大數據與人工智能由于生活節奏加快人們的空閑時間大為減少，做家務的時間日益顯得不足，我們需要一款聰明的冰箱，讓冰箱告訴我們做什么。來自奧維咨詢的《中國家用冰箱食品浪費調查報告》顯示，“每個家庭平均每年發生176次食物浪費現象。70%受訪者表示，造成浪費的主要原因是一次購買太多和放入冰箱后忘記。智能冰箱的出現，不僅可以自行“清理門戶”，采購新鮮食品，還能統籌安排，減少食材浪費，制作個性化食譜。它會根據食材新鮮與否，把不新鮮的食材調動到距離冰箱門最近的地方，提醒主人“它該吃了”。此外，智能冰箱能對用戶的膳食合理性進行分析，制作菜譜。同時提示需要補充的食材，如果與生鮮電商聯網的話，可以自動選擇送貨上門，直接實現食物的配送發貨收獲自動化和智能化。2014年美菱率先推出全球首臺云圖像識別智能冰箱ChiQ，突破全球智能冰箱技術門檻，該冰箱具備變頻功能，可以用語音搜索、自動推薦等多種方式進行食譜推薦，并實現手機的遠程查看和控制試想這樣一個場景，你想選擇一個地方和朋友吃飯，首先你會打開一個應用，在這個過程中它會自動確定你所在的位置，然后你通過語音開始向其發出請求“我想在這附近找一家中式餐廳，下午將要與朋友一起就餐，消費價格適中。”應用根據你發出的請求及過往的生活習慣為你尋找到數十家備選方案優選列表，然后你可以根據興趣與愛好選擇直接確定方案，或者實時打開查看各家的類型、影視視頻制作折扣、評分、環境、位置、菜品、用戶評價等綜合信息并進行篩選，這些信息綜合在一起形成了你對某家餐廳的判斷和最終的決策。這時你可以就一些問題與餐廳的服務人員進行實時的溝通，中國自有黃金儲量分布貧乏 海外收購遇政治風險，然后交付押金輕松的進行預訂。預訂好了餐廳之后，通過語音控制，你可以將信息轉發給朋友。影視視頻制作當你到了該出發赴約的時候，這個應用開始提醒你，并可以選擇是否開啟地圖語音導航模式，為你提供位置和路線服務。從本質上說，消費者和商戶存在各自信息獲取不對稱的問題，而O2O在于把服務業互聯網化，將商戶與消費者之間連接的更好，讓信息不對稱的問題都能解決，這不僅能夠幫助商戶，也能夠幫助消費者。消費者對O2O的最大訴求主要是在前端信息的檢索和獲取，而商家的目的在于持續獲取消費者，這主要通過前端提供消費者信息影響其購買決策，并通過后期客戶管理增強與用戶關系互聯網的O2O商業模式氣勢洶洶的顛覆傳統行業，似乎發展到現在好像開始止步不前了。綜合來看，未來的O2O會是一個融合線下信息聚合、語音識別、自然語言解析、搜索引擎、點評信息聚合、預訂服務、地圖導航、NFC、CRM、語音以及實時溝通等功能為一體的基于位置的服務平臺。然而，至今仍然懸而未決的技術瓶頸是：自然語言的解析。如何通過對用戶的自然語言（文本+語音）等數據，結合知識圖譜，推理出用戶的需求并精準的推送用戶所需的本地化生活服務？這扇大門的鑰匙也是在人工智能技術的突破！ CPU和GPU架構差異很大，CPU功能模塊很多，能適應復雜運算環境；GPU構成則相對簡單，目前流處理器和顯存控制器占據了絕大部分晶體管。CPU中大部分晶體管主要用于構建控制電路（比如分支預測等）和高速緩沖存儲器（Cache），只有少部分的晶體管來完成實際的運算工作；而GPU的控制相對簡單，而且對Cache的需求小，所以大部分晶體管可以組成各類專用電路、羅曼蒂克亂碼七糟的諜戰神劇 影視評論，多條流水線，使得GPU的計算速度有了突破性的飛躍，擁有了驚人的處理浮點運算的能力。現在CPU的技術進步正在慢于摩爾定律，而GPU的運行速度已超過摩爾定律，每6個月其性能加倍目前，Skype Translator還處在早期開發階段，影視視頻制作但這一實時語音翻譯功能有可能幫助改變世界未來的交流方式。比如在線教育，2014年12月，微軟正式推出了SkypeTranslator預覽版，讓來自美國和墨西哥的小學生使用各自母語就能進行語音通話。它可以識別美國小學生的英文語句并將其翻譯為西班牙語，然后以文本的形式呈獻給墨西哥小學生，反之亦然。微軟計劃將Skype Translator服務推向教育領域，如此一來全世界各地的學生都能無障礙聆聽任何語言的課程，顯然這對于促進全球教育進步有著非比尋常的意義Face++為美圖秀秀、美顏相機App提供諸如：人臉檢測、人臉追蹤、關鍵點檢測技術，可精準定位人臉中需要美化的位置，實現精準自動人臉美化，但這些僅是人臉識別的初級階段。