【新智元100】7 张图看懂美国人工智能产业

【新智元导读】本文是O‘reilly的报告《 美国人工智能新市场》的作者Aman Naimat针对报告所写的解读文章。通过数据分析的方法,Aman 对美国人工智能市场进行了粗略分析,分为行业对AI 的投资、企业对AI投资、企业对AI技术的采纳情况(应用案例)以及美国AI企业地理分布几个部分。Aman 说本报告的目的不是要争论AI是什么和不是什么,采取实用的方法来定义AI,并且基于正在使用或是开发AI的企业进行分析。

报告要点:

  • 除软件和IT行业以外,每个行业只有少数几十家公司实际涉及AI。
  • 北美地区目前只有1500家公司正在做与AI相关的东西。在各个行业里所有中型到大型企业中,只有不到1%的企业使用AI,但使用AI的企业似乎都是其行业的领导者,它们都非常有名,而且是所在领域里最成功的企业。
  • 除了任务自动化外,还有一些新奇的应用。例如,远程信息处理、物联网和机器人技术在全行业都有影响,其代表的不仅仅是人类任务自动化。
  • AI企业的地理位置是双峰分布,比整个高科技行业的分布形式还要明显。

2004年,在斯坦福大学计算机科学系迷宫式的过道里,我跟一个长得很像圣诞老人对话。这个大胡子男人是约翰·麦卡锡,他在50年代与马文·明斯基一起创造了人工智能这个词,是人工智能的创始人之一。

麦卡锡在一段时间内一直都是行业的先锋,包括为AI创建Lisp语言。他的其他创新包括,分时计算机,垃圾回收和Lambda演算。我本科学习的就是自然语言处理,当时AI还没有今天那么酷,当然,自然语言处理也没有,它们离现在这些激动人心的概念都还很远。但是,所谓的AI冬天的解冻已开始。

我记得,那天我的眼睛一直盯着房间里的旧温控计,我和麦卡锡一直从关系数据库的缺点谈到了拥有自省能力的AI。温控计是每个大学和医院都能找到的最乏味的那类东西。但是,麦卡锡却认为,温控计也能拥有思考,拥有情感和信仰。

他此前曾发表文章,描述了对当时AI发展状态的失望,更确定的说,是对数据库的失望。我不知道Nest(智能家居公司)的创始人在开发出那些漂亮的产品时,有没有从麦卡锡对温控计的思考上获得激励或者灵感。但是,每一次我看到Nest时,我都会想起麦卡锡,想到我们在那间办公室里关于温控计的谈话,虽然我还不确定的我“Nest”对事物有多少信仰,但是,在管理其有限的任务上,它确实做得很好。它已经有一个模型,根据我的设定,可以预测未来和目标,从而驱动它自己的行为。它也许不是我们想到的关于AI 的一切,但是只在短短几年间,温控计已经离麦卡锡的愿景很近了。

约翰·麦卡锡教授在2011年去世。很快地,AI从人工智能计算机科学系的实验室和失败的研究尝试走到了现实世界。

和领域内的很多人一样,我常常思考,AI是否会保持这样的发展,还是我们会进入到另一个AI的冬天。

大多数参与AI的人都相当务实,希望能解决实际问题,这给了我信心。我很欣赏在电视上看到的每一个沃森(Watson)的广告,因为IBM为实现AI的普及,在商业化上花了重金。同时,对于这些非常新的技术,我也担心被过度吹捧的和不能实现的可能性。

每个人都加入了战斗。谷歌的CEO最近宣布,人工智能和机器学习会成为他们所有的产品的核心部件。他们实际上已经有些落后了,像亚马逊这类的公司,已经推出真正基于AI和自然语言理解的智能家居产品,比如Echo和Alexa。

本报告旨在覆盖AI目前市场及其商业采纳情况,关注走出学术实验室进入产业的AI。我们正处在大规模采用人工智能的风口浪尖。大市场的预测被抛来抛去,我们必须用自己拥有的数据站稳脚跟。

我们的目标是建立一个基准,可用于研究行业未来的发展。虽然我确实试着用数据对AI 目前的商业环境进行描绘。支撑的数据会单独提供,而我的分析只是其中的一个阐释。这份报告的一个目标是为行业提供关于同行是如何采用AI的、其基本方向和用户案例提供指导。本报告不会对AI的未来进行预测,检测的项目也限定在美国公司中。

人工智能的起始

人工智能真正进入主流产业是在2011年到2012年。AI 在这段时间的兴起,有几个物质上的原因,还有几个基础性的技术,共同创造了这场完美的风暴。下文就是一些让AI在全世界得以进入主流发展和公司的技术创新和市场条件:

大数据基础设施

Google发表的论文Map Reduce的兴起,促成了一些项目,比如Hadoop,从而提供了AI所需要的廉价、大规模数据处理基础设施。

云计算

这一技术的进展使得计算成本急剧下降。比如,在校生只用1000美元,就能租用一台拥有100个节点机器,用于数据处理工作,此前,相同性能的计算机可能会需要投入1亿美元才能做到。

