本篇文章3238字，读完约8分钟
就像几年前o2o、p2p和共享经济中的风险投资浪潮一样，人工智能是引领未来趋势的一个出口，还是只是一个烧钱着魔的“疯嘴”？
本文由袁浩发表，并经长实资本(微信号:longcapital-)授权。
人工智能可以说是今年除自行车(mobike、ofo等)之外vc最热门的投资主题。)。作为一个风险投资家，如果你不在自己的基金投资策略矩阵中加入一个人工智能投资方向，你会不好意思说自己是一个风险投资家。特别是，自今年3月alphago击败韩国围棋大师李世石的神罚后，许多投资者和企业家都把目光投向了人工智能，资本四处奔流，初创企业bp如果不同意一个词，就必须叫它ai+了，机器学习和深度学习等很酷的术语时有出现。
就像几年前o2o、p2p和共享经济中的风险投资浪潮一样，人工智能是引领未来趋势的出口，还是只是一张烧钱变疯的疯嘴？
人工智能爆发的原因
熟悉人工智能发展历史的学生知道，这是人工智能的第三次高潮。第一次高潮起源于1956年的达特茅斯会议。人工智能的概念自诞生之日起就被各行各业所推崇。然而，人工智能并不像人们想象的那样乐观。自1970年以来，研究一直停滞不前，热情也逐渐消退。
20世纪80年代，崛起的日本提出了一个雄心勃勃的人工智能计算机计划。随着1987年lisp机器商业化的失败，人工智能再次陷入低迷。人们意识到人工智能的问题不仅仅是硬件，还有软件和算法。
第三次浪潮基本上起源于20世纪90年代。由于摩尔定律带来的工业变化，人工智能取得了巨大的进步。1997年，ibm的深蓝(Deep Blue)在国际象棋比赛中击败了世界冠军卡斯帕罗夫(Kasparov)，2006年，杰夫辛顿(geoff hinton)发现了一种训练高级神经网络的有效算法，并在2012年的imagenet评测领域大大突破了以往的算法。
深度学习算法的应用在语音识别和图像识别方面取得了很大进展，围绕语音、图像、机器人和自动驾驶等人工智能技术出现了大量创新企业。
如果我们深入探究这一人工智能浪潮的原因，我们可以将其分为以下变量:
近年来，云计算和云计算技术已经成熟成为流行的服务平台。无论是iaas、paas还是saas，它们提供的基础技术平台为人工智能技术的实现和应用提供了强有力的背景保障。云计算降低了使用it资源的门槛，为数据集中化奠定了基础，并极大地推动了大数据产业的发展。
大数据是智能的基础和土壤。没有数据，就没有智慧。所有的情报都是基于数据的。移动互联网和物联网的普及使得大数据在今年发展迅速，这也推动了人工智能的巨大进步。这是因为人工智能技术使用统计模型来计算数据的概率。只有在海量数据中不断优化或训练这些模型，深度学习算法的输出结果才能更加准确。
就市场规模而言，全球大数据的总投资仍在扩大。2015年，数据总量将达到8zb(1zb=1万亿gb)，2020年将达到44zb。未来五年，预计CAGR将保持141%的高增长率。
Gpu和计算能力、计算能力的指数级增长以及近年来成本的急剧下降是人工智能快速发展的先决条件，而gpu的崛起是一个重要的突破点。gpu图像的核心处理器是由吴恩达团队在2009年发现的。与cpu相比，gpu芯片具有更多的计算单元，gpu实现并行计算架构，可以一次执行多条指令，从而快速解决计算问题。
与此同时，微软和英特尔也在推动fpga(现场可编程门阵列)。与gpu相比，fgpa在峰值处理方面较弱，但其架构灵活性更为突出，尤其是在处理小计算和大批量操作时。FGPA主要来自一家名为altera的公司。由于缺少图形处理器，英特尔将花费167亿美元进行赌博。
nvidia的gpu (gtx 1080)只需8美分就能处理10亿次浮点运算(每10亿次浮点运算相当于每秒10亿次浮点运算)，而10年前完成同样的运算需要100美元。
