从全球范围来看，人工智能领先的国家主要有美国、中国。因此了解和熟悉产业当中有哪些成熟和短板非常重要。本报告非常扎实、数据来源权威，从上下游梳理了中美人工智能产业的异同，差距，引用了大量的案例进行剖析解读。
从全球范围来看，人工智能领先的国家主要有美国、中国及其他发达国家。截止到2017年6 月，全球人工智能企业总数达到2542家，其中美国拥有 1078家，占据42%；中国其次，拥有592 家，占据23%。中美两国相差486家。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。
从现有统计上看，美国人工智能企业从1991年开始创建，从1991年--1997年历经萌芽时期，1998年--2004年阶段经历发展期，2005年--2013年阶段历经高速成长期，2013年至今进入平稳阶段。
和美国相比，中国的AI产业进步略晚，1996年开始起步，2003年进入发展时期，2008年--2015年期间进入高速成长时期，到2015年期间，人工智能有关的企业达到166家。
中美AI创投融资对比
技术如果得到资本的加持，将会推动技术的落地和进步。
美国的AI产业布局非常完善，基础层、技术层和应用层都有涉及，尤其是在算法、芯片和数据等产业核心领域，积累了强大的技术创新优势，各层级企业数量全面领先中国。相比较而言，中国在基础元器件、基础工艺等方面差距较大。
从基础层的芯片企业数量来看，中国拥有14家，美国33家，中国仅为美国的42%。 而技术层，中国拥有273家，美国拥有586家，中国为美国的46%。 在应用层，中国拥有304家公司，美国拥有488家，中国是美国62.3%。
总体来看，美国在企业数量上全面领先中国，基础层和技术层的企业数量约为中国的2倍，但是在应用层上，中国和美国的差距略小。
中国投资者在应用层关注的更多。中国人工智能企业中，融资占比排名前三的领域为计算机视觉与图像，融资143亿元，占比23%；自然语音处理，融资122亿元，占比19%；以及自动驾驶/辅 助驾驶融资107亿元，占比18%。值得一提的是：中国的自动驾驶/辅助驾驶企业虽然只有31家，但融资额是第三，表明中国的投资者非常看好这一领域。
美国投资者对于基础层更为看重。在美国人工智能企业中，融资占比排名前三的领域为芯片/处 理器融资315亿占比31%，机器学习应用融资207亿占比21%，自然语言处理融资134亿占比13%。芯片企业的数量排名第八，33家，但融资量却是第一，美国的芯片实力和资金吸引力，可见一斑。
中国的弱点在芯片，近年来，中国的创业者和投资者逐渐开始关注对芯片，截止至2017年6月，中国处理器/芯片投资事件比重排名第四，占比7.55%，但可能由于基础层公司少，投资门槛高，导致事件数量仍和美国有较大差距。
美国的大笔投资热点在机器学习应用，这一领域同时也是仅次于芯片的吸金领域。美国的AI已 经在各行各业都产生了连带效应。而中国只在自动驾驶/辅助驾驶、计算机视觉与图像等领域应用较多，相对而言还是比较狭窄的。
未来趋势预判：
泡沫即将出现，主要的信号有两个：
一、资金多而项目少
综合过往数据和2017年前半年的情况，今年美国新增企业数量将跌到谷底，预计在2017结束之前，美国新增企业数量范围将在25-30家之间徘徊。 同时，美国的累计融资量持续快速增长，最 后将稳定在1380-1500亿元的区间。 18年后，中美两国AI企业数量增长都将有所恢复，但依然平缓。
二、周期长而营收难
通俗地说，现在的人工智能被高估了。深度学习起源于上世纪八九十年代的神经网络研究。在很多情况下，前沿研究是由对已有方法的微小改动和改进组成，而这些方法在几十年就已经被设计出来了。
尽管如此，市场热炒的人工智能技术和产品的成熟度仍然有限。许多项目和技术，并不能直接 获得消费者欢迎，还需要相当长的时间才能走向成熟。
这种前提下，创业项目不得不舍弃大众消费市场而致力于解决企业级问题，创新公司的商业模式回归到类似传统IT厂商的角色，进一步加大了营收难度。
预计在2020年之前，美国累计AI公司数量将会超过1200家，累计融资将达到2000亿人民币；根据历史数据推断，中国在2017年年末达到745亿融资总额。
中美AI巨头卡位战
