提到「深度学习」或者「深度神经网络」的期刊文章
至少被引用一次的、并提到「深度学习」或者「深度神经网络」的期刊文章
中国的互联网巨头百度、阿里巴巴和腾讯（BAT）正在领导中国的人工智能市场，同时数以百计的初创公司也正渗透到这一产业中，并在各种人工智能细分市场及应用领域建立服务模型。目前，中国的人工智能领域包括：
基本服务，如数据资源和计算平台；
硬件产品，如工业机器人和服务机器人；
智能服务，如智能客户服务和商业智能；以及
技术能力，如视觉识别和机器学习。
根据iResearch，目前，语音和视觉识别技术分别占中国人工智能市场的60% 和12.5%。在中国，所有和人工智能相关的公司中，71% 专注于开发应用。其余的公司专注算法，其中，55% 的公司研究计算机视觉，13% 研究自然语言处理，9% 致力于基础机器学习。
我们认为，人工智能前沿的重要参与者可能会继续来自美国和中国。
列表
百度：
2015 年9 月，百度「度秘」：声控人工智能个人助理（整合进百度移动搜索应用）
2015 年11 月，百度DeepSpeech 2：包含一个大型神经网络的语音技术，通过样本学会将声音与语词联系起来
2015 年12 月，百度无人车：百度无人车在北京道路上完成测试，并在硅谷设立自动驾驶部门（ADU）
2016 年8 月，百度「DuSee」：为移动设备打造的AR 平台（整合进百度搜索和地图移动应用），在搜索广告方面有着广泛应用
2016 年9 月，百度大脑：官方介绍，百度的人工智能平台
2016 年9 月，Paddle Paddle：百度近期开源的深度学习工具包
2016 年10 月，百度移动应用8.0：新升级的移动搜索应用，内含一个整合了智能搜索和个性化新闻推荐的系统，其背后采用了人工智能、自然语言处理和深度学习技术
阿里巴巴：
2015 年7 月，阿里小蜜「阿里小秘书」：虚拟人工智能客服，据公司2016 年10 月报告，问题解决率已达到80%
2015 年8 月，DT PAI：基于阿里云的服务，用来处理机器学习过程，被该公司称为是中国的第一个人工智能平台
2016 年6 月，阿里妈妈光学字符识别：该技术获得文档分析与识别国际会议（ICDAR）Robust Reading 比赛第一名
2016 年8 月，阿里云ET：一套综合的人工智能解决方案套件，包括视频、图像和语音识别技术
腾讯：
2015 年6 月，优图：腾讯为开发者开放了其面部识别技术，以及优图科技的其他核心技术
2015 年8 月，腾讯TICS 实验室：2015 年腾讯设立的智能计算和搜索实验室，专注于四个方面：搜索、自然语言处理、数据挖掘和人工智能
2015 年9 月，Dreamwriter：腾讯上线中国第一个新闻报道机器人
2015 年11 月，WHAT 实验室：微信-香港科技大学人工智能联合实验室，于2015 年11 月26 日成立
人工智能生态：关键参与者
人工智能的关键参与者
人工智能生态：使用案例与潜在机会
人工智能的潜在机会
创新人工智能的驱动者：谷歌、亚马逊
谷歌在做些什么？
谷歌的搜索算法在过去二十年里进展迅速。从1998 年的PageRank 到2015 年的RankBrain，基于链接的网络排名已经进化成人工智能驱动下的查询匹配系统，后者能够不断适应那些独特的搜索（占谷歌所有搜索的15%）。在云技术方面，公司五月份公布了针对平台的定制化硬件加速器方面取得的进展，一种定制化的ASIC，亦即TPU，这一进展对2015 年开源的机器学习软件库TensorFlow 进行了补充。过去三年中，在与人工智能相关的收购战中，公司也当仁不让。被收购的公司中，最知名的当属DeepMind，它提升了Alphabet 的神经网络功能并已经将其应用于各种人工智能驱动的项目中。
为何重要？
