在格外传统的能源领域，大数据和AI相关并购案呈爆炸式增长

编译 | 陈韵竹 作者 | Jason Deign 来源 | Green Tech Media 根据最近的一份行业报告，能源产业在大数据和人工智能领的投资今年增长了 10 倍。 会计事务所 BDO 的研究表明，有关能源公司和人工智能创业公司的兼并和收购案的平均价格，从 2017 年第一季度的约 5 亿美元，飙升至第二季度的 35 亿美元。 与此同时，交易数量也从 6 笔上升至 8 笔。与今年上半年完成的 14 笔交易相比，2016 年全年仅有 15 笔交易。BDO 表示，「我们正处于一个将于未来几年成型的并购趋势的早期发展阶段。」 BDO 公司将这些并购活动的发生主要归因于各类间歇型可再生能源的生产过程需要更高级的分析手段进行管理。 报告声明，「在这不确定的时代，能源产业正在改变策略，寻求人工智能和大数据的帮助以改善对能源供给的预测。」 例如，在七月份，一家名为 Willdan Group 的能源行业咨询公司花了 3000 万美元买下了 Integral Analytics 这家数据分析与软件公司。 Willdan 在新闻发布会中说道，「太阳能和电动汽车等分布式能源供需正日益增长带来了一系列电网改造问题。 Integral Analytics 的软件旨在解决这些问题。」另一个例子是智能电表制造商 Itron 在 5 月以 1 亿美元收购了需求响应供应商 Comverge。正如 GTM 所报道的那样，这次收购使得 Itron 为现有的软件包增加了分析能力。 然而，并非所有能源产业分析收购都符合这个图景。例如 BDO 列出的其中一笔交易，就是 Castrol 于 2 月收购了 Romax Technology。 尽管此次收购使得 Castrol 在可再生能源市场中站稳了脚跟，此次购入的动机却是让这个石油公司获得更好的途径，以接触 Romax 公司风电齿轮箱润滑油的客户。 电力公司正在领导着收购潮流。根据 GTM 的调查，电力行业收购电网终端创业公司中花费了将近 30 亿美元。这其中的许多公司都有复杂的软件和分析能力。举例来说，在 7 月，发电机组租赁巨头公司 Aggreko 斥资 5200 万美元收购了 Younicos 及其 Y.Q 软件平台。 在 5 月，专营海事电力设备的 Wartsila 购入了在能源存储优化和集成软件享有盛誉的 Greensmith 公司。 此外还有一些类似的交易，比如 Enel 分别于 6 月 和 1 月收购了 EnerNOC 和 Demand Energy，以及 Doosan 在 2016 年 7 月收购了 1Energy System。 与此同时，法国能源巨头 EDF 在去年进行了一笔相似的交易。为了得到其子公司 Dalkia 的分析平台，EDF 购入了服务公司 Groom Energy Solutuins。 报告作者 Jakob Sand 称，显然，能源公司越来越希望为他们的经营增加更多的软件智能。 这位 BDO 公司丹麦财务主管还表示，「我相信大部分大型能源公司，包括艾克森美孚、壳牌、英国石油和雪佛龙这样的石油业巨头公司都在寻找通过大数据、人工智能或机器学习提升运营的机会。」 BDO 表明，除了出于对更加灵活高效的运营需求外，还有一些并购兴趣是出于对竞争的忧虑。 公司报告显示，在 AngelList 的在线创业企业数据库中，有 2595 家颇有前景的清洁能源企业。 其中许多「已经准备将它们的产品与服务投入市场」。「这将使得许多大公司不得不诉诸于并购，以免在销售中因为这些新兴企业丢掉市场份额。」BDO 还表示，随着越来越多的创业公司期待基于区块链（blockchain-based）的能源交易概念商业化，区块链供应商可能会成为下一轮公司收购的关注焦点。目前，在这个领域已经中已经建立了多项合作关系。 例如，在 6 月份，E.ON 和 Enel，通过由 IT 专家公司 Ponton 提供的基于区块链的点对点（peer-to-peer）网络进行了能源交易。 而于 2015 年在 Innogy 创新中心孵化的区块链平台开发商 Conjoule，在 7 月份从东京电力公司等公司筹集了 530 万美元的资金。今后会有更多类似的交易出现。 ]]> 原文： http://ift.tt/2j5A4Gn 机器知心

追根溯源！一图看尽深度学习架构谱系

