趋势一 中国潜力爆发，撼动美国主导地位
2017年，中国人工智能初创公司投入在全球占比48％，并首次超越美国占据榜首。2018年，据CBInsights预测，就人工智能创业公司和总股本交易数量而言，美国在全球仍将领先，但其正在逐渐失去全球交易主导地位。
美国的全球交易主导地位被撼动（图片来自CBInsights报告）
此番成就，中国最大的“功臣”有两个，分别是面部识别和智能芯片。前者得益于政府的大力支持近年发展最为迅猛，而后者则是对一向强势的美国芯片的直接挑战。
面部识别方面，独角兽Megvii贡献斐然。据悉，Megvii得到了中国保险公司（阳光保险集团），政府机构（俄罗斯联邦-中国投资集团），以及企业巨头（富士康，蚂蚁金融）的大力支持，当下拥有13亿人脸数据记录。
中国对人脸识别投入巨大（图片来自CBInsights报告）
该公司的投资方阿里巴巴集团（通过蚂蚁金融）和富士康于2016年在中国杭州市合作开展了“城市大脑”项目，利用人工智能分析监控摄像头数据。
而对于城市大脑，阿里技术委员会主席王坚博士在品途商业评论（ID：pintu360）的采访中透露，“我觉得从过去到下一年发生了非常大的变化。如果说上一次我们真的完成了一个巨大无比的实验，在下一年要把这个实验变成一个城市最基础的东西。我们今年在杭州有一个目标，就是把城市大脑从过去的试点变成一个覆盖整个杭州市的事情。”
智能芯片方面，2017年7月，中国政府表示，将于2020年与美国达成合作，并于2030年前成为世界领导者。中国企业Cambricon承诺，将在未来三年内生产10亿个处理单元，并正在开发专门用于深度学习的芯片。
此外，除了本国研发，中国主要科技巨头如腾讯、百度和京东加大海外投资力度。据悉，近期，百度和京东已投资ZestFinance，腾讯已投资ObEN。在2018年，这也将成为中国芯片之争胜出的有力筹码。
中国人工智能领域的海外投资显著提升（图片来自CBInsights报告）
趋势二 制造业工人或迎史上最严峻失业潮
近日，中国T恤制造商天元服装公司与美国阿肯色州政府签署了谅解备忘录，将在阿肯色州的新服装工厂启用400名“工人”。值得一提的是，这400位均为佐治亚州初创公司SoftWear Automation开发的缝纫机器人。此次合作，繁杂的工作全部由机器人完成，人类工作人员只负责机器人维护和操作等高端工作。
效率大幅提升，成本大幅降低，没有抱怨，没有罢工。不难想象，在未来这必将成为制造业的常态。由此，2018年，普通工人或迎史上最严峻失业潮。
美国就业岗位再也无法达到2008年的高峰（图片来自CBInsights报告）
“以零劳动实现完整的生产是最终目标。”亚马逊的无人仓库理念亦是如此。当下，亚马逊已在全球各地的仓库中“雇佣”了超过100,000台机器人，大部分执行工作均由其完成。
因此，在机器人替代普通工人的同时，数千个新型高技术含量的工作机会涌现。在亚马逊人类工作人员则专注于细致的工作，比如货品挑选及订单分配。可见，机器人与人类是关系更多的是互补与共赢，单纯的“替代威胁论”实则为无稽之谈。
趋势三 人工智能无处不在，机器学习无所不能
2018年，人工智能无处不在。或者更确切地说，机器学习将无处不在 。在CBInsights看来，这项技术几乎“无所不能”，并将在2018年创造出无限可能。
「你是素食主义者，无麸质还是对大豆过敏？」美国的Prose希望将机器学习用于定制美发产品，并已从知名风险投资公司筹集757万美元。更意想不到的是，机器学习已涉足大麻技术领域。当下，DeepGreen使用计算机视觉识别大麻植物的性别和健康程度。此外，Weedguide已筹集170万美元，计划将人工智能技术用于个性化杂草推荐。
这些产业颠覆还远远不够。2018年，基于此技术，英国的IntelligentX有望推出世界上第一款AI酿造啤酒；俄罗斯的DeepFish致力于利用神经网络来识别雷达图像中的鱼类；瑞典的Hoofstep更是筹集了风投资金，计划为马匹进行深度行为分析。
趋势四 网络安全和传统防御世界的逐步融合
在冷战时期，各国政府屡次谈到“导弹差距”，并将其看作制胜的关键。而现今， 战场在向“数据中心”转移。 具体来讲，随着人工智能技术的发展，各国政府在网络能力方面的差距显现，网络安全和传统防御世界逐步融合。
