详解IBM、谷歌的AI布局

　　按：本文摘选自长城证券报告——互联网迎来AI 时代，海外科技巨头争先布局：人工智能深度报告（国外篇一），在未改变原意的基础上略有删减。

　　PC互联网时代的企业核心竞争力为软件产品的快速反应能力，移动互联网时代是构建移动端的生态系统，人工智能时代则更为依赖 AI 核心技术。

　　AI技术拥有两大要素：

　　核心技术平台

　　数据循环

　　只有将 AI 技术与数据结合，才可形成实用性的业务。本文主要侧重于介绍IBM、Google在基础层、技术层、应用层全面布局AI，并对其扩展应用场景等内容进行介绍。

　　IBM——Watson

　　人工智能是IBM在2014年后的重点关注领域，IBM在AI领域布局围绕Watson 和类脑芯片展开，试图打造AI生态系统。目前IBM已撤销全球业务咨询GBS和技术服务 GTS等部门，并转型成认知解决方案和云平台公司。

　　

　　IBM未来十年战略核心是“智慧地球”计划，IBM 每年在其投入研发投资约在 30 亿美元以上。

　　未来 IBM 的创新解决方案在智慧能源、 智慧交通、智慧医疗、智慧零售、智慧能源和智慧水资源等领域全面开花，涵盖节能减排、食品安全、环保、交通、医疗、现代服务业、软件及服务、云计算、虚拟化等热点方向。

　　2016 年Q3， 以沃森为代表的认知解决服务实现营收 128.89 亿美元 ，营收增长迅速，占比高达 22. 17%，IBM在AI领域盈利开始爆发 。我们预计2016-2018年IBM认知解决服务分别实现营业收入190.39 亿元、218.95 亿元 、240.84 亿元 ，届时认知解决服务占IBM营收比例将达24.56% 、26.89% 、28.72%， 成为驱动IBM业绩增长的主要业务。

　　Watson引领认知商业：

　　目前，IBM 不再将沃森作为单一系统开展业务，而将其功能分割成不同组成部分，每个部分都可被租用出去以解决特定商业问题。以IBM沃森为代表的认知技术将商业带入认知商业时代，帮助各行业挖掘商业价值，重塑产业格局。IBM在替客户提供创新解决方案，客户不断向沃森输入自己企业数据并对沃森进行训练。

　　认知商业时代中，以认知计算、大数据分析、物联网、异构计算、神经元芯片 Synapse、认知型机器系统等为代表的一批新兴前沿技术应用逐步走进新能源利用、污染防治、城市管理、生态改善、医疗、交通、食品安全追溯及社区服务等领域。

　　沃森在分析问题并确定最佳解答时， 运用了先进自然语言处理、 信息检索、 知识表达、推理和机器学习技术，来收集大量证据、生成假设、并进行分析和估。目前，沃森已开发40 种不同产品，包括常见语言识别服务等。沃森善于认知， 专为理解、推理和学习而设计，有机会战胜从前无法完成挑战，如智胜医疗挑战、智胜水资源管理挑战、智胜保险诈骗挑战、智胜时尚挑战、智胜环境挑战、智胜并购风险挑战等。

　　Watson+医疗构建智慧保健平台：

　　沃森在医疗领域主要关注肿瘤和癌症的诊断，其优势在于自然语言处理，通过挖掘非结构化数据寻找深层关系。沃森医疗商业战略为：

　　1、深度聚焦肿瘤领域，并向其他领域扩展；

　　2、通过大规模收购获取数据资源；

　　3、通过合作等扩展使用场景，输出生态能力。

　　汇聚了医疗保健数据、人力、能力、客户后，Watson Health 将成为潜力巨大的医疗保健大平台，沃森认知计算助力智慧医疗领域。沃森效率、精确度大幅高于人类，“认知计算+医疗”前景广阔，IBM 深刻受益行业发展红利。

　　此外，IBM 还凭借其强大的认知计算能力，应用于数字顾问、虚拟助理、云计算、科学研究等多领域，大力研发量子计算电路，开放量子计算平台，推出多款并行式类脑芯片，提升AI 算力。2015 年 11 月， IBM 开源了人工智能基础平台 SystemML，可支持描述性分析、分类、聚类、回归、矩阵分解及生存分析等算法，沃森整合了诸多 SystemML 功能。

