连续3天，20名全球顶尖围棋高手，聚集在围棋平台上，群起抵抗神秘的“网络棋士”Master，结果却一败涂地。1月4日晚间，在宣布了自己的真实身份——Alpha Go升级版后，Master斩获其第60场胜利,引来网友感叹：“硅基生命终于要战胜碳基生命了吗？
一、横空出世，血洗顶尖高手的72小时
这场刀光剑影、暗藏杀机的故事还要从2016年12月29日说起。
当日晚19点多，一位名叫“Master”、此前没有任何对弈记录的的新手登录著名围棋对弈网站弈城，起初没有高手搭理，但在战胜谢尔豪四段、孟泰龄六段、於之莹五段、韩一洲四段、乔智健四段后，这个账号热度陡增。这晚Master十战全胜。
第二天中午，“Master”再度现身，在对王昊洋六段、严在明三段等职业棋手4连胜后，终于引出了韩国第一人朴廷桓九段。重头戏上演，结果也是重量级的，朴廷桓在必败局面下超时负。此结果在高手中炸了锅，接着中国名人战冠军连笑七段登场挑战，却连败两场。
以30连胜横扫弈城后，1月2日，Master转战另一个对弈网站，由围棋世界冠军八冠王古力创办的野狐。古力本人率先迎战，连输两盘。此后，有着“小霸王”之称的辜梓豪、韩国棋士朴永训、在三星杯上与当今世界排名第一的柯洁最后“决一死战”的棋士柁嘉熹、日本第一人井山裕太……相继败北。
1月3日晚，Master继续高歌猛进，战胜网络名“潜伏”的棋手，豪取50连胜，而“潜伏”正是被古力称为“人类最后的希望”的柯洁。
1月4日下午，64岁的中国“棋圣”聂卫平亲自披挂上阵，在与神秘的Master鏖战一翻后，最终以7目半的劣势落败。
及此，Master豪取与人类顶级棋手对战的第54胜。在赢下和聂老的对战后，Master打出繁体字“谢谢聂老师”，以示尊重。至此，AI已经再次震惊了全世界！
二、人工智能：全球大咖都在做什么
人工智能是信息时代的尖端技术。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。当人机大战的直播、分析、评论充斥着我们的屏幕时，资本已经大量涌入人工智能领域。
Venture Scanner的统计显示，2016年初，全球人工智能领域的企业达到了955家，其中395家公司已经累计获得了48.5亿美元的融资。艾瑞咨询2016年1月的报告显示，中国人工智能领域已有近百家创业公司，其中约65家获得投资，共计29.1亿元人民币（约合4.48亿美元）。
1、谷歌
谷歌的搜索算法在过去二十年里进展迅速。从1998年的Page Rank到2015年的Rank Brain，基于链接的网络排名已经进化成人工智能驱动下的查询匹配系统，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。
在搜索中使用算法，谷歌可谓先行者。将自然语言处理应用到配备用户搜索意图和可欲结果方面，公司一直处于领先地位，这也不断加强了公司在该领域的竞争优势。在进一步推进人工智能领域的融合。在促进人工智能一体化（AIintegration）方面，公司的开源应用TensorFlow已经为其他云平台以及研究社区利用公司资源提供了先例。同时，谷歌正通过自身优势，比如TPU，充分利用开源世界为公司提供竞争优势，尽管其机器学习库是开源的。因为DeepMind,公司提升了端到端的强化能力；2015年末击败职业围棋选手的AlphaGo。将人工智能带到更为广泛的研究社区，同时也通过软硬件方面的自身优势进行创新，谷歌是最好例子。
2、亚马逊
亚马逊正在公司内部和云端使用机器学习技术。2015年4月，公司发布AmazonML，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）。公司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，公司内部也在使用机器学习改善端到端的用户体验。
借助AWS，亚马逊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。借助AmazonML，公司成为作为服务的人工智能（AI-as-a-service）生态系统的领先者，将复杂的推理能力带到之前几乎没有机器学习经验的公司办公室当中。无需基于定制的复杂应用，AWS用户就能使用机器学习训练模型，评估以及优化潜力。亚马逊推荐引擎使用了机器学习，在匹配用户意图以及可欲结果方面，具有竞争优势，也为公司创造了商机。公司正更加高效地利用收集到的数据合理化用户购物体验，也让电子商务体验更具互动性。随着DSSTNE的开源，亚马逊也与其他科技巨头一起，推动科技社区的人工智能进步。
3、苹果
去年，苹果已经成为最活跃的人工智能公司收购商，比如VocalIQ,Perceptio,Emotient,Turi,以及Tuplejump。几乎同时收购了Vocal IQ和Perceptio，公司请来了Johnathan Cohen，当时还是英伟达CUDA库以及GPU加速软件项目的负责人。近期，据报道，公司请来RuslanSalakhutdinov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，公司最初人工智能成果之一是Siri,第一款嵌入移动技术的虚拟助手，2014年，其语音识别技术被移入神经网络系统。
