抱歉,你查看的文章不存在

2018年人工智能全景图与发展趋势分析 (高清图下载)

【导读】风险资本家马特·图尔克(Matt Turck)最近发布文章,能力越大,责任越大,介绍了大数据与人工智能在2018年发展的趋势,并发布了全景图,涵盖基础架构、开源框架、公司等,一图囊括AI和大数据的发展趋势。

Matt Turck

△ Matt Turck

马特·图尔克(Matt Turck),美国知名早期投资机构FirstMark的董事总经理,此前以早期成功投资Pinterest、Shopify、Airbnb、Riot Games、InVision和Tapad等超级独角兽而著称。

马特还是纽约乃至美国知名的技术趋势“布道者”,他发起组织了2大新趋势分享社区,一个围绕大数据和人工智能,名为Data Driven NYC;另一个围绕前沿技术和新兴计算平台,叫Hardwired NYC。

2018人工智能&大数据全景图

高清版:请关注专知公众号,后台回复"AI2018",即可获取。

全景图涵盖了大数据人工智能行业的基础架构、开源框架、数据API、数据资源、跨基础结构分析、工业应用、企业应用、分析工具等,涵盖有1095家大数据公司被纳入全景图。

出现在全景图的一些关键公司上市了,尤其是Cloudera、MongoDB Pivotal和Zuora。在撰写本文时,其他的正在准备上市,比如Elastic。

2018年人工智能大数据发展趋势

2018 年,是数据世界中激动人心但又复杂多变的一年。一方面,数据技术(大数据、数据科学、机器学习、人工智能)继续发展,变得越来越高效,在世界各地企业也得到了广泛的应用。到目前为止,2018 年企业界的关键主题之一是“数字化转型”,这绝非偶然。这个词语对有些人来说可能有点奇怪,他们会嘀咕:这难道不是过去 25 年来一直发生的事儿吗?但它恰恰反映出一个事实:许多传统的行业和企业现在正全力投入到真正的数据驱动之旅。另一方面,更广泛的公众群体已经意识到数据的缺陷。无论是通过关于人工智能风险的公开辩论、剑桥分析公司(Cambridge Analytica)丑闻、大规模的Equifax数据泄露、与gdp相关的隐私讨论,还是有关中国政府监控活动日益增多的报道,数据世界已开始暴露出一些更阴暗、更可怕的隐患。

1)基础设施和分析工具

从行业的角度来看,数据生态系统仍然像以往一样令人兴奋和充满活力,拥有丰富的创新初创企业、成熟的“规模扩展”,以及许多积极的公共技术供应商。最重要的是,许多大大小小的客户都在大规模地应用这些技术,并从他们的努力中获得不可否认的价值。

随着用更现代的数据产品替代旧的IT技术的循环继续,大数据市场(基础设施、分析)似乎正在快速地在早期的大多数买家中循环,并逐渐过渡到传统采用曲线的晚期。

此外,数据世界继续朝着云的方向发展。考虑到大型公共云服务提供商(AWS、Azure、谷歌云平台、IBM)的增长速度,每个季度都能产生数十亿美元的收入,这真是令人震惊。这一趋势引发了对供应商锁定的持续关注,这可能为提供多云解决方案的初创公司提供机会。然而,到目前为止,采用多云策略的公司仍然倾向于依赖一个供应商作为他们的主要提供者。

随着他们的业务不断发展,大型云提供商通过其平台(如 Amazon Neptune、Google AutoML 等)提供一系列广泛的大数据、数据工程和机器学习工具,通常都制定了激进的定价策略,因而相互竞争越来越激烈,这一切都是为了吸引更多的开发者,因为他们真正的商业模式是数据存储。随着此类工具的范围和成熟度不断提高,这对数据技术领域产生了重大影响,可以说,初创企业更难与之竞争,至少在广阔的、横向的机遇面前就是如此。每年在大型云供应商会议上发布的产品公告列表(如 AWS re:Invent)会给初创企业带来巨大的冲击波,因为他们将云供应商与数十家风投支持的初创企业直接竞争。看看公众市场如何应对即将到来的 Elastic(一家开源软件企业)IPO 将是一件有趣的事。