在搜索中使用算法，谷歌可谓先行者。将自然语言处理应用到配备用户搜索意图和可欲结果方面，公司一直处于领先地位，这也不断加强了公司在该领域的竞争优势。在进一步推进人工智能领域的融合。在促进人工智能一体化（AI integration）方面，公司的开源应用TensorFlow 已经为其他云平台以及研究社区利用公司资源提供了先例。同时，谷歌正通过自身优势，比如TPU，充分利用开源世界为公司提供竞争优势，尽管其机器学习库是开源的。因为DeepMind, 公司提升了端到端的强化能力；2015 年末击败职业围棋选手的AlphaGo。将人工智能带到更为广泛的研究社区，同时也通过软硬件方面的自身优势进行创新，谷歌是最好例子。
亚马逊在做什么？
亚马逊正在公司内部和云端使用机器学习技术。2015 年4 月，公司发布Amazon ML，这款机器学习服务能够为对云数据的使用提供机器学习功能（无需之前的客户经验）。公司紧随谷歌的开源步伐，今年5 月开源了DSSTNE，一个针对推荐深度学习模型的的库。通过改善搜索、定制化产品推荐以及语音识别、增加有质量的产品评价，公司内部也在使用机器学习改善端到端的用户体验。
为什么重要？
借助AWS，亚马逊成为全球最大的云服务商，可能也是最成熟的人工智能平台。借助Amazon ML，公司成为作为服务的人工智能（AI-as-a-service）生态系统的领先者，将复杂的推理能力带到之前几乎没有机器学习经验的公司办公室当中。无需基于定制的复杂应用，AWS 用户就能使用机器学习训练模型，评估以及优化潜力。亚马逊推荐引擎使用了机器学习，在匹配用户意图以及可欲结果方面，具有竞争优势，也为公司创造了商机。公司正更加高效地利用收集到的数据合理化用户购物体验，也让电子商务体验更具互动性。随着DSSTNE 的开源，亚马逊也与其他科技巨头一起，推动科技社区的人工智能进步。
苹果在做什么？
去年，苹果已经成为最活跃的人工智能公司收购商，比如Vocal IQ, Perceptio, Emotient, Turi, 以及Tuplejump。几乎同时收购了Vocal IQ 和Perceptio，公司请来了Johnathan Cohen，当时还是英伟达CUDA 库以及GPU 加速软件项目的负责人。近期，据报道，公司请来Ruslan Salakhutdinov 担任人工智能研究总监，这也标志着公司人工智能战略的转型。在此之前，公司最初人工智能成果之一是Siri , 第一款嵌入移动技术的虚拟助手，2014 年，其语音识别技术被移入神经网络系统。
为什么重要？
直到去年，苹果已经取得相对专有的机器学习成就；2015 年10 月，Bloomberg Businessweek 报道，在大众消费方面，苹果研究人员还没发过一篇与人工智能有关的论文。不过，这一策略转型多少与新的、与人工智能相关的雇佣与收购有关，科技记者Steven Levy 在Backchannel 的一篇报道强调公司已经在人工智能领域活跃一段时间了。特别是，公司收购Turi 突出了公司要按规模推进非结构数据和推论，以及开放给更为广泛的人工智能研究社区。这次收购，配以基于收购公司技术的较小应用，反映出苹果致力于用这些新技术创新公司产品。
微软在做什么？
CEO Satya Nadella 表示，微软正在大众化人工智能（democratizing AI）。公司的人工智能和研究团队（总人数大约5 千多），关注改变人类体验和与机器的互动。微软已经积极地将新的、融合人工智能的功能嵌入公司核心服务中，并在对话计算（比如Cortana）、自然语言处理（SwfitKey）等方面取得进展。公司正进一步打造基于GPU 和FPGA 的云（Azure），在公司所谓的更高水平的人工智能服务，比如语音识别、图片识别以及自然语言处理当中，为机器学习提供动力和速度。
为什么重要？