直到去年，苹果已经取得相对专有的机器学习成就；2015年10月，BloombergBusinessweek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。不过，这一策略转型多少与新的、与人工智能相关的雇佣与收购有关，科技记者StevenLevy在Backchannel的一篇报道强调公司已经在人工智能领域活跃一段时间了。特别是，公司收购Turi突出了公司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
CEOSatyaNadella表示，微软正在大众化人工智能（democratizingAI）。公司的人工智能和研究团队（总人数大约5千多），关注改变人类体验和与机器的互动。微软已经积极地将新的、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。公司正进一步打造基于GPU和FPGA的云（Azure），在公司所谓的更高水平的人工智能服务，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。
两个单词：人工智能大众化（democratizing AI）。由于这个行业中的公司将研究计划甚至库开放给人工智能研究社区，微软发明了这一表述，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）。微软的FPGA表现突出了人工智能可以为普通商业或个人带来什么；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,Alexa以及其他助理之间的竞争，进一步将人工智能研发融入广泛使用的产品中去，通过产品进步吸引客户似乎是必须的。
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（比如，观察世界、而不是借助人类算法干预，借助对抗网络进行学习）的进步而为众人所知。应用机器学习部门（AML）在FAIR之后成立，聚焦将研究应用到公司产品中，时间限制为月或季度（而不是年）。公司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。
公司已经发布了多个无监督学习方面的研究成果，随着机器学习超越从「正确答案」中学习，开始聚焦独立的模式识别，无监督学习已经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YannLecun的带领下，正引领该领域的研究。今年五月，公司发布的FBLearnerFLow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）。公司的人工智能项目和工作流程应用不限于AML成员，公司各部门领域都可以使用借鉴。这样一来，公司就可以利用研究部门之外所取得的人工智能进步。
6、Salesforce
在2014年和2015年，Salesforce开始解释自己的Apex开发平台如何可被用在Salesforce1云上完成机器学习任务。从此，该公司开始在人工智能上投入更多的资源，收购了多家人工智能公司，包括Minhash、PredictionIO和MetaMind。在9月份，Salesforce推出了Einstein——一个面向多平台的基于人工智能的云计划。该计划专注于将人工智能融入销售云、市场云、服务云、社区云、IoT云和app云。
Salesforce Einstein有潜力促进商业使用数据的方式。在销售云中，该公司希望让各个组织通过预测销售线索得分、洞见机会以及自动捕捉活动来优化销售机遇。市场和服务云将提供预测参与度得分，来分析消费者使用情况。还能提供预测客户，从而帮助定位市场，并基于趋势和用户历史通过自动案例分类更快解决消费者服务事件。Salesforce用微妙的使用案例将机器学习带到云中，强调它对公司核心竞争力的影响。
7、英特尔
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XeonPhi产品系列，以其高性能计算（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（深度学习），以及Altera——该公司将FPGA的创新带入了英特尔。
英特尔关注FPGA创新补足了英伟达对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。在物联网的应用环境中，公司也宣布了一个计划，旨在将学习技术融入可穿戴微芯片中（显然是通过XeonQuark）。物联网和人工智能的衔接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、IBM
IBM在全球有3000多名研究人员。过去十年，IBM在认知计算上超过有1400项专利，下一代云上有1200项，在硅/纳米科学上有7200项专利。IBMWatson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%。其他Watson产品包括VirtualAgent，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DeepBlue和2011年的Watson。Watson的应用包括医疗中的病人治疗分析，基于twitter数据的股票推荐，零售中消费者的行为分析，以及对抗网络安全威胁。据财富报道，GM将Watson加入到了汽车中，在OnStar系统上结合了Watson的能力。
