5.2017年,福雷斯特研究公司(Forrester)针对14家供应商制定了23项评估标准,评估得出,SAS(Statistical Analysis System,全球最大的软件公司之一)、IBM和SAP (Systems, Applications & Products in Data Processing,全球最大的企业管理和协同化商务解决方案供应商)三大公司引领了预测分析和机器学习市场。
9.德勤全球预测,数据中心使用的机器学习芯片数量将从2016年的10万至20万,今年将暴增至80万。其中至少有25%是现场可编程门阵列(Field Programmable Gate Arrays,FPGA)芯片和特定用途集成电路(Application Specific Integrated Circuits,ASICs)芯片。德勤发现,机器学习加速器技术的可用市场总量(Total Available Market,TAM)在2020年将达到260亿美元。
《2018德勤全球预测》(Deloitte Global Predictions 2018 Infographics)。
《机器学习:竞争优势的新型试验田》(Machine Learning: The New Proving Ground for Competitive Advantage),Google和MIT技术研究综述(PDF第10页)。
《人工智能,下一个数字前沿》(McKinsey Global Institute Study, Artificial Intelligence, The Next Digital Frontier),麦肯锡全球全球研究院研究报告(PDF第80页)。
《机器学习市场 - 至2022年的全球性预测-市场概况与产业趋势》(Machine LearningMarket - Global Forecast to 2022 - MarketOverview & Industry Trends)
链接:
https://www.prnewswire.com/news-releases/machine-learning-market---global-forecast-to-2022---market-overview--industry-trends-300531729.html
来源:《根据最新IDC支出指南,认知科学与人工智能系统今年的全球性支出预计达到125亿美元》(Worldwide Spending on Cognitive and Artificial Intelligence Systems Forecast to Reach $12.5 Billion This Year, According to New IDC Spending Guide.)。
链接:
https://www.idc.com/getdoc.jsp?containerId=prUS42439617
《2018展望:机器学习与人工智能,一份对1600余名数据从业者的调查》(2018 Outlook: Machine Learning and Artificial Intelligence, A Survey of 1,600+ Data Professionals), MemSQL(PDF第14页)。
《应用机器学习的建议》(Advice for applying Machine Learning),吴恩达,斯坦福大学(PDF第30页)。
《管理人员的机器学习指南》(An Executive’s Guide to Machine Learning),麦肯锡季刊,2015年6月。
链接:
https://www.mckinsey.com/industries/high-tech/our-insights/an-executives-guide-to-machine-learning
《投资人的人工智能指南》(An Investors' Guide to Artificial Intelligence),摩根大通,2017年11月27日(PDF第110页)。
《人工智能和机器学习在金融市场发展和对金融稳定的影响》(Artificial intelligence and machine learning in financial services Market developments and financial stability implications),金融稳定委员会(PDF第45页)。
《大数据和AI策略——面向投资的机器学习和数据方法》(Big Data and AI Strategies Machine Learning and Alternative Data Approach to Investing),摩根大通(PDF第280页)。
《Google和MIT技术评论研究:机器学习:竞争优势的新探索》(Google & MIT Technology Review study: Machine Learning: The New Proving Ground for Competitive Advantage)(PDF第10页)。
《全力加速:新一代机器学习芯片》(Hitting the accelerator: the next generation of machine-learning chips),德勤(PDF第6页)。
《机器怎么学习?算法是机器学习的关键》(How Do Machines Learn? Algorithms are the Key to Machine Learning),博思艾伦咨询公司(信息图表)。
链接:
https://www.boozallen.com/s/insight/blog/how-do-machines-learn.html
《据 IBM 预测,到 2020 年,对数据科学家的需求增长幅度将达到 28%》(IBM Predicts Demand For Data Scientists Will Soar 28% By 2020),福布斯,2017年5月13日。
链接:
https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/?utm_content=buffer91f1f&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer#391b252b7e3b
《亚马逊的机器学习》(Machine Learning At Amazon),亚马逊网络服务(PDF第47页)。
《机器学习:如火如荼》(Machine learning: things are getting intense),德勤(PDF第6页)
《机器学习报告:计算机通过案例进行学习的力量和潜力》(Machine Learning: The Power and Promise Of Computers That Learn By Example),英国皇家协会机器学习项目(PDF第128页)。
《人工智能:下一个数字前沿》(Artificial Intelligence, The Next Digital Frontier),麦肯锡全球研究院研究报告(PDF第80页)。
《麦肯锡报告:2017机器学习与人工智能现状》(McKinsey's State Of Machine Learning And AI, 2017),福布斯,2017年7月9日。
链接:
https://www.forbes.com/sites/louiscolumbus/2017/07/09/mckinseys-state-of-machine-learning-and-ai-2017/#4448c95d75b6
《2017年预测:人工智能将推动洞察革命》(Predictions 2017: Artificial Intelligence Will Drive The Insights Revolution),福雷斯特研究公司,2016年11月2日(PDF第9页)。
《风险与回报:机器学习经济影响的场景》(Risks And Rewards: Scenarios around the economic impact of machine learning),经济学人智库(PDF第80页)。
《凭借人工智能更上一层楼——人工智能给德国及其工业部门带来了什么?》(Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?),数字/麦肯锡咨询公司(PDF第52页)。
《究竟什么是机器学习?》(So What Is Machine Learning Anyway?),商业内幕(Business Insider),2017年11月23日。
链接:
http://www.businessinsider.com/what-is-machine-learning-quick-explainer-2017-11
《2017年人工智能/机器学习领域十大最具创新力的企业》(The 10 Most Innovative Companies In AI/Machine Learning 2017),连线(Wired)。
链接:
https://www.fastcompany.com/3069025/the-10-most-innovative-companies-in-ai-machine-learning-2017
《人工智能的商业影响与应用案例》(The Business Impact and Use Cases for Artificial Intelligence),Gartner(PDF第28页)。
《人工智能,自行搭建还是购买?》(The Build-Or-Buy Dilemma In AI),波士顿咨询公司,2018年1月4日。
链接:
https://www.bcg.com/publications/2018/build-buy-dilemma-artificial-intelligence.aspx?linkId=47806407
《新一代医学:人工智能与机器学习》(The Next Generation of Medicine: Artificial Intelligence and Machine Learning),TM Capital(PDF第25页)。
《企业人工智能路线图》(The Roadmap to Enterprise AI),基于Gartner研究的Rage Networks简报(PDF第17页)。
《你会尽快接纳AI吗?》(Will You Embrace AI Fast Enough?),科尔尼管理咨询公司(AT Kearney),2018年1月。
链接:
https://www.atkearney.com/operations-performance-transformation/article?/a/will-you-embrace-ai-fast-enough