從全球范圍來看， 人工智能 領先的國家主要有美國、中國及其他發達國家。截止到2017年6月，全球人工智能企業總數達到2542家，其 中美 國擁有1078家，占據42%；中國其次，擁有592家，占據23%。中美兩國相差486家。其余872家企業分布在瑞典、新加坡、日本、英國、澳大利亞、以色列、印度等國家。

從現有統計上看，美國人工智能企業從1991年開始創建，從1991年--1997年歷經萌芽時期，1998年--2004年階段經歷發展期，2005年--2013年階段歷經高速成長期，2013年至今進入平穩階段。

和美國相比，中國的AI產業進步略晚，1996年開始起步，2003年進入發展時期，2008年--2015年期間進入高速成長時期，到2015年期間，人工智能有關的企業達到166家。

中美AI創投融資對比

技術如果得到資本的加持，將會推動技術的落地和進步。

美國的 AI產業布局 非常完善，基礎層、技術層和 應用層 都有涉及，尤其是在算法、芯片和數據等產業核心領域，積累了強大的技術創新優勢，各層級企業數量全面領先中國。相比較而言，中國在基礎元器件、基礎工藝等方面差距較大。

從基礎層的芯片企業數量來看，中國擁有14家，美國33家，中國僅為美國的42%。而技術層，中國擁有273家，美國擁有586家，中國為美國的46%。在應用層，中國擁有304家公司，美國擁有488家，中國是美國62.3%。

總體來看，美國在企業數量上全面領先中國，基礎層和技術層的企業數量約為中國的2倍，但是在應用層上，中國和美國的差距略小。

中國投資者在應用層關注的更多。 中國人工智能企業中，融資占比排名前三的領域為計算機視覺與圖像，融資143億元，占比23%；自然語音處理，融資122億元，占比19%；以及自動駕駛/輔助駕駛融資107億元，占比18%。值得一提的是：中國的自動駕駛/輔助駕駛企業雖然只有31家，但融資額是第三，表明中國的投資者非常看好這一領域。

美國投資者對于基礎層更為看重。 在美國人工智能企業中，融資占比排名前三的領域為芯片/處理器融資315億占比31%，機器學習應用融資207億占比21%，自然語言處理融資134億占比13%。芯片企業的數量排名第八，33家，但融資量卻是第一，美國的芯片實力和資金吸引力，可見一斑。

中國的弱點在芯片 ，近年來，中國的創業者和投資者逐漸開始關注對芯片，截止至2017年6月，中國處理器/芯片投資事件比重排名第四，占比7.55%，但可能由于基礎層公司少，投資門檻高，導致事件數量仍和美國有較大差距。

美國的大筆投資熱點在機器學習應用，這一領域同時也是僅次于芯片的吸金領域。 美國的AI已經在各行各業都產生了連帶效應。而中國只在自動駕駛/輔助駕駛、計算機視覺與圖像等領域應用較多，相對而言還是比較狹窄的。

未來趨勢預判

泡沫即將出現，主要的信號有兩個：

一、資金多而項目少

綜合過往數據和2017年前半年的情況，今年美國新增企業數量將跌到谷底，預計在2017結束之前，美國新增企業數量范圍將在25-30家之間徘徊。同時，美國的累計融資量持續快速增長，最后將穩定在1380-1500億元的區間。18年后，中美兩國AI企業數量增長都將有所恢復，但依然平緩。

二、周期長而營收難

通俗地說，現在的人工智能被高估了。深度學習起源于上世紀八九十年代的神經網絡研究。在很多情況下，前沿研究是由對已有方法的微小改動和改進組成，而這些方法在幾十年就已經被設計出來了。

