量子机器学习公司登场，自动驾驶打脸季，投融资马太效应显著｜AI重磅报告

这份报告始于 2018 年，主要包括研究、人才、产业、中国、政治、预测等几个部分，两位作者逐年更新基础版本，及时捕捉人工智能快速发展的快照，他们将这份报告看作是「我们所见过的最有趣的事情的汇编。」

撰文 | 微胖

2019 年已然过去一半，现在是人工智能报告的季节。过去一段时间，我们接连看到几篇关于人工智能现状的报告，均出自风投领域的投资人和观察家们，他们一直密切关注人工智能的方方面面，从技术突破、到对经济与社会的影响。

之所以选择伊恩·霍加斯（Ian Hogarth ）与内森•贝纳希 (Nathan Benaich) 合著的《2019 年人工智能状况报告》(State of AI Report 2019)，主要考虑到两个因素。

首先，两位作者都是从事人工智能领域投资的专业人士。伊恩·霍加斯不仅是人工智能天使投资人，也是伦敦大学学院 IIPP（Institute for Innovation and Public Purpose，创新与公共福祉研究院）客座教授。内森•贝纳希创办了 Air Street Capital，专门从事人工智能投资，也是 RAAIS（研究与应用人工智能峰会，Research and Applied AI Summit) 创始人，这一个由专注于人工智能技术的科学与应用的人工智能企业家、研究人员和运营商组成的全球社区。

其次，和其他报告不同，他们专辟一章介绍中国。贝纳希在接受媒采访时解释说，虽然中国在某些方面落后，但生态系统无疑正朝着正确的方向发展，巨大的资源也正推动着它的增长。而且，中国国内和国外的消费者互联网已经脱钩：阿里巴巴、腾讯和百度在中国的影响力比谷歌、亚马逊或 Facebook 大上几个数量级，这也是他们将专门一个章节献给中国的重要原因。

这份报告始于 2018 年，主要包括研究、人才、产业、中国、政治、预测等几个部分，两位作者逐年更新基础版本，及时捕捉人工智能快速发展的快照，他们也将这份报告看作是「我们所见过的最有趣的事情的汇编。」因此，读者会发现报告并非至始至终源自作者撰写和制图，一些内容直接取自第三方资料，比如彭博社等。据作者介绍，写作过程中也借鉴了人工智能领域知名专家的一些观察。比如，谷歌人工智能研究员和 Keras 深度学习框架的领导者 Francois Chollet，李开复，以及 Facebook 人工智能研究员 Sebastian Riedel。

鉴于我们更多关注产业面向，本文省略科研（research）、政治部分的介绍。对这两部分感兴趣的读者，可以直接浏览报告原文。

1 产业

1、宏观经济形势依然火热。与 2017 年相比，2018 年投资于人工智能的资金增长了近 80%，每年超过 270 亿美元，北美以 55% 的市场份额领先。

大型科技公司继续「吞噬」人工智能初创企业。Twitter 收购 Fabula AI，为了增强其机器学习专业技能。Lyft 收购 Blue Vision Labs 用于 3D 地图创建，Niantic 收购 Matrix Mill 用于现实移动 AR, Facebook 收购 Bloomsbury，DeepMind 医疗服务并入母公司医疗部门，IBM 收购了 Red Hat。如果从 2010 年起算，几个互联网传统巨头已累计完成 60 起 AI 公司收购案。

而且，最好的人工智能创业公司越来越容易获得大规模融资。Graphcore 获得了 2 亿美元的 D 轮融资，Darktrace 获得了 5000 万美元的 E 轮融资，UiPath 在 12 个月内通过三轮融资筹集了近 10 亿美元。尽管中国创业公司的融资规模并不如去年那么庞大（当时，多家公司筹集了超过 10 亿美元的资金），今年仍然不乏大规模融资。比如，Face++（旷视科技）D 轮融资 7.5 亿美元、地平线 B 轮融资 6 亿美元等。

2、RPA 和自动驾驶汽车。正如报告中所强调的，这些资金投入的一些应用领域是机器人 (主要用于制造和物流)、RPA(机器人过程自动化)、医疗保健、需求预测、自动驾驶汽车和文本分析。