近几年，深度学习高速发展，出现了大量的新模型与架构，以至于我们无法理清网络类型之间的关系。在这篇文章中，香港科技大学（HKUST）助理教授金成勳总结了深度网络类型之间的谱系图，以便于我们索引不同类型网络的杰出研究成果。 金成勳在 GitHub 上梳理出的谱系图如下（点击图片放大查看），最后的蓝色字体部分是各分支内的杰出研究成果（附所有论文链接）。机器之心在此基础上对各个分支网络做了介绍、补充，希望对读者了解网络体系间的关联有所帮助。如有缺陷，欢迎大家留言补充。 Github 项目地址：http://ift.tt/2ydBUrl 完整图 记忆网络 在记忆网络分支中，hunkim 标注了三篇重要论文：《记忆网络》、《端到端记忆网络》、《DMN：动态记忆网络》。神经编程是记忆网络的下一级分支，包含神经图灵机、混合计算等论文。 参考阅读： 深度 | Yann LeCun 最新演讲再谈预测学习：记忆网络和对抗训练是很有前景的方向 一周论文 | 记忆网络及其变体模型 业界 | MetaMind 发布论文：借助动态记忆网络 DMN 让机器更好地像人类般推理（附论文下载） 神经图灵机深度讲解：从图灵机基本概念到可微分神经计算机 卷积神经网络（CNN） 如下所示，CNN 除了包含执行目标识别任务的 AlexNet 等深度卷积网络，还包括很多优秀的模型用于处理目标检测、语义分割和超分辨率等任务。它们以不同的方式应用卷积过程处理不同的任务，并在这些任务上产生了非常好的效果。从基本上来说，卷积相对于最初的全连接网络有很多优秀的属性，例如它只和上一层神经元产生部分的连接，同一个卷积核可以在输入张量上重复使用，也就是说特征检测器可以在输入图像上重复检测是否有该局部特征。这是卷积网络十分优秀的属性，它大大减少了两层间参数的数量。 基于这些基础的卷积特性，我们可以构建不同的卷积模型处理不同的任务。以下是卷积网络的主要模型与领域： 参考阅读： 从入门到精通：卷积神经网络初学者指南 一文概览卷积神经网络中的类别不均衡问题 理解深度学习中的卷积 如何从信号分析角度理解卷积神经网络的复杂机制？ 机器之心 GitHub 项目：从零开始用 TensorFlow 搭建卷积神经网络 循环神经网络（RNN） 循环神经网络（recurrent neural network）是深度学习的重要组成部分，它可以让神经网络处理诸如文本、音频和视频等序列数据。它们可用来做序列的高层语义理解、序列标记，甚至可以从一个片段生产新的序列。目前有很多人工智能应用都依赖于循环深度神经网络，在谷歌（语音搜索）、百度（DeepSpeech）和亚马逊的产品中都能看到 RNN 的身影。 基本的 RNN 结构难以处理长序列，然而一种特殊的 RNN 变种即「长短时记忆（LSTM）」网络可以很好地处理长序列问题。这种模型能力强大，在翻译、语音识别和图像描述等众多任务中均取得里程碑式的效果。因而，循环神经网络在最近几年得到了广泛使用。 参考阅读： LSTM、GRU 与神经图灵机：详解深度学习最热门的循环神经网络 Google Brain 讲解注意力模型和增强 RNN 如何使用 TensorFlow 构建、训练和改进循环神经网络 如何用 PyTorch 实现递归神经网络？ Capsule Net Capsule 是由深度学习先驱 Geoffrey Hinton 等人提出的新一代神经网络形式，旨在修正反向传播机制。在 Dynamic Routing Between Capsules 论文中，Geoffrey Hinton 这样介绍 Capsule：「Capsule 是一组神经元，其输入输出向量表示特定实体类型的实例化参数（即特定物体、概念实体等出现的概率与某些属性）。我们使用输入输出向量的长度表征实体存在的概率，向量的方向表示实例化参数（即实体的某些图形属性）。同一层级的 capsule 通过变换矩阵对更高级别的 capsule 的实例化参数进行预测。当多个预测一致时（本论文使用动态路由使预测一致），更高级别的 capsule 将变得活跃。」 Capsule 中神经元的激活情况表示了图像中存在的特定实体的各种性质。这些性质可以包含多种不同的参数，例如姿势（位置、大小、方向）、变形、速度、反射率、色彩、纹理等。而输入输出向量的长度表示了某个实体出现的概率，所以它的值必须在 0 到 1 之间。 机器之心也详细解读了上周 Hinton 公开的论文，这篇论文的亮点在于 Capsule 层的输入与输出都是向量，构建向量的过程可以认为是 PrimaryCaps 层利用 8 个标准的 Conv2D 操作产生一个长度为 8 个元素的向量，因此每一个 Capsule 单元就相当于 8 个卷积单元的组合。此外，在 Capsule 层中，Hinton 等人还使用了动态路由机制，这种更新耦合系数（coupling coefficients）的方法并不需要使用反向传播机制。 除了 Hinton 等人公布的 Capsule 论文以外，近日还有一篇 MATRIX CAPSULES WITH EM ROUTING 论文，该论文采用 EM Routing 修正原论文的 dynamic routing 从而实现更好的效果。 参考阅读： 终于，Geoffrey Hinton 那篇备受关注的 Capsule 论文公开了 先读懂 CapsNet 架构然后用 TensorFlow 实现，这应该是最详细的教程了  一篇新的 Capsule 论文：优于基准 CNN（ICLR 2018 盲审中） 生成模型 人工智能研究的最大难题之一是无监督学习（unsupervised learning），而面向无监督学习的深度学习方法以学习表征（learning representation）问题为核心，不同的算法都会定义一个目标函数，该目标函数可以让该学习器获取到其数据表征的关键方面以及一个可以表征数据的新空间。