英伟达（Nvidia）正在寻找最具破坏性的AI创业公司，这是英伟达的“创始计划”（Nvidia Inception: 旨在通过强大的GPU工具，技术，和深度学习专业知识推动AI创业公司的发展）竞赛的一部分，试图从600多位参赛者中筛选出最好的AI创业公司。
英伟达的CEO黄仁勋在上周主办了一场盛会，以帮助寻找最佳的AI创业公司。黄仁勋和裁判小组听了包括3个类别的14家AI创业公司（600多位“创始计划”竞赛参赛者的最终赢家）的评测。这些赢家将于5月10日在英伟达GPU技术会议上获得150万美元的现金奖励。黄仁勋在盛会的开幕式上说：“我们正处于人工智能革命的开端，它正向我们走来；人工智能革命也是我们所经历的最大的计算革命之一。”
图 | 英伟达的Jeff Herbst
参与当天评测的裁判小组包括富达投资集团的投资组合经理Gavin Baker；高盛投资公司半导体投资银行业务的全球负责人Tammy Kiely；软银集团投资人Shu Nyatta；蔻图资本管理公司的高级管理总监Thomas Laffont；微软加速器全球首席技术官Prashant Sharma。
图 | 英伟达的Jeff Herbst
此次评测分三个类别进行，单个类别的冠军奖金为37.5美元，亚军为12.5万美元。
以下是5家最具破坏性的AI创业公司：
1. Smartvid.io
图 | Smartvid.io的 Mike Perozek
Smartvid.io团队成立于2005年，但这并不是该团队的首次创业。他们曾创建一家名为Vela Systems的公司，该公司专注于将计算机技术应用到建筑行业。2012年，Vela Systems卖给了Autodesk。
团队CEO Josh Kanner称，他们的规划于2015年3月开始实施，旨在通过使用AI来完成安全专家无法完成的任务，让工地更安全。
团队销售和营销部副总裁Mike Perozek表示，建筑行业的年收益超过10万亿美元，但每年的意外死亡人数也超过1000人。
Perozek说：“安全是建筑行业面临的重大问题，每年有十分之一的美国工人会受到伤害。精通这些方面的专家太少，建筑工人带着在现场寻找并记录安全隐患，通常一个人就要负责3-7个大型活动项目。”
在建筑工地上，每年每个项目会产生1.5万~2万张用于跟踪进度和通信的照片或视频，但是这些材料通常不能物尽其用。Smartvid.io团队认为，可以挖掘这些资源的价值，用以分析建筑工地的安全性，并增强安全保障。
Perozek说：“我们将这些图片和视频组织起来，输入建筑施工管理系统，在没有安全专家参与的情况下，仅需少数人手就能完成分析。”
Smartvid.io可以实现视频和图片的自动导入，供AI系统分析。该系统将工作流程和警报系统相结合，工作人员可以从Smartvid.io获得建议并进行反馈，从而进一步提升AI系统的性能。
一般来说，培养一名优秀的安全专家需要5-7年时间。但是，运用利用计算机视觉、深度学习和语言识别，Smartvid.io就能完成对目标对象的量化分析，识别其中的安全隐患。在Smartvid.io的帮助下，一名普通员工每天在工作现场拍照录像并上传，就能完成安全专家所能完成的任务，甚至做得更好。
Smartvid.io已有一些早期用户。在第一季度，该公司的用户数量从4个增加到了8个。他们根据用户需求或项目数量收取软件使用费用。
2. Deep Instinct
图 | Eli David，Deep Instinct的CTO
Deep Instinct正在用AI检测恶意软件。目前，只需将原先的恶意软件代码修改约30%，一款新的恶意软件就能诞生。每天大约有100多万种恶意软件的新变种产生，可许多反病毒厂商都只能集中检测已知的恶意软件。
Deep Instinct认为，检测恶意软件的最好方案是深度学习。深度学习能够实时检测未知的恶意软件，无需利用病毒的数字签名、沙盒内容或一些启发式方法，只需要查看问题文件的二进制原始代码细节即可。
团队首席技术官Eli David说：“我们不应该等待恶意软件来攻击我们，而应主动防御。”
为了开发出特定风格的神经网络，该公司建立了自己的深度学习基础架构。该神经网络兼容CPUs、GPUs和英伟达的CUDA软件。
Deep Instinct删除了95%的多余处理线程，以减少分析的工作量。最终，客户测试表明，Deep Instinct的恶意软件检测率为99%，而它的对手约为80%。
David说，Deep Instinct只需几个月更新一次，而且假正例率仅为0.1%，其它深度学习对手的假正例率高达2%-3%。
2016年，这款软件开始商业化，预计今年可带来1000万美元的收入。Deep Instinct希望在2018年为其通信量分析增加一个解决方案，并将业务扩展到其它网络安全领域。
目前，Deep Instinct有65名员工，已从彭博资本，UST Global，CNTP和Cerracap筹集了5000万美元的资金。他们此时面临的最棘手问题是客户不知道Deep Instinct的“黑盒子”是如何工作的。对此，David表示，他们的产品在检测同样的恶意软件时能轻易地战胜对手，这足以说服潜在客户。