其中，根据报告所述，与机器人无关的 RPA 是「企业在一夜之间成功之前，酝酿了 15 年」。贝纳希指出，RPA 的行业应用似乎正在快速增长，这主要是因为它为企业带来的好处: 降低了运营成本，提高了与新进入者竞争的运营灵活性。

RPA 公司也进行了多轮融资：RPA 公司获得了大量融资:UiPath 在 2018 年的两轮融资中筹集了 8 亿美元，在 2019 年的一轮融资中筹集了 8 亿美元，而 Automation Anywhere 在 2018 年的两轮融资中筹集了 5.5 亿美元。

然而，报告作者提醒读者仍有理由对 RPA 持怀疑态度，「至少在现阶段，RPA 更多的是关于自动化，而不是智能，更多的是基于规则的解决方案，而不是人工智能。」

另一个引人注目的应用领域是自动驾驶汽车 (AV)。在美国，玩家继续对自主驾驶汽车公司进行巨额投资，包括 Cruise（2018 年和 2019 年两轮融资 19 亿美元）、Nuro（B 轮 9.4 亿美元）和 Aurora（B 轮融资 6 亿美元）。正如两位作者所指出的，自动驾驶汽车现在是一场数十亿美元资产负债表的游戏，他们分别列出了 Waymo、Uber、Cruise 以及福特等公司的支出，以证明自己的观点。

值得注意的是，今年出现了退出案例。比如，Uber 关闭自动驾驶卡车项目，自动驾驶创业公司 Drive.ai 的永久关闭。尽管加州和其他地方投资和现场测试都在增长，但是，一些玩家很有可能爽约曾约定的发布日期，而另一些玩家则保持沉默。

报告作者指出，虽然加州人平均每年开车 14435 英里，但 2018 年只有 11/63 的公司的自动驾驶汽车的行程超过这个数字。2018 年，Waymo 驾驶里程超过 100 万英里，几乎是排名第二的通用汽车 Cruise 的三倍，是排名第三的苹果的 16 倍。至于特斯拉，它没有向加洲汽车管理局 (California DMV) 报告脱离接触的指标。然而，据称特斯拉拥有的数据比其他任何公司都多，这让它在竞争中占了上风。

3、芯片与地缘政治。特斯拉还设计了自己的人工智能芯片，为机上所需的计算提供动力。这是另一个创新的热点领域，因为它正在推动人工智能的能力。

报告认为，现在正是开发新型芯片的好时机，这种芯片是专门为人工智能模型的训练和推理而设计的。

「我们认为这是正确的，因为人工智模型正被用于几个大规模的行业用例，特别是在消费者互联网。因此，芯片设计师有一个明确设计服务对象。然而，设计芯片是一项非常资本密集型的工作，需要大量的领域经验，而这些经验只能经过多年才能获得。」

按照贝纳希的推理，这也与地缘政治密切相关。打造这种「深度」或「核心」不可知技术的公司，占人工智能初创企业的十分之一，但它们的影响力超过了自身的分量，吸引了五分之一的风险资本投资:

「谈到『深度技术』(例如半导体)，美国 (以及韩国和英国等其它关键国家) 仍占据主导地位。这意味着中国在这类技术上仍然严重依赖进口。事实上，中国进口半导体的支出是出口半导体的 7 倍。」

正如伊恩•霍加斯 (Ian Hogarth) 在他的《人工智能民族主义》文章中所指出的那样，「中国肯定会努力消除这一关键的贸易逆差，而 1400 亿美元的『大基金』表明政府必须缩小逆差的承诺。我们还相信，中国领先的科技公司将加大对欧洲深度科技公司的收购力度。」

报告也包括了预测。他们曾在 2018 年的报告中预测有一笔超过 50 亿美元的并购交易将被阻止。虽然这还没有实现，但作者们仍然支持他们的预测。贝纳希指出，中国的科技生态系统正在飞速发展。

「特别值得注意的是，该生态系统的重点是培育人工智能优先技术公司的增长。根据最近统计，中国是估值超过 10 亿美元的人工智能初创企业数量最多的国家。可以说，这些人工智能初创企业的规模速度是世界上首屈一指的。」

另外，在对人工智能任务的移动芯片组性能进行基准测试中，高通 Snapdragon 表现出很强的性能和很强的加速性能，从而赢得了胜利。智能手机榜单中，三星、华为和小米位居榜首，谷歌的 Pixel3 则占据 22 位。