深度生成模型可以通过生成全新的样本来演示其对于数据的理解，尽管这些生成的样本非常类似于那些训练样本。许多这样的模型和之前的自编码器的思想有关，其有一个编码器函数将数据映射到表征，还有一个解码器函数（或生成器）将该抽象的表征映射到原始数据空间。此外，生成模型很多也应用到了 GAN 的思想，即通过判别器与生成器之间的对抗促使生成器生成非常真实的图像。 在变分自编码器中，我们需要通过样本训练一个编码器和解码器，在这过程中我们能得到中间的隐藏变量。若我们需要生成新的图像，那么只需要在隐藏变量采样并投入解码器就能完成生成。而在生成对抗网络中，我们会定义一个判别模型与生成模型。首先我们会将生成的样本混合真实样本投递给判别模型以训练其鉴别真假的能力，随后再固定判别模型并训练生成模型，以生成更真实的图像。 参考阅读： Yoshua Bengio AIWTB 大会解读深度生成模型：让机器具备无监督学习能力 在 TensorFlow 中对比两大生成模型：VAE 与 GAN 生成对抗网络初学入门：一文读懂 GAN 的基本原理（附资源） 机器之心 GitHub 项目：GAN 完整理论推导与实现，Perfect！ 深入浅出：GAN 原理与应用入门介绍 综述 | 一文帮你发现各种出色的 GAN 变体 独家 | GAN 之父 NIPS 2016 演讲现场直击：全方位解读生成对抗网络的原理及未来（附 PPT） ]]> 原文： http://ift.tt/2zpe3bB 机器知心

机器之心「AI00」十月榜单：卡耐基梅隆大学数位博士开创的Solvvy

We believe AI should be an extension of individual human wills and, in the spirit of liberty, as broadly and evenly distributed as possible. －OpenAI 「AI00 ，这是一个开源项目」 这不仅是一份榜单，更是一个开源项目，主要基于以下几点： 人工智能是一个复杂庞大的体系，涉及众多学科，也关乎技术、产品、行业和资本等众多要素，报告的写作团队只代表他们的专业观点，有自己的局限性，需要更多行业专家参与进来加以修正和完善。人工智能技术和行业的发展瞬息万变，而报告的制作周期较长，其中的内容和数据势必会落后于行业的最新进展，无法同时满足时效性和高质量的要求。而领域内参与者的及时更新可以解决这个问题。我们深刻地理解在没有专业用户反馈的情况下所做出报告的质量局限性，所以希望用工程界「Agile Development」的理念来对待我们的报告，不断收集专业反馈来持续提升报告质量。人工智能是一个永恒命题，我们不仅会把「100 家公司」这个主题持续做下去，还会陆续开展其他主题。这个过程需要人工智能领域不同的参与者加入进来。向 OpenAI 、「斯坦福人工智能百年研究」和「Open Source」致敬。 为此，我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来，共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣，可在公众号对话框回复「AI00」（注：字母 AI 加数字 00）查看本开源项目的具体参与方式。 「AI00」第一期的榜单得到了来自投资界、人工智能产业界和学界的众多反馈，我们也依此对榜单的信息作出了一些订正和调整。在前几期的榜单中，我们先后增加了 Waymo、Neurala、Graphcore、云从科技、Citadel 与 Petuum 、竹间智能、Gamalon 和 DataRobot 等公司，同时也移除了一些公司。 在新一期的榜单中，我们加入了由卡耐基梅隆大学数位博士组成的 Solvvy 公司。 下面我们将介绍 Solvvy 上榜的理由： 官网地址：https://solvvy.com/ Solvvy 总部位于 Palo Alto，创始团队由卡耐基梅隆大学博士组成，公司瞄准的是智能客服领域。Solvvy 开发了算法，用来将以自然语言表达的、可能有拼写错误的、长而复杂的用户请求进行理解和分类，处理系统能自动完成的部分，同时将需要人力协助的部分快速导流到人工客服。Solvvy 的系统能在提高客户满意度的前提下，将人工客服需求降低到原来的 20%。并且随着系统处理案例数量的增多，系统的处理能力也在不断加强。公司计划在五年内实现以自动化解决 90% 客服请求的目标。