海量的数据

开放资源爬虫(Crawlers)使得网络上的资源变得可获取。另外,开源存储器,比如Commoncrawl也使得互联网上的大多数网页也可以轻易地被每个人获得。

Watson 和 Siri

虽然还不是那么完美,但是Watson和Siri 在推动AI 的普及上功不可没。

投资

从2009年开始,有超过100以美元的投资流向了大数据基础设施,为今天的AI应用开发打下了基础。

专业人才

能够执行AI开发中的多重任务的人才,从数据处理到数据科学,这些年来至少增减了10倍。

一个小心翼翼的世界

在我分析AI在商业世界的形势之前,我想指出,当下的大多数技术离通用AI还差很远。

我将通用AI定义为是一个达到人类水平或超人类水平智能的系统,能理解世界,理解并解决一般性问题。对现代AI宣扬者的一个主要反对观点是,大部分AI都是bag-of-word模型,它们不能思考或者做任何有关认知的事情。有人称,谷歌DeepMind在理论上是一个通用AI,但是对我来说,它仍然只是在到处试验,我们还没有看到它其他任何的应用。Aving说过,有许多技术在给定的某个人类任务中能达到或者超过人类智能水平(即“狭义智能”)。而且,这样的任务以前是由擅长于此的人来完成的。DeepMind在围棋比赛中获胜,围棋不像象棋,它需要人的直觉,绝非粗暴地计算每一步就能获胜。图像识别也做到了这一点,有时比人类的表现还要好。例如,Spiderbook公司的AI在列出目标客户名单上,能达到最优秀的销售人员的水平。

然而,此次报告的目的不是要争论AI是什么和不是什么。我采取实用的方法来定义AI,并且基于正在使用或是开发AI的企业进行分析。我不是要验证人们说的AI是什么,或是区分“好”AI和“坏”AI。

报告研究方法

为对本报告进行研究,我的团队使用了Spiderbook开发的基于图像的机器学习模型,研究了整个企业网络,然后根据成熟度和投资额将企业分为不同层次。我们征询了世界近50万家企业,用数据来深度理解AI景观图和各种相关技术,如认知计算、深度学习、机器视觉、自然语言理解,以及聊天机器人。该引擎阅读并理解了数十亿公共文件,包括所有的新闻报道、业务关系、论坛、招聘广告、博客、推特、专利,以及我们已经得到授权的专有数据库。这些数据在很大程度上代表了企业网络,我们利用这些数据创建一个知识图谱,显示各个企业是如何相互关联的,哪一家企业在用什么产品或是拥有具备特定技能的员工。除知识图谱外,我们还利用基于网络的机器学习创建了一个关于公司的发展重、项目以及投资的实时快照。

行业对AI的投资

正如预期的那样,AI最大的一部分被用于软件和IT相关企业。虽然后面的数字细分了投资AI的行业,但是实际数量仍然很低。除软件和IT行业以外,每个行业只有少数几十家公司实际涉及AI。

企业对AI的投资

即使是用狭隘的AI定义,北美地区目前也只有1500家公司正在做与AI相关的东西。这意味,在各个行业里所有中型到大型企业中,只有不到1%的企业使用AI。

下面的表格显示了积极投资AI的部分公司,按行业排序。

尽管每一个行业只有不到1%的企业使用AI,但使用AI的企业似乎都是其行业的领导者。它们都非常有名,而且是所在领域里最成功的企业。这个发现的原因很难辨别:是因为它们本身就是行业的领军者?或者是因为它们有额外的资源来尝试包括AI在内的所有新想法?还是因为它们早早采用了新技术,为其他企业在各自行业的随后发展奠定了基础?

AI投资企业排名

下面显示的是在AI投资最多并且声称要将其作为核心战略的企业。其中不仅有人们熟知的谷歌和Facebook,还有MITRE这种依靠联邦研究资助的非盈利公司。

谷歌

Facebook

Rocket Fuel

IBM

亚马逊

雅虎

英特尔

微软

德勤

MITRE

百度

领英

百度

Cylance

Lockheed Martin

NASA

Sentient Corporation

Electronic Arts

AI使用案例

我最近观摩了由梅肯研究院主办的AI杰出人员座谈会,谈论他们对AI领域未来的展望以及现在使用这些技术可能实现的事情。该小组提出的各种想法比现在AI的实际应用要令人兴奋得多,虽然有一些很极端,但是大部分很人性化。这些想法涉及的范围很广,从疾病诊断到农业和照顾老人。但是,基于我们的研究,AI的主要应用领域更加平庸——使人类要完成的任务自动化。下面的数字量化了企业的预算是如何花费在特定的AI用例上。