美国的巨头通过收购拼抢人才，强化技术储备；同时争相开源，构建生态，人工智能的平台化、云端化将成为全球发展的潮流。而中国的巨头凭借场景和数据优势，在计算机视觉、语音识别等领域，具备了和美国巨头一较高下的实力。
中美巨头的产业布局
美国巨头呈现出全产业布局的特征，包括基础层、技术层、应用层，均有布局；而中国巨头主要集中在应用侧，只在技术层局部有所突破。
技术层：争抢人才，构建生态
巨头们通过招募高端人才、组建实验室等方式加快对关键技术的研发，Facebook在2013年开始就成立了Facebook人工智能研究实验室，研究图像识别、语义识别等人工智能技术；同年，国内的巨头百度亦成立深度学习实验室，研究方向包括深度学习、计算机视觉、机器人等领域。
下图整理了各大巨头的AI实验室的名称、成立年份、简介：
除了成立实验室以外，巨头们一会通过投资和并购储备人工智能研发人才和技术。其中，Google于2014年以4亿美元收购了深度学习算法公司 Deepmind，该公司开发的AlphaGo为Google的人工智能添上了浓墨重彩的一笔。
CB Insights 的研究报告整理了2011年—2016年人工智能主要收购事件，谷歌自2012年以来共收购了11家人工智能创业公 司，是所有科技巨头中最多的，苹果、Facebook和英特尔分别排名第二、第三和第四。标的集中 于计算机视觉、图像识别、语义识别等领域。
建立开源生态，占领产业核心
大公司纷纷拥抱开源有两方面原因： 第一，通过开源来构建生态和护城河。无论是谷歌、亚马逊还是BAT都已经拥有云计算基础设施，Google、微软一直在讲的开源、AWS推出的AI功能，本质上并无差别，都是为了赋予自家云端客户更强的数据处理能力。在现有的云服务市场中，科技巨头占据多数，构建基于人工智能的云服务将成为巨头的下一个主战场。AI是信息基础设施的一个升级，是今后产业发展的巨大引擎。巨头都想把握升级过程中涌现的大量机会，赋能全行业。第二， 开源是一种开放式创新。通过开源深度学习平台，不仅可以吸引大量开发者，还可以为机器学习提 供大量的数据支持，以及大量的现实场景。
人工智能的常见开发框架包括谷歌的TensorFlow、Facebook的Torch、Microsoft的CNTK 以及IBM的SystemML。这些框架的地位类似于人工智能时代的iOS/Android。开源也成为了这些 软件开发框架共同的策略。
2015年，谷歌将内部采用深度学习的技术整理到一起，发布第二代人工智能系统TensorFlow，并宣布将其开源。 TensorFlow包括很多常用深度学习技术、功能和例子的框架。
2013年卷积神经网络发明者Yann LeCun加入Facebook，带领公司的图像识别技术和自然语言处理技术大幅提升。Facebook的深度学习框架是基于之前的Torch基础上实现的，于2015年12 月开源。此外，Facebook还开源了人工智能硬件平台Big Sur等十余个项目。
国内的巨头也是走开源的路线：2016年，百度开放了其深度学习平台Paddle-Paddle，覆盖了搜索、图像、语音识别、语义处理、用户画像等领域的技术。腾讯不同事业部都在不同领域展开AI研究。AI Lab注重将技术与腾讯业务场景相结合，即游戏、社交、内容生态。
应用层：抢夺语音交互入口，征战云站务
近日，APP分析公司Vetro Analytics公布了一份“基于AI的个人助理如何重塑用户习惯”的报告。 该报告显示，凭借苹果设备广泛的用户群体，最早面世的Siri仍然是老大，但一年内流失15%的用户。 与之相对的是Amazon Alexa的崛起。Alexa伴随着Amazon Echo智能音箱诞生，用户数 量在一年内增长325%。 谷歌、微软、苹果、Facebook都在争夺这块市场。微软也推出了内嵌 Cortana的Invoke音箱，并且将“Conversation as Platform”（对话即平台）作为战略。
行业解决方案
人工智能必然走向云化，机器学习对于云来说是一项关键的技术，它能训练大规模的AI网络，不断自我学习和提升。 在这一点上，Amazon、Google这些拥有较好云端设施的公司将很有优势。 亚马逊不仅基于AI 构建和优化了大量自身业务，也利用 AWS云为其他厂商提供了高效的AI解决方案。 “云+AI”成为新的趋势，Google寄希望于借AI赶超AWS。 2015年，微软发布了“微软认知服务”，这是一个基于微软云平台Azure的智能API（应用程序编程接口），涵盖了五大方向的人工 智能技术，包括了计算机视觉、语音、语言、知识、搜索五大类API。