截止目前，该公司已完成 1200 万美元的 A 轮融资，由 Scale Venture Partners 领投，包括 Pear Ventures，Signatures Capital 和 True Ventures 在内的全部种子轮投资者跟投。 以下为 AI00 十月榜单： 1. 语音和自然语言处理 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 搜狗 中国 人工智能综合研究 搜索引擎、知识图谱、输入法、语音交互产品等 估值约50亿美元 X.AI 美国 自然语言处理 个性化智能助理 三轮融资共获得 3.4 亿美元 科大讯飞 中国 语音技术和自然语言处理 智能家居、车载、电信等行业解决方案 市值约 393 亿人民币 思必驰 中国 智能语音交互和自然对话 车载、智能家居和智能机器人等智能硬件的语音交互服务 B 轮：2 亿人民币 大象声科 中 / 美 声源分离、声音增强、声纹识别、麦克风阵列 会议转录，通讯，机器人，智能家居，虚拟现实，增强现实，混合现实 未透露 竹间智能 中国 情感对话机器人、语音情感技术、多模态情感识别 竹间个人助理机器人小影、金融机器人、客服机器人 2500万美元融资 TalkIQ 美国 语音识别技术、自然语言处理技术（NLP） 电话语言反馈、预测销售结果、自动信息检索 1400万美元的A轮融资 Solvvy  美国 智能客服 理解和分类用户请求 1200万美元的A轮融资 2. 计算机视觉  公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 Clarifai 美国 计算机视觉 图像及视频识别 API B 轮： 3000 万美元 Affectiva 美国 计算机视觉和深度学习 实时面部表情分析和情绪识别解决方案 四轮融资共获得 3372 万美元 ViSenze 新加坡 计算机视觉、视觉搜索、图像识别 电子商务、移动商务、 在线广告等图像识别解决方案 两轮融资共获得 1400 万美元 Ditto  Labs 英国 计算机视觉、视觉搜索、图像识别 数字媒体、广告营销、社交图片识别分析 四轮共获得 968 万美元 Orbital  Insight 美国 计算机视觉、深度学习和数据科学 分析海量卫星图像，用于经济趋势分析和公益研究 三轮融资共 2870 万美元 Planet  Labs 美国 计算机视觉和数据科学 将卫星图像识别用于农业、城市规划和灾害响应等 2015 年 5 月融资 1830 万美元 Descartes Labs 美国 计算机视觉和深度学习 通过 DLFP 平台为农业提供数据分析和预测的解决方案 三轮融资共 828 万美元 商汤科技 中国 计算机视觉和深度学习 人脸识别、危险品识别、行为检测、车辆检测等的安防监控系统 4.1亿美元最新融资 旷视科技 中国 计算机视觉和深度学习 Face++ 人脸识别云服务平台、Image++ 图像识别平台、VisionHacker 移动游戏工作室 C轮4.6亿美元融资 依图科技 中国 计算机视觉和深度学习 基于图像理解的信息获取和人机交互服务 3.8亿元C轮融资 图普科技 中国 计算机视觉和深度学习 图像识别、视频鉴黄、智能审核、图片增值等云服务 新一轮千万美元融资 Neurala 波士顿 深度学习、计算机视觉 帮助机器人和智能设备学习和适应环境的软件 A 轮融资约1400 万美元 云从科技 中国 人脸识别、计算机视觉 金融机构人脸识别应用、公安系统实时布控、追逃等 天使轮 6000 万人民币 3. 芯片和硬件 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 Wave Computing 美国 深度学习芯片架构 DPU (Dataflow Processing Unit) 3轮融资共5900万美元 Ceva 美国 人工智能芯片技术 用于机器学习的第二代神经网络软件框架 CDNN2 纳斯达克上市，市值 9.12 亿美元 Tera Deep 美国 基于 FPGA，针对于服务器端的高性能深度学习平台 被移动设备直接嵌入的深度学习模块 未透露 寒武纪科技 中国 深度学习 中国首款神经网络处理器 1亿美元 A 轮融资 深鉴科技 中国 深度学习 DPU 平台 深度学习 DPU 平台 A+轮约4000万美元融资 Graphcore 英国 深度学习硬件和软件开发 开源软件框架 Poplar 和「智能处理器」IPU A 轮融资 3000 万美元 Groq 美国 深度学习硬件、芯片 暂无信息 1030 万美元融资 4. 