3. Cape Analytics
图 | Cape Analytics的销售总监Busy Cummings
在美国，家庭保险公司必须收集1亿多户家庭数据，这并不容易。Cape Analytics目前正在使用地理空间图像、计算机视觉和机器学习来完成这项任务。
其销售副总裁Busy Cummings表示，Cape Analytics可以收集大量显示家庭住房信息的航拍影像。该公司最初的关注重点是财产保险业，但是不少其他行业同样有收集家庭住房信息的需求。
通过房主来收集住房信息可行度不高。因为，他们可能不知道准确信息，也可能知道但是希望钻空子以交纳更低的保险费。而现成的公共记录往往都是过时的，通过检查人员去收集数据又意味着高成本和长耗时。
Cummings说：“采用我们的技术，能够实时获取高质量的数据信息。”
Cape Analytics也可以从其它来源获得航拍影像，并显示住房改造后或遭破坏后的变化；它们也能展示住房面临的威胁。Cape Analytics使用了大量GPUs来处理数据，能在短期内给出分析结果。
Cape Analytics可以记录房屋顶形状、状态、以及使用材料，可以识别出游泳池、跳水板、泳池围栏等。这些数据能够帮助人们缩短申请流程，以提供更快速的保险报价。
Cummings说：“我们正在建造一个拥有1亿户住房信息的生活数据库，它能改善客户关系，提供更好的服务、缩短流程、节约成本。使用我们数据库的保险公司可以更好地把握风险。”
目前，Cape Analytics拥有20多名员工，并从Data Collective、Formation 8、XL Innovate、Lux Capital和Khosla Ventures筹集了1400万美元。
4. Konux
图 | Konux的首席技术官Vlad Lata
Konux成立于2014年，总部位于慕尼黑。目前，它有30多名员工，从NEA，Michael Baum，Andy Bechtolsheim，MIG Fonds，Torsten Kreindl和Lothar Stein筹集了1850万美元资金。
Konux的首席技术官Vlad Lata表示，该公司正在建立衡量铁路系统所处状态的软件系统。Konux希望利用传感器来监测轨道的移动和道岔的状态。德国联邦铁路公司是其客户之一，它通往欧洲的铁路上就有超过70000个道岔。
这些道岔每年需要5次手动检查，每次每个道岔的检查需要约3个人，耗时至少2个小时。德国联邦铁路公司每年在道岔上的支出约6.3亿美元，全世界所有铁路公司与此相关的劳动力成本则达数十亿美元。
Konux的传感器能够实时收集信息，因此不需要频繁检查。当道岔出现故障时，Konux会收到警报信息。火车每天通过这些道岔20次，这可能会导致道岔损坏。如果道岔发生了故障，则可能导致延误甚至造成火车相撞。
Lata说：“如果你知道道岔工作了多少次，你就知道什么时候该替换它。”Konux的每次销售都是大订单，但该产品的销售周期较长。
5. Digital Genius
图 | Digital Genius的联合创始人Mikhail Naumov
Digital Genius成立于2014年，总部位于旧金山。目前，这家公司拥有45名员工，已从Lowercase Capital, Salesforce Ventures, RRE Ventures, LHV, Bloomberg Beta, Lumia Capital, Singularity Investments, Spider Capital和Compound Ventures筹资了1000万美元。该公司正在与Salesforce合作，探索其在Salesforce平台上能提供哪些服务。
Digital Genius将深度学习和AI融入客户服务业务。客户服务业务拥有年值3500亿美元的市场，其中约3000亿美元用于支付客服人员的工资。
Digital Genius最初创建了一款聊天机器人来提供客服，但是，由于这款机器人只能遵循既定的规则，其实用性受到了很大的限制。之后，该公司就将研发重心转移到了深度学习算法上，希望能创建更强大的智能系统。
Digital Genius的联合创始人 Mikhail Naumov说：“我们能够通过减少工作人员的工作量来节约大量资金。”
该公司表示，现在每次客户服务的处理时间可以减少32%。
荷兰皇家航空公司有235家代理商使用了Digital Genius的服务。这些代理商每星期大约会收到10万封邮件，Digital Genius则对这些邮件进行分析以找出客户提出了哪些类型的问题，然后，系统会给出处理这些问题的建议，以便代理商更快地解决客户问题。另外，代理商也可以给出反馈以不断提升系统的性能。
-End-
编辑：Steven
「DeepTech深科技」招募全球记者、采编。申请加入：[email protected]
