来源：工业智能化（robotinfo）
屡见不鲜的科技巨头斥资并购，比比皆是的中小企业融资热潮，数据显示过去两年新增加人工智能企业数超过了之前10年的总和，毫无疑问，人工智能已经成了新一轮投资热点。那么，当下的风投公司看中的究竟是什么呢？
在互联网时代，美国产生了脸谱、亚马逊、谷歌 (FANG)等行业巨头，中国也成功的打造了腾讯、阿里巴巴、百度（BAT)等世界级的公司。如果科技发展的下一个时代是人造智能时代，美国已经产生了英伟达(NVIDIA)这样的AI巨人，中国能不能诞生类似的世界领先的AI集团？
正如一个人能够高性能操作需要好的身体、思维和食物三要素，一个机器能够高性能操作也需要好的硬件、软件和能源材料三要素。更具体地说，人工智能时代的竞争能力取决于硬件的计算能力、软件的计算方法和源料（数据）的数量和质量，亦即，比赛的胜负取决于算力、算法和数据三要素。当然这三种要素在不同的时代稀缺性的不同也就决定了哪家公司可以称霸江山。
算法为重的1.0时代
人工智能1.0的时代，在算力、算法和数据三要素中无疑是算法最重要，由于IBM在算法技巧上有大量的投入和积累，毫无疑问成为行业巨头。IBM早在1911年就成立了IBM研究院，之后推出世界闻名的超级电脑DeepBlue和Watson，其高超的算法是别的公司没法对比的，而这些技术壁垒也正是IBM称霸这个时代的基础。但是这些AI算法随着时间的推移逐渐变成公共知识， IBM也就面临了新的挑战。
数据凸显的2.0时代
取代人工智能1.0当然是人工智能2.0升级版。在人工智能2.0时代，算力、算法和数据三要素相对重要性有明显的改变，算法的重要性相对降低，而数据的重要性明显提升，称霸人工智能2.0时代的公司无疑是谷歌。谷歌的崛起伴随着互联网的时代的到来，在这个时代计算系统的架构由分散的桌面迁移到集中的云端，也就是云计算体系。
这个结构的变化同时使系统所产生的数据由分散的桌面迁移到集中的云端，从而数据由于聚集而产生了大数据。谷歌利用自己作为人们从现实世界到虚拟世界入口的守门员的优势，收集了大量用户数据，并利用这些数据作为机器学习的提供了海量的食粮，从而使人工智能的性能产生了由量变到质变的本质变化。
人工智能2.0时代，无疑数据最重要，没有数据就像人没粮吃，就没法参与人工智能领域的竞赛。当然，虽然目前大数据资源是人工智能竞赛最稀缺资源，无疑随着时间的推移，大数据资源也会由稀缺变的丰富，从而迎来人工智能3.0升级版。
算力稀缺的3.0时代
在人工智能3.0时代，左右人工智能1.0时代的算法，以及左右人工智能2.0时代的数据，都由稀缺资源变成了丰富资源，而左右人工智能3.0时代的稀缺资源是算力。哪家公司会称霸人工智能3.0时代？未来是未知的，未来的途径是不可预测的，但资本市场还是勇于承担了预期未来的任务。这是因为，在资本市场，过去是没有意义的，而未来则意味着一切，因此，预测未来的可能性最佳的方式是资本市场，资本市场具有前瞻性。
资本市场是如何预见人工智能3.0的呢？我们可以从股票的价格变化窥见资本市场对人工智能未来的看法。从上图蓝色线我们可以看到，在过去一年多的时间里，IBM股票的价值稍微有所下降，是负2.7%，这是因为IBM在过去连续21个季度的报表中，每次报表的收入都是连续下降的，所以资本市场对IBM的未来抱有疑虑。
从上图的红线我们可以看到，在同样的一年多时间里，谷歌股值却增值了接近30%，这说明资本市场认为人工智能2.0时代的霸主谷歌仍然处在力壮的中年期。而英伟达(NVIDIA)则受到了资本市场的青睐，从上图的绿线我们可以看到，在过去一年多的时间里，英伟达股值增值接近353%。
科技领域从一个版本升级到另一个版本通常是需要花很长的时间的， 这是因为掌握生产要素的行业巨头的公司是赢者通吃，运用技术或资源壁垒使其成为寡头垄断。寡头垄断的行业，虽然对赢者来说可以养尊处优，但对其竞争者来说却是残酷的现实。并且，处于垄断地位的公司少有创新创业的动力，因而拖延了科技升级的时间。在美国科技史上，具有里程碑意义的谢尔曼（Sherman）反垄断法的应用多次缩短了科技升级的时间，加快了科技创业创新的步伐，催生了科技巨头的更新换代。
