人工智能大盘点: 谷歌、微软等10大主流AI巨头都在做啥?

近期，高盛公司发布了一份《人工智能》报告，探讨人工智能的的发展和生态体系。首先，该报告定义了何为人工智能：人工智能是制造智能机器、可学习计算程序和需要人类智慧解决问题的科学和工程。它包括自然语言处理和翻译、视觉感知、模式识别，但应用数量和复杂性在快速增长。

实际上，目前人工智能的主要领导者都是一些国际巨头，比如微软、谷歌、IBM等。这些科技巨头对人工智能已有十几年的研究，并且部分研究成果已经进行商业应用。同时，我们看到国内的大公司，比如BAT都在大力推进人工智能研发。

今天，笔者摘取报告一部分，盘点一下谷歌、亚马逊、苹果、微软、Facebook、英伟达、英特尔、Uber、IBM和百度十大人工智能巨头都在做什么。

1.谷歌

过去二十年，谷歌的搜索算法已经快速发展。从1998 年的 PageRank 到 2015 年的 RankBrain，该公司已经从基于链接的网站排名转变为采用 AI 驱动的查询匹配系统，后者能够不断适应那些独特的搜索（占谷歌所有搜索的 15%）。

在云技术方面，公司五月份公布了针对平台的定制化硬件加速器方面取得的进展，一种定制化的 ASIC，亦即 TPU，这一进展对 2015 年开源的机器学习软件库 TensorFlow 进行了补充。

过去三年中，在与人工智能相关的收购战中，公司也是当仁不让。被收购的公司中，最知名的当属 DeepMind，它提升了 Alphabet 的神经网络功能并已经将其应用于各种人工智能驱动的项目中。

利用人工智能，谷歌将强化自己的搜索能力，加强公司在该领域的竞争优势。而使用TensorFlow，该公司的开源应用程序为其他基于云的平台创建了先例，并允许研究团体利用公司的资源来推进 AI 的集成。

2.亚马逊

据悉，亚马逊正在内部和云端使用机器学习技术。2015年4月，公司发布Amazon ML，这款机器学习服务能够为对云数据的使用提供机器学习功能（无需之前的客户经验）。而后，亚马逊紧随谷歌的开源步伐，今年5月开源了DSSTNE——一个针对推荐深度学习模型的的库。

通过改善搜索、定制化产品推荐以及语音识别、增加有质量的产品评价，亚马逊内部也在使用机器学习来改善端到端的用户体验。

借助AWS，亚马逊已经成为全球最大的云服务商，可能也是最成熟的人工智能平台。在云服务中加入人工智能，AWS用户无需基于定制的复杂应用，可以直接使用机器学习训练模型、评估以及优化潜力。

而在电商网站中，亚马逊的推荐系统使用机器学习，在匹配用户意图和推荐结果上欲取得竞争优势。利用收集到恶数据，公司正在让用户购物体验更加合理化，也让电子商务体验更具互动性。

3.苹果

过去一年，苹果公司是人工智能领域最活跃的收购者之一，收购了诸如Vocal IQ,、Perceptio、Emotient、 Turi以及 Tuplejump，几乎是同时收购了Vocal IQ 和 Perceptio公司。

同时，苹果公司挖来了Johnathan Cohen，他当时是英伟达CUD库及GPU加速软件项目的负责人。据报道，公司近期请来Ruslan Salakhutdinov 担任人工智能研究总监，这也标志着公司人工智能战略的转型。

在此之前，公司最初的人工智能成果之一是 Siri ，它是第一款嵌入移动技术的虚拟助手。在2014 年，其语音识别技术被移入神经网络系统。

在人工智能领域，我们看到苹果之前的行动并不活跃。2015年10月，《彭博商业周刊》报道，在大众消费方面，苹果研究人员还没发过一篇与人工智能有关的论文。现在，苹果已经成为AI领域的激进者，不仅大肆收购AI初创公司，而且到处挖人。