　　Google——软硬件结合，开源系统构建AI生态

　　谷歌大数据检索核心技术领先于全世界，并建立了全球最大的数据库系统。广告盈利是谷歌的主要盈利模式，目前九成以上营收来自其广告系统。

　　2015年8月，谷歌宣布架构重组，设立母公司Alphabet，谷歌由搜索引擎公司全面转向为覆盖诸多领域的高科技企业。

　　

　　谷歌在2011年成立 AI 部门，目前已经有100 多个团队用上了机器学习技术，包括Google搜索、Google Now、Gmail 等， 并往其开源 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） 。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。

　　谷歌发展AI的途径为：

　　1、覆盖更多用户使用场景， 从互联网、移动互联网等传统业务延伸到智能家居、自动驾驶、机器人等领域，积累更 多数据信息；

　　2、积累底层人工智能技术，研发更高级的深度学习算法，增强图形识别和语音识别能力，对信息进行更深层加工、处理。谷歌试图将AI渗透到了旗下各产品，为用户带来更多使用场景、及更智能化功能。

　　

　　Tensorflow

　　

　　2015年11月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，使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，所有工程师都将帮助谷歌修改和完善这项技术，谷歌收到反馈以后，可推出更好地服务和产品，进而推动整个 AI 产业发展。

　　DeepMind

　　DeepMind创立于2010年，其将机器学习和系统神经科学最先进技术结合，建立起强大的通用机器学习算法。

　　2014年1月，谷歌耗资 2.63 亿美元收购 Deepmind。

　　2014年12月，谷歌通过DeepMind与牛津大学的两支AI研究队伍建立了合作关系。

　　2015 年2月，Deepmind 系统学会了 49 款雅达利经典游戏。

　　2016年3月，由 Deepmind 研发AlphaGo 以 4:1 嘉绩击败世界围棋冠军李世石，激发全世界对人 工智能的关注。

　　当前 AlphaGo 专注于棋赛发展，未来还将应用于医疗诊断， 或投入无人驾驶等领域，以加速 AI 商业化进程。

　　虚拟助理融合智能家居，推进生态建设

　　谷歌认为智能家居领域将是未来 AI 应用的 一个重要市场， 目前世界各国的智能家居渗透率均较低， 为此 Google 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。

　　谷歌2016年5月推出语音智能助手Google Assistant，是语音识别、人工智能、自然语音理解的集大成者。

　　Google Assistant 能完整地理解上下文语境并回答问题，将和Alexa， Siri和Hound等智能助手竞争。 相比 Google Now 主要用于手机和 PC上，Google Assistant则开始融入各种设备（Google Home、Allo聊天机器人） 。根据 MarketsandMarkets 预测，自然语言处理市场规模将从2016年76.3 亿美元增长至2021年的160.7 亿美元， 年增速达16.1%。

　　2014年6月， 谷歌通过 Nest 耗资 5.55 亿美元收购了基于云端的家庭监控公司 Dropcam，10月又收购了智能家居中枢控制设备公司Revolv，Revolv 将参与 Nest “Works with Nest” 开放计划。2016 年5月推出 Google Home （智能音箱） 。 Google Home是一个基于Google Assistant语音控制的智能音 箱。相比亚马逊 Echo 而言，Google Home 将利用谷歌庞大数据库去理解用户需求。

　　传感器结合AI算法研发无人驾驶原型车

　　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。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。

　　谷歌无人驾驶以技术驱动，侧重于基础技术研究及AI核心科技开发。在攻克相关深度学习及大脑技术开发等软件算法基础上，集成各种传感器。2015年12月，谷歌和福特将成立一家合资公司，基于谷歌AI 技术研发无人驾驶汽车，可节省造车技术的时间和资金。

　　联手NASA研发量子硬件，发布TPU进军芯片市场

　　谷歌已建立量子人工智能实验室（QuAIL），该实验室由美国宇航局（NASA） 、大学空间研究协会共同承办。2013年，谷歌已利用D-Wave机器在 Web 搜索、语音/图像模式识别、规划和行程安排、空中交通管 理、 机器人外太空任务等应用中进行量子计算的探索， 并支持任务控制中心的操作。2014年，谷歌利用其在 D-Wave 机器上经验来开发量子硬件，通过聘任加州大学物理学教授John Martinis及其团队，来建立谷歌的专属量子芯片。

　　2016年5月，谷歌发布为机器学习特别研发的 TPU（张量处理单元）芯片。TPU芯片在计算精度降低时更耐用，用更多精密且大功率机器学习模型。通过快速应用这些模型， 用户得到更正确结果。Google 宣称，TPU 将机器学习能力提高三代，TPU 将摩尔规律向前推进7年。