至顶网CIO与应用频道 03月15日 北京消息:人工智能是一个模糊的大概念,越来越多的企业开始使用人工智能来推动数字化转型,伴随着人工智能的逐渐成熟,将催生新的数字业态以及商业模式。当然在这个过程中企业还需要重新思考文化、思维模式和商业模式,而不是孤立的技术项目。
人工智能投融资的那些重点
目前可以将中国主流AI企业分为语音识别与自然语言处理、计算机视觉、服务机器人、机器学习平台、AI综合性企业、专用芯片、智能驾驶、金融、教育、医疗、交通等11个大类,其中包含了4类重点技术产品领域、6类重点应用领域,以及AI综合性企业。
各领域已经产生了一些代表企业
语音识别与自然语言处理:科大讯飞、思必驰、出门问问、今日头条、图灵机器人、三角兽科技等
计算机视觉:旷视科技、海康威视、商汤科技、格灵深瞳、依图科技、云从科技等
服务机器人:新松计算器人、科沃斯、优必选、未来伙伴机器人、小i机器人等
机器学习平台:第四范式、达闼科技、KunlunAI
AI综合性企业:百度、阿里、腾讯、京东、搜狗等
专用芯片:寒武纪科技、中星微电子、深鉴科技、西井科技、华米等
智能驾驶:驭势科技、蔚来科技、图森互联、Minieye、纵目科技等
金融:蚂蚁金服、益盟股份、鹏元征信、腾讯征信、量化派、数联铭品等
教育:英语流利说、一起作业、学霸君、作业帮等
医疗:华大基因、卫宁健康、碳云智能、翼展科技、明码生物科技等
交通:四维图新、高德地图、超图软件、滴滴出行、千方科技等
就像资本市场几年前对云计算厂商的青睐一样,人工智能成了新一代投融资的风向标,刚才列举的这些企业在融资上都有着不错的表现,基本都已经实现B轮或C轮的融资,金额也都在数亿到数十亿美元不等。
2017年,全球5起融资最高的事件中,中国企业就占4家,分别为蔚来汽车16亿美元、旷世科技4.6亿美元、商汤科技4.1亿美元、明码生物科技2.4亿。
据创投分析机构CB Insights统计2017年间全球AI新创企业共1100家,在数量占比上美国依旧领先于中国,但在全球AI资金方面,国内新创企业拿到了48%,而美国则为38%。
目前在人工智能的投资上有四个重点关注领域,第一、计算机视觉,这是目前应用较多的一个领域,也有着很高的回报率,其成熟度低于自然语言处理;第二、深度学习,很多互联网企业和硬件设备厂商已经开始做深度学习一体化的产品和服务;第三、服务机器人,还属新兴领域市场空间广阔,在工业和服务领域将有很好的应用前景;第四、智能无人设备,其在家庭、教育、医疗等多个领域拥有应用场景。
是时候该有一个人工智能规划了
根据Gartner的调查结果,有意义的人工智能(AI)部署才刚刚开始。Gartner “2018年CIO议程调查”显示,4%的CIO实施了人工智能,46%的CIO制定了相关计划。
现在很少有企业大规模的部署人工智能,因为与大多数新兴或不熟悉的技术一样,早期采用者在其企业组织中部署人工智能仍然面临许多障碍。
企业应该投入一些时间和资源去了解人工智能技术,标准化的业务流程、简单单一的问题、辅助决策是现在企业最先考虑的应用领域。许多企业都已经可以实现一些不太复杂的人工智能应用来提高效率以及提升服务体验。
另外人才短缺同样是当前人工智能领域的一个大问题,全球AI人才估算约为30万,市场整体需求则在百万以上,再加上人才分布不均,对于人才的争抢也日益激烈。
中国人工智能人才缺口也超过500万,现状上看人工智能创业企业多且迅速,不仅需要具备专业技术,还需要拥有toB经验,这也是人才问题难解的重要因素。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。