两万多字长文：人工智能新趋势（CB Insights）

本篇文章的主体部分是《2019人工智能趋势》，译者是侯延露。

【编者Peter Ye按】

进入到2020年，互联网红利（To C）虽然风韵犹存，但影响不如往昔的高光时刻；实体经济（包括工业、农业、服务业等在内的To B）需要进一步降本增效，信息化、互联网化、自动化、AI化、区块链化是强大的助推器。

原本AI（人工智能，也即Artificial Intelligence的简称）就摩拳擦掌，在新的十年里准备大展宏图了。在疫情的影响下，由于抗疫的原因，AI有了更大的用武之地。

为了控制疫情的蔓延，在海量的数据当中，实现快速分析、决策和响应成为重中之重。另外，非接触的服务和工作、自动化、快速决策和响应的需求等将会爆发。例如，人脸识别（包括免摘口罩的人脸识别）、AI辅助诊断、应急管理、安防监控、知识图谱、基因研究、医药研发、金融服务、智能配送、各行各业的无人值守（例如零售）、物流运输、个人画像、轨迹追踪、舆情分析等等。另外，疫情趋势预测、风险预警、医疗资源和物质的预测和调配，要做到快速、准确、科学的判断，也需要AI的助力。

2020年4月9日，中国工程院士、浪潮集团首席科学家王恩东在2020年浪潮云数据中心合作伙伴大会（简称IPF 2020）上通过“智慧计算 源动新基建”的演讲表示，智算中心是智慧时代最主要的计算力生产中心和供应中心。并指出：

"计算力就是生产力，智慧计算改造升级了生产力三要素，最终驱动了人类社会的转型升级。智慧计算将劳动者由人变成了人加上人工智能，劳动者可以呈现指数增长；智慧计算将数据变成了一种新的生产资料，从有形到无形，生生不息，越用越多；智慧计算将计算力驱动的信息化设备变成了生产工具，也是指数增长，生产力得到了前所未有的解放"。

我们可以看到，以AI为核心的技术及其生态，成为新形态生产力发展的决定性因素，且将助力新基建和抗疫的深入。

最近几个月我曾组织了几场AI或AI存储相关的培训，其中我的同事侯延露分享的《AI基础知识与行业趋势》，比较全面而且具有一定的前瞻性。尤其是她自发的把CB Insights的英文版《CB-Insights_AI-Trends-2019》进行了翻译，达两万多字，令我非常佩服。2017年，我曾经组织并参与《VMware Software Defined Storage》的翻译，知道翻译一个苦活累活，耗时很长。所以，我相信她对AI非常热爱。看到这个翻译稿后，我觉得分享出来，对一些读者朋友可能会有帮助或启发。因此得到她的授权后，就计划在微信公众号“乐生活与爱IT”进行首发了。希望对您有所助益，在此也再次感谢侯延露的授权。

为了形成较为全面和实时的介绍，我还把CB Insights进入2020年的一些新信息收入进来，放在文章的前面供读者参考。

一、CB Insights简介

美国知名的研究机构，2008年5月01日成立。CB Insights会定期发布如按需经济之类的经济发展趋势以及独角兽公司的名单，它将机器学习、算法、数据和可视化结合在一起，帮助大型企业在增长、竞争和未来的市场和技术的相关领域提供咨询。

二、CB Insights发布2020年全球AI百强榜

AI 100是全球人工智能领域最权威榜单之一，由CB Insights从全球近 5000 家初创企业中挑选得出。评选主要依据具体的评定标准包括专利布局、投融资概况、CB Insights 独立开发的 Mosaic 算法、市场潜力、媒体关注、合作伙伴关系、竞争格局、团队实力和科技新颖性、最近一年取得的公开的技术成果等多个因素。

2020年的榜单中，共有6 家中国公司入选，数量与2019年持平。包括第四范式、追一科技、创新奇智、松鼠 AI、蓝胖子机器人、禾多科技等，涉及企业智能、智能制造、自动驾驶、机器人等多元化领域，代表中国人工智能未来发展的方向。另外，还有一家华人创办的AI医学影像公司深透医疗（Subtle Medical）。