智能机器 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 ABB  Robotics 瑞士 机器人及自动化技术 工业机器人、智能设备 468.95 亿美元市值 Fanuc 日本 机器人及自动化技术 工业机器人 4.4兆日元市值 KUKA  Robotics 德国 机器人及自动化技术 工业机器人 美的 272 亿美元拿下库卡 94.55% 的股份 Rethink Robotics 美国 机器人、人机交互 智能机器人 1800万美元新一轮融资 Universal Robots 丹麦 机器人及自动化技术 工业机器人 未透露 3D Robotics 美国 计算机视觉、机器人技术 无人机，软件服务 五轮融资超 1 亿 2 千 600 万美元 Cyberdyne 日本 可穿戴设备 医疗助理机器人 2083.56 亿日元市值 iRobot 美国 计算机视觉、机器人技术 电子产品，家用机器人 27亿美元市值 ReWalk Robotics 德国 计算机视觉、机器人技术 代步机器人，残障专用智能设备 2000万美元市值 Dyson 英国 智能机器，自动视觉定位及室内地图构建 清洁机器人 未透露 新松机器人 中国 机器人及自动化技术 工业机器人和行业解决方案 约 289 亿市值 埃夫特 机器人 中国 机器人 工业机器人、智能装备和行业解决方案 未透露 大疆 中国 计算机视觉、无人机控制、环境及障碍感知、视觉跟随、自动寻路 无人机航拍和图像传输 估值约100亿美元 5. 医疗 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 Arterys 美国 深度学习系统生成医疗图像 深度学习分析系统 Arterys System 1200 万美元 A 轮融资 Enlitic 美国 深度学习、大数据、图像检测 癌症检测系统 三轮融资共 1500 万美元 VoxelCloud（体素科技） 美国 深度学习 医疗影像分析云服务 千万美金 A 轮融资 Insilico Medicine 美国 深度学习和大数据 癌症诊疗 1000万美元最新融资 Oncora Medical 美国 大数据和机器学习技术 通过数据分析为放射肿瘤学家提供临床决策支持，用于个性化医疗。 两轮融资共 132 万美元 Atomwise 美国 深度学习 药物发现 种子轮 630 万美元 TwoXAR 美国 深度学习 通过药物研发平台 DUMA™来评估大型公共和私有数据集，以迅速识别药物，并对药物和疾病的匹配度按照概率进行排序。 种子轮 340 万美元 Berg  Health 美国 深度学习 Interrogative Biology® 平台结合病人生物学和人工智能分析来进行药物发现、开发和诊断等。 未透露 Cloud MedX 美国 机器学习、自然语言处理 拥有 MedxExchange 、MedxInsights 和 MedxCare 三款服务产品的医疗人工智能平台，提供数据、医疗洞见和健康管理服务。 融资 660 万美元 Deep Genomics 加拿大 深度学习、基因生物学 精准医疗 种子轮 370 万美元 碳云智能 中国 大数据、人工智能 通过数据挖掘和机器分析提供个人性健康指数分析和预测。 A 轮融资近 10 亿人民币 6. 金融 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 Context Relevant 美国 数据挖掘、预测分析 本地分析软件和云服务 五轮融资 4430 万美元 Kensho Technologies 美国 机器学习、自然语言处理、数据挖掘 金融分析辅助决策系统 B 轮融资 5000 万美元（2017 年 2 月）年2 Zest Finance 美国 数据挖掘、机器学习 信用服务 四轮共 1.12 亿美元 Aire 英国 信用评级 金融产品的信用评级 四轮共 700 万美元 高盛 美国 数据挖掘、机器学习 AppBank、金融业务自动化 市值 867.10 亿美元 蚂蚁金服 中国 人工智能、数据挖掘 智能助理、信用评级和风险管理等应用 估值 600 亿美元 Citadel 美国 人工智能、数据挖掘 对冲基金 目前掌管至少 260 亿美元资产 7. 智能驾驶 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 Waymo 美国 自动驾驶 自动驾驶汽车 谷歌无人驾驶项目开始以独立公司的身份运营 Tesla 美国 自动驾驶 电动汽车 498.35 亿美元市值 Drive.ai 美国 深度学习 自动驾驶汽车 5000 万美元B轮融资 nuTonomy 新加坡 / 美国 3D 自动驾驶技术 城市自动驾驶的算法和软件 2轮融资公1960万美元 Innoviz  Technologies 以色列 智能 3D 传感、传感器融合和精准地图和定位等核心自动驾驶技术 物美价廉的高清晰度固态激光雷达 完成了 A 轮融资，金额高达 900 万美元 Peloton Technology 美国 雷达和专用短程通信安全系统 自动驾驶卡车 最新一轮6000万美元融资（2017 年 4 月） SmartDrive 美国 计算机视觉、数据挖掘 交通安全和表现的智能解决方案 六轮融资共 1.8 亿美元 Zoox 美国 全自动驾驶 全新的自动驾驶汽车 3 轮融资共 2.9 亿美元 图森未来 中国 计算机视觉和深度学习 自动驾驶 数千万美金的B轮投资 Minieye 中国 计算机视觉、智能驾驶 辅助驾驶系统 A 轮数千万人民币 Argo AI 美国 人工智能和自动驾驶技术发 自动驾驶汽车 福特将持续注资 10 亿美元 8. 