我们知道，IT时代Windows & Intel联盟一统江山，但是英特尔的诞生直接受益于1974年由美国司法部对AT＆T的反垄断诉讼，使贝尔实验室放弃芯片专利和知识产权。而微软的诞生则直接受益于1969年由美国司法部对IBM的反垄断诉讼，使微软得到成为IBM个人电脑操作系统的供应商的机会。Windows & Intel联盟一统江山的时代，人工智能是无法得以进步的，人工智能1.0不仅无法过度到2.0版本，人工智能行业更有倒退的迹象。
这是因为，Windows & Intel联盟的系统构架，从计算引擎到数据存储都是分布在零散的桌面上，数据无法由集中而形成大数据。零散的数据用起来很难，无法集中调用大数据就无法大规模地为人工智能系统提供食粮，也就无法产生智能的升级。
人工智能2.0版本的快速到来得益于1998年美国司法部对微软的反垄断诉讼。这个案件的核心问题是微软是否被允许将其网页浏览器与其操作系统捆绑在一起。将两个软件捆绑在一起，微软利用对桌面操作系统的垄断从而取得了对互联网入口的垄断。司法部对微软的反垄断诉讼放缓了微软对互联网入口垄断的速度，使谷歌得到了一个控制互联网入口的机会。无疑谷歌搜索引擎的第一指标是速度，要快速得到搜索结果，数据必须集中储存在云上，数据可以极速调用，使用户快速得到搜索结果。这个刚性需求催生了云计算、大数据。这两个重要因素也正是人工智能量子跳跃所需要的基石。
没有云计算，没有大数据，人工智能2.0时代是不可能成为现实的。 Windows & Intel联盟一统的江山不会催生云计算。因为云计算架构的变革对桌面计算的天下是一个巨大的威胁。
Windows & Intel联盟更不会催生大数据。因为微软并不迫切需要大数据，微软操作系统的垄断产生了足够的利润，微软并不需要将隐藏在桌面背后的数据收集起来以产生价值。
展望未来，人工智能的发展路径也不能在2.0数据版上停滞不前。人工智能必须升级到3.0版本才能使人工智能嵌入到众多的产品和服务。人工智能必须到达商品化，才能得到普及，从而使人类生产力得到一个新的量子跳跃，使科技再次大规模造福人类。别指望谷歌来推动人工智能3.0时代的到来，因为谷歌在本质上是一个软件公司，而不是一个硬件公司。
要使人工智能深入大众商品，必须将软件的复杂性隐藏在硬件的背后，使其外表简化成一个小而精的硬件。在算法、算力、数据三要素中，谷歌占据强有力的数据优势，但算法和算力仍有待提升。有数据优势的巨头是阻碍人工智能进入3.0时代重要因素，因为他们不愿意放弃这个优势。
反思美国科技发展近代史，科技发展的下一个里程碑，要破局寡头垄断时代，从而迎来一个崭新的，群雄逐鹿、百花齐放的人工智能3.0时代，我们还是要回到美国国会在1890年通过的具有里程碑意义的 谢尔曼（Sherman）反垄断法上找到答案。
欧盟委员会已经对谷歌的垄断行为的破纪录价值达到了27.3亿美元的诉讼 - 这被广泛认为是自2004年微软决定以来欧洲最重要的反垄断裁决。数据有这么重要的价值，数据到底属于谁？这是个十几年来一直没有回答的问题。谷歌作为人们从现实世界进入虚拟世界入口的守门员，从而得到了大量的数据，但这些数据的本质是属于你和我的，谷歌采集了这些数据，但它绝对不拥有这些数据。举个例子来说，你我打个电话，虽然电话公司可以采集我们通话的数据，但电话公司并不认为这些数据是属于他们的。
现实是，科技巨头FANG无一不是通过采集大量用户数据而建立强大的护城河。按照科技历史的先例，美国司法部在不远的将来也会对谷歌进行反垄断诉讼，其结果最有可能的路径是，谷歌所采集的数据实际上是一个高价值的社会财富，因而最佳的社会选择是将这些数据变成一种可以共享的社会资源。如果数据是共享的社会财富，算法是公知的社会知识，那么，人工智能3.0时代必将极速到来。
我们会迎来的时代是，在同等的数据起跑线上，运用已知的算法，依靠强有力的算力，做出最明智的决策。这就是人工智能3.0的战场。这个战场类似于今天的运动竞赛，运动员有足够的粮食（数据）和类似的竞争技巧（算法），但比的是体力（算力）。
