今天不谈区块链，太俗！我们来挖一下各大巨头的人工智能战局图。

　　目前来看，巨头进入AI领域的切入点不同。以百度和谷歌为例，两者技术实力较强，都是以建立AI生态和平台为蓝图；阿里和亚马逊则是将AI技术用于电商改造之后，借助双方云服务的优势向各方渗透；而苹果和小米是将技术融入硬件，再将各个硬件串联，从应用场景去切入……

　　不过中美公司之间布局AI的差异还不止于此，美国的巨头除了谷歌这种全能型选手外，还是更专注于自身领域的AI技术研发和应用。而中国巨头在投入到自身领域之外，也通过投资和收购在其他领域去广撒网。

　　切入的形式不同，不过各方的目标却都是在AI时代占据制高点。那在短兵交接的前夜，各方军备竞赛战果几何？

　　一、从技术层入手，搭建AI云平台

　　众所周知，人工智能可分为基础层、技术层和应用层，基础层为算力支撑，技术层为算法平台，应用层是AI向各传统行业渗透应用。

　　其中技术层运转着承上启下的作用，也是目前人工智能领域最激烈的战场之一。随着科技巨头相继开源AI算法平台，AI开发技术门槛极大幅度降低，AI逐步走向大众化。

　　1、谷歌

　　作为人工智能领域的领头羊之一，谷歌早在2011年就已经成立了AI部门，目前已经有100多个业务线用上了机器学习技术，包括Google搜索、Google Now、Gmail等，并向其开源Android手机系统中注入大量机器学习功能 （如用卷积神经网络开发Android手机语音识别系统、语音机器人Google Assistant）。谷歌目前产品和服务依靠主要AI 技术驱动，如谷歌使用深度学习技术改善搜索引擎、识别Android手机指令、鉴别其Google+社交网络的图像。

　　在技术层算法云平台方面，谷歌云平台起步稍晚，相比亚马逊的AWS功能也更加有限。不过在云平台AI应用上谷歌依然投入了很大的经历。2016年初谷歌云首席科学家李飞飞发布了ML Engine、Vision AI、Video Intelligence API等基于云服务的机器学习工具，2018年初谷歌云发布了Cloud AutoML。Cloud AutoML使用learning2learn、迁移学习等先进技术，帮助ML专业技能有限的企业构建自己的高品质定制化模型。

还值得一提的是谷歌开源的深度学习框架Tensorflow。2015年谷歌开源第二代深度学习系统 Tensorflow。Tensorflow可编写并编译执行机器学习算法代码，并将机器学习算法变成符号表达的各类图表，缩短重新写代码时间。TensorFlow 可模仿人类大脑工作的方式并识别出模式，被用于语音识别或照片识别等多领域。另外，通过TensorFlow编写的运算几乎不用更改就能在多种异质系统上运行。

　　在开放源代码后，包括学生、研究员、爱好者、极客、工程师、开发者、发明家、创业者在内的任何人都能使用 Tensorflow。谷歌认为机器学习是未来新产品和新技术的一个关键部分，然而目前却缺少一个标准化的工具。通过分享 Tensorflow希望能够创造一个开放的标准，来促进交流研究想法和将机器学习算法产品化。

　　优势：谷歌技术强，布局广，移动互联网时代平台化的成功也造就了其在AI时代平台化的布局。一向开源和开放化的价值观也让其他加入该平台的厂商有更多的信赖感。

　　劣势：由于某些政策原因，部分地区依然是谷歌难以割舍的市场。

　　2、亚马逊

　　亚马逊除了是全球最大的电商平台之外，也是全球最大的公有云服务商。人工智能技术的发展基础之一是大数据，人工智能的提升，需要通过海量数据进行的不断训练、学习。在亚马逊的云端上，无疑有着海量的数据资源，可以为人工智能的训练和学习提供有力的支撑。

　　2016年年底，在拉斯维加斯举行的亚马逊开发者大会上，亚马逊公布了一个新的人工智能平台，并带来了三款基于机器学习的工具。这三款工具分别被命名为 Amazon Rekognition、Amazon Polly 和 Amazon Lex，它们分别承担着图像识别、语音识别和聊天交互等三个方面的角色。