同时，计算和竞争也正被推向边缘。谷歌和英伟达在 2025 年将人工智能计算应用于连接设备产生的 40 万亿 GB 数据上。另一方面，亚马逊推出了 SageMaker Neo，让开发者在云上培训 ML 模型，并根据特定的边缘硬件平台导出优化模型。

报告指出，5G 提供了更快、更稳定的信息传输潜力。拥有 5G 的组织或国家将为世界其他地区制定标准。现在，中国远远领先于美国。

4、现实世界中的机器人。清扫机器人方面，总部位于圣地亚哥的 AI 机器人公司 Brain Corp 今年表示将扩大与沃尔玛的关系，于今年年底之前在全国范围内向其他 1500 个机器人地板清洁工提供操作系统 BrainOS。另外，沃尔玛还计划导入 300 台货架扫瞄机器人、1,200 台快速卸货设备以及 900 台取货塔（Pickup Tower）。

波士顿动力的 Atlas 继续探索技术极限，学会了跑酷，而今年 4 月，这家公司宣布了第一笔重大收购交易，收购对象是一家位于旧金山湾区的初创公司 Kinema Systems (http://www.kinemasystems.com/)，该公司专为物流拣选系统开发 3D 成像解决方案，并已进入特定仓库和物流的产品环境。这笔收购交易透露出波士顿动力已经考虑变现问题。

在物流领域，追赶 Kiva 的物流机器人来了。位于波士顿的创业公司伯克希尔·格雷公司 (Berkshire grey）研发的系统（公司 CEO 曾担任 iRobot 的 CTO)，据报道超越了亚马逊机器人助手。他们使用机器人拣选、包装和运送大多数物品, 通常没有任何人与人的接触。

而亚马逊这边，正在大力挖掘其物质基础设施，并推出更多的仓库机器人完成履行与分类工作。在今年早些举办的 re：MARS 会议上，公司透露已在全球部署了 200,000 个机器人。更早些时候，亚马逊在美国大约 25 个履行中心部署了超过 100,000 个机器人系统，其中包括自己的本土系统和第三方。最近，亚马逊还发布了一对新的机器人 Xanthus 和 Pegasus。

美国工厂正在安装创纪录数量的机器人，而且这种部署发生在各行各业。2018 年全美公司采购的机器人数量达到 35880 台，同比增长 7%。值得注意的是，虽然历史上大多数机器人都是由汽车行业购买的，但这一年，16702 个机器人流向了非汽车公司，各个领域企业所采购的机器人数量都有所提升，包括食品和消费品、塑料和橡胶、生命科学、电子产品。

中国上海，ABB 将投资 1.5 亿美元新建机器人工厂，实现用机器人制造机器人。新的上海工厂将采用大量机器学习、数字化和协作解决方案，使其成为机器人行业中最先进、自动化与柔性化程度最高的工厂。

5、需求预测。2015 年创建的对冲基金中 40% 依赖于计算机模型做投资决策。如今，对冲基金和银行们正招聘越来越多的数据科学家。随着越来越多的信息可以数字化，比如卫星信息、社交媒体、ERP 等，对冲基金就有可能借助人工智能预测需求。

在 AI 与零售高级分析的结合中，最显著的应用是需求预测。今年年初，BCG 与谷歌公司携手开展了一项研究，结果显示：通过大规模使用人工智能和高级分析，消费品公司可以实现超过 10％的营收增长。其中，需求预测对拉动企业业务增长的重要性排在了第一。

在能源与自然灾害预测方面，AI 也取得不俗成绩。谷歌 DeepMind 将风力发电价值提升了 20%。虽然人类不能消除风能的可变性，但可以利用机器学习技术，让风力发电变得足以可预测和更有价值，帮助风电场运营商对其发电量如何满足电力需求进行更智能、更快和更多数据驱动的评估。

在洪水预测上，来自谷歌、以色列理工学院以及巴伊兰大学的研究人员描述了一种机器学习系统，可以准确预测河流洪水。根据 2018 年季风季节生成的警报，模型预测的准确率可达 300 米，召回率和准确率分别超过 90% 和 75%。研究人员甚至认为，机器学习技术是改善未来预测的关键，这些技术将来可能会被用来预测不是用物理模型模拟的事件，如融雪和河流排放。

