机器智能公司一览图 | 36氪

机器智能公司一览图

对于人工智能，目前有两种态度。一种是担忧，Elon Musk等人担忧先进的人工智能会对人类形成威胁，Nicholas Carr担忧自动化会抢人饭碗、让人变蠢；一种是放心，Google主席Eric Schmidt认为先进的技术智慧让人类变得愈来愈好，何况如今的人工智能还很是原始。那么，如今的机器智能现状究竟是怎样的呢？Bloomberg Beta 的 VC Shivon Zilis 历时 3 个月，分析了 2529 家人工智能、机器学习及数据相关的初创企业后为咱们作出解读。

什么是机器智能？

所谓机器智能，是机器学习与人工智能的统称。计算机正在学习如何思考以及读写。也正在得到人类的感受功能，包括视觉、听觉，以及触觉、味觉和嗅觉（对后三者的关注略少）。机器智能技术涉及多种不一样的问题类型（分类、聚类、天然语言处理、计算机视觉等）和方法（支持向量机、深度信念网络等）。这些都包含在机器智能版图当中。

机器智能离不开大数据，数据是机器学习和人工智能的基础。尽管如此，出于篇幅和专一于人工智能方法的缘由，这份版图并无把大数据放进去。

公司分类

从事机器智能的公司不少，可是版图幅面有限。因此机器智能方法被看成关键技术的公司才能够列入。而后入选的公司再分为三大类，一类是专一于机器智能核心技术创新的核心技术类公司；一类就是应用型公司，应用型按照应用对象又能够分为面向企业、面向行业以及面向人 / 人机交互（HCI）这三类；第三类则是支撑技术，包括硬件、数据准备、数据采集等。

若是你打算开一家相关的公司，能够利用这张图找出合适的核心技术和支持技术，而后打包成新颖的行业应用。尽管人人都想解决一些吸引人的问题，可是在许多不那么性感的行业还存在着大量的商机值得挖掘（如经过 Watson Developer Cloud、AlchemyAPI 等），因此未必要牢牢盯住热门的领域。

版图思考

Kevin Kelly（K.K）认为，廉价的并行计算、大型的数据集，以及更好的算法推进了机器智能的发展，从而给企业、产业和人类带来了变革。这张版图的应用划分正是受到了这种观点的启发。正如 K.K 所言，“接下来的 10000 个初创企业的商业计划很容易预测，作 X 而后增长 AI。”有时候甚至连 X 均可以不要，由于机器智能自己就有可能创造出全新的行业。

机器智能的前景很是可观。目前这个领域的初创企业被收购率已达到有 10%，Zilis 认为到 2015 年年末可能还会有另 10% 被收购掉。买家共有 15 个，其中 Google 是机器智能领域的头号买家。

大公司具备压倒性优点，尤为是开发有消费者产品的那些。搜索（Google、百度）、社交网络（Facebook、LinkedIn、Pinterest）、内容（Netflix、Yahoo！）、移动（苹果）及电子商务巨头（Amazon）处在很是领先的位置。由于这些公司拥有大量的数据，且能够经过不断与消费者交互，从而造成算法调整的反馈回环，再加上网络效应，因此是最容易从中收获机器智能成效的公司。

一流的个性化和推荐算法促进了这些公司的成功。在移动的新战场上，机器智能也不可或缺：如天然语言接口（苹果 Siri）、可视化搜索（Amazon 的 FireFly）、直接提供答案而非连接的动态问题回答。而 IBM 和微软在这个领域也取得了很大进展，可是主要集中在面向大型行业数据集的知识表征任务（由于缺少上述公司相似的面向人的需求），比方说 IBM 的 Watson 就用到了辅助医生诊断上面。

人才垄断

过去 20 年里，人工智能领域最好的人才都在学术界。这些人发明了许多新的机器智能方法，可是能带来商业价值的却没几个。但如今像深度信念网（deep belief nets）和阶层式神经网络（hierarchical neural network）这样复杂的机器智能方法开始解决一些现实问题了。而象牙塔上的那些学者也开始走进企业。比方说Facebook招了纽约大学的Yann LeCun教授和 Rob Fergus，Google聘了多伦多大学的 Geoffrey Hinton，而百度则有吴恩达（Andrew Ng），这些都是机器智能领域“教父”级的任务。不过这些人并非彻底跟学术脱离了关系，很多的时间和精力仍是要贡献给学校的。

高薪和好设施固然是吸引这些顶尖学术人才的因素之一，可是最重要的倒是另外一个东西：数据。Facebook、Google、百度等拥有庞大的计算资源，还垄断了海量的数据，必然会吸引愈来愈多的人才加入，这就是大公司造成压倒性优点的缘由。

和平红利

如上所述，大公司拥有固有优点，而赢得机器智能战者将来还会更增强大。幸运的是，对于其余公司来讲，大公司开发出来的核心技术会迅速涌入到其余领域—经过大公司离职人员以及公开发表的研究的方式。

此外，跟大数据革命相似，技术巨头也会把一些突破性的技术贡献给社区，而后由其余人来作应用层面的创新。

创业机遇

个人公司从事 X 的深度学习

要想让你的公司明年火，能够用上面这句话作广告词。固然，前提是你的确是。

深度学习是机器智能的热门方法。虽然可能有点炒做过头，但 Google、Facebook、百度这样的巨头，以及 Enlitic 等很初创企业，在视觉和语言处理方面采用这种办法的确取得了不俗的成绩。

深度学习最使人兴奋的是，若是处置得当的话，其自动学习功能能够替代部分领域专家的直觉。在不少状况下，这有望改写许多领域的解决方案。

人才收购做为商业模式

咱们在讨论大数据的时候每每提到数据科学家的短缺。可是因为此前机器智能仅限于学术研究，机器智能专家更是短缺中的短缺。这一现状并不会很快改变。

这种短缺对于真正理解机器智能的创始人来讲倒是一种福利。这一领域的许多初创企业可以得到种子轮融资，每每就由于一个缘由—机器智能人才收购的价格是一半技术人才收购价格的 5 倍以上（比方说 Deep Mind 人均收购价格为 500 到 1000 万美圆）。做为有悟性的创始人，你甚至能够网罗一批机器智能人才而后就成立公司，说不定就有人会收购你了—好吧，这是个玩笑，可是这的确反映出“人工”智能的价值。