AI-可以秒懂的，史上最全AI知识索引

可以秒懂的，史上最全AI知识索引

铁像寺水街下午茶

　　人工智能产业链根据技术层级从上到下，分为
　　基础层
　　技术层
　　应用层
　　基础层最靠近“云”，应用层最靠近“端”。
　　基础层(按技术层级从上到下，下同)
计算能力层：大数据、云计算、GPU/FPGA等硬件加速、神经网络芯片等计算能力提供商
　　在计算能力层中，目前从事GPU的主要是英伟达，FPGA则是英特尔，这两家一直以来都致力于在硬件层面加速人工智能的发展历程。神经网络芯片可关注国内这几家公司，中星微、寒武纪以及西井科技，目前都属于行业中的领先者。
　　**数据层**：身份信息、医疗、购物、交通出行等各行业、各场景的一手数据
　　目前虽然说各行各业、各种各样的数据都在大爆发，但是目前主要的几大数据来源还是：自筹数据、公共数据、产业协同数据。
　　不过自筹数据需要投入太大，公共数据覆盖面还是不足，产业协同数据也需要一定的成本。
　　这样看来，目前在数据层主要关注的还是BAT这一类拥有大量用户基数、涵盖各大使用场景的大厂。
　　技术层
　　框架层：Tensor Flow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统
　　在框架层面，可以看到现在越来越多的框架都选择了开源。从最初的Caffe、Theano到现在的Facebook使用的Torch以及Google使用的TensorFlow，百度近期推出的Paddle平台也同样选择了开源。就目前来看，开源可以使得各个框架平台的用户基数进一步扩大，再者由于这类框架在实际应用中几乎不可避免地会遇上各类问题，在开源社区中拥有越多的用户也代表其有更多的人员来进行试错、反馈，也帮助其能以更快的速度发展。
　　算法层：机器学习、深度学习、增强学习等各种算法
　　有关机器学习中的算法理念也是大家经常讨论的话题，例如决策树、贝叶斯分类、逻辑回归、聚类算法、主成分分、统计算法等，这些都是在日常使用中经常需要用到的算法。另外，除了深度学习、增强学习，目前迁移学习这个理念被提起的频次也越来越高，其能让现有的模型算法稍加调整即可应用于一个新的领域和功能的一项技术，这个概念目前在机器学习中其实比较少见，但其实它的潜力也可以相当巨大。
　　通用技术层：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件
语音识别包括像科大讯飞这样的，图像识别则有图森科技、图谱科技。
　　另外，人脸识别领域有face++、商汤科技，NLP领域则有百度、搜狗，SLAM领域也有思岚科技。
　　应用层
　　应用平台层：行业应用分发和运营平台，机器人运营平台。
　　解决方案层：智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。

IBM——是人工智能布局最早的公司，源于没有抓住移动时代，它提前针对下一个时代进行布局。

• AI技术：语音语义、深度学习神经网络 （曾收购过AlchemyAPI）
• 整体解决方案：商业解决方案Waston API（提供了一套完整的API，语音到文本、文本到语音、权衡分析、独特见解、提问和回答、语气分析器以及视觉识别。）
• 云平台：IBM Bluemix开放云技术平台（ PaaS+ 7 种 IBM Watson 服务）、机器学习平台SystemML
• 硬件：人工智能芯片TrueNorth
• 产业布局：深蓝计算机；智能机器人（与苹果、与软银机器人Pepper）合作；物联网；医疗服务；VR游戏。

Google-Alphabet**——人工智能实力最强大的公司

• AI技术：视觉、语音、自然语言、大数据、 神经网络训练+深度学习（曾收购过Dark blue labs、Vision factory、Deepmind、Jetpac、DNNresearch一堆技术公司）
  
• 云平台：第二代机器学习系TensorFlow（包括了各种“预训练”模型、自然语言处理、推荐系统、模式识别以及预测功能）
• 硬件：人工智能加速器芯片TPUs （Tensor processing units）
• 产业布局：无人驾驶、基于智能手机的各种app应用与插件、智能家具（硬件手表、家具中枢Google Home）、VR生态（Daydream平台、VR头显与控制器、适用的手机。

