趨勢一 中國潛力爆發，撼動美國主導地位
2017年，中國人工智能初創公司投入在全球占比48%，并首次超越美國占據榜首。2018年，據CBInsights預測，就人工智能創業公司和總股本交易數量而言，美國在全球仍將領先，但其正在逐漸失去全球交易主導地位。
美國的全球交易主導地位被撼動(圖片來自CBInsights報告)
此番成就，中國最大的“功臣”有兩個，分別是面部識別和智能芯片。前者得益于政府的大力支持近年發展最為迅猛，而后者則是對一向強勢的美國芯片的直接挑戰。
面部識別方面，獨角獸Megvii貢獻斐然。據悉，Megvii得到了中國保險公司(陽光保險集團)，政府機構(俄羅斯聯邦-中國投資集團)，以及企業巨頭(富士康，螞蟻金融)的大力支持，當下擁有13億人臉數據記錄。
中國對人臉識別投入巨大(圖片來自CBInsights報告)
該公司的投資方阿里巴巴集團(通過螞蟻金融)和富士康于2016年在中國杭州市合作開展了“城市大腦”項目，利用人工智能分析監控攝像頭數據。
而對于城市大腦，阿里技術委員會主席王堅博士在品途商業評論(ID：pintu360)的采訪中透露，“我覺得從過去到下一年發生了非常大的變化。如果說上一次我們真的完成了一個巨大無比的實驗，在下一年要把這個實驗變成一個城市最基礎的東西。我們今年在杭州有一個目標，就是把城市大腦從過去的試點變成一個覆蓋整個杭州市的事情。”
智能芯片方面，2017年7月，中國政府表示，將于2020年與美國達成合作，并于2030年前成為世界領導者。中國企業Cambricon承諾，將在未來三年內生產10億個處理單元，并正在開發專門用于深度學習的芯片。
此外，除了本國研發，中國主要科技巨頭如騰訊、百度和京東加大海外投資力度。據悉，近期，百度和京東已投資ZestFinance，騰訊已投資ObEN。在2018年，這也將成為中國芯片之爭勝出的有力籌碼。
中國人工智能領域的海外投資顯著提升(圖片來自CBInsights報告)
趨勢二 制造業工人或迎史上最嚴峻失業潮
近日，中國T恤制造商天元服裝公司與美國阿肯色州政府簽署了諒解備忘錄，將在阿肯色州的新服裝工廠啟用400名“工人”。值得一提的是，這400位均為佐治亞州初創公司SoftWear Automation開發的縫紉機器人。此次合作，繁雜的工作全部由機器人完成，人類工作人員只負責機器人維護和操作等高端工作。
效率大幅提升，成本大幅降低，沒有抱怨，沒有罷工。不難想象，在未來這必將成為制造業的常態。由此，2018年，普通工人或迎史上最嚴峻失業潮。
美國就業崗位再也無法達到2008年的高峰(圖片來自CBInsights報告)
“以零勞動實現完整的生產是最終目標。”亞馬遜的無人倉庫理念亦是如此。當下，亞馬遜已在全球各地的倉庫中“雇傭”了超過100,000臺機器人，大部分執行工作均由其完成。
因此，在機器人替代普通工人的同時，數千個新型高技術含量的工作機會涌現。在亞馬遜人類工作人員則專注于細致的工作，比如貨品挑選及訂單分配。可見，機器人與人類是關系更多的是互補與共贏，單純的“替代威脅論”實則為無稽之談。
趨勢三 人工智能無處不在，機器學習無所不能
2018年，人工智能無處不在。或者更確切地說，機器學習將無處不在 。在CBInsights看來，這項技術幾乎“無所不能”，并將在2018年創造出無限可能。
「你是素食主義者，無麩質還是對大豆過敏?」美國的Prose希望將機器學習用于定制美發產品，并已從知名風險投資公司籌集757萬美元。更意想不到的是，機器學習已涉足大麻技術領域。當下，DeepGreen使用計算機視覺識別大麻植物的性別和健康程度。此外，Weedguide已籌集170萬美元，計劃將人工智能技術用于個性化雜草推薦。
這些產業顛覆還遠遠不夠。2018年，基于此技術，英國的IntelligentX有望推出世界上第一款AI釀造啤酒;俄羅斯的DeepFish致力于利用神經網絡來識別雷達圖像中的魚類;瑞典的Hoofstep更是籌集了風投資金，計劃為馬匹進行深度行為分析。
趨勢四 網絡安全和傳統防御世界的逐步融合
在冷戰時期，各國政府屢次談到“導彈差距”，并將其看作制勝的關鍵。而現今， 戰場在向“數據中心”轉移。 具體來講，隨著人工智能技術的發展，各國政府在網絡能力方面的差距顯現，網絡安全和傳統防御世界逐步融合。
