人工智能自1956年诞生以来，一直试图用简单演绎推理规则，来描述并模拟一个复杂系统的行为。然而，真实世界是无限复杂，数据驱动的AI系统才有前景。可以说，深度学习的爆发，正是通过大数据和计算能力实现。

　　深度学习的爆发，使得云计算、芯片的研发成为热点，数字医疗、智能家居、自动驾驶、虚拟助手等应用也获得了质的突破。本期的智能内参，我们推荐来自长城证券的人工智能产业研究报告。

　　以下为智能内参整理呈现的干货：

　　|深度学习商业化正在爆发

　　传统AI算法随着数据增加，性能提高到某一个点就饱和，算法不能处理大规模数据。但深度学习模型足够复杂，可处理大数据，且性能准确度随着数据增长而增加。目前，深度学习算法在语音识别、图像识别等领域的性能准确度已经超过人类准确率，AI技术逐步走向商业化。

　　机器学习根据数据处理情况可分为：监督式学习、非监督式学习(或称端到端学习、End-to-EndLearning)。

　　对于监督式学习，数据需进行人工标记预处理，AI程序再挖掘标记数据的潜在特征，识别出特定模式，并将其模式进一步应用于标记数据。目前深度学习研究及产品开发的爆发均基于监督式学习。随着深度算法改进，及未来非监督式学习精度提高，AI将进一步加速商用化。

　　非监督式学习可直接收集和处理非标记数据，通过这种端到端的学习，实现全过程整体优化，避免人工标记数据的低效环节，大幅提升机器学习效率。2012年谷歌使用非监督式学习方法，在软件中输入未加工的原始数据，在没有人工协助下计算出结果，从YouTube图片中识别出当中的猫和人物，因此深度学习可实现非监督学习。但这种非监督学习方法的精确度还未达实用水平，仅限于实验室应用。

　　|巨头们合作+并购+抢人结合自家主业布局AI

　　鉴于AI重要战略意义，Google、Microsoft、Facebook、IBM、BAT等科技巨头竞争日益白热化，耗费巨资收购具备核心竞争力的AI初创公司。

　　两大巨头联盟：

　　2015年12月，特斯拉创始人Elon Musk与Amazon、LinkedIn、PayPald共同创立非营利开源人工智能公司OpenAI，并将为其募集10亿美元资金。OpenAI主要目标是发展可*大化造福人类的AI技术，并预防AI灾难性影响，目前主要关注机器学习领域，重点关注无监督学习和强化学习。

　　2016年9月，谷歌及旗下公司DeepMind、微软、亚马逊、Facebook、IBM等5大科技巨头宣布成立非营利性AI研究机构PartnershiponAI，以保障AI研究会造福人类和社会，沿着正确轨道发展，并向大众普及AI。

　　并购数量飙升：

　　根据Venture，2011年-2015年之间，AI领域并购资金从2.82亿美元增长到2015年的23.88亿美元，而并购数量也从67起增长到397起。

　　AI人才成香饽饽：

　　此外，巨头也争相抢夺AI科技人才，来进行AI算法研究、并加速应用落地，如谷歌招募GeoffreyHinton，Facebook招募YannLeCun，百度招募AndrewNg等AI传奇人物。各科技巨头也建立AI研究院，攻克AI核心算法、打造AI技术平台，将其算法、平台开源，吸引##并汇聚创造性想法，形成AI应用开发生态。

　　对于拥有大量数据资源的公司而言，科技巨头们首先是将AI技术与原有的主业数据进行整合，利用AI提升用户体验，增强客户粘性，强化主业竞争优势。如Google、百度重点落地智能搜索，Facebook重点攻克聊天机器人。对于具备AI核心技术，但主业并无大量数据积累的公司(如IBM)，则通过大量收购垂直行业数据(如医疗诊断、律师等)，加速AI向传统产业渗透，推动行业变革。

　　企业AI布局可分为以下五大类型：

　　1、国外科技公司聚焦于AI基础层、技术层的核心技术研发。而国内科技公司在基础层、技术层研发较为缺失，大多初创公司使用国外科技巨头的开源平台，通过大量行业数据来训练AI系统。

　　2、IBM、Google、百度全面布局AI技术，在重点研究AI核心算法基础上，在应用层全面推进AI商用化进程，在AI核心算法、智能搜索、无人驾驶、医疗诊断等领域率先布局且行业**。

　　3、Facebook、腾讯、微软、苹果侧重于社交应用，这些巨头*为关注图像和语音的识别技术，希望打通图像、语音等人机交互接口，提高用户参与度，收集用户行为数据，从而进一步训练AI系统，*终希望打造一个智能私人助理来统一管理旗下应用。因此重点布局语音识别、图像识别、智能助理、聊天机器人等领域。