Facebook**

• AI技术：视觉Deep face技术（其中收购过face.com）、语音收购过Mobile technologies，自然语义收购Wit.AI、 神经网络训练+机器学习
• 云平台：开发者平台Parse；在Torch中开源深度学习模块
• 硬件： Big Sur（基于GPU的用于训练神经网络的硬件系统，开源）
• 产业布局：语音助手Moneypenny；VR的生态（硬件收购Oclus Rift头盔、能拍照的Sourroud360全景摄像机促进内容发展）

Microsoft**

• AI技术：语音、视觉、自然语言、分布式机器学习
• 云平台：Microsoft Azure（存储、计算、数据库、live、媒体功能）；分布式机器学习工具包DMTK（自然语言处理，推荐引擎，模式识别，计算机视觉以及预测建模等）
• 产业布局：语言助手（微软小冰、小娜、Tay）、VR（Hololens全息眼镜）

Apple**

• AI技术：自然语言收购Vocal IQ、收购可视化地图Mapsense\GPS公司 Coherent Navigation
• 产业布局：汽车领域无人驾驶、SIRI语音

Amazon**

• 云平台：Amazon Web Services（存储、计算、模式识别和预测，其中视频识别API 收购Orbeus）

• 云平台（阿里云IaaS强，可视化人工智能平台 DTPAI）
• 产业布局 ：智能家具、物联网

• AI技术：视觉
• 产业布局：智能硬件

百度——**未在千亿美金公司之列，但在人工智能的布局上不容被忽略

• AI技术：语音、视觉、自然语言与智能语义、自动驾驶、深度学习
• 整体解决方案：基于智能手机的语音服务系统（度秘）
• 开发者云平台： 百度云
• 产业布局：汽车领域无人驾驶、基于智能手机的各种app应用与插件。

人工智能企业数、专利申请数与融资规模规模分布相关度
人工智能领域，从融资规模、专利申请数到企业数量排名上看，三者之间具有很高的相关性。美国、中国、英国、德国、加拿大等国家均在三个榜单上。


中美两国人工智能企业分布对比
美国人工智能企业总数为2905家，全球第一。仅加州的旧金山/湾区、大洛杉矶地区两地的企业数量即达到1155家，占全球的19.13%。
中国人工智能企业数量虽不及美国，北上深三城占全球总数的7.4%，但在东亚地区位列前三，在全球范围内分列第3、第6、第8位。

中美两国人工智能投资分布
于人工智能领域，美国与欧洲投资较为密集，数量较多，其次为中国、印度、以色列。美国共获得3450多笔投资，位列全球第一，英国获得274笔投资，位列第二，中国则以146笔投资，位列第三。
就人工智能企业融资规模而言，中国位列全球第2名，但前三甲间的规模差距较大。


中美人工智能专利数增长趋势

美国人工智能专利申请数累积达到26891项，位列全球第一；中国共计15745项，位列第二。但自2012年开始，中国的专利申请数及专利授权数就超越美国。
自2001年，中国每年新增人工智能专利数增幅较大，申请数、授权数增长了40倍左右；美国整体上保持稳定增长趋势，在2011年开始加速，这与资本开始涌入该领域的节奏相近。

中国人工智能企业数省际分布
中国人工智能企业主要集中于北京、广东及长三角，占中国人工智能企业总数的84.95%。四川省虽然企业数量不及上述三地区，但明显高于其它省市自治区。在专利、投融资的分布上，大体格局不变。

TOP20全球大学排名**

在人工智能领域，全球大学前20名，美国共有16所高校入围，英国也有3所高校上榜。

TOP20中国大学排名

在人工智能领域，清华大学位列中国人工智能大学榜首；而在企业数量、专利申请数上表现不错的广东，其高校却未能进入前10名。中山大学名列第11位，华南理工大学位列第17位。

以下为国内知名投资机构在人工智能领域的代表性投资：

• 真格基金：地平线机器人、智齿科技、格灵深瞳、助理来也、亿航无人机、泼辣熊、零零无限科技；
• 红杉资本中国：地平线机器人、格灵深瞳、助理来也、大疆科技等；
• IDG资本：小i机器人、智齿科技、SenseTime、碳原子科技、芋头科技、零零无限科技、科沃斯机器人等；
• 创新工场：蓝胖子机器人、小雨在家、易致机器人、旷世科技等；
• 金沙江创投：地平线机器人、零零无限科技、天机等；
• 北极光创投：图谱科技、进化动力等；
• 启明创投：云知声、旷世科技等；
• 东方富海：亿航无人机、永洪科技等；
• 联想之星：旷世科技、思必驰、乐驾等；
• 晨兴资本：地平线机器人、碳原子科技、美洽等；
• 英诺天使基金：臻迪智能、通用机器人、速感科技等；
• GGV纪源资本：亿航无人机、深之蓝水下机器人、元趣味等；
• 湖杉资本：天博智、元趣等；
• 光速安振中国创业投资：助理来也、小鱼在家等；
• 高通：云知声、七鑫易维等；
• 线性资本：地平线机器人、芋头科技等；
• 经纬中国：Camera360、永洪科技等；
• 达泰资本：金石机器人、永洪科技；
• 极客帮创投：异构智能、碳原子科技等。