在金融行业，高频交易经历了非常类似的竞争力变迁史。高频交易策略的本质是套利。高频交易1.0比的是算法，用高超的逻辑找到别人没有想到的套利机会。后来华尔街量化矿工（Quant) 都掌握了类似的金融知识，用了类似的算法，所以高频交易战场从1.0升级到2.0，比的是数据。
当时华尔街各大交易所出卖各种各样不同信息密度和时间延迟度的数据。能够得到高质量、低延迟数据的量化交易员比数据贫乏的交易员更盈利，所以，所有的从事高频交易的业务部门不得不向交易所购买所有的数据。当所有的竞争对手都享有同样的数据的时候，也正意味着高频交易2.0时代的结束。
接下来是高频交易3.0时代的到来，高频交易3.0比的是速度，也就是算力，因为大家有同样的数据和类似的算法。因为套利的机会是有限的，并不是所有的交易员都能拿到，只有数度最快的那个交易员才能抢到最盈利的套利机会。
如何才能提高算力呢？当然传统的通用CPU+软件的系统构架肯定是不行的。通用CPU要换成专用的GPU，软件要转换成硬件FPGA，这就概括了高频交易的演变过程。未来的自驾车系统肯定不是CPU+软件，软件就没有了，都换成了硬件。硬件系统肯定是比软件系统更快更稳定，更可靠，绝对避免了通常软件操作系统的抖动（Jitter）。
如果算力是未来人工智能胜败的首要因素，我们可以再次探测一下华尔街投资者对未来的看法。从下面的这张图我们可以看到，在过去一年半的时间里，蓝线的英特尔股价增值14%，低于市场平均水平，而资本市场除了看好绿线的英伟达（NVDA)以外，还看好AMD。
值得一提的是，华尔街最看好的人工智能3.0龙头企业英伟达和AMD，这两家公司的CEO都是华裔美国人。如果华裔美国人是下一代硅谷科技巨头的领袖，这会跟当代硅谷科技巨头的印度裔领袖地位形成对比。多年以来，在硅谷辛勤工作的华人，一直为他们为何难以在硅谷取得领袖地位而困惑。如果人工智能代表着科技的未来，而未来的硅谷科技巨头的领袖是华人，这对有意攀登公司管理阶梯的中国人来说，无疑是一个强烈的鼓舞。请加微信公众号：工业智能化(robotinfo) 马云都在关注
谁会是人工智能的未来？
从人工智能生态的产业图谱来看，人工智能主要分为基础层、技术层和应用层。人工智能生态的底层是基础层，提供计算能力、算法和数据结构标准；中层是技术层，是用技术平台的方式将基础层的能力转化某种问题的解决方案，比如图像和语音识别；而上层则是应用层，将中层的技术方案应用到具体的业务场景，比如为医疗服务、金融服务、或者直接为消费者提供具体的产品，比如自驾车。
如果人工智能3.0时代快速到来，对于既能利用上游生态的基础技术，又能为下游的机构客户提供技术层服务的公司而言，是有很大发展空间的；如果人工智能3.0时代迟迟不能到来，将长时间停留在2.0数据为王的时代，这将对很多无法采集和拥有数据的企业造成挑战。
相关阅读：
所有人都深信不疑的认为，未来是属于人工智能的时代。
人工智能的重要性已经毋庸置疑，近年来谷歌、苹果、百度等公司都开始布局AI领域，甚至是全面转型成为AI公司。而在街头小巷中，每一个普通人都能够说出一两句关于人工智能的专属名词或相关新闻，人工智能已经渗透到生活的每一个角落。
但有趣的是，人工智能AI是2016年才开启新的纪元广为人知。但实际上，人工智能却并非是一个新词，早在上个世纪40年代就已经出现并且受到众人关注。我们可以在一些科幻小说、科幻电影或游戏里面，经常可以看见普通人对于人工智能的形态的一种憧憬，例如超级机器人、超级计算机、光脑等等。
随着21世纪的到来，科技进步速度飞跃，人工智能开始真正的落地走进生活中，让人们可以看得见摸得着。例如智能手机中的语音助手、云计算、各种机器人都有使用人工智能算法，尤其是谷歌AlphaGo和李世石的世纪围棋人机大战更是让全球都开始关注人工智能AI，推动着风口的到来。
但归根到底，人工智能依然是一个复杂和重要的领域，想要进一步了解人工智能，其一路走过来的历程，那么下面这十个里程碑的事件就必须要知道!