两个单词：人工智能大众化（democratizing AI）。由于这个行业中的公司将研究计划甚至库开放给人工智能研究社区，微软发明了这一表述，用来解释许多领先的人工智能创新者的举动。去年，微软在人工智能领域颇为活跃，正式发布了产品以及研究计划，并宣布了一个新的人工智能和研究小组（2016 年9 月下旬）。微软的FPGA 表现突出了人工智能可以为普通商业或个人带来什么；不到十分之一秒，它就翻译完了整个维基百科（30 亿个单词和500 万条条款）。而且伴随着虚拟助理Cortana, Siri, Alexa 以及其他助理之间的竞争，进一步将人工智能研发融入广泛使用的产品中去，通过产品进步吸引客户似乎是必须的。
Facebook 在做什么？
Facebook 人工智能研究部门（FAIR，2013 年）的策略是在更广泛的研究社区背景下研发技术。这个团队以推进无监督表征学习（比如，观察世界、而不是借助人类算法干预，借助对抗网络进行学习）的进步而为众人所知。应用机器学习部门（AML）在FAIR 之后成立，聚焦将研究应用到公司产品中，时间限制为月或季度（而不是年）。公司正将机器学习功能应用到各种垂直领域中，比如面部识别，机器翻译以及深度文本（DeepText）语言或文本学习。
为什么重要？
公司已经发布了多个无监督学习方面的研究成果，随着机器学习超越从「正确答案」中学习，开始聚焦独立的模式识别，无监督学习已经成为一个重要的焦点领域。无监督学习有望去除更多的、与大数据有关的人类成分，公司在Yann Lecun 的带领下，正引领该领域的研究。今年五月，公司发布的FBLearner FLow 合理化了端到端UI（从研究到工作流程、实验管理以及视觉化和比较输出）。公司的人工智能项目和工作流程应用不限于AML 成员，公司各部门领域都可以使用借鉴。这样一来，公司就可以利用研究部门之外所取得的人工智能进步。
Salesforce 在做什么？
在2014 年和2015 年，Salesforce 开始解释自己的Apex 开发平台如何可被用在Salesforce1 云上完成机器学习任务。从此，该公司开始在人工智能上投入更多的资源，收购了多家人工智能公司，包括Minhash、PredictionIO 和MetaMind。在9 月份，Salesforce 推出了Einstein——一个面向多平台的基于人工智能的云计划。该计划专注于将人工智能融入销售云、市场云、服务云、社区云、IoT 云和app 云。
为什么重要？
Salesforce Einstein 有潜力促进商业使用数据的方式。在销售云中，该公司希望让各个组织通过预测销售线索得分、洞见机会以及自动捕捉活动来优化销售机遇。市场和服务云将提供预测参与度得分，来分析消费者使用情况。还能提供预测客户，从而帮助定位市场，并基于趋势和用户历史通过自动案例分类更快解决消费者服务事件。Salesforce 用微妙的使用案例将机器学习带到云中，强调它对公司核心竞争力的影响。
英伟达在做什么？
英伟达已经从之前电子游戏GPU 生产商转型为机器学习应用硬件厂商。2015 年年底，公司表示，较之使用传统CPU，使用了GPU 神经网络的训练速度提升了10 到20 倍。尽管英特尔重金投入的FPGA（作为GPU 的替代产品）加入硬件市场角逐，但是，GPU 的机器学习应用能实现更加密集的训练。相对而言，FPGA 可以提供更快、计算密集程度更低的推理和任务；这说明市场会根据实际应用案例区分对待。过去五年，到2016 年6 月为止，英伟达所占GPU 市场份额已经从二分之一上升到近四分之三。
为什么重要？
在人工智能创新公司和学术机构中，GPU 加速的深度学习一直是许多项目的前沿。英伟达所占据的市场份额意味着，随着人工智能越来越成为未来几年中大型商务的中心议题，公司可以从中获益。使用公司产品的一个例子，俄罗斯的NTechLab，使用GPU 加速的深度学习框架来训练面部识别模型，识别密集集会中的个人，并在AWS 中利用这些GPU 进行推理。
作为一种选择，许多大学也使用英伟达Tesla 加速器来模拟可能的抗体突变，这种变异可能会击败进化中的伊波拉病毒，将来研究会进一步关注流感病毒。
英特尔在做什么？