人工智能在防御领域有着天然的优势。由于网络攻击是不断演变的，防御过程中经常需要面临先前未知类型的恶意软件。而人工智能则可凭借其强大的大规模运算能力脱颖而出，迅速排查筛选数百万次事件，以发现异常、风险和未来威胁的信号。
其实，早在2014年，亚马逊就为CIA建立了定制云计算服务，满足敏感数据的严格合规性和法规要求。2014年第四季度，AWS向情报界以外的其他政府客户开放此类工具。同时，亚马逊收购了两家人工智能网络安全公司——Harvest.ai和Sqrrl，以保护云中的敏感数据。此后的几年中，无论是“老大哥”亚马逊还是诸多人工智能创业公司，都承诺成为新网络安全工作的中坚力量。
据统计，在过去的五年中，共有134家创业公司获得融资36.55亿美元。去年，约34家公司进行IPO，加入 Cyber eason，CrowdStrike，Cylance和Tanium等大公司的市场“厮杀”。其中，每家公司的估值均在9亿美元以上。
人工智能网络安全公司数量攀升（图片来自CBInsights报告）
趋势五 语音识别技术的春天
2018年消费电子展上，Amazon Echo和Google Home是当之无愧的主角。人们能想到的物联网设备均被集成其中，几乎没有“漏网之鱼”。业内人士预言，语音识别的春天就要来了。
值得一提的是，虽然亚马逊在语音计算方面早有领先，但在语言支持方面却处于落后地位。亚马逊上个季度宣布将在约80个国家出售其基于Alexa的扬声器。但不利的一点是，它希望全球用户都可以用英语，德语或日语与其进行互动。在语言方面，竞争对手Google优势明显，其智能助理可提供英文，法文，德文，意大利文，日文，韩文，西班牙文和葡萄牙文版本。其语音识别功能更是支持119种语言。
除两大巨头外，当下，三星正在开发自己的语音助理Bixby。希望所有产品都能通过互联网连接，且在2020年前实现Bixby的全面智能化；2017年，LG所有设备均支持Wi-Fi连接，现有超过80种产品与Google Home集成。在中国，阿里巴巴报告提到，自2017年7月正式发布以来，其中文版天猫精灵已售出超过100万套。
2018年，非英语国家的语音市场或将是一块“肥肉”。谁主沉浮，还请各位大佬用产品说话。
趋势六 人工智能“边缘化”
2017年，人工智能被逐渐带入应用边缘，即将更小的设备和传感器运行在更靠近计算网络外围的地方。换句话说，人工智能可能「藏在你的耳机里」，而非安置在云端或智能手机上。
举例来看，苹果公司发布A11芯片，其中包括适用于iPhone 8和iPhone X的“神经引擎”。苹果称，其可以每秒600B的速度执行机器学习任务，并支持FaceID 等诸多新功能。具体来说，该“神经引擎”可以用不可见光线扫描用户面部，且无需在云中上传或存储任何用户数据。此外，英特尔发布了一款名为Myriad X设备的视觉处理芯片（最初由Movidius开发，英特尔于2016年收购）。英特尔称，其可将智能手机的深度学习技术应用于婴儿监视器和无人机等设备。
而人工智能的边缘化应用还远不止于此，智能家居、自动驾驶等诸多热门领域中，都有它的身影（如下图）。
人工智能边缘化缩短了响应时间（图片来自CBInsights报告）
2018年，人工智能边缘化应用也将成为各大厂商研发的重点。如果说人工智能的核心技术落脚点在于“智能”，那么，边缘化技术的探索或许就是为了让它离“人性”更近吧。
趋势七 18亿美元白投了？亚马逊、谷歌垄断加剧
据CBInsights统计，近五年，投资机构为企业级人工智能应用创业企业共投入18亿美元。 然而，随着亚马逊及谷歌对企业级人工智能应用的逐步改进和创新研发，这一笔笔资金很可能付之东流。
近年，Google发布Cloud AutoML。客户可使用自定义数据训练算法，以满足特定需求；亚马逊开始在其AWS旗下销售“AI-as-a-Service”和“亚马逊人工智能”，致力于服务小型开发人员，使其前期成本为零。此外，亚马逊发布了可以像API一样工作的产品，并允许任何开发人员访问Lex（Alexa内部的NLP），Amazon Polly（语音合成）和Amazon Rekognition（图像分析）。
面对如此强大的巨头竞争对手，小企业夹缝中求生存恐怕会成为伪命题。
趋势八 最为盛行的“卷积神经网络”被颠覆