1.神经网络
一切的元始都归于“神经网络”，它诞生于1943年，是由Warren McCulloch和Walter Pitts两位科学家提出的这个概念，当时却仅是一个数学理论。然而正是这个理论让人们了解到计算机可以如人类大脑一样进行“深度学习”，描述了如何让人造神经元网络实现逻辑功能，AI的大门才正是打开。
2.人工智能(AI)
神经网络概念提出之后，人工智能才真正意义上诞生，1955年8月31日，John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon四位科学家提交了一份《人工智能研究》的提案，首次提到了人工智能(AI)的概念，而其中的John McCarthy更是被后人尊称为“人工智能之父”。
3.反向传播算法(BACKPROP)
尽管已经知道了机器可以进行学习，但是算法依然是最大的难题。1969首次提出了反向传播(英语：Backpropagation，缩写为BP)，并且在80年代成为主流，它是机器学习历史上最重要的算法之一，奠定了人工智能的基础。这种算法的独特之处在于映射、非线性化，具有很强的函数复现能力，可以更好地训练人工智能的学习能力。
4.语音助手
时至今日，语音助手已经并不陌生，智能手机里面几乎都会带有语音助手功能，例如知名的有亚马逊Alexa、谷歌助手和苹果Siri，语音助手可以识别用户的语言进行简单的系统操作，某种程度上来说，语音助手赋予了人工智能“说话”和“交流”的能力。
语音助手最早提出是在20世纪60年代，麻省理工学院的一名研究人员就发明了一个名为ELIZA的计算机心理治疗师，可以帮助用户和机器对话，缓解压力和抑郁。
5.奇点理论
这里的“奇点理论”指的是人工智能的奇点，并非是广义上的奇点，1993年作家兼计算机科学家Vernor Vinge发表了一篇文章，这篇文章首次提到了人工智能的“奇点”。
他认为未来莫一天人工智能AI会超越人类，并且终结人类社会，主宰人类世界，被其称为“即将到来的技术奇点”。嗯，他算的上是最早的人工智能威胁论提出者，后来者还有霍金和特斯拉CEO马斯克。
6.自动驾驶汽车
无人驾驶汽车已经是当下的热门风口之一，无数科技企业都在研究这个领域。但你知道第一台自动驾驶汽车是什么时候诞生的吗?并非是众人以为的谷歌，而是早在1986年，德国联邦国防军大学的研究人员就在一辆奔驰面包车上安装了摄像头和智能传感器，成功地在空无一人的街道上行驶。
当然相比起现在的无人驾驶技术，那时候的自动驾驶显得非常小儿科，但至少它证明了无人驾驶是可以实现的。
而无人驾驶其实就是人工智能的一次落地实验，它表明了人工智能在未来的重要性和实用性。
7.IBM“深蓝”战胜国际象棋冠军
1997年，对于人工智能领域来说，是一个承上启下的一年，这一年IBM的“深蓝”超级计算机战胜了国际象棋冠军Garry Kasparov。尽管它并不能证明人工智能是否可以像人一样思考，但它证明了人工智能在推算方面处理信息比人类更快。
这也是真正意义上的人工智能战胜人类，比谷歌AlphaGo战胜李世石早了19年。
8.IBM“沃森”再度战胜人类
深蓝战胜人类像是开启了一片新的天地，此后人工智能就以战胜人类为乐趣...2011，IBM“沃森在著名的智力竞赛节目“Jeopardy”中击败了对手布拉德·拉特和肯·詹宁斯，成功赢取了100万美元的大奖。
9.深度学习算法
2012年6月，谷歌研究人员Jeff Dean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练了一个由16,000个电脑处理器组成的庞大神经网络。除此之外，并没有给出任何识别信息，然而人工智能准确的通过深度学习算法识别出了猫科动物的照片。
而这也是人工智能深度学习的第一次“出手”，它意味着人工智能开始有了某种程度上人类的“思考”能力。
10.谷歌AlphaGo战胜世界围棋冠军李世石
围棋被誉为最好脑力的棋类运动，围棋的每一步走法变化据科学推算理论上是无穷尽，而围棋在过去也被认为是人工智能不可能攻克的一道关卡。
然而，2016年3月，谷歌AlphaGo和世界围棋冠军李世石的世纪人机大战，吸引了全球众多人士的观看，引起的话题热度前所未有。最终结果是谷歌AlphaGo4:0拿下了李世石，通过这次事件，才真正的掀起了人工智能AI热潮，开启了一个新的纪元。
联系客服