9、英伟达
英伟达已经从之前电子游戏GPU生产商转型为机器学习应用硬件厂商。2015年年底，公司表示，较之使用传统CPU，使用了GPU神经网络的训练速度提升了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是许多项目的前沿。英伟达所占据的市场份额意味着，随着人工智能越来越成为未来几年中大型商务的中心议题，公司可以从中获益。使用公司产品的一个例子，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Tesla加速器来模拟可能的抗体突变，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。
10、Uber
Uber正在使用机器学习优化UberXETA以及接送地点的准确性。为了实现这一点，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。
Uber的机器学习负责人DannyLange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。
三、中国人工智能现状
iResearch预测，2020年，中国人工智能市场将从2015年的12亿人民币增长至91亿人民币。2015年，约14亿资本（年增长率76%）流入了中国的人工智能市场。
在政府政策方面，中国的国家发展改革委员会（发改委）和其他相关政府机构于2016年5月18日发布了《「互联网+」人工智能三年行动实施方案》。《方案》指出了人工智能领域发展的六大保障措施，包括资金支持、标准体系、知识产权保护、人才培养、国际合作和组织实施。《方案》提出，到2018年，中国的人工智能基础资源与创新平台、产业体系、创新服务体系、标准化体系应基本建立。发改委期望中国人工智能产业整体与国际同步，系统级别（system-level）的人工智能技术和应用要位于市场领先位置。
中国的互联网巨头百度、阿里巴巴和腾讯（BAT）正在领导中国的人工智能市场，同时数以百计的初创公司也正渗透到这一产业中，并在各种人工智能细分市场及应用领域建立服务模型。目前，中国的人工智能领域包括：
· 基本服务，如数据资源和计算平台；
· 硬件产品，如工业机器人和服务机器人；
· 智能服务，如智能客户服务和商业智能；以及
· 技术能力，如视觉识别和机器学习。
根据iResearch，目前，语音和视觉识别技术分别占中国人工智能市场的60%和12.5%。在中国，所有和人工智能相关的公司中，71%专注于开发应用。其余的公司专注算法，其中，55%的公司研究计算机视觉，13%研究自然语言处理，9%致力于基础机器学习。我们认为，人工智能前沿的重要参与者可能会继续来自美国和中国。
1、百度
2015年9月，百度「度秘」：声控人工智能个人助理（整合进百度移动搜索应用）；
2015年11月，百度DeepSpeech2：包含一个大型神经网络的语音技术，通过样本学会将声音与语词联系起来；
2015年12月，百度无人车：百度无人车在北京道路上完成测试，并在硅谷设立自动驾驶部门（ADU）；
2016年8月，百度「DuSee」：为移动设备打造的AR平台（整合进百度搜索和地图移动应用），在搜索广告方面有着广泛应用；
2016年9月，百度大脑：官方介绍，百度的人工智能平台；
2016年9月，PaddlePaddle：百度近期开源的深度学习工具包；
2016年10月，百度移动应用8.0：新升级的移动搜索应用，内含一个整合了智能搜索和个性化新闻推荐的系统，其背后采用了人工智能、自然语言处理和深度学习技术。
2、阿里巴巴
2015年7月，阿里小蜜「阿里小秘书」：虚拟人工智能客服，据公司2016年10月报告，问题解决率已达到80%；
2015年8月，DTPAI：基于阿里云的服务，用来处理机器学习过程，被该公司称为是中国的第一个人工智能平台；
2016年6月，阿里妈妈光学字符识别：该技术获得文档分析与识别国际会议（ICDAR）RobustReading比赛第一名；
2016年8月，阿里云ET：一套综合的人工智能解决方案套件，包括视频、图像和语音识别技术；
3、腾讯
2015年6月，优图：腾讯为开发者开放了其面部识别技术，以及优图科技的其他核心技术；
2015年8月，腾讯TICS实验室：2015年腾讯设立的智能计算和搜索实验室，专注于四个方面：搜索、自然语言处理、数据挖掘和人工智能；
2015年9月，Dreamwriter：腾讯上线中国第一个新闻报道机器人；
2015年11月，WHAT实验室：微信-香港科技大学人工智能联合实验室，于2015年11月26日成立。
四、人工智能+的春天，不出席就OUT
虽然舆论一片哗然，有的人担心AI的进化速度将比人类更快，也有人则继续以“机器不懂艺术”自我催眠。但从相对理性的角度来看，我们应当充分肯定AI所取得的进步与积极意义，并积极地参与其中的投资机会。
随着从“互联网+”向“人工智能+”晋升的大趋势，2017 年将迎来“人工智能+”的春天，人工智能将在各领域进入应用落地阶段，我们建议从以下三个方向提前布局：
1、以视觉、语音为代表的感知技术领域；
2、以金融、医疗和教育为代表的大数据行业，能够向人工智能“升维”切入行业核心业务的行业信息化公司；
3、无人驾驶及服务机器人领域。
想要探讨更多人工智能话题，与技术大牛，行业领袖实时互动？快包第七期大咖约等你来！
