成了 3D 攝像頭。軟件方面，這個攝像頭可以捕捉物體的色彩、計算物體深度和運動軌跡，并且還支持 3D 建模、實時渲染等。簡而言之，就是通過攝像頭把感知能力和理解能力賦予新一代的計算設備。
首先，將實感技術武裝到機器人身上。機器人自然需要「眼睛」感知世界，不過過去缺乏一種讓機器人「看見」周遭世界的方法。因此，英特爾希望通過實感技術機器人開發工具包，讓機器人擁有一雙「眼睛」。這個工具包集成機器人開發主板和 R200 相機，這是一個交鑰匙方案（所謂「交鑰匙」，是承包公司為客戶方建造工廠或其他工程項目，一旦設計與建造工程完成，包括設備安裝、試車及初步操作順利運轉后，即將該工廠或項目所有權和管理權的「鑰匙」依合同完整地「交」給對方，由對方開始經營。英特爾已經在多個領域啟動「交鑰匙」方案）。
其次，推出英特爾實感技術 SDK，提供了更多 API，包括姿態識別、人臉跟蹤、3D掃描、場景感知，還有 SLAM，并且真正實現了跨平臺操作，為縱深相機提供開源的驅動程序，支持 Linux、Android、OSX 和 Winows。這些跨平臺的API 也為機器人操作系統 ROS 提供了交互界面，對于未來機器人的開發有重要意義。
第三，把實感技術放入無人機平臺（Aero Drone Board）。這塊主板的中間有個 100 針的接口，可以通過上面的 FPGA 對它進行再編程、再優化。而主板的外圍設備支持包括 SSD 存儲、LTE 通訊網絡、RealSense視覺。它運轉 Yocto Linux軟件，可以和大量商用的飛行控制器連接。
總結
以硬件擅長的英特爾選擇提供計算能力和感知能力，這既是對原有業務的延續和補充（畢竟，芯片還是該公司的支撐業務之一），也是英特爾最熟悉的商業模式——打造生態系統，與平臺上各個鏈條的合作伙伴共同推動產業發展。從新一代計算芯片到新一代視覺感知，英特爾為人工智能布下的這兩個棋子，未來將帶來多大的產業影響力，我們不妨拭目以待。
10、Salesforce
對于Salesforce來說，機器學習也變得越來越重要，原因很明顯，Salesforce對手中掌握的數據越來越重視，也希望盡量利用起手中的數據。早在收購MetaMind之前，Salesforce就已經展開了一系列收購和挖人行動。
收購MetaMind，瞄準動態記憶網絡
2016年4月4日，MetaMind的CEO Richard Socher 在博客上發布一條重磅消息：公司被Salesforce收購。公司將于5月4日停止服務，但并未透露具體收購細節。「Salesforce 計劃將MetaMind技術整合進公司服務，」「對未付費網頁用戶，MetaMind產品會于5月4日停止服務。付費服務將于6月4日停止。4月11日后，我們開始刪除上述用戶業已儲存在公司的所有數據。」
在此不久前，MetaMind發表了一份論文，提出了動態記憶網絡。這篇論文中表示，其研究人員在軟件對于Q&A；的能力上有了進一步的突破，問題包括文字文檔和數字圖片的相關內容。在這篇近期的論文中，MetaMind的研究者提出了公司的新方法，也就是動態記憶網絡，該方法能夠同時處理輸入的聲音、圖像和文本。MetaMind軟件的設計證明了神經網絡軟件正在變得越發復雜，他們的系統既可以記住語句的序列，又能聚焦于圖片的各個部分。
MetaMind正在將他們的技術應用于商業領域，包括自動化的客戶服務。此外，保險公司還向MetaMind咨詢過，他們的技術是否能夠附上照片（比如說那些遭到破壞的汽車和其他財產）回復郵件。Salesforce的平臺和業務正好為這些新技術的應用與拓展，提供了舞臺。
2014年7月，Salesforce花3.92億收購RelateIQ。這家創業公司可以從日歷，郵件收件箱以及電話記錄和更新記錄中獲取有關銷售人員如何與領導及現有客戶共事的信息，將原本需要耗費人力的處理過程自動化。
Salesforce也建立起自己的數據科學團隊，主要成員來自LinkedIn。這些數據科學家們可以根據公司提供的數據，分析產品使用情況，研發新產品和功能。
2015年，收購并關閉了智能日歷應用Tempo AI。在此之前，微軟收購了日歷應用Sunrise，谷歌收購了Timeful。
2016年2月，Salesforce收購了機器學習創業公司 PredictionIO。PredictionIO成立于2013年，位于加州Palo Alto，2014年，募集了250萬，公司擁有通用（general-purpose）開源機器學習軟件，旨在擴展和簡化機器學習技術的研發工作，擁有超過8000名研發人員的社區，客戶包括Dropbox。這家公司和H20.ai一樣，致力于開發出新型的面向更廣泛市場需求的機器學習或深度學習架構，或將新的工具和技術打包到市場上原有的成熟產品中，并最終提供給終端客戶。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.vmgcyvh.cn/
本文標題：盤點巨頭在人工智能市場的戰略布局
相關文章