　　亚马逊将人工智能平台和服务整合进入了其云服务AWS中，此类服务提供云原生的机器学习和深度学习技术来应对不同用例和需求。其中在人工智能层面主要提供：AI 服务、AI 平台以及AI 基础设施。

优势：全球最大的电商平台之一的地位造就了Echo的成功，全球最大的公有云服务商的地位早就了AWS云服务的成功。

　　劣势：亚马逊善于做单个硬件产品，在Echo之前也成功推出过kindle电子书和Fire平板，但却都没有走上平台化的道路。Echo自发售已经3年多，目前Alexa平台的推广也稍显缓慢。

　　3、阿里

　　2017年底在云栖大会上，阿里云总裁胡晓明阐述了阿里巴巴在人工智能方面的布局，提出‘AI for Industries’（产业AI）的理念，认为人工智能的发展要去泡沫化，下一站将是‘产业AI’。

　　阿里的打法是从应用场景入手，在有了需求的基础上构建AI解决方案。所以这两年来，阿里云相继推出了ET城市大脑、ET医疗大脑、ET工业大脑、ET环境大脑、ET航空大脑，将AI能力与大数据和云计算结合起来。

以航空应用领域为例，ET航空大脑应用到首都机场后，可在50秒内刷新首都机场1700架次航班的停机位安排，廊桥停机位利用率提高10%，避免不必要的摆渡车乘坐提升旅客体验。

　　除此以外，阿里云还将陆续推出ET教育大脑、旅游大脑、农业大脑、交通大脑、能源大脑等等，在各个产业落地AI技术。

　　优势：阿里旗下产品用户广，数据量大，为其AI数据积累打下了基础。事实上AI技术早已植入阿里各个产品内，例如在‘双十一’期间，商品推荐、客服、海报宣传、运营维护等方面均有AI技术的加持。另外阿里云服务着制造、金融、政务、交通、医疗、电信、能源等众多领域的领军企业，也为其在各行业推广ET大脑铺平了道路。

　　劣势：虽然建立起了数据科学与技术研究院（iDST）和达摩院两家AI研究机构，但不得不说相比其他巨头阿里投入AI这条路上还是慢了些。

　　4、腾讯

　　腾讯在AI领域的研究主要分散到了三个机构，分别为腾讯AI Lab、优图实验室和微信AI实验室。其中优图专注于计算机视觉技术，而AI Lab和微信AI主攻机器学习、自然语言处理、语音识别和计算机视觉。

　　腾讯在技术平台的路线上与百度相似，目前推出的腾讯AI开放平台也是将自己的AI技能开放出来，供应给开发者。不过，目前这个‘开放平台’的用户案例，依然是以腾讯内部产品为主。

　　与其他平台不同之处在于，腾讯AI开放平台除了提供AI服务之外，还与其AI加速器结合到了一起。腾讯为入驻团队提供人工智能领域的技术、导师、资金、市场等资源。

优势：旗下产品受众广，数据量丰富。市值在中国互联网公司中位列第一，投资布局广泛。

　　劣势：AI技术起步晚，目前自身技术更多还是服务内部团队。

　　5、百度

　　相比谷歌直接开源系统，百度则是将自己在人工智能的研究成功打包成为各个模组从而提供给开发者和创业者。2016年9月1日，李彦宏在百度世界大会展示百度人工智能成果——‘百度大脑’以及百度智能云。智能云提供计算的基础设施和数据的获取、分析、标注能力，而百度大脑整合了机器学习、深度学习算法，再将AI对语音、图像、视频、AR/VR的感知能力和自然语言处理、知识图谱、用户画像等认知能力。

　　简而言之，百度智能云负责数据采集，百度大脑负责算法和学习，两者结合就形成了百度AI开放平台。百度AI开放平台面向企业/机构/创业者/开发者推出的以 API 或 SDK 的形式，将人工智能的图像、语音、自然语言处理、用户画像等核心能力对外共享。