在这张图中,除了任务自动化外,还有一些新奇的应用。例如,远程信息处理、物联网和机器人技术在全行业都有影响,其代表的不仅仅是人类任务自动化。

网络情报与安全:AI的一个主要推动力

看到AI在网络智能中有这么广泛的应用让人很惊讶,毕竟网络智能在AI界并不是一个大的讨论话题,然而有大量的预算投入这一领域。 有越来越多的企业在网络智能方面建设、咨询、或者使用AI,比其他用例还要多。也许社会上的威胁要比报道出来的要多吧,毕竟公司没必要宣传这些威胁。或者,这也可能是美国政府连续资助这一垂直领域的附带现象吧。

AI成熟企业的技术采用情况

在过去的十年里,已经出现大量的AI相关算法来解决经典问题,如分类或自然语言处理。有一些算法,因其有效性和适应性,现在还存在并能用于更大的范围,但是大多数算法却已经退场。算法最新的创新一直是在深度学习领域,而之前是潜在狄利克雷分配(LDA)、半监督学习、潜在语义索引(LSI)、支持向量机等等。

其中一些技术已经自成一类,即使它们解决的问题有很多重叠。例如,深度学习可用于自然语言理解,甚至是认知计算,即使它最主要用于图象处理。 AI使用情况的分类不能清楚显示AI成熟市场的现有水平。下面两张图显示有多少家企业在实验室之外使用这些AI技术。

第二张图显示了AI技术的子类,以及投资这些子类的企业数量。

AI企业的地理位置

AI企业的地理位置是双峰分布,比整个高科技行业的分布形式还要明显。比如,我以前的大数据市场报告显示,大数据公司在地理上比AI公司要更加分散。或许我们都可以猜出奇点会出现在哪里。以下的数字显示各个州的AI企业分布情况。

总结

AI 的冬天已经解冻,并且正在走向春天。虽然AI仍处于非常早期的阶段,其巨大的潜力和最近围绕基于任务的AI所取得的进展,已经引起了一些反响。有一些聚焦领域的应用案例,比如网络情报、市场营销和制造业的自动化等市场已经有了一些基于AI的产品。通用问题解决和健康医疗应用是谈话中被提及得最多的话题,但是,并没有太多公司把预算花在这上面。

近5年前,政府和私人企业在大数据技术、云计算基础设施和最重要的——人才培养上的付出,共同驱动了AI的兴起。在过去的几个月里,大多数的科技公司,比如亚马逊、特斯拉、谷歌都把AI看成下一个十年里,公司的创新驱动力。在这些公司的董事会里,一小部分核心成员也接受了AI,在美国,涉及AI领域投入的公司少于1500家。虽然这在整个工业界中只是很少的部分,但是引领这股浪潮的公司都是最大而且最有前途的,当AI成为现实,这些公司当然也就能有最大的收益。

本文作者:Aman Naimat

原文链接:https://www.oreilly.com/ideas/the-new-artificial-intelligence-market

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-08-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏SDNLAB

xNet揭秘交换机的“黑匣子”

编者按:初创企业是2014中国未来网络发展与创新论坛暨全球SDN开放网络高峰会议的重要的参与者,在会上扮演着重要的角色,在本次大会上初创厂商揭开了交换机神秘的面...

3088
来自专栏华章科技

大数据,未来已来

在过去的时间里,我们听到越来越多的公司,在越来越多的行业里,用着他们的内外部数据,用他们的大数据处理技术,帮助用户解决了他们的问题。

1054
来自专栏点滴科技资讯

CB Insights:全球人工智能领域最具发展潜力100家创业企业(AI 100)

? CB Insights揭晓了全球人工智能领域100家(AI100)最具发展潜力的未上市企业,这100家企业将人工智能应用于各个行业,从健康医疗到无人驾驶...

44812
来自专栏大数据文摘

对话涂子沛:借力大数据,通往开放社会

19815
来自专栏老九学堂

【拓展】O2O大解析

O2O一直是非常热门的词汇。现在BAT(BAT是中国互联网公司百度公司(Baidu)、阿里巴巴集团(Alibaba)、腾讯公司(Tencent)三大巨头首字母缩...

2884
来自专栏DT数据侠

首席数据官应该讲什么“基本法”?

这是一个人人都谈大数据的时代,尤其对很多企业来说,数据已是议事日程上的当务之急。首席数据官(CDO)这一新兴职位就在这样一种背景下越发壮大。但问题是,首席数据官...

780
来自专栏新智元

【投资人不懂AI】为什么说AI创业不是4、5个人的团队就能搞定的事

【新智元导读】本文是Journal的创始人、《Machine Learnings》杂志的编辑Sam DeBrule与风投公司FristMark的合伙人Matt ...

3388
来自专栏大数据文摘

指数型组织形成的 9 大驱动因素

24813
来自专栏大数据文摘

警惕大数据的“哑铃”现象

2285
来自专栏科技向令说

钉钉、2号人事部等苦心经营的SaaS入口,或许多数人悟错了道!

钉钉以通讯录为入口,通过品牌打造和免费商务电话补贴等获得大量个人用户,再接入第三方SaaS服务提供商,继而形成生态型平台。

842

扫码关注云+社区

领取腾讯云代金券