盡管如此，市場熱炒的人工智能技術和產品的成熟度仍然有限。許多項目和技術，并不能直接獲得消費者歡迎，還需要相當長的時間才能走向成熟。

這種前提下，創業項目不得不舍棄大眾消費市場而致力于解決企業級問題，創新公司的商業模式回歸到類似傳統IT廠商的角色，進一步加大了營收難度。

預計在2020年之前，美國累計AI公司數量將會超過1200家，累計融資將達到2000億人民幣；根據歷史數據推斷，中國在2017年年末達到745億融資總額。

中美AI巨頭卡位戰

引領AI產業發展的技術競賽，主要是巨頭之間的角力。目前，蘋果、谷歌、微軟、亞馬遜、Facebook五大巨頭都在人工智能領域部署更多的資源；不僅國外巨頭如此，國內的BAT都卯足馬力，積極布局人工智能。

美國的巨頭通過收購拼搶人才，強化技術儲備；同時爭相開源，構建生態，人工智能的平臺化、云端化將成為全球發展的潮流。而中國的巨頭憑借場景和數據優勢，在計算機視覺、語音識別等領域，具備了和美國巨頭一較高下的實力。

中美巨頭的產業布局

美國巨頭呈現出全產業布局的特征，包括基礎層、技術層、應用層，均有布局；而 中國巨頭主要集中在應用側，只在技術層局部有所突破。

技術層：爭搶人才，構建生態

巨頭們通過招募高端人才、組建實驗室等方式加快對關鍵技術的研發，Facebook在2013年開始就成立了Facebook人工智能研究實驗室，研究圖像識別、語義識別等人工智能技術；同年，國內的巨頭百度亦成立深度學習實驗室，研究方向包括深度學習、計算機視覺、 機器人 等領域。

下圖整理了各大巨頭的AI實驗室的名稱、成立年份、簡介：

除了成立實驗室以外，巨頭們一會通過投資和并購儲備人工智能研發人才和技術。其中，Google于2014年以4億美元收購了深度學習算法公司Deepmind，該公司開發的AlphaGo為Google的人工智能添上了濃墨重彩的一筆。

CB Insights的研究報告整理了2011年—2016年人工智能主要收購事件，谷歌自2012年以來共收購了11家人工智能創業公司，是所有科技巨頭中最多的，蘋果、Facebook和英特爾分別排名第二、第三和第四。標的集中于計算機視覺、圖像識別、語義識別等領域。

建立開源生態，占領產業核心

大公司紛紛擁抱開源有兩方面原因:第一，通過開源來構建生態和護城河。無論是谷歌、亞馬遜還是BAT都已經擁有 云計算 基礎設施，Google、微軟一直在講的開源、AWS推出的AI功能，本質上并無差別，都是為了賦予自家云端客戶更強的數據處理能力。在現有的云服務市場中，科技巨頭占據多數，構建基于人工智能的云服務將成為巨頭的下一個主戰場。AI是信息基礎設施的一個升級，是今后產業發展的巨大引擎。巨頭都想把握升級過程中涌現的大量機會，賦能全行業。第二，開源是一種開放式創新。通過開源深度學習平臺，不僅可以吸引大量開發者，還可以為機器學習提供大量的數據支持，以及大量的現實場景。

人工智能的常見開發框架包括谷歌的TensorFlow、Facebook的Torch、Microsoft的CNTK以及IBM的SystemML。這些框架的地位類似于人工智能時代的iOS/Android。開源也成為了這些軟件開發框架共同的策略。

2015年，谷歌將內部采用深度學習的技術整理到一起，發布第二代人工智能系統TensorFlow，并宣布將其開源。TensorFlow包括很多常用深度學習技術、功能和例子的框架。

2013年卷積神經網絡發明者Yann LeCun加入Facebook，帶領公司的圖像識別技術和自然語言處理技術大幅提升。Facebook的深度學習框架是基于之前的Torch基礎上實現的，于2015年12月開源。此外，Facebook還開源了人工 智能硬件 平臺Big Sur等十余個項目。