特别是，公司收购 Turi 公司，突出了它要按规模推进非结构数据和推论，以及开放给更为广泛的人工智能研究社区。这次收购，配以基于收购公司技术的较小应用，反映出苹果致力于用这些新技术创新公司产品。

4.微软

作为人工智能领域的长期研究者，微软正在将人工智能进行大众化。该公司的人工智能和研究团队大概有5000多人，他们聚焦于用AI改变人类与机器的互动体验。

微软积极地将新的、融合人工智能的功能嵌入公司核心服务中，并在对话计算（比如Cortana）、自然语言处理（SwfitKey）等方面取得进展。微软正进一步打造基于 GPU 和 FPGA的云（Azure），简称“微软智能云”。在所谓更高水平的人工智能服务方面，比如语音识别、图片识别以及自然语言处理当中，为机器学习提供动力和速度。

将人工智能大众化，这是微软发明的术语，用来解释许多领先的人工智能创新者的举动。去年，微软在人工智能领域颇为活跃，正式发布了产品以及研究计划，并宣布了一个新的人工智能和研究小组（2016 年 9 月下旬）。

而微软的FPGA则表现出人工智能的潜力，不到十分之一秒，它就翻译完了整个维基百科（30亿个单词和500万条条款）。而且伴随着虚拟助理Cortana、Siri和Alexa以及其他助理之间的竞争，将进一步把人工智能研发融入到广泛使用的产品中，通过产品进步吸引客户是必须的。

5.Facebook

Facebook 人工智能研究部门（FAIR，2013 年）的策略是在更广泛的研究社区背景下研发技术。这个团队以推进无监督表征学习的进步而为众人所知，比如观察世界而不是借助人类算法干预。

该公司的应用机器学习部门（AML）在 FAIR 之后成立，聚焦于将研究应用到公司产品中，以月或季度为时间限制。目前，Facebook正将机器学习功能应用到各种垂直领域中，比如面部识别，机器翻译以及深度文本（DeepText）语言或文本学习。

目前，公司已经发布了多个无监督学习方面的研究成果，随着机器学习开始聚焦于独立的模式识别，无监督学习已成为一个重要的焦点领域。无监督学习有望去除更多的、与大数据有关的人类成分，公司在Yann Lecun的带领下，正引领该领域的研究。

今年五月，公司发布了FBLearner FLow 合理化了端到端 UI，从研究到工作流程、实验管理以及视觉化和比较输出。

6.英伟达

英伟达已经从之前的电子游戏GPU生产商转型为机器学习应用硬件厂商。2015年年底，英伟达表示，相比使用传统的CPU，使用了GPU神经网络训练速度提升了10到20倍。

尽管英特尔重金投入的 FPGA（作为 GPU 的替代产品）加入硬件市场角逐，但是，GPU 的机器学习应用能实现更加密集的训练。

相对而言，FPGA 可以提供更快、计算密集程度更低的推理和任务；这说明市场会根据实际应用案例区分对待。过去五年，到 2016 年 6 月为止，英伟达所占 GPU 市场份额已经从二分之一上升到近四分之三。

在人工智能创新公司和学术机构中，GPU加速的深度学习一直位于大型项目的前沿。根据该公司的市场份额来看，随着人工智能越来越成为未来几年大型商务的中心议题，公司可以从中获益。

举一个例子，俄罗斯的NTechLab使用GPU加速的深度学习框架来训练面部识别模型，识别密集集会中的个人，并在AWS中利用这些GPU进行推理。作为一种选择，许多大学也使用英伟达的Tesla加速器来模拟可能产生的抗体突变，这种变异可能会击败进化中的伊波拉病毒，将来研究会进一步关注流感病毒。

7.英特尔

在人工智能领域，英特尔的战略比较独特，其使用的案例多种多样。2016年年中，公司发布了第二代Xeon Phi 产品系列，该系列产品以高性能计算（HPC）能力著称，它可以让人工智能扩展到更加大型的服务器网络和云端。