垂直应用 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 Darktrace 英国 利用机器学习和独家算法来检测和响应以前未识别的网络威胁 Darktrace 的核心产品为「企业免疫系统」(EIS) 三轮共融资 1.045 亿美元 Uber 美国 自动驾驶、机器学习、数据挖掘 自动驾驶汽车、智能交通和智能出行应用 12 轮融资 87.1 亿美元，估值 660 亿美元 Airbnb 美国 机器学习 开源 AeroSolve 机器学习框架、智能助手、智能推荐、定价 9 轮共融资 20 亿 9 千万美元 Salesforce 美国 云计算、深度学习、数据处理 CRM 解决方案 市值约 638.37 亿美元 Slack 美国 机器学习 企业通讯应用，bots 平台 总融资 5.4 亿美元，估值约 38 亿美元 Sentient Technologies 美国 人工智能、大规模分布式计算 解决复杂商业问题的综合智能系统 1.03 亿美元 C 轮融资，三轮共 1.3578 亿美元 Dataminr 美国 数据挖掘 基于社交网络的数据分析服务 1.3 亿美元 D 轮融资。五轮共 1.83 亿美元 ROSS  Intelligence 美国 认知计算、深度学习、自然语言处理 法务研究智能辅助工具 未透露 滴滴 中国 自动驾驶、机器学习、数据挖掘 自动驾驶汽车、智能交通和智能出行应用 超55亿美元新一轮融资 （2017 年 4 月） 今日头条 中国 深度学习、自然语言处理、图像识别 媒体产品的应用 估值约 120 亿美元 地平线机器人 中国 基于云端的深度神经网络算法、图像、语音、自然语言理解和运动控制、技术集成 智能机器解决方案 A+ 轮近美元 Cylance 美国 机器学习、数学科学 使用人工智能来预防网络攻击 已融资 1.77 亿美元 Sift Science 美国 机器学习 利用人工智能/机器学习来开发网络安全应用的公司 4 轮共 5360 万美元融资 SparkCognition 美国 机器学习、人工智能、数据分析 使用机器学习和人工智能技术来分析预测网络安全漏洞与系统故障 新一轮3250万美元融资 9. 机器学习 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 DeepMind 英国 人工智能基础研究 AlphaGo、医疗健康、谷歌内部产品应用。 以 4 亿英镑（约 5.32 亿美元）被谷歌收购 Vicarious 美国 人工智能基础研究 新的计算机视觉系统，机器人视觉 五轮获得 7200 万美元融资 Bonsai 美国 深度学习 Inkling 脚本语言和集成开发环境 Mastermind 760 万美元A轮融资 Preferred Networks 日本 深度学习 深度学习操作系统 Chainer，机器学习在物联网的应用 三轮融资共 1730 万美元 Skymind 美国 深度学习 深度学习企业应用包 SKIL、开源框架 Deeplearning4j 种子轮融资 300 万美元 H2O.ai 美国 机器学习 开源机器学习平台和商业化支持 四轮融资 3360 万美元 Uptake 美国 数据挖掘、机器学习 为铁路、建筑等大行业提供数据预测分析 SaaS 服务 B轮融资5000万美元（2017 年 4 月） Indico 美国 机器学习 为数据科学家提供图像、文本的识别和分析的工具 4轮融资共 438 万美元 第四范式 中国 机器学习 金融应用和「先知」平台 A 轮：数百万美元 Gamalon 美国 机器学习 Bayesian Program Synthesis 可以自行编写代码，用最优的方法解释收集到的数据 来自 DARPA 的 770 万美元投资、来自 Felicis Ventures 的 450 万美元种子轮融资 DataRobot 美国 机器学习 机器学习平台公司，DataRobot 平台上有数百个开源机器学习算法 5400 万美元 C 轮融资 Petuum 美国 机器学习与人工智能平台 PetuumOS、Poseidon 框架、Petuum Healthcare Solutions 9300万美元B轮融资 Algorithmia 美国 算法 类似于苹果 App Store 的「算法应用」商店 1050 万美元 A 轮融资 10. 