6、医疗领域。过去十二个月中，FDA 一共批准了三款 AI 诊断设备进入市场。

2018 年 4 月初，FDA 批准通过 IDx 公司研发的首个应用于一线医疗的自主式人工智能诊断设备 IDx-DR 的软件程序，该程序可以在无专业医生参与的情况下，通过查看视网膜照片对糖尿病性视网膜病变进行诊断；5 月，FDA 允许 Imagen 公司的 OsteoDetect 软件进行上市销售，这是一种计算机辅助检测和诊断软件，它使用人工智能算法来分析二维 X 射线图像中桡骨远端骨折（常见手腕骨折类型）的情况；11 月，MaxQ AI 宣布其 AI 产品 Accipio Ix 已获得美国 FDA510（k）营销许可。Accipio Ix 是一种 AI 工作流程软件，可帮助临床医生确立可能出现急性颅内出血的成人患者治疗的优先级。

在药物研发领域，制药公司也正与 AI 驱动的药物研发公司合作。

7、文本。自然语言处理是 AI 领域下一个极具挑战性同时又十分有前景的分支。如今通过扫描文字，AI 能够理解文字的意思并将文字数据化。AI 公司经常将维基百科作为机器学习资源，AI 创业公司 Primer 也想为维基百科做一些回馈。他们正在使用机器学习来检索科学研究的资料，找到那些被维基百科忽略了的科学巨人。结果显示，经常被全球各种各样的百科全书所忽略的常常是女性科学家。

8、专利。从 2012 年到 2017 年，AI 专利增速远大于 AI 科研作品数量。随着机器学习科研成果被用于商业领域，科研论文与专利比率显著下滑。其中，机器视觉领域的专利最多，生物识别堪称之冠。

2 人才

1、就人才而言，专家们有一个共识:人工智能人才受到高度追捧 (并得到回报)，培训投资正在上升。尽管如此，人工智能人才短缺仍然是该技术在整个行业广泛应用的一个主要瓶颈。一种减轻这种情况的方法是 AutoML，也就是说，使用机器学习以某种递归方式自动化应用机器学习过程中越来越多的部分。在报告中，AutoML 被证明能够重新设计神经网络，这些网络比人类设计的在资源受限的移动设备上运行的网络更好。

2、谷歌继续在 2018 年的 NeurIPS 学术人工智能大会上占据主导地位，如果以研究论文产出衡量，谷歌是最具生产力的组织之一。

另外，不平等或者说不均衡现象，在人才方面很常见。例如，在 NeuIPS、ICML 或 ICLR 发表论文的 4000 名研究人员中，88% 是男性；收入方面，大型科技公司的高级工程师薪酬接近 100 万美元。而在中国底层从事数据标记工作的劳动力，每小时挣 1.47 美元，即便如此，人数也出现了巨大增长。

3、欧洲或英国将成为全球人工智能研发实验室吗? 由于两位作者都位于英国伦敦，所以对欧洲和英国的前景特别感兴趣:

「我们正处在一个难以置信的变革时期。经济正在发生变化。治理在不断变化。我们应对最严峻的社会挑战的唯一方法是借助强大的技术，比如人工智能——可行、安全、合乎道德的人工智能。这就是欧洲的独特优势所在。」

贝纳希认为，欧洲科技产业在过去 10 年里蓬勃发展，一个既成熟又可持续融资的新生态系统正在出现:「这将对欧洲和英国人工智能未来几年的命运产生重大影响。背景很重要。在英国退欧和美中贸易战之际，所有人都想知道，欧洲——尤其是英国——将在全球经济中扮演什么角色。

有人认为，谷歌将利用欧盟去年实施的严格隐私规定，成为道德行业的领导者。但现实可能会有所不同：英国似乎注定要成为全球人工智能研发实验室。在过去，主要的驱动力是像牛桥、帝国理工和伦敦大学学院这样的优秀大学。他们培养了如今在美国领先科技公司工作的人才。

但是，现在发生了更多变化。在过去 18 个月里，美国科技公司已深入英国的生态系统，以加强它们的人工智能产品。除此之外，瑞士也和英国一样，均属于欧洲 AI 研发实验室的位置。而美国和中国的生态系统更加成熟，无论是人才流入或者流出呈现低水平状态。

