人工智能时代——高盛人工智能报告
AI是什么
人工智能（AI）是制造智能机器、可学习计算程序和需要人类智慧解决问题的科学和工程。AI可以说是科技信息时代的大飞跃，既具备一定的类人逻辑性，又具备强大的计算能力和数据存储能力。
为什么人工智能加速发展
深度学习能力方面的主要飞跃成为当前进行中的AI 拐点的催化剂。数据、芯片、算法的进步成为AI领域快速发展的三大主力。
1、 数据化时代的到来
移动手机、物联网、低耗数据存储的成熟和处理技术（通常在云端）已经在数量、大小、可靠数据结构方面创造了大量的成长。非结构化数据的数量呈现巨大的增长，使得神经网络就变得越有效率，机器语言可以解决的问题的数量也在增长。
IDC调研的数据量增长趋势
2、 芯片技术结构完善
GPU 的再次使用、低成本计算能力的普遍化，特别是通过云服务，以及建立新的神经网络模型，已经极大的增加了神经网络产生结果的速度与准确率。GPU 和并行架构要比传统的基于数据中心架构的CPU 能更快的训练机器学习系统。通过使用图像芯片，网络能更快的迭代，能在短期内进行更准确的训练。同时，特制硅的发展，比如微软和百度使用的FPGA，能够用训练出的深度学习系统做更快的推断。
超级计算机浮点指数增长趋势
千兆次浮点运算所需成本变化趋势
3、 算法优化推动开源
更好的输入（计算和数据）使得更多的研发是面向算法，从而支持深度学习的使用。例如伯克利的Caffe、谷歌的TensorFlow 和Torch 这样的开源框架。比如，刚开源一周年的TensorFlow，已经成为最大的开发人员协作网站GitHub 上最多分支（或活动）的框架。虽然不是所有的人工智能都发生于普遍可用的开源框架中，但开源确实在加速发展，而且也有更多先进的工具正在开源。
2025年：五大领域的千亿级市场
农业：目标时长200 亿美元
机器学习和人工智能技将优化种子种植、施肥、灌溉、喷洒和收获；通过智能机器对水果和蔬菜进行分拣，以降低劳动成本；机器学习可以通过音频数据对牲畜疾病进行早期检测。
AI与农业创新
金融业（美国）：每年节约和新增收入340-430 亿美元
机器学习和人工智能在金融服务行业有广泛的应用,随着数据集的丰富，AI可以用于投资决策、信贷风险概况等，利用更少的时间处理更为丰富全面的市场信息，提供专业可观，甚至更准确的分析。
AI在金融服务领域
医疗：每年减少支出540 亿美元
机器学习在医疗方面的可用性非常广，能够提供实时监测，帮助发现高回报的技术和药物，帮助测试分析、优化治疗。预计随着机器学习的人工智能的技术逐渐成熟，将推动药物研发过程，同时还能驱动医疗信息高效化。
未来十年医疗AI的投资回报率
零售业：每年节省540 亿美元，新增410 亿美元收入
电子商务的出现，为零售商提供了大量的消费者数据。企业通过大数据增强推荐引擎功能，完善商品需求预测和定价优化系统，提高销售、改善库存和了解用户偏好。
电子商务的发展
能源领域：累积节省140 亿美元
通过纳入从历史信息中获得的知识提高产品的可靠性，AI/ML 还可以帮助缩短产品开发、现场试验和商业化之间的时间。通过减少钻井的时间和成本，更好地定位油气储量，从而降低油田开发成本。 通过提高设备正常运行时间和降低维护成本，降低现场寿命周期服务的生产成本。
AI与能源的关系
走在前端的巨头
谷歌：贯彻软硬件结合的理念
谷歌，或者说现在的Alphabet，已经建立了独一无二的AI检索算法，在自然语言处理上面颇具优势，并应用于谷歌搜索，预计还将在谷歌智能家居生态中大显身手。公司的开源软件库/云计算平台TensorFlow还在结合了很多前沿的硬件加速器，推出新的AI张量处理单元TPU。此外，收购的DeepMind也在击败李世石的战役中一举成名。
亚马逊：筹备开源服务
亚马逊AWS在云服务的布局已经颇具优势，2015年4月，公司宣布推出机器学习服务亚马逊ML，提供针对性的用户体验。今年5月，亚马逊推出了自家的开源软件DSSTNE，帮助建立深度学习开发库。
苹果：活跃的收购者
过去一年间，评估已经收购了Emotient、Turi、Tuplejump等AI创业公司，并雇佣了之前在NVIDIA从事GPU软件项目的Johnathan Cohen，并找来Ruslan Salakhutdinov作为其AI研发部主管。Siri可以算作苹果在AI方面最主要的成就之一，此外，苹果大脑的传言也甚嚣尘上。
微软：力推基于GPU和FPGA的云
微软首席执行官纳德拉介绍称，微软正在建立“民主化的AI（democratizing AI）”，目前AI研究小组员工人数超过5000人，目标在于改变人机体验和交互技术，小娜是比较有代表性的一个成果。此外，公司还在建立基于GPU和FPGA的云（Azure）方面做努力。
Facebook：开源工具
Facebook在AI方面的主要布局集中在建立开发者社群，开源Torch、Chef、fastText、BigSur 等一系列 AI 工具及资料库，并推出具体的应用程序，比如已经出现的图象识别、语音文字转换和智能翻译等。
Salesforce：建立云生态
2014和2015年，Salesforce开始利用自家电开发平台执行云机器学习任务。公司还收购了Minhash,、PredictionIO、MetaMind等AI公司，目的在于建立云销售、云营销、云服务、云社区、云物联网、基于云的应用程序等。
NVIDIA：借力GPU大势
GPU在之前的计算机应用不多，但AI算法给了它莫大的基于，目前，几乎所有的AI算法都采用了NVIDIA的GPU，虽然英特尔也在加快研发新的替代芯片FPGA，但目前来看，GPU依旧是比较好的选择。借此大势，NVIDIA还专门设计了全球首款针对深度学习的GPU架构（Pascal 架构）。
英特尔：加快芯片研发
GPU的大势让英特尔感到了危机，英特尔收购Nervana systems和Altera，加快FPGA的推进，在运算速度和编程灵活性取得一系列进展。2016年中期，英特尔推出了至强二代，用于智能家庭产品的网络服务和云服务。
Uber：合作汽车制造商
Uber在AI方面的主要布局更趋近于物联网，尤其是汽车传感器。2016年9月，Uber在匹兹堡推出了自动驾驶试点项目，并于卡内基梅隆大学教授、汽车制造商合作，研发基于传感器获得的数百万数据点，建立安全、有序、自动的交通模式。
IBM：沃森成AI之星
IBM在AI方面的布局很早，公司在全球的AI研发每人元超过3000名，专利超过1400项，覆盖云计算和硅纳米科学，其超级智脑沃森在自然语言处理和模式识别、非结构化数据处理方面有着出色的表现，已经应用于虚拟代理，帮助金融、医疗等合作伙伴处理和分析数据。
BAT着力构建神经网络
目前，国内对于AI的支持力度也比较大，在学术方面也有很是很大的研究热点。学术机构，以及百度、阿里、腾讯等公司也在语音识别、图像识别、神经网络、自然语言处理等方面都有重要的突破。艾瑞咨询认为，国内AI市场将从2015年的12亿元增至2020年的91亿元。