神经网络有着不同的架构。目前，深入学习中最为盛行的一种叫做卷积神经网络。如今，一种新的架构——胶囊网络已经出现，并有望在多个方面超越卷积神经网络。
长期以来，卷积神经网络尽管取得了成功，但学者普遍认为其仍存在缺陷，可能导致安全缺口。基于此，深度学习的先驱研究人员之一Geoffrey Hinton于2017年发表研究论文，介绍了“胶囊网络”的概念。目前，该论文仍处于审查阶段，需要在实际情况下进行测试。但其阐述的概念已在科技界引起了巨大轰动。业内人士预计，一经验证，其将颠覆时下最为盛行的“卷积神经网络”。
据悉，胶囊网络将允许人工智能识别数据较少的图像模式，且不易受到错误结果的影响。例如，其可以识别出，当下图右侧的面孔特征重新排列后，它不再是一张脸。这是卷积网络所不擅长的。
胶囊网络测试结果（图片来自CBInsights报告）
卷积神经网络的另一个问题是，其无法智能应对输入数据的变化。例如，用户必须用不同角度或视角的相同对象的图像对卷积神经网络进行训练，以识别所有变化。因此，它需要大量的训练数据来涵盖所有可能的变化。而胶囊网络则不同。该技术只需要较少的数据，且会将对象的相对位置和方向纳入考虑。
以上种种表明，该论文一旦经过验证，必将在人工智能领域掀起一场巨大风暴。而这能否在2018年上演？我们拭目以待。
趋势九 百万年薪人才争夺战将愈演愈烈
2017年，人工智能人才争夺战正式打响。猎聘网发布的中国某人工智能独角兽创业公司招聘启事显示，高级机器学习研究员年薪达567,000-624,000美元，机器学习专家的年薪为315,000-410,000美元。
腾讯近期发布的报告显示，目前人工智能领域合格的研究人员数量仅为30万，其中包括相关研究领域的学生。然而，全国范围内，人工智能的人才缺口却为一百万甚至更多。因此，2018年及未来的几年内，“抢得到人才”绝对是人工智能企业发展的前提及关键。
而这样“惜才”的不只有中国，美国科技公司均对人工智能人才毫不吝啬。Deepmind Technologies（由Google于2014年收购）报道，在2016年财务报表中，“员工成本和其他相关成本”高达1.084亿英镑。LinkedIn上搜索显示，其员工数量为415，这代表团队的平均薪水高达为252,000英镑（约合每年350,000美元）。
Deepmind Technologies财务报表截图（图片来自CBInsights报告）
除此之外，大型科技公司的人工智能研究人员也在纷纷离职创业。Andrew Ng离开百度创建价值1.75亿美元的AI基金。Google传感器研发专家离职，担任AI芯片初创公司Groq首席技术官……
因此，随着各大公司的骨干流失，全球人工智能公司的人才争夺战必将愈演愈烈。2018年，人工智能专家的薪酬也或将创下新高。
趋势十 机器学习资本狂欢落幕
近年来，一场又一场的资本狂潮此起彼伏。从大数据，到云计算，再到机器学习，引得“无数资本竞折腰”。
2017年，是机器学习的狂欢巅峰。 投资者向各行业的机器学习创业公司投入超152亿美元，比2016年增加141％。一年间，美国孵化器吸纳了300余家机器学习创业公司，比2016年增加了3倍。
2017年人工智能（机器学习）企业融资额大幅增长
而2018年，这场狂欢即将落幕。机器学习的正常化将使投资者对其投资的人工智能企业格外挑剔。正如16z的Frank Chen所述，“几年之内，没有投资者会去寻找机器学习创业公司。它将被认定为‘为初创公司产品提供动力的必要工具’。”
与此前的诸多“过气风口”类似，机器学习将很快不再新鲜。 而2016年之后出现的大批人工智能创业公司将何去何从？恐怕只有强大的商业模式才能使其活力长存。
引援百度董事长兼CEO李彦宏在中国IT领袖峰会上的发言：“我们这一代人整体来说都是很幸运的，所以不用找风口。我从2000年回国到现在，这15年来时时都处在风口，吹得我难受，各种各样的机会。 如果大家都想找捷径，每个人都是这种思维方式，其实是很危险的，整个社会不应该鼓励大家去找这种捷径。”
至于技术革新方面，阿马拉法则早就指出了——我们往往会高估技术的短期影响力，却低估技术的长期影响力。或许所有以产品模式为导向的热潮都是伪风口，但技术本身没有错。人工智能亦是如此，若能在多次泡沫后最终走向落地，大浪淘沙后留下的企业和产品必将发光。