4、今年还有一个现象值得关注，大量雇佣 AI 研究人员的趋势似乎正在放缓，巨头们冻结或者正在减少对科研人才的雇用需求，这可能暗示公司现在更需要那些能将科研成果转化为产品的人才。

3 中国

1、中国互联网公司已将人工智能东风吹到畜牧领域。为了顺应智能养殖的行业趋势，中国畜牧业协会甚至正式成立智能畜牧分会。

作为猪肉消费大国，中国养一头猪的成本相当于美国养两头猪；养殖规模 1 万头以上的养猪场数量占比仍不足 1%，规模化养殖发展速度较慢；猪肉价格也波动频繁。网易、阿里巴巴、京东陆续推出的「智能养猪」，以改变养猪现状。比如，京东推出引以为豪的「猪脸识别」；在养猪场，Dekon 集团、Tequ 集团和阿里巴巴云合作，使用计算机视觉和语音识别系统识别猪的侧翼纹身数字，并监测脆弱的小猪是否发出痛苦的尖叫声。

腾讯 AI 团队基于人脸识别技术研发出一套适用于鹅脸识别技术解决方案，用以实现对每只鹅进行建档、投食等精细化管理；华为推出的「AI 养牛」；京东提出的跑步机项目，在养鸡过程中，通过 AI 自动喂食喂水和废物清除。

四川西昌有着全球最大的蟑螂养殖基地，他们使用人工智能系统来收集和分析多达 80 种特性，如蟑螂的湿度、温度和食物需求，刺激昆虫的生长和繁殖速度，养殖效率达到了很高水平，每年可以培育 60 亿只蟑螂。该基地的蟑螂主要用于制药。

2、无处不在的人脸识别。巨头互联网公司提供人脸识别技术为保险公司识别客户身份；用户可以通过刷脸完成交易；商家利用人脸识别技术验证合作伙伴作者，或为其他平台许可人脸识别技术。中国的人脸识别技术与西方同样优秀，但在商业化部署方面，已经远远领先。

许多宾馆、学校和幼儿园都部署了刷脸门禁系统。一些大学甚至采用人脸识别系统，发现替考者。在北京，一家肯德基连锁店会扫描客户的脸，然后根据包括年龄、性别和情绪在内的因素向客户推荐食物。作为在全国推广「文明」行为的一部分，包括深圳和济南在内的数十个城市，都部署了人脸识别系统，发现和惩治不遵守交通规则的人。

3、中国企业研发支出增长迅速，同比增幅达到 34%，但市场份额明显滞后，在全球科技支出占比上，仅 17%，美国企业占 61%。原因主要有以下几点：

BAT 等巨头更倾向于通过收购而非自主研发来实现创新；研发预算的购买力差异，尤其是在招聘科学家和工程师方面，美国所需成本较高；中国科技企业相对仍较年轻，业务在全球的覆盖和预算都相对较少，硅谷巨头们的收入高于中国大型科技企业，如果以研发支出在销售收入中的占比来衡量的话，这一差距就没有那么大了。

报告指出虽然目前在研发支出方面，美国企业遥遥领先于中国，但随着时间发展，两国会逐步缩小差距。

4、中国半导体贸易逆差，正在（缓慢）加大。一方面，中国电子制造产业登顶，目前拥有全球智能手机、计算机、电子消费品等细分行业 80% 以上的产能，在物联网、5G、智能家居等领域也保持着相对领先的地位。人工智能、虚拟现实、物联网等领域的发展，推动各类芯片嵌入到汽车、咖啡机、家电等产品；然而，另一方面，尽管中国企业在半导体领域投入巨大资金，但因缺乏足够的时间积累，欧美企业占据中高端芯片市场的局面仍然是一个长期演变的过程。

5、中国的工业自动化水平不断提高，工作岗位不断更换。在过去的三年里，一些中国的工业企业已经自动化了 40% 的劳动力。这可能部分归因于自 2012 年以来，中国每年的机器人安装数量增长了 500%（欧洲为 112%)。然而，目前尚不清楚 AI 在机器人的应用程度上有多高。另一方面，机器人正在中国推动自动化仓储，比如。京东位于上海的履行中心使用自动化仓库机器人每天组织、挑选和运送 20 万份订单。

