人工智能热潮：美国技术领先 中国擅长商业化

　　这些对于创业公司和中小企业来说相当实用。他们不用从底层技术一点点学，在小集群上或者是云服务上就可以直接调用。

　　对于巨头来说，算法已经不再是竞争的障碍，数据和用户习惯才是山头。大量的初创企业会采用开源做很多垂直领域的业务，其中包括海量试错和验证，最终也会反馈回开源，而这正是巨头们所期望的。

　　做B2B生意的IBM对数据的专业度要求更高，无法仅依赖搜索引擎和大量应用的交互来训练Watson系统，因此通过深度合作和并购来获取专业数据。

　　以医疗领域为例，IBM和多家世界级顶尖医院合作，向医院部署Watson的智能系统，通过分析这些医院的病历、专家的治疗经验、现有的学术研究等，帮助它们制定、观察和调整癌症患者的治疗方案。在这一过程中，Watson也就有了这一领域的数据积累。

　　2015年4月，IBM收购了Explorys，它是一家可以查看5000万份美国患者病历的分析公司。类似的收购IBM还有不少，并且出手相当大方。

　　Watson已经可支持针对乳癌、肺癌和结肠直肠癌、皮肤癌等癌症的初期诊断。在皮肤癌领域，在一项对3000幅皮肤镜检查图像的研究中，Watson识别皮肤癌的准确率高达95%以上。而人类识别皮肤癌的准确率只有84%。

　　国内的一位人工智能业者调侃，国际巨头在人工智能领域真正有价值的是它们的那些你看不见的、没开源的、国际会议上含含糊糊一笔带过的技术。“那些才是可以颠覆未来的弹药。”

    填补断层

　　人工智能的产业结构可以分为三层：应用层、技术层和基础层。应用层聚焦在人工智能和各行业各领域的结合；技术层是算法、模型和技术开发；基础层则是计算能力和数据资源。

　　BAT擅长第一层。BAT手中，天然握有全球最大的数据资源。但在第二层和第三层严重断层。中国在人工智能领域的科研水平停留在工程数学、物理算法等工程科学的创新层面，基础理论研究领域的人才和资源很少。

　　多位接受记者采访的中外业者认为，BAT的优势在于海量数据，和国际巨头的核心差距在技术。

　　腾讯高级副总裁姚星告诉记者，今年初，他和腾讯的投资并购部达成了一个共识，开始大量考察美国的机器学习平台类创业公司。一则中国这类技术公司不多；二则收购这种公司可以快速补足腾讯在算法领域的不足。

　　姚星向记者分析，同样提供10万个样本给机器，优秀的算法平台可能只需要几个小时，速度慢的可能需要几天时间。

　　对于海外收购，搜狗公司CEO王小川则更加直白：“国内适合收购的标的公司很少，因为根是断的，（技术和基础研究）源头在国外，要到国外看。”

　　在快速迭代的互联网世界里，即便是互联网巨头，单打独斗练独门秘籍也会错失良机。最佳方式，就是拥有数据和拥有技术的公司，通过各种结盟方式形成优势互补，快速抢占市场。

　　2014年11月，蚂蚁金服宣布和旷视科技战略合作，利用后者的人脸识别技术Face＋＋软件去确认开立在线银行账号的用户身份，即“人脸支付”。

　　Face＋＋在人脸检测的多项指标评测中接连拿下世界第一。2013年，在极难识别的互联网新闻图片上，获得了97.27%的准确率，这个指标高于Facebook团队。三年后，这一准确率已提高至99.5%。

　　进行面部识别，需要处理大量来自面部的数据信息，包括结构、五官以及肌肉等方面的数据分析。阿里云为这个合作注入自身的数据和分析能力。

　　“凡是花钱解决的问题都不是问题，阿里可以自己完成这些事情，但时间成本是相当昂贵的。”闵万里对记者说，“阿里有1000件同级别的事情要做，能做好的只有其中几件，剩下的用投资＋合作，这是时间和资本效率最高的做法。”

　　技术和数据的结盟并不限于BAT，更多的公司希望通过结盟方式获得未来，新的巨头或许从中诞生。

　　搜狗CEO王小川的思路是社交化，做更多连接，通过建设社群关系，把人大脑里的智慧表达出来，从而解决目前搜索技术存在的内容不够精准和实用性较差的问题。2013年腾讯入股搜狗后，先后向搜狗开放了微信公众号数据和QQ兴趣部落，为搜狗输入数据资源。除此之外，搜狗还在去年11月战略投资知乎1200万美元，全面接入知乎内容。

　　王小川想让搜狗的人工智能机器不断学习社群数据，他对记者说，“人工智能下一个五年不在于人工智能本身，而是让机器找到人。”

　　今天，技术和数据的天然开放性让各公司之间的竞争变得“我中有你、你中有我”，最终的赢家是可以将技术和数据平衡利用，达到平台效益最大化的公司。

　　微软亚洲研究院常务副院长芮勇认为，横向对比，中国和国际领先公司在核心技术上确实存在差距，国外更加注重基础研究和技术研发，国内企业可以将国外的研发工具化、商业化；从纵向看，中国在人工智能领域的技术积累近几年确实出现了飞跃，无论是最底层的计算机体系架构，还是智能硬件，或是上层软件应用，都有质的进步。