在硬件不断进步的同时，公司也下重金投资FPGA，这主要归功于其推理速度和灵活的可编程性。英特尔令人瞩目的收购，包括Nervana以及Altera。

实际上，英特尔对FPGA的创新弥补了英伟达对GPU的关注，当处理大型数据库（微软等许多大公司用来测试大数据分析的边界），FPGA能够提供更加快速的推理速度。

而在物联网方面，英特尔也宣布了一个计划，旨在将学习技术融入可穿戴微芯片中（显然是通过 Xeon Quark）。物联网和人工智能的结合有助于为公司和个人日常使用案例的数据搜集机制提供机器学习解决方案。

8.Uber

作为共享经济的鼻祖之一，Uber正在利用机器学习来优化UberX ETA以及接送地点的准确性。为实现该目标，Uber需要数百万之前搭乘记录的数据点来探测常规交通模式，从而可以相应调整 ETA/接送地点。

今年 9 月，Uber 展开了一个自动驾驶试点项目，地点位于匹兹堡，由来自 CMU 的研究人员（受雇于 Uber）负责该项目，很多大型汽车制造商业参与了进来。该公司还和沃尔沃达成了一项合作（金额 300 万美元），研发协作也为这个试点项目提供了机遇。

不过，公司并不止步于小轿车。公司收购了一家自动卡车创业公司 Otto，今年十月在科罗拉多，公司试点快递了 5 万瓶啤酒。

据Uber 的机器学习负责人 Danny Lange 在接受 GeekWire 的采访中提及，他们的团队正在将这种技术无缝供给公司的其他团队，这些团队无需具备机器学习背景就可以使用 APIs。这也能让公司不同部门能高效利用机器学习基础架构，例如，UberX、UberPool、UberEats 以及自动驾驶工具都使用到了公司的人工智能技术。

9.IBM

据悉，IBM在全球拥有3000多名研究人员，过去十年，IBM在认知计算上游超过1400项专利，下一代云上有1200项，在硅/纳米科学上有7200项专利。

IBM最出名的人工智能要数“沃森”，“沃森”可利用自然语言处理机器学习技术识别模式，并提供在非结构数据上的洞见，据该公司表示这代表如今所有数据的80%。沃森的其他产品，包括Virtual Agent，一个响应分析的自动消费者服务体验；Explorer，这是一个分析并连接大量不同数据集的工具。

IBM一直是该领域的先驱，有着极大的成就，包括上世纪90年代的“深蓝”和2011年的“沃森”。沃森的应用包括医疗中的病人治疗分析，基于推特数据的股票推荐，零售中的消费者行为分析，以及对抗网络安全威胁。

据《财富》杂志报道，GM将沃森加入到了汽车中，在OnStar系统上结合的Watson的能力。

10.百度

在2016年9月1日，百度推出了它的研究成果——百度大脑，它由三个元素组成：第一，AI 算法模拟人类神经网络，用数百数十亿样品的大量训练；第二，对数十万服务器和许多 GPU 集群进行操作的计算能力（图形处理单元）用于高性能计算（HPC），HPC 允许更多可扩展的深度学习算法。

百度是第一个宣布这个架构的组织，正在与 UCLA 合作；第三，标签数据，百度已经收集了数万亿页的网页，包括几百亿个视频/音频/图像内容，数十亿次的搜索查询以及数百亿次的位置查询。训练特定型号的机器要求非常高的计算能力和 4T 数据。

目前，人工智能正在提升百度全线产品的用户体验和用户粘性，也在推动针对每一用户的定制化高质量内容。建立一个内部平台来运行从网页搜索到广告投放的带有标签数据的深度学习实验，能够预测点击率（CTR），这会直接影响百度的广告投放，因此也是它们目前的主要收益。此外，基于人工智能的技术也能带来更高的 CTR，而且每点击成本的降低也能促进变现。