人工智能在防御領域有著天然的優勢。由于網絡攻擊是不斷演變的，防御過程中經常需要面臨先前未知類型的惡意軟件。而人工智能則可憑借其強大的大規模運算能力脫穎而出，迅速排查篩選數百萬次事件，以發現異常、風險和未來威脅的信號。
其實，早在2014年，亞馬遜就為CIA建立了定制云計算服務，滿足敏感數據的嚴格合規性和法規要求。2014年第四季度，AWS向情報界以外的其他政府客戶開放此類工具。同時，亞馬遜收購了兩家人工智能網絡安全公司——Harvest.ai和Sqrrl，以保護云中的敏感數據。此后的幾年中，無論是“老大哥”亞馬遜還是諸多人工智能創業公司，都承諾成為新網絡安全工作的中堅力量。
據統計，在過去的五年中，共有134家創業公司獲得融資36.55億美元。去年，約34家公司進行IPO，加入 Cyber eason，CrowdStrike，Cylance和Tanium等大公司的市場“廝殺”。其中，每家公司的估值均在9億美元以上。
人工智能網絡安全公司數量攀升(圖片來自CBInsights報告)
趨勢五 語音識別技術的春天
2018年消費電子展上，Amazon Echo和Google Home是當之無愧的主角。人們能想到的物聯網設備均被集成其中，幾乎沒有“漏網之魚”。業內人士預言，語音識別的春天就要來了。
值得一提的是，雖然亞馬遜在語音計算方面早有領先，但在語言支持方面卻處于落后地位。亞馬遜上個季度宣布將在約80個國家出售其基于Alexa的揚聲器。但不利的一點是，它希望全球用戶都可以用英語，德語或日語與其進行互動。在語言方面，競爭對手Google優勢明顯，其智能助理可提供英文，法文，德文，意大利文，日文，韓文，西班牙文和葡萄牙文版本。其語音識別功能更是支持119種語言。
除兩大巨頭外，當下，三星正在開發自己的語音助理Bixby。希望所有產品都能通過互聯網連接，且在2020年前實現Bixby的全面智能化;2017年，LG所有設備均支持Wi-Fi連接，現有超過80種產品與Google Home集成。在中國，阿里巴巴報告提到，自2017年7月正式發布以來，其中文版天貓精靈已售出超過100萬套。
2018年，非英語國家的語音市場或將是一塊“肥肉”。誰主沉浮，還請各位大佬用產品說話。
趨勢六 人工智能“邊緣化”
2017年，人工智能被逐漸帶入應用邊緣，即將更小的設備和傳感器運行在更靠近計算網絡外圍的地方。換句話說，人工智能可能「藏在你的耳機里」，而非安置在云端或智能手機上。
舉例來看，蘋果公司發布A11芯片，其中包括適用于iPhone 8和iPhone X的“神經引擎”。蘋果稱，其可以每秒600B的速度執行機器學習任務，并支持FaceID 等諸多新功能。具體來說，該“神經引擎”可以用不可見光線掃描用戶面部，且無需在云中上傳或存儲任何用戶數據。此外，英特爾發布了一款名為Myriad X設備的視覺處理芯片(最初由Movidius開發，英特爾于2016年收購)。英特爾稱，其可將智能手機的深度學習技術應用于嬰兒監視器和無人機等設備。
而人工智能的邊緣化應用還遠不止于此，智能家居、自動駕駛等諸多熱門領域中，都有它的身影(如下圖)。
人工智能邊緣化縮短了響應時間(圖片來自CBInsights報告)
2018年，人工智能邊緣化應用也將成為各大廠商研發的重點。如果說人工智能的核心技術落腳點在于“智能”，那么，邊緣化技術的探索或許就是為了讓它離“人性”更近吧。
趨勢七 18億美元白投了?亞馬遜、谷歌壟斷加劇
據CBInsights統計，近五年，投資機構為企業級人工智能應用創業企業共投入18億美元。 然而，隨著亞馬遜及谷歌對企業級人工智能應用的逐步改進和創新研發，這一筆筆資金很可能付之東流。
近年，Google發布Cloud AutoML。客戶可使用自定義數據訓練算法，以滿足特定需求;亞馬遜開始在其AWS旗下銷售“AI-as-a-Service”和“亞馬遜人工智能”，致力于服務小型開發人員，使其前期成本為零。此外，亞馬遜發布了可以像API一樣工作的產品，并允許任何開發人員訪問Lex(Alexa內部的NLP)，Amazon Polly(語音合成)和Amazon Rekognition(圖像分析)。
面對如此強大的巨頭競爭對手，小企業夾縫中求生存恐怕會成為偽命題。
趨勢八 最為盛行的“卷積神經網絡”被顛覆