国内的BAT三巨头在云服务领域也纷纷引入人工智能。
百度从两三年前就开始用GPU代替CPU进行计算，提升数据处理能力。2016年，阿里云发布 面向深度学习、3D图像渲染的新一代HPC平台。腾讯云在搭建DI-X深度学习与机器学习平台的基 础上，开放图像处理、语音处理和自然语言处理能力为自动驾驶、安防、智慧法庭、智能家居、智 能营销等多个场景提供解决方案，致力于“让小企业也能用到AI能力”。
基础层：美国巨头深入产业核心布局芯片
人工智能芯片主要包括GPU、FPGA、ASIC以及类脑芯片。在人工智能时代，它们各自发挥 优势，呈现出百花齐放的状态。
Google的TPU，是专门为其深度学习算法Tensor Flow设计的，TPU也用在了AlphaGo系统中。今年发布的第二代Cloud TPU理论算力达到了180T Flops，能够对机器学习模型的训练和运行带来显著的加速效果。
而英伟达是GPU的行业领袖，GPU是目前深度学习领域的主流芯片，拥有强大的并行计算力。而另一个老牌芯片巨头，英特尔则是通过大举收购进入FPGA人工智能芯片。类脑芯片是一种基于神经形态工程，借鉴人脑信息处理方式，具有学习能力的超低功耗芯片。 IBM从2008年开始模拟人类大脑的芯片项目 。
苹果正在研发一款名为“苹果神经引擎”（Apple Neural Engine）的专用芯片。该芯片定位于本地设备AI任务处理，把面部识别、语音识别等AI相关任务集中到AI模块上，提升AI算法效率， 未来可能嵌入苹果的终端设备中。
芯片由于投资周期长、专业技术壁垒厚、市场相对比较狭小，导致竞争非常激烈且难以进入。
卡位之战，谁能胜出？
在人工智能卡位战中，巨头们战术趋同，即建立技术壁垒，软硬件双线发展，做好平台生态。 但战略上略有不同：Google是全球在人工智能领域投入最大且整体实力最强的 ，Google希望利用开源系统构建AI生态，覆盖更多用户使用场景，从互联网、移动互联网 等传统业务延伸到智能家居、自动驾驶、机器人等领域，积累更多数据信息。
亚马逊的特点是B端和C端共同发力。通过智能音箱和语音助手引领人工智能消费 级行业生态。另一方面，用人工智能深化AWS云计算服务，赋能全行业。Facebook在人工智能领 域的布局主要围绕着其用户的社交关系和社交信息来展开
国内三巨头中，百度相对激进，宣布了“All in AI”战略，随着陆奇的强势加盟，将全力推动百度转型成AI平台型公司。腾讯、阿里基于自身产品功能进行试水。
除了正面竞争，巨头们在人工智能领域的积极合作。2016年9月，Facebook、亚马逊、谷 歌、IBM、微软五大巨头成立了非盈利组织“Partnership on AI”（人工智能合作组织），旨在分 享AI领域的最佳技术实践，促进公众对AI的理解，挖掘可以促进社会福祉的AI研究领域以及提供一 个公开参与的平台。
中美AI领域人才队伍
当前，人工智能领域的竞争，主要体现为人才之争。 只有投入更多的科研人员，不断加强基础研究，才会获得更多的智能技术。
美国产业人才总量是中国的两倍
美国1078家人工智能企业约有78700名员工，中国592家公司中约有39200位员工，只有美国的50%。其中，美国基础层人才数量是中国的13.8倍。
-
在自然语言处理领域，美国员工人数是中国的3倍，美国20200人，中国6600人；
-
处理器/芯片，美国员工人数是中国的13.8倍，美国17900人，中国1300人；
-
机器学习应用，美国员工人数是中国的1.8倍，美国17600人，中国9800人；
-
智能无人机，美国员工人数是中国的1.98倍，美国9220人，中国4660人；
-
计算机视觉与图像，美国员工人数是中国的2.87倍，美国4335人，中国1510人。
-
中国仅在智能机器人领域人才稍多，6400人，约为美国同领域人数的3倍。
人工智能技术网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。！：首页 > 新闻 » 中美人工智能产业布局：美国领衔芯片、算法、NLP领域