國內的巨頭也是走開源的路線：2016年，百度開放了其深度學習平臺Paddle-Paddle，覆蓋了搜索、圖像、語音識別、語義處理、用戶畫像等領域的技術。騰訊不同事業部都在不同領域展開AI研究。AI Lab注重將技術與騰訊業務場景相結合，即游戲、社交、內容生態。

應用層：搶奪語音交互入口，征戰云站務

近日，APP分析公司Vetro Analytics公布了一份“基于AI的個人助理如何重塑用戶習慣”的報告。該報告顯示，憑借蘋果設備廣泛的用戶群體，最早面世的Siri仍然是老大，但一年內流失15%的用戶。與之相對的是Amazon Alexa的崛起。Alexa伴隨著Amazon Echo智能音箱誕生，用戶數量在一年內增長325%。谷歌、微軟、蘋果、Facebook都在爭奪這塊市場。微軟也推出了內嵌Cortana的Invoke音箱，并且將“Conversation as Platform”（對話即平臺）作為戰略。

國內企業中，京東在兩年前與科大訊飛合作布局了智能音箱，致力于成為家庭控制中心。數月前，阿里推出了圍繞著購物場景的智能音箱天貓精靈X1。激烈的音箱之爭背后是下一代服務入口之爭。

行業解決方案

人工智能必然走向云化，機器學習對于云來說是一項關鍵的技術，它能訓練大規模的AI網絡，不斷自我學習和提升。在這一點上，Amazon、Google這些擁有較好云端設施的公司將很有優勢。亞馬遜不僅基于AI構建和優化了大量自身業務，也利用AWS云為其他廠商提供了高效的AI解決方案。“云+AI”成為新的趨勢，Google寄希望于借AI趕超AWS。2015年，微軟發布了“微軟認知服務”，這是一個基于微軟云平臺Azure的智能API（應用程序編程接口），涵蓋了五大方向的人工智能技術，包括了計算機視覺、語音、語言、知識、搜索五大類API。

國內的BAT三巨頭在云服務領域也紛紛引入人工智能。

百度從兩三年前就開始用GPU代替CPU進行計算，提升數據處理能力。2016年，阿里云發布面向深度學習、3D圖像渲染的新一代HPC平臺。騰訊云在搭建DI-X深度學習與機器學習平臺的基礎上，開放圖像處理、語音處理和自然語言處理能力為自動駕駛、安防、智慧法庭、智能家居、智能營銷等多個場景提供解決方案，致力于“讓小企業也能用到AI能力”。

基礎層:美國巨頭深入產業核心布局芯片

人工智能芯片主要包括GPU、FPGA、ASIC以及類腦芯片。在人工智能時代，它們各自發揮優勢，呈現出百花齊放的狀態。

Google的TPU，是專門為其深度學習算法Tensor Flow設計的，TPU也用在了AlphaGo系統中。今年發布的第二代Cloud TPU理論算力達到了180T Flops，能夠對機器學習模型的訓練和運行帶來顯著的加速效果。

而英偉達是GPU的行業領袖，GPU是目前深度學習領域的主流芯片，擁有強大的并行計算力。而另一個老牌芯片巨頭，英特爾則是通過大舉收購進入FPGA人工智能芯片。類腦芯片是一種基于神經形態工程，借鑒人腦信息處理方式，具有學習能力的超低功耗芯片。IBM從2008年開始模擬人類大腦的芯片項目。

蘋果正在研發一款名為“蘋果神經引擎”（Apple Neural Engine）的專用芯片。該芯片定位于本地設備AI任務處理，把面部識別、語音識別等AI相關任務集中到AI模塊上，提升AI算法效率，未來可能嵌入蘋果的終端設備中。

芯片由于投資周期長、專業技術壁壘厚、市場相對比較狹小，導致競爭非常激烈且難以進入。

卡位之戰，誰能勝出？

在人工智能卡位戰中，巨頭們戰術趨同，即建立技術壁壘，軟硬件雙線發展，做好平臺生態。但戰略上略有不同：Google是全球在人工智能領域投入最大且整體實力最強的，Google希望利用開源系統構建AI生態，覆蓋更多用戶使用場景，從互聯網、移動互聯網等傳統業務延伸到智能家居、自動駕駛、機器人等領域，積累更多數據信息。