神經網絡有著不同的架構。目前，深入學習中最為盛行的一種叫做卷積神經網絡。如今，一種新的架構——膠囊網絡已經出現，并有望在多個方面超越卷積神經網絡。
長期以來，卷積神經網絡盡管取得了成功，但學者普遍認為其仍存在缺陷，可能導致安全缺口。基于此，深度學習的先驅研究人員之一Geoffrey Hinton于2017年發表研究論文，介紹了“膠囊網絡”的概念。目前，該論文仍處于審查階段，需要在實際情況下進行測試。但其闡述的概念已在科技界引起了巨大轟動。業內人士預計，一經驗證，其將顛覆時下最為盛行的“卷積神經網絡”。
據悉，膠囊網絡將允許人工智能識別數據較少的圖像模式，且不易受到錯誤結果的影響。例如，其可以識別出，當下圖右側的面孔特征重新排列后，它不再是一張臉。這是卷積網絡所不擅長的。
膠囊網絡測試結果(圖片來自CBInsights報告)
卷積神經網絡的另一個問題是，其無法智能應對輸入數據的變化。例如，用戶必須用不同角度或視角的相同對象的圖像對卷積神經網絡進行訓練，以識別所有變化。因此，它需要大量的訓練數據來涵蓋所有可能的變化。而膠囊網絡則不同。該技術只需要較少的數據，且會將對象的相對位置和方向納入考慮。
以上種種表明，該論文一旦經過驗證，必將在人工智能領域掀起一場巨大風暴。而這能否在2018年上演?我們拭目以待。
趨勢九 百萬年薪人才爭奪戰將愈演愈烈
2017年，人工智能人才爭奪戰正式打響。獵聘網發布的中國某人工智能獨角獸創業公司招聘啟事顯示，高級機器學習研究員年薪達567,000-624,000美元，機器學習專家的年薪為315,000-410,000美元。
騰訊近期發布的報告顯示，目前人工智能領域合格的研究人員數量僅為30萬，其中包括相關研究領域的學生。然而，全國范圍內，人工智能的人才缺口卻為一百萬甚至更多。因此，2018年及未來的幾年內，“搶得到人才”絕對是人工智能企業發展的前提及關鍵。
而這樣“惜才”的不只有中國，美國科技公司均對人工智能人才毫不吝嗇。Deepmind Technologies(由Google于2014年收購)報道，在2016年財務報表中，“員工成本和其他相關成本”高達1.084億英鎊。LinkedIn上搜索顯示，其員工數量為415，這代表團隊的平均薪水高達為252,000英鎊(約合每年350,000美元)。
Deepmind Technologies財務報表截圖(圖片來自CBInsights報告)
除此之外，大型科技公司的人工智能研究人員也在紛紛離職創業。Andrew Ng離開百度創建價值1.75億美元的AI基金。Google傳感器研發專家離職，擔任AI芯片初創公司Groq首席技術官……
因此，隨著各大公司的骨干流失，全球人工智能公司的人才爭奪戰必將愈演愈烈。2018年，人工智能專家的薪酬也或將創下新高。
趨勢十 機器學習資本狂歡落幕
近年來，一場又一場的資本狂潮此起彼伏。從大數據，到云計算，再到機器學習，引得“無數資本競折腰”。
2017年，是機器學習的狂歡巔峰。 投資者向各行業的機器學習創業公司投入超152億美元，比2016年增加141%。一年間，美國孵化器吸納了300余家機器學習創業公司，比2016年增加了3倍。
2017年人工智能(機器學習)企業融資額大幅增長
而2018年，這場狂歡即將落幕。機器學習的正常化將使投資者對其投資的人工智能企業格外挑剔。正如16z的Frank Chen所述，“幾年之內，沒有投資者會去尋找機器學習創業公司。它將被認定為‘為初創公司產品提供動力的必要工具’。”
與此前的諸多“過氣風口”類似，機器學習將很快不再新鮮。 而2016年之后出現的大批人工智能創業公司將何去何從?恐怕只有強大的商業模式才能使其活力長存。
引援百度董事長兼CEO李彥宏在中國IT領袖峰會上的發言：“我們這一代人整體來說都是很幸運的，所以不用找風口。我從2000年回國到現在，這15年來時時都處在風口，吹得我難受，各種各樣的機會。 如果大家都想找捷徑，每個人都是這種思維方式，其實是很危險的，整個社會不應該鼓勵大家去找這種捷徑。”
至于技術革新方面，阿馬拉法則早就指出了——我們往往會高估技術的短期影響力，卻低估技術的長期影響力。或許所有以產品模式為導向的熱潮都是偽風口，但技術本身沒有錯。人工智能亦是如此，若能在多次泡沫后最終走向落地，大浪淘沙后留下的企業和產品必將發光。
京公網安備 11010502049343號