然而,只要初创企业有足够的差异化,他们还是有很多机会的。在这个领域中,很多企业都在快速扩展,在生态系统的基础设施和分析部分中有许多特别有趣、快速增长的部分,包括流 / 实时、数据管控和数据结构 / 虚拟化。人们对人工智能的兴趣激增,也带来了在人工智能芯片、GPU 数据库、人工智能 DevOps 工具以及能够在企业中部署数据科学和机器学习的平台上的巨大机遇,以及大量资金。

2)机器学习和人工智能

在人工智能研究领域,这无疑是疯狂的一年,从 AlphaZero 的威力到新技术发布的惊人速度——生成对抗网络的新形式,替代型的递归神经网络,Geoff Hinton 的新胶囊网络。像 NIPS 这样的人工智能会议已经吸引了 8000 人,每天都有成千上万的学术论文提交。

与此同时,对 AGI 的追求仍然难以捉摸,这也许是值得谢天谢地的事儿。目前人们对人工智能的兴奋和恐惧,大部分源于 2012 年以来令人印象深刻的深度学习表现,但在人工智能研究领域中,有一种情绪在人们中日益弥漫开来:“接下来怎么办?”因为有些人质疑深度学习的基础(反向传播),而其他一些人希望能够超越他们所认为的“蛮力”方法(大量数据、大量算力),或许更倾向于采用更多基于神经科学的方法。

在人工智能研究领域,许多人非但不担心机器人主宰世界,反而担心,该领域持续的过度炒作可能最终会让人失望,并导致另一个人工智能核冬天的到来。

然而,在人工智能研究之外,我们正处于一波深度学习在现实世界中的部署和应用浪潮的开端,涉及不同行业的语音识别、图像分类、对象识别和语言等各种问题。如果说生态系统的基础设施和分析部分已经发展到后期的大多数,那么对于企业和垂直人工智能应用来说,我们仍然是非常早期的先驱者。

尽管人工智能初创市场可以说已经显示出最终降温的迹象,但以深度学习为基础的初创企业在一两年前开始暴增的情况依然在继续。整体规模和估值的期望仍然很高,但 我们肯定已经经过了这样一个阶段:大型互联网企业会为了人才而高价收购早期人工智能初创企业。 与其他一些利用这种炒作的企业相比,市场中也出现了一些“真正”的人工智能初创企业。在 2014~2016 年期间成立的一些人工智能初创企业正开始初具规模,许多企业在医疗、金融、“工业 4.0”和后台办公自动化等跨行业和垂直领域提供越来越有趣的产品。在未来的几年里,深度学习将继续为现实世界的应用带来巨大的价值,而专注于垂直方向的人工智能初创企业将面临许多巨大的机遇。

这种持续的爆炸在很大程度上是一个全球现象,加拿大、法国、德国、英国和以色列都特别活跃。然而,中国在人工智能方面似乎处在一个完全不同的水平,有报道称,政府主导的数据汇集规模令人难以置信(跨越了互联网企业和市政当局),面部识别和人工智能芯片等领域的迅速发展,以及为初创企业提供数轮巨额融资:根据 CB Insights 的数据,中国仅占全球人工智能交易份额的 9%,但 2017 年在全球人工智能资金的比例接近 48%,高于 2016 年的 11%(见下面的一些例子)。

同样,数据隐私(以及所有权和安全性)问题也正成为全球关注的主要问题。在互联网发展的早期,数据隐私是为了保护我们在网上所做的事情,这是我们活动中相对较小的一部分。相应地,只有一小部分人真正在乎数据隐私的问题。随着我们个人和职业生活的方方面面都通过越来越多的联网设备连接到互联网上,利害关系正在发生变化。人工智能能够在大量数据集中发现异常、预测结果和识别人脸,这使数据隐私问题变得更加复杂。