　　优势：百度的技术实力在国内处在领先水平，也是《财富》杂志评选出‘人工智能时代四巨头’中唯一入选的中国公司。‘All in AI’的战略之后百度方向更加明晰。

　　劣势：由于在移动互联网时代错失许多机遇，虽然百度技术领先，但市值却是BAT中最低的，在投资布局方面步伐可能相比AT慢些。

　　小结：中外科技巨头在AI开放平台的布局打法均不相同，目前巨头都是将自己的研究成果以云服务的形式打包提供给需求者。不过亚马逊的服务相比其他更加全面，包括了AI 基础设施的服务；腾讯的AI开放服务则是与AI加速器结合，旨在孵化布局更多的AI项目；阿里是从应用场景入手，将AI技术与实际实际场景结合去布局生态。而谷歌在底层的战略更加全面，从推出AI云服务到Tensorflow框架，再到TPU，以更多元化的形式去构建AI生态。

　　二、应用层的对决主要分布在两个战场，对话式AI（智能家居）、自动驾驶

　　1、对话式AI

　　对话式AI是人机交互的革新，也是AI时代的服务入口，更是构建用户智能家居生态的核心。目前各大巨头分别以对话AI平台+AI智能硬件的方法，双管齐下抢占市场。

　　（1）谷歌 语音平台：Google Assistant

　　代表产品：Google Home

智能家居领域将是谷歌认为在未来AI应用的一个重要市场。为此推出了智能音箱Google Home以及电视设备Chromecast。在2014年时还 以 32 亿美元的价格收购了智能家居公司Nest。

　　构建谷歌智能家居的核心是其2016年5月推出语音智能助手Google Assistant。Google Assistant的优势在于可以跨越PC、手机、智能家居等不同平台，做到无缝链接，是谷歌AI用来链接用户的入口。为了在技术上完善Google Assistant，2016年9月时Google还收购了为开发者提供Siri式会话机器人开发工具的API.AI团队。

　　Google Assistant同样采用开放的模式，共享给不同品牌方使用。虽然谷歌自己也推出相应的人工智能硬件，不过更多的目的在于引导。以往Android平台的成功也让其他厂商更加有信赖感。

　　目前谷歌在智能家居领域正加速以Nest、Google Assistant为基础智能家居生态系统建设，通过一系列并购、开放平台的建立、软件硬件一体化来打造这个生态系统。不过遗憾的是，目前Google Assistant并没有中文服务，Google Home也暂时不在大陆地区销售。

　　（2）百度 语音平台DuerOS

　　代表产品：渡鸦raven H

百度在对话式AI方面同样采取了开放道路，主推DuerOS。

　　DuerOS是百度度秘事业部研发的对话式人工智能系统，百度希望把语音作为入口，打造未来智能家居和万物互联的关键节点。任何厂商需要用到语音交互和语音识别，都可以轻松使用，所有场景、应用都可以围绕语音展开，用语音操控。

　　据悉在DuerOS发布半年时间里，已新增130余家合作伙伴，落地硬件解决方案超过20个，每月新增5款以上搭载DuerOS的设备，覆盖家居、车载、移动各个场景，机顶盒、电视、冰箱、音箱、机器人、车载、手机、耳机等各类设备。

　　但和谷歌以及其他巨头相比，百度自身在硬件方面的能力一直有所欠缺。为此在2016年时百度收购了智能音箱公司渡鸦科技，随后在年底推出渡鸦raven H智能音箱。

　　对比：百度和谷歌的野心都是去推广语音平台，自身产品更多的在于引导作用。谷歌的优势在于有着更强的硬件实力和对于硬件厂商的话语权。不过百度的优势在于更懂国内市场以及中文语音、语义。在谷歌尚未进入中国市场之前，百度更有充分的时间去布局。

　　（3）亚马逊 语音平台：Alexa

　　代表产品：Echo

对话式AI助手的火热离不了亚马逊的添砖加瓦，事实上AI硬件产品商业化的第一次成功就是亚马逊完成的。

　　2012年起亚马逊工程师开始投入到了对话式语音助手的研发中，随后逐渐演变成了Alexa。2014年，亚马逊推出了以Alexa为核心的智能音箱Echo。该产品一经推向市场，便引起了消费者的广泛青睐。借助电商平台的优势，据统计亚马逊Echo已经占据了美国人工智能语音设备70%的市场。

　　在推出Echo的同时，亚马逊也在着力打造人工智能领域的生态圈。因此在2015 年 6 月，亚马逊宣布开放旗下的人工智能语音助手 Alexa，第三方开发者可以在 Alexa 平台上开发基于语音的 Skill（技能），而这些技能则可以通过亚马逊的 Echo 智能音箱被消费者应用于家庭生活中。