可以用来开发机器学习主要有三门语言：Python/Java/C++，其中Python是主流。下面是Python具体的学习大纲，所以大家也可以参考来学习一下。

人工智能基础语法篇

人工智能中级篇

人工智能高级算法篇

2013年3月，谷歌以重金收购DNNresearch的方式请到了Geoffrey Hinton教授（深度学习技术的发明者）；2013年12月，Facebook成立了人工智能实验室，聘请了卷积神经网络最负盛名的研究者、纽约大学终身教授Yann LeCun为负责人；2014年5月，有“谷歌大脑之父”美称的Andrew NG（吴恩达）加盟百度，担任首席科学家，负责百度研究院的领导工作，尤其是“百度大脑”计划。

【十大顶级专家】揭示全球人工智能技术趋势

1 贝叶斯程序学习

John C. Mather 诺奖得主，天体物理学家，因其在宇宙背景探测卫星（COBE）方面的工作与George Smoot获得了物理学诺贝尔将。他的工作帮助补充了宇宙大爆炸理论。Mather博士是NASA哥达德太空飞行中心的高级天体物理学家。 2 人工智能

Rodney A. Brooks
机器学家，MIT名誉机器人学教授，机器人企业家。是MIT计算机科学和人工智能实验室的名誉教授，也是Rethink Robotics的创始人、主席和CTO。在电脑视觉。人工智能、机器人学和人工生命方面具有著作。 3 可微编程（Differentiable Programming） David Dalrymple
是MIT媒体实验室的研究助理，在这之前是Twitter的高级软件工程师。从马利兰大学毕业，拿到了数学和计算机学士学位，在构象计算、3D设计等方面均有涉猎。
4 数据比算法重要Alexander Wissner-Gross 科学家、企业家和投资人。他是Gemedy公司（一家前沿智能系统公司）的主席和首席科学家，同时在哈佛的应用计算学、哈佛创新实验室和MIT媒体实验室均有学术职位。 5 识别原理，或者说是智能的定律 Pamela McCorduck 她是几本书的作者或共同作者。她写作过的书有《Machines Who Think》、《The Universal Machine》、《Bounded Rationality》等，她是多家公司和机构在高科技、金融、交通方面的顾问。**6 万物皆计算 Joscha Bach 认知科学家，供职于MIT媒介实验室、哈佛演化动态实验室，建立了一些决策、感知、归类、以及概念形成方面的计算模型。对于AI哲学和增强人类心理能力特别感兴趣。**7 合成学习 Kevin Kelly 连线杂志“资深游侠”（Senior Maverick）、联合创始人，“酷工具”网站作者、编辑；出版了《科技想要什么》、《失控：机器、社会与经济的新生物学》、《新经济的新规则》等著作。
8 深度学习，语义，以及社会

Steve Omohundro 自我意识系统（Self-Aware Systems）科学家，伊利诺伊大学香槟分校计算机科学教授，复杂系统研究中心（Center for Complex Systems）联合创始人，专注于自然智能和人工智能。**9 为深度学习成像 Andy Clark 爱丁堡大学认知科学家、哲学家，曾任印地安纳大学伯明翰分校认知科学项目主任；Contact合作研究计划创始人之一，该计划旨在探索环境在塑造意识经验（conscious experience）本质的作用；《Supersizing the Mind: Embodiment, Action, and Cognitive Extension》作者**10 神经网络上膛 Jamshed Bharucha Cooper Union学院心理学家、荣誉主席，曾在塔夫茨大学担任心理学教授、教务长、高级副主席，也曾在达特茅斯学院担任心理学和脑科学教授。研究关注对于音乐的感受的认知和神经基础，运用感觉实验、神经网络建模、以及fMRI等方法。 在看