大公司 公司 国家 技术研究 产品应用 市值 / 估值 / 融资额 谷歌 美国 人工智能综合研究 TensorFlow 等开源框架，Google Photos、Now、Inbox 和搜索等多项产品和服务、硬件 市值 6701 亿美元 Facebook 美国 人工智能综合研究 多个开源框架和硬件平台，Messenger、社交网络和定向广告等多项产品和服务 市值 4296 亿美元 亚马逊 美国 人工智能综合研究 云服务、Echo 等智能家居、机器人、电商产品应用 市值 4696 亿美元 微软 美国 人工智能综合研究 CNTK 等开源框架，Cortana、小冰等多项产业和服务，硬件 市值 5362 亿美元 IBM 美国 人工智能综合研究 Watson、行业认知计算解决方案、量子计算机等 市值 1434 亿美元 苹果 美国 人工智能综合研究 基于智能手机等硬件的多项产品和硬件、智能助手、智能家居、医疗等 市值 8067 亿美元 百度 中国 人工智能综合研究 开源框架 PaddlePaddle、百度大脑、自动驾驶、互联网应用 市值 676 亿美元 阿里巴巴 中国 人工智能综合研究 云服务、人工智能平台 DT PAI、电商产品应用 市值3079 亿美元 腾讯 中国 人工智能综合研究 互联网应用 25683.98亿人名币 NVIDIA 美国 人工智能硬件 GPU、深度学习超级计算机 DGX-1、自动驾驶超级计算机 Xavier 市值 832.07 亿美元 英特尔 美国 人工智能硬件 CPU、Xeon Phi、Nervana 市值 1706.30 亿美元 高通 美国 人工智能硬件 移动智能设备芯片 市值约 899.36 亿美元 赛灵思 美国 全可编程技术和器件 All Programmable FPGA、SoC 和 3D IC 提供商 160.70 亿美元 华为 中国 人工智能综合研究、硬件 人机交互设备应用、芯片等 2017 年以 785.108 亿美元营业收入首次打入《财富》前百强 「 AI00 开源项目」参与方式： 1）点击「阅读原文」填写表单，申请加入「AI00」开源社区，通过微信群和其他协作平台进行讨论。 2）直接在 Github 页面进行 contribute ，http://ift.tt/2dXlBql ]]> 原文： http://ift.tt/2zocXgl 机器知心

腾讯杀入无人车战场：原型车已经搞定，系统正在内测

夏乙 发自 凹非寺量子位 出品 | 公众号 QbitAI 腾讯也入局自动驾驶了。 彭博社今天报道，有熟悉内情的消息人士称，腾讯已经开发了自己的自动驾驶系统，也杀入了这个热门领域。 量子位今年早些时候已经注意到腾讯开始低调招募自动驾驶的相关工程师。不过腾讯一直没有给出确切的回复。 据彭博报道，腾讯已经搞定了原型车，并开始在内部对这个系统进行测试。 腾讯打算利用自身在地图和人工智能上的技术储备，参与到自动驾驶汽车领域的竞争中来。 详细看来，腾讯旗下与自动驾驶沾边的业务并不少。 今年3月，腾讯买入了5%的特斯拉股票，彭博社数据显示，腾讯是这家明星电动汽车公司的第四大股东。 特斯拉还不是腾讯持股的唯一车厂。中国电动汽车公司蔚来成立初期，腾讯就成了它的投资者。蔚来汽车计划在2020年将自己的电动汽车推向美国市场。 同时，腾讯还是国内最大的网约车公司滴滴出行、地图公司四维图新的大股东。 去年12月，腾讯还和四维图新一起，入股了欧洲地图导航服务商HERE，四维图新和腾讯还分别获得了一个董事会席位和一个战略咨询委员会席位。 虽然腾讯的动向没那么清晰，但可以确定的是，四维图新在积极开发自动驾驶技术，这家公司的自动驾驶原型车已经到了可供试乘的阶段。 马化腾甚至曾在3月份公开表示，腾讯未来可能会探索AI技术在无人车上的应用。 量子位向腾讯方面求证，腾讯表示不予置评。 招聘信息透露细节 目前腾讯官方发布的招聘中，仍有16个岗位与自动驾驶直接相关。从业务归属来看，这些招聘属于MIG（移动互联网事业群），工作地点主要在北京。 从招聘信息可以看出，腾讯的自动驾驶会使用单目/双目相机、激光雷达等传感器，使用多种机器学习技术进行决策，并且还在构建高精地图，以及搭建无人车仿真系统和自动驾驶数据平台。 △ 量子位今年7月的腾讯招聘截图 今年7月，量子位就注意到腾讯正在招聘自动驾驶人才。当时有腾讯内部人士透露，这个项目由地图团队负责。 刚才提到的16个岗位包括： 自动驾驶机器人感知算法工程师 自动驾驶数据平台数据工艺师 自动驾驶融合定位 自动驾驶深度学习 自动驾驶融合感知 自动驾驶机器人SLAM算法工程师 自动驾驶机器人-导航算法 自动驾驶高精地图-工具研发 自动驾驶协调控制工程师 自动驾驶模拟仿真工程师 自动驾驶机器人后台开发工程师 自动驾驶产品经理 自动驾驶仿真模拟系统-前端开发 自动驾驶数据平台高级前端开发工程师 自动驾驶数据平台大数据高级系统架构师 自动驾驶数据平台高级后台开发工程师 腾讯AI布局 在腾讯内部，AI被认为就是代表下一个时代制胜点的技术，如何强调都不为过，只是现在AI还处于早期发展阶段，腾讯并不希望显性地说出来。 