亞馬遜的特點是B端和C端共同發力。通過智能音箱和語音助手引領人工智能消費級行業生態。另一方面，用人工智能深化AWS云計算服務，賦能全行業。Facebook在人工智能領域的布局主要圍繞著其用戶的社交關系和社交信息來展開

國內三巨頭中，百度相對激進，宣布了“All in AI”戰略，隨著陸奇的強勢加盟，將全力推動百度轉型成AI平臺型公司。騰訊、阿里基于自身產品功能進行試水。

除了正面競爭，巨頭們在人工智能領域的積極合作。2016年9月，Facebook、亞馬遜、谷歌、IBM、微軟五大巨頭成立了非盈利組織“Partnership on AI”（人工智能合作組織），旨在分享AI領域的最佳技術實踐，促進公眾對AI的理解，挖掘可以促進社會福祉的AI研究領域以及提供一個公開參與的平臺。

中美AI領域人才隊伍

當前，人工智能領域的競爭，主要體現為人才之爭。只有投入更多的科研人員，不斷加強基礎研究，才會獲得更多的智能技術。

美國產業人才總量是中國的兩倍

美國1078家人工智能企業約有78700名員工，中國592家公司中約有39200位員工，只有美國的50%。其中，美國基礎層人才數量是中國的13.8倍。

在自然語言處理領域，美國員工人數是中國的3倍，美國20200人，中國6600人；

處理器/芯片，美國員工人數是中國的13.8倍，美國17900人，中國1300人；

機器學習應用，美國員工人數是中國的1.8倍，美國17600人，中國9800人；

智能無人機，美國員工人數是中國的1.98倍，美國9220人，中國4660人；

計算機視覺與圖像，美國員工人數是中國的2.87倍，美國4335人，中國1510人。

中國僅在 智能機器人 領域人才稍多，6400人，約為美國同領域人數的3倍。

數據公司Quid表示，去年，包括谷歌、Facebook、微軟在內的科技公司花費了約85億美元用于研究、收購及網羅人才，比2010年多四倍。數據公司Paysa數據顯示，美國的公司平均每年給1萬名人工智能方面人才發放的工資約為6.5億美元。其中，亞馬遜花費超2億美元招攬人工智能人才，居各大公司之首。

中美人才培養模式尚存在差距。很多高校在很長時間內并沒有人工智能專業，而在人工智能的誕生地美國，基本上大的院校都有人工智能專業和研究方向。以美國卡梅隆大學為例，設有專門的機器人研究所，其中光教授就有100多位，縱向而言，中國布局的時間也比較晚。教育系統之間的差別也將影響人工智能領域的研究重心。

目前，中國政府致力于加強AI人才建設。AI人才儲備正在出現新的趨勢。“千人計劃”吸引了一批優秀研究者回國，國內的巨頭企業也正在致力于吸引來自世界各地的研究者。未來，還需繼續建立核心技術人才培養體系，加強人工智能一級學科的建設，加強企業和學術界的人才流通，打造堅實的人才基礎，推進產業健康發展。

人工智能應用熱點

人工智能技術不斷突破，尤其是語音識別、自然語言處理、圖像識別、人臉識別為代表的感知技術取得了重大技術進步，并且圍繞著這些技術涌現出了大量的創業熱潮。相關技術已經開始從實驗室走向了應用市場，特別是在交通、醫療、工業、農業、金融、商業等領域應用加快，帶動了一批新技術、新業態、新模式、新產品的突破式發展，帶來了深刻的產業變革，有望重塑全球產業格局。