英特尔的战略比较独特，其使用的案例多种多样。2016 年年中，公司发布了第二代Xeon Phi 产品系列，以其高性能计算（HPC）能力著称，它可以让人工智能扩展到更加大型的服务器网络和云端。在硬件不断进步的同时，公司也下重金投资FPGA，这主要归功于其推理速度和灵活的可编程性。英特尔令人瞩目的收购包括Nervana（深度学习），以及Altera——该公司将FPGA 的创新带入了英特尔。
为什么重要？
英特尔关注FPGA 创新补足了英伟达对GPU 的关注。当处理大型数据库（微软等许多大公司用来测试大数据分析的边界），FPGA 能够提供更加快速的推理速度。在物联网的应用环境中，公司也宣布了一个计划，旨在将学习技术融入可穿戴微芯片中（显然是通过Xeon Quark）。物联网和人工智能的衔接有助于为公司和个人日常使用案例的数据搜集机制提供机器学习解决方案。
Uber 在做什么？
Uber 正在使用机器学习优化UberX ETA 以及接送地点的准确性。为了实现这一点，需要数百万之前搭乘记录的数据点来探测常规交通模式，从而可以相应调整ETA/接送地点。今年9 月，Uber 展开了一个自动驾驶试点项目，地点位于匹兹堡，由来自CMU 的研究人员（受雇于Uber）负责该项目，很多大型汽车制造商业参与了进来。该公司还和沃尔沃达成了一项合作（金额300 万美元），研发协作也为这个试点项目提供了机遇。不过，公司并不止步于小轿车。公司收购了一家自动卡车创业公司Otto，今年十月在科罗拉多，公司试点快递了5 万瓶啤酒。
为什么重要？
Uber 的机器学习负责人Danny Lange 在接受GeekWire 的采访中提及，他们的团队正在将这种技术无缝供给公司的其他团队，这些团队无需具备机器学习背景就可以使用APIs。这也能让公司不同部门能高效利用机器学习基础架构，例如，UberX、UberPool、UberEats 以及自动驾驶工具都使用到了公司的人工智能技术。
IBM 在做什么？
IBM 在全球有3000 多名研究人员。过去十年，IBM 在认知计算上超过有1400 项专利，下一代云上有1200 项，在硅/纳米科学上有7200 项专利。IBM Watson 利用自然语言处理机器学习技术识别模式，并提供在非结构数据上的洞见，据该公司表示这代表如今所有数据的80%。其他Watson 产品包括Virtual Agent，一个响应分析的自动消费者服务体验；Explorer，这是一个分析并连接大量不同数据集的工具。
为什么重要？
IBM 一直是该领域的先驱，有着极大的成就，包括上世纪90 年代的DeepBlue 和2011 年的Watson。Watson 的应用包括医疗中的病人治疗分析，基于twitter 数据的股票推荐，零售中消费者的行为分析，以及对抗网络安全威胁。据财富报道，GM 将Watson 加入到了汽车中，在OnStar 系统上结合了Watson 的能力。
百度在做什么？
百度的人工智能研究由百度大脑所推进。它包含3 个元素：1）一个模拟人类神经网络的人工智能算法，有着在百十亿的样本上训练的大量参数；2）能在数十万台服务器与大量GPU 集群上进行高性能计算（HPC）的运算能力。HPC 能容纳更多可扩展的深度学习算法。百度是首家宣布这种架构的公司，并正与UCLA 合作；3）标记数据，借此技术，百度收集到了数以亿计的网页，包括百亿的视频/音频/图像内容碎片，还有数十亿的搜索请求和百亿的定位要求。为特定模型训练一台机器可能需要很高的（exaFLOPS 级）计算能力以及4T 的数据。
为什么重要？
人工智能正在改进百度全线产品的用户体验和提升用户粘性，也在推动针对每一用户的定制化高质量内容。建立一个内部平台来运行从网页搜索到广告投放的带有标签数据的深度学习实验，能够预测点击率（CTR），这会直接影响百度的广告投放，因此也是它们目前的主要收益。此外，基于人工智能的技术也能带来更高的CTR，而且每点击成本的降低也能促进变现。