　　4、英伟达、英特尔鉴于传统PCCPU或GPU业务饱和及衰退，大力谋求业务转型。它们基于芯片领域技术积累，着力研发适合深度学习的AI芯片，寻求新增盈利点。

　　5、亚马逊、Saleforce、阿里、Mobileye偏重商业应用，如亚马逊在Echo智能音箱上加载电商商品目录，方便客户购买;Saleforce利用云计算、大数据、人工智能来改善CRM的体验效果;Mobileye通过ADAS系统先期掘金、积累技术，逐步进阶完全自动驾驶。

　　|Facebook：拓展社交数据优势

　　Facebook拥有得天独厚社交大数据.截至2015年，Facebook月活用户已达17.1亿人。Facebook现在在信息推荐、过滤攻击言论、推荐热门话题、搜索结果排名等领域已大量使用人工智能和深度学习的技术。

　　Facebook的AI领域布局主要围绕其用户社交关系和社交信息来展开，集中在语义识别(DeepText)、图像识别(DeepFace)、智能助理(FacebookM)等领域，目前在聊天应用、家用语音识别终端领域，Facebook及亚马逊处于**位置。

　　未来，Facebook三大重点发展领域为：虚拟现实和增强现实(OculusVR)、互联互通(联手NASA)及人工智能(图像和语音识别)，且AI将助力AR/VR、互联互通战略达成。

　　与Google、微软等巨头相似，为促进FacebookAI应用端产品研发、及AI生态系统建立，Facebook陆续开源Torch、Chef、fastText、BigSur等一系列AI工具及资料库。

　　|微软：主推企业医疗AI

　　近年来，微软收购AI初创公司*主要目的是获得AI领域人才和技术，一般会关停被收购公司的原有业务(如Genee、Cortana)，并将其整合到微软现有业务中，以贯彻微软移动**，云计算**策略。

　　2016年9月，微软宣布重组微软研究院、微软信息平台部门、必应和小娜产品部门、环境计算、机器人团队等部门，联合组建MicrosoftAIandResearchGroup。新成立的AI部门将包含AI产品工程部门、基础和应用研究实验室，及新体验与新技术部门NExT等，并由微软行政副总裁沈向洋领军。新部门将拥有超过5000人的AI研发团队。

　　此外，微软于2011年12月成立QuArC部门，重点关注可扩展、容错量子计算机的使用设计软件架构和算法。微软StationQ小组也正研究拓扑量子计算。微软*近还推了FPGA芯片(ProjectCatapult)，在执行AI命令时，速度比普通芯片快几个数量级。基于FPGA的A-eye芯片更赋予摄像头视觉理解力。

　　2016年1月，微软开源深度学习工具包CNTK，CNTK是目前*快的分布式运算神经网络框架，也是**可扩展的开源深度学习工具包。2015年2月，微软发布基于云平台的微软认知服务(Azure机器学习平台)，为所有用户提供在云端处理大数据的Azure机器学习服务，基于Azure应用HowOldAreYOU，一时风靡全球网络。微软智能云Azure集合了企业级云计算平台、物联网、移动解决方案、大数据分析、人工智能、丰富开发工具平台，提供了完善底层技术支持、平台服务，并积极拥抱开源。

　　目前微软内部已有接近100个与医疗相关的项目。微软亚洲研究院一直将数字医学影像识别作为主攻方向之一，希望通过计算机视觉领域的*新技术加速推动精准医疗。近两年，微软亚洲研究院团队在脑肿瘤病理切片的识别和判断，基于神经网络+深度学习模式，已取得对大尺寸病理切片的图片处理、对病变腺体的识别等两大突破。此外，微软还正研发可判断病人是否感染疟疾、感染哪类疟疾及感染疟疾渠道的AI技术。

　　|苹果：差分隐私技术守护用户隐私

　　在后PC时代，苹果公司将软件和硬件进行垂直整合、关注软件与硬件产品的细节和创新、大力投资研发，连续推出了iPod、iPhone、MacBookAir、iPad等多款变革性产品。2014年，苹果品牌超越谷歌(Google)，成为世界*具价值品牌。*近，苹果CEO库克表示未来将着重加强在智能汽车、AppleTV、人工智能和增强现实等领域研究。

　　机器学习需大量数据训练以达到良好学习效果，传统AI学习方式为将用户数据上传至云端，再遍历数据寻找感兴趣内容，并进行数据训练。而苹果缺少搜索服务和社交网络服务，且高度重视用户隐私保护，对用户数据进行端到端加密，这将限制用户数据使用，难开展可行的个性化AI业务。从iOS10起，苹果使用差分隐私(Differential Privacy)技术，在数据若干片段加入数学噪音，让个人身份无法识别，通过该方式，苹果可在不影响个人隐私下，识别大批量用户的使用模式。