值得注意的是，今年三月，高盛曾走访一批新的中国工厂，很多新建产能自动化程度堪称全球领先，但是高盛也谈到了中国自动化存在的问题，比如过分追求自动化对于中国来说并不一定是经济效益最优。一方面，大力推广机器人换人后，一旦比如日本机器人出现问题，要等半个月才能有日方工程师过来修理；另一方面，在机器之心记着采访传统制造业（比如制鞋）升级过程中也发现，巨头外企也很难耐心结合产业实际情况，针对水土不服的标准品做进一步深入的调研与深度定制化。

6、尽管贸易紧张，但中国企业仍在美国公开市场进行 IPO。以 2018 年为例，约有 33 家中国公司在纽约证交所和纳斯达克证交所上市，其中包括腾讯音乐娱乐、视频平台爱奇艺以及电动汽车制造商蔚来。2018 年中国企业在美国 IPO 数量远超过 2017 年的 17 起，也是自 2010 年 39 起 IPO 以来最多的。一些外国分析家表示，鉴于全球市场贸易紧张关系加剧和疲软，中国企业在美国发行新股的数量显得有点儿不同寻常。然而，今年活跃的上市交易并未转化为强劲的业绩，在美国上市的中国企业表现并不太好。

7、中国拥有最多的专利，但 2017 年只有 23% 是「发明专利」。众所周知，发明专利的审批过程充满挑战，一旦获得批准，相关专利将获得 20 年的保护，也代表了推进技术「显著进步」的新思路。然而，数据证明，这些专利在申请后并未得到有效保留。尽管国内企业提交了大量专利申请，但是因为专利权人不愿意支付不断增加的专利费用，大多数专利在五年后即被废弃：

61% 的实用新型专利和高达 91% 的外观设计专利在 5 年后被废弃。相比之下，美国 5 年历史专利的维护费占总额的 85.6%。

发明专利的低占比以及其他专利的高废弃率意味着中国仍有很长的路要走，虽然数量领先，但在质量上与美国同行的差距仍很明显。中国的专利质量需要持续提高，直到真正成为技术先进的国家。

8、中国正在出版更具影响力的机器学习学术研究。关于基础研究进展，我们可以考虑以下几个方面:a) 被主要学术研究会议接受的论文数量;b) 这些论文的被引频次;c) 计算机科学和工程等相关课程的国际大学排名。

从第一个和第二个指标来看，中国对全球人工智能研究产出的贡献正在上升。其中，中国发表的顶尖 AI 论文数量已经超过美国；就被引频次来看，所有论文中，引用次数前 50% 的论文中美各自的占比，可以看出到 2020 年，这一部分论文中美所占比例将持平，各自占到四分之一左右；而后，便是中国大幅度领先。

全球引用次数前 1% 的 AI 论文，也就是真正具有最高影响力、最高学术价值的那一部分，美国几乎是停滞不前的，中国则高速前进。根据图中预测，按照如今速度发展，2025 年，在 TOP 1% 的 AI 论文中，中国占比也将超越美国，双方各占半壁江山，而其后，中国可能会超过美国。

在第三项指标上，我们可以看到，在全球排名前 20 名的大学中，美国和欧洲的大学仍然占绝大多数。尽管如此，清华大学和北京大学的计算机科学和工程课程都进入了前 20 名。另外，人工智能的大学课程入学率正在增长，特别是在中国。

4  预测

报告最后，作者例行针对未来 12 个月，提出六个预测。下图是作者 2018 年预测实现情况，至于最新的六大预测是否会实现，拭目以待。

1. 有一波新的初创企业应用了 NLP 研究的最新突破。在接下来的 12 个月里，他们共同筹集超过 1 亿美元的资金。

2. 自动驾驶技术仍处于研发阶段。2019 年，没有一家自动驾驶汽车公司的行驶里程超过 1500 万英里，这相当于加利福尼亚 1000 名司机一年的里程。

3. 非 GAFAM Fortune 2000 公司采用了隐私保护 ML 技术，以增强其数据安全性和用户隐私政策。

4. 高等学校设立专门的人工智能本科学位填补人才空缺。

5. 谷歌在量子计算硬件方面取得了重大突破，引发至少 5 家尝试进行量子机器学习新公司成立。

6. 随着人工智能系统越来越强大，人工智能的治理成为一个更大的话题，至少有一家主要的人工智能公司对其治理模式进行实质性的改变。