這一輪的人工智能技術的應用中，自動駕駛、智能醫療、智能安防、服務型機器人、智能交通、智能制造、智能娛樂等應用成為了全球人工智能市場的熱點。

目前，人工智能的產業應用能夠落地，得以三大支撐平臺，基礎層的開源算法平臺、技術層云平臺、應用層的應用平臺。目前Google、Facebook、微軟都已經推出了深度學習算法開源平臺，目前國內只有百度開放平臺paddle paddle。

得益于近年中國移動互聯網的快速發展，為中國積累了巨大的C端用戶基數，但在B端的制造、交通、金融、醫療等傳統行業仍然發展相對落后，相比之下，美國傳統行業基礎設施水平高于中國。

因此，中國的傳統行業借助人工智能實現轉型升級的需求更為迫切，市場增長的后勁很足。

國內人工智能玩家有以百度、阿里巴巴和騰訊為代表的互聯網巨頭，也有如科大訊飛這樣的AI技術領域龍頭，這些企業作為國內人工智能的核心力量與關鍵勢力，構成了國內人工智能的第一梯隊。

美國巨頭的人工智能應用主要圍繞 大數據 挖掘，如Facebook建造能夠理解海量數據的人工智能機器，谷歌在人工智能的側重點比較多，包括自動駕駛、智能機器人等等。在行業應用中更為廣泛。

自動駕駛

自動駕駛將推動汽車領域重大技術革命，因此世界各國對智能車輛的研發競爭日趨激烈。目前，行業正處于輔助駕駛向半自動駕駛推進的階段。谷歌、意大利帕爾瑪大學和百度的智能汽車原型系統，綜合看來，國內外研發 無人駕駛 汽車的公司都把無人駕駛商用的時間線劃在了2020年前后。因此，接下來的3到4年將會是這一技術商業化落地的沖刺時期。

智能機器人

大部分智能機器人目前還處于產業發展初期，尤其是智能服務機器人仍處于產業化起步階段，但隨著全球人工智能正在步入第三次高潮期，智能化成為當前機器人重要的發展方向，人工智能與機器人跨界融合創新進一步提升機器人智能化程度。中美在智能機器人領域的差別主要在于，前者關注專業領域機器人的應用，如醫療、機械作業和家居類等領域較多；而后者則側重在企業或個人的智能輔助工具，因此，涉及的行業更多，覆蓋范圍更廣。

從全球范圍來看，日本ASMO Actroid-F仿人機器人、Pepper智能機器人，美國BigDog仿生機器人等一大批智能機器人快速涌現，巨頭企業也紛紛通過收購機器人企業，將智能機器人作為人工智能重要的載體，推動人工智能發展，例如谷歌相繼收購Schaft、Redwood Robotics等9家機器人公司，積極在類人型機器人制造、機器人協同等方面布局。從國內市場來看，2015年，國內包括商用機器人在內的服務機器人市場規模大約在82億元左右，2016年將增長至140億元左右，而2017年市場規模將突破200億元。隨著智能機器人市場規模越來越大，且智能機器人切入點種類繁多，創業公司和巨頭紛紛從不同的領域、方向和切入點加入智能機器人領域的市場爭奪。

此外，人工智能在智慧城市、智能家居、智能金融、智能制造、智慧醫療等領域亦大有可為，能夠解放大量的勞動力、促進生產效率的提升。

結語

AI時代群雄逐鹿，中美兩國充分認識到人工智能的重要意義，從人才到政策全面扶植人工智能企業。國家實力的提升來源于科技企業創新。美國以絕對實力處于領先地位，一批中國初創企業也在蓄勢待發，中國企業也將有機會成為AI時代的弄潮兒。

---

【2017億歐創新者年會暨第三屆創新獎頒獎盛典】將于12月13日-14日在北京中國大飯店舉行。來自全球的100+名國內外頂級大咖、300+家主流媒體、4000名合作伙伴與行業精英共同參會，共話產業創新的未來與發展。邀您共同參與！

猛戳鏈接查看活動詳情： http://www.iyiou.com/post/ad/id/420