CB Insights从2017年开始首次发布AI 100榜单，今年AI 100是第 4 届。2017 年，榜单上来自中国的企业有4家（碳云智能、出门问问、rokid、优必选）；2018年增加到了7家（今日头条、商汤、旷视、英语流利说、出门问问、寒武纪、优必选）；2019年则有6家中国企业上榜（商汤、依图、旷视、第四范式、momenta、地平线）。

今年，AI 100 入选者共有来自13个国家的人工智能初创企业，覆盖了 15 个前沿行业和跨行业应用，包括：医疗、零售、仓储、金融保险、教育、交通、制造、建筑、媒体等。今年100 家入选企业则由 CB Insights 研究团队从近 5000 家初创企业(成立不超过 10 年的非上市公司)中得出。

另外，根据 CB insights 此前发布的最新版《全球人工智能投资趋势年度报告》显示，在刚刚过去的 2019 年，全球范围内 AI投融资分布中，美国占比下降，非美国区域投融资比例上升。美国由 2014 年的占比 71%，逐渐下降到 2019 年的 39%。美国以外的比例则对应上升到 61%。2019 年，美国以外的AI 投融资中心地域，中国占比13%，其次是英国的 7%、日本的 5.3% 和印度的 4.9%。

三、CB Insights - Artificial Intelligence Trends, 2019

下面是侯延露的译文《2019人工智能趋势》。这个应该是目前CB Insights

上关于AI趋势的最新报告了，因为我尚未检索到它有关2020的AI趋势报告。如果您有，欢迎留言或私信给我。

由于原文的编排顺序，可能对于中文读者的阅读习惯可能有一些困难，我做了一些调整，并对译文少数内容、版式、格式进行了一些修改和调整。若有不足之处，欢迎指正，可以和我（QQ号：9269216）联系。

 

2019 人工智能趋势

 

首先，我们使用CB Insights NExTT框架评估每个趋势。

NExTT框架告知企业了解新出现的趋势，并根据他们对风险的承受能力指导他们的决策。
NExTT使用数据驱动的信号，从概念到成熟再到广泛采用，来评估技术，产品和商业模型的趋势。

NExTT框架X轴、Y轴的含义：
行业采用（Y轴）：包括该领域中的初创公司的发展势头，媒体的关注度，客户采用率（合作伙伴关系，客户，许可交易）。
市场实力（X轴）：包括市场规模预测，投资者和资本的质量和数量，研发投资，盈利记录分析，竞争强度，当下交易（并购，战略投资）

 

X轴、Y轴覆盖的区域分成了四个象限：

                           

 

分别是：

 

1、必要的（坐标右上角，NECESSARY）

行业和客户的实施/采用情况以及对市场和应用的了解都在不断出现趋势。对于这些趋势，在位者应制定清晰，明确的战略和举措。

2、实验的（坐标左下角，NECESSARY）

功能性产品很少的概念或早期趋势，尚未得到广泛采用。实验趋势已经激发了早期媒体的兴趣和概念验证。

3、威胁的（坐标左下角，THREATENING）

大型可预测的市场预测和显著的投资活动。这一趋势已被早期采用者所接受，并可能即将获得广泛的行业或客户的采纳。

4、过渡的（坐标左上角，TRANSITORY）

趋势正在被采用，但市场机会存在不确定性。随着暂时趋势得到越来越广泛的理解，它们可能会揭示更多的机会和市场。

 

 

我们把发现的25个趋势，放入到NExTT框中，得到如下概述图。

按趋势所在的四个象限，共计25个。其中：必要的  6个；实验的  12个；威胁的  4个；过渡的  3个。

 

这25个趋势按场景分：

计算机视觉：7个

自然语音处理/合成：5个

智能预测：6个

架构：4个

基础设施：3个

 