腾讯副总裁、AI Lab和AI平台负责人姚星此前透露，腾讯有三个AI业务团队： 第一个是优图实验室，隶属于腾讯社交网络事业群(SNG)，专注于机器学习、模式识别，和认知技术的研究，目前成果已经在天天P图等产品中应用。 第二个是微信中的AI团队，是一个主功语音识别、模式识别的工作室，最核心应用是提供微信中语音输入转文字的方式。 第三个则是2016年4月正式成立的AI Lab，隶属于腾讯技术工程事业群（TEG），主要围绕图像识别、语音识别、自然语言处理和机器学习4个方向进行研究。 除了研究方向，腾讯内部对于AI的聚焦还体现在业务场景结合上，姚星介绍称，会围绕三个具体场景进行落地： 一个是社交，社交是腾讯的核心，当然这是最难的，社交是认知的问题，社交是目前最难的。 第二个是游戏，这是腾讯内部第一的，也是全球化互联网提AI for game，我们后续有很多在做。 第三是内容推荐类的产品，内容类产品也是腾讯主要的发展方向。 —完— 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2zm3owh RSS5

腾讯杀入无人车战场：原型车已经搞定，系统正在内测

夏乙 发自 凹非寺量子位 出品 | 公众号 QbitAI 腾讯也入局自动驾驶了。 彭博社今天报道，有熟悉内情的消息人士称，腾讯已经开发了自己的自动驾驶系统，也杀入了这个热门领域。 量子位今年早些时候已经注意到腾讯开始低调招募自动驾驶的相关工程师。不过腾讯一直没有给出确切的回复。 据彭博报道，腾讯已经搞定了原型车，并开始在内部对这个系统进行测试。 腾讯打算利用自身在地图和人工智能上的技术储备，参与到自动驾驶汽车领域的竞争中来。 详细看来，腾讯旗下与自动驾驶沾边的业务并不少。 今年3月，腾讯买入了5%的特斯拉股票，彭博社数据显示，腾讯是这家明星电动汽车公司的第四大股东。 特斯拉还不是腾讯持股的唯一车厂。中国电动汽车公司蔚来成立初期，腾讯就成了它的投资者。蔚来汽车计划在2020年将自己的电动汽车推向美国市场。 同时，腾讯还是国内最大的网约车公司滴滴出行、地图公司四维图新的大股东。 去年12月，腾讯还和四维图新一起，入股了欧洲地图导航服务商HERE，四维图新和腾讯还分别获得了一个董事会席位和一个战略咨询委员会席位。 虽然腾讯的动向没那么清晰，但可以确定的是，四维图新在积极开发自动驾驶技术，这家公司的自动驾驶原型车已经到了可供试乘的阶段。 马化腾甚至曾在3月份公开表示，腾讯未来可能会探索AI技术在无人车上的应用。 量子位向腾讯方面求证，腾讯表示不予置评。 招聘信息透露细节 目前腾讯官方发布的招聘中，仍有16个岗位与自动驾驶直接相关。从业务归属来看，这些招聘属于MIG（移动互联网事业群），工作地点主要在北京。 从招聘信息可以看出，腾讯的自动驾驶会使用单目/双目相机、激光雷达等传感器，使用多种机器学习技术进行决策，并且还在构建高精地图，以及搭建无人车仿真系统和自动驾驶数据平台。 △ 量子位今年7月的腾讯招聘截图 今年7月，量子位就注意到腾讯正在招聘自动驾驶人才。当时有腾讯内部人士透露，这个项目由地图团队负责。 刚才提到的16个岗位包括： 自动驾驶机器人感知算法工程师 自动驾驶数据平台数据工艺师 自动驾驶融合定位 自动驾驶深度学习 自动驾驶融合感知 自动驾驶机器人SLAM算法工程师 自动驾驶机器人-导航算法 自动驾驶高精地图-工具研发 自动驾驶协调控制工程师 自动驾驶模拟仿真工程师 自动驾驶机器人后台开发工程师 自动驾驶产品经理 自动驾驶仿真模拟系统-前端开发 自动驾驶数据平台高级前端开发工程师 自动驾驶数据平台大数据高级系统架构师 自动驾驶数据平台高级后台开发工程师 腾讯AI布局 在腾讯内部，AI被认为就是代表下一个时代制胜点的技术，如何强调都不为过，只是现在AI还处于早期发展阶段，腾讯并不希望显性地说出来。 腾讯副总裁、AI Lab和AI平台负责人姚星此前透露，腾讯有三个AI业务团队： 第一个是优图实验室，隶属于腾讯社交网络事业群(SNG)，专注于机器学习、模式识别，和认知技术的研究，目前成果已经在天天P图等产品中应用。 第二个是微信中的AI团队，是一个主功语音识别、模式识别的工作室，最核心应用是提供微信中语音输入转文字的方式。 第三个则是2016年4月正式成立的AI Lab，隶属于腾讯技术工程事业群（TEG），主要围绕图像识别、语音识别、自然语言处理和机器学习4个方向进行研究。 除了研究方向，腾讯内部对于AI的聚焦还体现在业务场景结合上，姚星介绍称，会围绕三个具体场景进行落地： 一个是社交，社交是腾讯的核心，当然这是最难的，社交是认知的问题，社交是目前最难的。 第二个是游戏，这是腾讯内部第一的，也是全球化互联网提AI for game，我们后续有很多在做。 第三是内容推荐类的产品，内容类产品也是腾讯主要的发展方向。 —完— 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2zm3owh RSS5