深度学习算法。2006年，韩丁提出深度学习神经网络是人工智能的重大突破。在学术上，神经网络分为深度神经网络、卷积神经网络和递归神经网络。cnn最初用于处理图像，而rnn最初用于处理语音。在实际应用中，有线电视新闻网和无线网络不是独立使用的，需要结合不同的算法和策略。深度学习的发展大大加速了人工智能的发展。
(注:深度学习太学术性了。想要深入了解的学生可以自己寻找公开课大脑补充剂。斯坦福大学公开课:机器学习课程，由丹尼尔·安德鲁教授；斯坦福大学的公开课:卷积神经网络cnn，由丹尼尔·李菲菲教授讲授；(
人才:人工智能的爆发离不开顶尖科学家。它需要高级工程师，他们有能力部署人工智能技术并使其产品化。让我们先来看看深度学习的四个火枪手；
多伦多大学的杰出教授杰夫·辛顿是谷歌人工智能团队的领导者。辛顿是将bp算法应用于神经网络和深度学习的领导者。
Yann lecun是纽约大学的终身教授和facebook人工智能实验室的负责人，他因在cnn领域的杰出贡献而闻名。
蒙特利尔大学终身教授尤素华·本乔是该项目的负责人。本吉奥的主要贡献在于他促进了rnn研究，目前是由elonmusk领导的开放人工智能的首席顾问。
斯坦福大学教授安德鲁·吴曾在谷歌工作，现在是百度的首席科学家。Coursera是人工智能领域，尤其是工程领域最权威的学者之一。
人工智能的市场结构和发展趋势
人工智能仍然被国内外的技术巨头所主宰，主要是谷歌、脸书、ibm、微软、亚马逊、英特尔等。在国外，主要是由蝙蝠和声音巨人iFlytek在中国。
我们一般将人工智能产业链分为基础层-技术层-应用层。
基础层主要是人工智能操作的基础设施，如数据源、计算平台、芯片和传感器；数据工厂提供大量的信息，这些信息通过数据挖掘和搜索算法进行分类和关联，并提供给机器学习、gpu并行计算和高性能计算机芯片，形成一个超级计算平台。目前，基础层大多是ibm、英特尔和谷歌等大公司的主战场；
技术层依赖于机器学习建模基础层的计算平台和数据源，开发不同领域的应用技术，包括感知智能和认知智能。感知智能包括语音识别、图形识别、生物识别和自然语言处理；认知智能主要利用深度学习和其他人脑来做出预测和判断。在技术层面有大量的初创公司，如megvii、sensetime、Gling Deep瞳孔、易图科技等。在自然语言处理领域，有云之声、香料等。语音识别是目前最成熟的人工智能技术。目前，nuance、谷歌、苹果以及中国HKUST讯飞和百度的行业领袖排名世界第一。
应用层主要以基础层和技术层为基础，实现人工智能在各行业的现场应用，如智能硬件、工业和服务机器人、智能驾驶、智能医疗、智能客户服务、智能投资、商务智能、个人助理等。应用层吸引了许多初创公司，因为它的技术门槛很低。
人工智能发展条件的成熟同时催生了大量人工智能初创企业。截至2016年11月，venture scanner将1485家人工智能公司分为13个子部门，包括深度学习/机器学习(一般)、深度学习/机器学习(应用)、自然语言处理、计算机视觉/图像识别(一般)、计算机视觉/图像识别(应用)、手势控制、虚拟个人助理、智能机器人、视频内容识别。其中，深度/机器学习(应用)分类遥遥领先，约有436家企业，自然语言处理公司数量为232家，排名第二。
从人工智能初创公司的数量来看，人工智能初创公司的数量呈爆炸式增长。今年第一季度，全球初创企业的数量只有957家，在不到一年的时间里保持了55%的增长。
从融资情况来看，人工智能投资的资本投资仍以每年42%的速度增长，2016年风险投资也达到创纪录的25亿美元。
从融资阶段来看，B轮和C轮人工智能项目的融资情况保持健康增长。
随着人工智能技术的快速发展，智能语音、智能图像、自然语言处理等技术的应用日益成熟，包括风险投资的兴起，可能预示着人工智能投资和创业的黄金时代的到来。
世界尽头的地方是狮子哭泣的地方，是月亮升起的地方，是梦想诞生的地方。
大卫的人工智能
待续