一、必要的

1、开源框架

得益于开源软件，进入人工智能的壁垒比以往任何时候都要低。
Google在2015年开源了Tensor Flow机器学习库。
人工智能的开源框架是双向作用的：它使所有人都能使用人工智能，反过来，像Google这样的公司也从有助于加速其AI研究的贡献者社区中受益。

每月在GitHub上有数百名用户向TensorFlow做出贡献 （用户可以在其中进行协作的软件开发平台）。
以下是一些使用Tensor Flow的公司，从可口可乐到eBay到Airbnb（爱彼迎）。

在与Nvidia，高通，英特尔，微软等公司的研究人员合作创建了一个轻量级的模块化深度学习框架之后，Facebook于2017年发布了Caffe2。该框架可以扩展到云之外，还可以应用于移动应用。Facebook当时还经营PyTorch，一个适用于Python的开源机器学习平台。2018年5月18日，Facebook将两者合二为一，“将Caffe2和PyTorch的有益特性结合到一个包中，并实现从快速原型到快速执行的平稳过渡”。

近几个月来，PyTorch的GitHub贡献者数量有所增加。

Theano是蒙特利尔研究所的另一个开源库学习算法（MILA）。2017年9月，业界领先的AI研究员Yoshua Bengio宣布终止MILA对Theano的开发，因为这些工具已经变得更加普及。YOSHUA BENGIO，在一项MILA公告中说道：

“支持深度学习研究的软件生态系统发展迅速，现已达到健康状态：开源软件已成为常态；提供了各种框架，满足了从探索新想法到将其部署到生产中的需求；强大的工业参与者正在刺激竞争中支持不同的软件栈”。

今天，有许多开源工具可供开发人员选择，包括Keras，Microsoft Cognitive Toolkit和Apache MXNet

 

2、边缘人工智能

实时决策的需要将AI推向了边缘。在智能手机，汽车或者可穿戴设备等边缘设备上运行AI算法，而无需与中央云或服务器进行通信，从而使设备能够处理在本地提供的信息，对情况做出更快的反应。

英伟达，高通和苹果以及许多新兴公司都致力于在“边缘”专门为AI工作负载构建芯片。从消费电子产品到电信到医学成像，边缘AI对每个主要行业都有影响。

例如，自动驾驶汽车针对旅途中发生的事情必须实时响应，能在没有互联网连接的区域发挥作用。决策对时间异常敏感，较大的延迟可能会致命

 

大型科技公司在2017年至2018年之间在边缘AI方面取得了巨大飞跃。
苹果在2017年发布了带有“神经引擎”的A11芯片，适用于iPhone 8，iPhone8 Plus和X，声称可以每秒执行多达6000亿次操作的机器学习任务。它支持iPhone的新功能，例如Face ID，可在设备本身上运行面部识别以解锁手机。

高通在18年第四季度推出了1亿美元的AI基金以投资初创企业
“分享了设备端AI的愿景，让AI变得更加强大和广泛”，它的举动与5G愿景息息相关。
作为许多数据中心的主导处理器，英特尔不得不发挥作用，进行大规模收购。英特尔发布了设备端AI的愿景：处理芯片Myriad X（由Movidius最初开发，英特尔于2016年收购）。
英特尔在18年第4季度推出了英特尔NCS2（神经计算棒2），它由Myriad X视觉处理芯片提供支持，可在智能家居设备和工业机器人等边缘设备上运行计算机视觉应用程序。

CB Insights盈利记录分析工具显示了以下内容：
边缘AI在2018年的一部分中呈上升趋势

 

微软表示，仅在18年第三季度，它就推出了100种新的Azure功能，“同时关注安全性等现有工作负载以及IoT和Edge AI等新工作负载。” Nvidia最近发布了Jetson AGX Xavier计算芯片，用于跨机器人和工业IoT的边缘计算应用程序。虽然边缘的AI减少了延迟，但它也有局限性。与云不同，边缘具有存储和处理约束。将会出现更多的混合模型，这些模型允许智能边缘设备与中央服务器相互通信

 

3、面部识别

从解锁手机到登