　　根据外媒报告，苹果正加紧推进技术Siri语音助手的智能家居设备的研发及原型测试，试图通过语音来控制电器、门锁、照明以及窗帘等。Siri上线于2007年，目前已经可支持AppleTV和AppleWatch。2015年10月，苹果收购英国语音技术初创公司VocalIQ。经测试，在抓取复杂漫长的语音指令的全部重要信息方面，VocalIQ成功率超过90%，而GoogleNow、Siri、Cortana成功率仅为20%。经整合VocalIQ后，苹果数字助手Siri性能将大幅改善。

　　|亚马逊：云计算Echo行业**

　　目前亚马逊主要从Amazon.com网站销售的商品中抽取利润，并提供亚马逊网络服务(AWS)及相关智能家居设备。

　　亚马逊较早进入云计算，技术积累深厚。根据Gartner预计，2019年全球云计算市场规模将达3150亿美元，云计算市场前景广阔。目前云计算市场已经形成亚马逊、谷歌、微软、IBM、Saleforce五巨头格局，巨头行业竞争地位牢固，根据IDC，2020年亚马逊、阿里云、微软、Google、Salesforce和IBM等6家厂商将垄断全球云计算基础服务市场的80%份额。

　　AI算法需要强大算力支持，亚马逊**云计算能力，将为其人工智能技术走向实用提供保障。而亚马逊云服务的强大客户数据，将迅速提升AWS系统的智能化水平。根据SynergyResearch，2016年Q2，亚马逊AWS全球市场份额高达31%，遥遥**第二位微软公司的9%市场份额。亚马逊云计算部门2016年第二季度营收接近30亿美金，占整个亚马逊收入的30%，是亚马逊的主要营收来源。

　　2015年4月，亚马逊公司旗下AmazonWebServices推出亚马逊机器学习服务，为第三方##提供亚马逊创建机器学习模型的技术。2016年5月，亚马逊还开源其深度学习和机器学习工具DSSTNE(Deep Scalable Sparse Tensor Network Engine)。相比其他深度学习工具而言，DSSTNE更擅于训练稀疏数据。

　　产品方面，亚马逊在过去4年期间，重点打造Alexa智能语音助手及Echo智能音箱，目前从事Alexa、Echo项目团队已超过1000人。在集成第三方应用方面，Alexa相对谷歌GoogleAssistant(安卓系统)和苹果Siri(集成IOS系统)而言，处于竞争劣势。目前亚马逊努力尝试让Alexa支持其他可连接设备，未来将集成至宝马车型中。2016年9月，LG也表示准备将亚马逊的服务(例如Alexa服务、Dash等)植入到自己的产品中。而Echo已经通过API及亚马逊云服务增加1200多个技能(诸如同步语音数据、播放音乐、语音购物、搜索、新闻、提醒等功能)，已经入驻300多万家庭，未来Echo还将持续扩大对智能家居设备兼容性。

　　|Mobileye：ADAS芯片致力自动驾驶

　　Mobileye致力于计算机视觉、地图及机器学习等领域，为知名汽车制造商提供基于视觉系统分析和数据处理研发的ADAS(##驾驶辅助系统)芯片和自动驾驶解决方案。与Google、Tesla着眼于完全自动驾驶不同，MobileyeADAS则采用更廉价可行方案。Mobileye主打产品是一款基于摄像头的ADAS芯片EyeQ芯片，EyeQ识别率已高达99.99%，市场占有率为75%。

　　根据美国高速公路安全管理局(NHTSA)，自动驾驶分为5个阶段，目前正处于有限的自动驾驶阶段早期，ADAS起着关键作用。常见ADAS功能有盲点侦测BSD、前碰撞预警FCW、主动紧急制动AEB、车道偏离预警LDW、车道保持心态LKS等，目前ADAS功能已达20多个。

　　智东西认为，深度学习商业化正在爆发，基于监督式学习的处理方法已有诸多应用，未来，非监督式学习方案也将走向实用。目前，*大的技术难题依旧在于通过语音、图像识别打通人机交互接口，以便数据采集。

　　硅谷几大科技巨头致力于积累AI底层技术，并购交易数量飙升，并围绕自家主业打造AI生态，加速AI向其他业务扩散，在云计算、数字医疗、智能家居、虚拟助手领域竞争尤其激烈。而巨头们开源算法平台、工具包等，也为中小企业提供了站队选项和广大的生存空间。