　　不过同样遗憾的是，亚马逊Echo并未在国内发售。

　　（4）阿里 语音平台：AliGenie

　　代表产品：天猫精灵

在2017年底的云栖大会上，阿里巴巴人工智能实验室发布了AliGenie语音开放平台。事实上早在2017年的7月阿里人工智能实验室发布的天猫精灵X1，搭载的便是AliGenie人机交流系统。

　　阿里的套路和亚马逊有些类似，以低价补贴的方式迅速铺货，抢占国内第一波市场。在2017年双十一期间，天猫精灵通过降价促销当天便卖出了100万台。

　　当然，单纯的卖音箱并非是阿里的目的。天猫精灵抢占市场的背后还是在于推广AliGenie开放平台、搭建生态系统。另外，AliGenie还推出了垂直行业智能语音解决方案，想在家居、移动硬件之外，为对话式AI开辟出新场景。

　　对比：亚马逊和阿里都是借助电商平台的优势以爆款产品来抢占市场，单点突破之后如何布局生态目前双方道路尚未明晰。不过亚马逊Alexa的时间技术积累相比阿里而言更具优势。

　　（5）苹果 语音平台：Siri

　　代表产品：HomePod

　　苹果的Siri是最早的语音对话助手之一，但其硬件产品HomePod推出的时间相比其他厂商却晚了许多。

　　苹果的优势在于硬件产品上的协调统一，无论在Mac、iPad、iPhone、HomePod上，Siri都能带来一站式的体验。作为最成熟的语音助手之一，Siri的智能化经过数次迭代后进一步得到提升，支持上下文的预测功能，类似此前发布的谷歌助手，用户甚至可以用Siri作为Apple TV的遥控器。

　　并且在HomePod面世后，苹果也将进一步打造支持智能家居平台HomeKit，而且HomePod还可以作为智能家居的‘大脑’来管理所有的设备。目前在苹果商城中，也已经陆续上架多款相关配件。

　　（6）小米 语音平台：水滴

　　代表产品：小米音箱

　　虽然小米的小爱同学在国内常常被人与天猫精灵进行对比，但事实上小米在对话式AI的布局上与苹果走着相似的路线。

　　智能语音一直是小米攻克的重点，其核心是‘小米智能引擎’，智能引擎能够促进用户与机器之间更加自然和智能的交互。目前，小米大脑提供的智能语音能力已经输送给手机、电视、音箱、手表等多种智能设备，覆盖了内容、工具、互动等近50个细分领域。

　　同样小米围绕着自身硬件打造的智能家居生态让小米的语音助手有了更多用武之地。小米还推出水滴平台供开发者为小米智能硬件打造更多技能。

　　对比：小米和苹果都是先以硬件落地，然后慢慢构建起AI生态。双方的优势都在于可以实现AI技术在硬件中的顺畅统一。不过苹果由于一贯的封闭政策，在生态系统内有着更强的把控能力，小米则是由于在智能家居品类布局更早，在品类和配件数量上更有优势。

　　2、无人驾驶

　　百度的无人驾驶在国内一直独占鳌头，从李厂长上五环被查扣到春晚登上港珠澳大桥，无人驾驶的概念在国内几乎一直与百度挂钩。事实上，百度在2013年已经进入汽车人工智能领域。从2015年开始大规模投入无人车技术研发，截止2016年7月，百度已有439项技术专利，并且已在加州开源1万公里的数据。在2017年10月 ，百度与金龙客车签署战略合作协议，将于2018年实现商用级无人驾驶微循环车的小规模量产及试运营。

　　谷歌无人驾驶汽车项目始于2009年，2011年为其收购510 Systems、Anthony’s Robots等公司。2016年12月13日，谷歌宣布将自动驾驶汽车项目分拆为一家单独的公司Waymo。目前无人驾驶行驶里程达180万英里，且成功发布了全球第一款完全能够自动驾驶的原型车‘豆荚车’，并宣称到2020年谷歌自动车将正式上市。