另一个独立但相关的问题是,这些数据中有很多都属于大型互联网企业 (GAFA) 所有。有些企业,比如 Facebook,已经被证明不是完美的管理者。尽管如此,这些数据为他们在生产更强大人工智能的竞争中提供了不公平的优势。

针对这些问题,一个新兴的主题是把区块链看作是对抗人工智能风险的一种可能的方式,同时也是在 GAFA 之外的企业生产更为出色的人工智能的另一种方式。加密经济被视为一种激励个人提供个人数据的方式,也是机器学习工程师通过匿名处理这些数据建立模型的一种方式。这一切仍处于试验阶段,但一些早期的市场和网络正在出现。

原文链接:

http://mattturck.com/bigdata2018

-END-

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-07-29

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。

编辑于

专知

880 篇文章344 人订阅

相关文章

来自专栏人称T客

42个让B2B公司找出理想客户的问题(定位篇)

T客汇官网:tikehui.com 撰文 |Felix 本篇文章和之后的两篇《需求与决策篇》《预算,竞争与协议篇》所涉及的42个问题可分为六个大项,其中第一项为...

30840
来自专栏AI科技大本营的专栏

必读 | 在转行AI之前,先了解下2018年人工智能发展的八大趋势

本文展望了人工智能未来一年的发展趋势,希望能给相关从业者一点参考。以下是译文。 从计算上来讲,大数据分析这股潮流并不会像是流星那样转瞬即逝。随着数据量的不断增加...

40150
来自专栏华章科技

BAT人工智能人才报告:阿里薪资最高,百度成黄埔军校

到底有多火?最好的答案就是数据。为此,量子位近日联合大数据人才招聘智能管理云平台e成科技,对国内人工智能领域的人才争夺情况进行了梳理。并把研究对象锁定在百度、阿...

17610
来自专栏PPV课数据科学社区

大数据的“可视化”案例:360的“骗子地图”

大数据的概念在国内走了将近两年的历史,但更多的还是停留在概念层面,能够将大数据真正“落地”的企业并不多,一方面是自身没有足够的数据量,一方面是因为大数据技术方面...

56770
来自专栏人工智能快报

美人工智能发展联盟主席探讨人工智能的崛起

2015年10月,美国人工智能发展联盟(Association for theAdvancement of Artificial Intelligence,AA...

28350
来自专栏智能算法

✪干货|电信运营商数据价值跨行业运营的现状与思考

作者 | 黄文 一、电信运营商数据资源概况与比较优势 电信运营商作为信息社会的综合信息服务商,拥有天然的数据管道优势,运营商的网络系统与业务平台中数据详细记录了...

43240
来自专栏新智元

360度解析:人工智能技术趋势与资本热点

【新智元导读】4月27至28日,新智元与中信证券联合举办的人工智能研讨会在北京召开。一边是具有深远战略眼光的国内最大券商,一边是人工智能领域最具影响力的专业平台...

40250
来自专栏钱塘大数据

如何构建金融行业大数据用户画像?

进入移动互联网时代之后,金融业务地域限制被打破。金融企业没有固定业务区域,金融服务面对所有用户是平的。 金融消费者逐渐年轻化,80、90后成为客户主力,他们的消...

45640
来自专栏灯塔大数据

【聚焦】2016年值得关注的27项企业技术

企业技术一直以来都被当做消费科技之外的另一个风口,在今年最受期待的科技排行榜上,我们可以预测消费科技将会为企业技术留出此前从未有过的空间。 2016最受期待的科...

28650
来自专栏大数据文摘

商汤CEO徐立:AI城市中,基于GPU计算能力的人工智能商业场景

16830

扫码关注云+社区

领取腾讯云代金券