　　在无人车领域的对决中，双方也都以技术研发、投资布局、与传统车企的合作等几个方面稳步进行中，看似实力相近，杀得难分难舍。不过在最近加州发布无人车年度报告中显示谷歌Waymo在2017年继续遥遥领先。在截至2017年11月的一年期间，Waymo在加州自动驾驶里程为352，545英里，脱离仅63次。而百度美研在去年仅有4辆无人车上路测试，自动驾驶里程为1，971英里，发生脱离的次数为48次。

　　不过相比谷歌，百度的野心似乎更大。2017年4月19日，百度推出无人驾驶平台Apollo，旨在向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，意欲打造无人驾驶平台的安卓。目前已经围绕Apollo与博世、大陆、一汽、长安、奇瑞、北汽、金龙等90多家企业达成了合作。

　　从目前的形式来看，谷歌技术上比百度更具优势。但百度在搭建无人驾驶平台的道路上又比谷歌走得更远。另外，政策也是在这场无人车对决天平中的重要砝码。根据美国和中国目前的交通规则限制，无人驾驶技术目前更多还是以驾驶辅助（ADAS）的形式出现。未来哪方规则放宽，哪方就更能占据有利因素。

　　三、基础层——中美间专利数量接近，技术和产业化仍有差距

　　1、英伟达

　　2017年英伟达股价飙涨，从108美元一路飙升至240多美元，翻了一倍有多。而英伟达股价一飞冲天的背后，正是人工智能技术不断兴盛崛起、发展壮大的缩影。

　　早在几年前，GPU巨头英伟达已经将业务重点转向AI 领域，在云端和硬件端分别推出不同产品。如今在云方面，英伟达以Volta系列为首的GPU产品专为云服务机房打造，并且推出了cuDNN，TensorRT等软件服务完善AI生态；目前英伟达的GPU支持如TensorFlow、Caffe等所有主流的深度学习框架。在端方面，英伟达则推出了16nm的AI芯片XAVIER、自动驾驶平台DRIVE PX，并且开源了DLA深度学习加速器项目。

　　另外英伟达也和亚马逊AWS建立了合作，为其云服务提供算力支撑。另外在无人驾驶上，英伟达也有所尝试。

　　在最近一个季度，英伟达公布了创纪录的29.1亿美元的营收，比上年同期增长了34%。该公司的数据中心部门（其中包含AI的销售）同比增长105%，达到6.06亿美元，目前占英伟达总收入的21%。

　　2、英特尔

　　在人工智能领域，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，该系列产品以高性能计算（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。另外英特尔还收购了人工智能公司Nervana以及Altera。

　　实际上，英特尔对FPGA的创新弥补了英伟达对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。

　　而在物联网方面，英特尔也宣布了一个计划，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结合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。

　　3、寒武纪

　　‘寒武纪’有中科院背景，面向深度学习等人工智能关键技术进行专用芯片的研发，可用于云服务器和智能终端上的图像识别、语音识别、人脸识别等应用。

　　寒武纪深度学习处理器采用的指令集DianNaoYu由中国科学院计算技术研究所陈云霁、陈天石课题组提出。模拟实验表明，采用DianNaoYu指令集的寒武纪深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。

　　2016年推出的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备。

　　2017年寒武纪还发布了三款全新的智能处理器IP产品，面向低功耗场景视觉应用的寒武纪1H8、拥有更广泛通用性和更高性能的寒武纪1H16，以及面向智能驾驶领域的寒武纪1M。

　　另外在去年华为发布的全球首款手机AI芯片麒麟970中，其中部分技术便是寒武纪提供。

　　小结：在人工智能基础层芯片方面，根据乌镇全球人工智能申请专利数量，美国、中国位列前二，且数量级接近。而根据国际知名专利检索公司QUESTEL发布的《芯片行业专利分析及专利组合质量评估》报告指出：中国近10年芯片专利增长惊人，已成为芯片专利申请第一大国。中国企业在芯片专利数量上已逐步赶上国外老牌企业。

　　虽然数量上有了较大增长，但从技术还是产业化方面来看，跟美国都存在较大差距。目前在很多高精尖的领域中，如高速光通信接口、大规模FPGA、高速高精度ADC/DAC等主要依赖美国供应商。国外企业无论从市场还是专利数量来说，仍然在全球占据了大部分席位。

转自新浪专栏：http://tech.sina.com.cn/csj/2018-02-28/doc-ifyrzexa6186865.shtml