此外在稍高級的應用階段——搜索領域，Face++所做的人臉識別為世紀佳緣提供服務，用戶可根據自己對另一半長相的需求去搜索相似外貌的用戶，當然這個搜索需要在數據庫中進行，可以是世紀佳緣的數據庫、未來可以是社交網絡上的數據庫、更可以是在通用搜索引擎中。第二個是Face++與360搜索達成了合作，在360的圖片搜索中使用到相關的技術。而在另一塊安全領域，Face++推出了APP“云臉應用鎖”，掃描一下人臉和設置一下備用密碼，就可以將需要加密的應用添加到需要保護的應用程序中。這樣打開加密的應用時，就要事先經過一個人臉識別的監測，才能成功打開此應用。非常適合于圖片、信息、支付軟件等等擁有私密信息較高的應用程序當中大數據挖掘分析公司Palantir成立于2004年，該平臺把人工智能算法和強大的引擎（可以同時掃描多個數據庫）整合，可以同時處理大量數據庫，并允許用戶通過多種方式快速瀏覽相關信息。其產品已被美國中情局（CIA）、聯邦調查局（FBI）、海陸空三軍、聯邦檢察官、私人調查機構及其他客戶所使用。類似CIA和FBI這樣的情報機構有成千上萬個數據庫，并記錄著不同的數據，比如財務數據、DNA樣本、語音資料、錄像片段以及世界各地的地圖。將這些數據建立聯系需要數年的時間，即便統一在一起，也很難駕馭不同種類的數據，比如說如何關聯銷售數據和監控錄像資料，而Palantir公司所做的就是開發軟件使這一切變得更容易。同時，Palantir還對各種安全問題高度敏感。Palantir引發了計算機時代的一場革命，它梳理所有可以獲得的數據庫，對相關信息進行確認，并他們整合起來。Palantir成立之初就獲的CIA基金公司In Q Tel的投資，現在成為了美國情報機關在反恐戰爭不能缺少的工具。Palantir有效的解決了911后對情報工作提出的技術難題：如何從大量的數據中快速獲取有價值的線索，可以說是CIA的反恐秘密武器數據工廠實現分類與關聯。數據工廠會對數據進行基礎性的加工，而這種加工又非常關鍵。從人類的記憶聯想模式分析，要調取某部分的記憶，就會很自然的聯想到某個詞，某個畫面，某個音樂等等就能記起很多事情。這是因為人類大腦的神經連接結構允許我們這樣去檢索，而機器是不允許的，數據存儲在硬盤上，機器想要找到某個數據，必須一個個訪問過去，機器沒有分類的概念。如果需要機器理解用戶的語言，這種搜索技術也依然要機器的大腦配合才能達到，對每一個詞的定義應該是一個庫，而這個庫中的每一個詞又都各自構成庫，數據工廠所依托的搜索算法，就是在這么一個數據海洋中去為他們建立管理，然后去索引。數據工廠相當于人腦中的記憶關聯過程：將某個詞同時與其他詞或是某個場景等等建立起動態關聯的過程。因此，通過數據挖掘和搜索算法對數據工廠中的知識庫和信息庫進行分類與關聯的技術能力同樣是人工智能企業的重要進入門檻中間層的運行機制和人類的思維形成過程高度相似，是從感知到思考再到最終的決策行動甚至是創造，核心是機器學習技術的應用。首先，感知環節需要連接的是人、信息和物理世界，通過傳感器，搜索引擎和人機交互來獲取建模必須的數據，相當于人類的感知過程。依托于底層的高性能計算和彈性存儲能力，中間層對感知到的數據進行建模運算，相當于人類的思考過程。最終，應用層利用數據擬合出的模型結果，對智能應用的服務和產品端輸出指令，指揮包括機器人、無人機、3D打印等在內的各種設備響應用戶需求。盡管目前由于思考層面的計算存儲能力和建模能力的不足，導致人工智能還無法達到和人類相接近的“智慧”程度，但也足以支撐包括語音識別、圖像識別和知識圖譜在內的各種AI技術在特定場景下的應用另外一方面，在具體的應用場景中，更為優化的算法和更為準確的背景知識庫數據集等因素都有助于在不提升計算資源的前提下實現更優的結果。這就給眾多專業領域的AI公司帶來了巨大的市場機遇。我們看到，專用智能的商業化應用風生水起，在這個領域，巨頭和新貴都處于同一起跑線上，產業格局會趨于分散，先入者優勢明顯。我們判斷，在數據、算法、云計算資源等幾個關鍵因素中，數據的獲得以及算法的優化是先入者的護城河，能夠幫助他們在專用領域的特定場景下，迅速實現AI的商業化應用，從而搶占市場。我們關注到國內市場已經出現了這樣的局面：語音識別領域的科大訊飛、計算機視覺方面的格靈深瞳、語義識別方面的小i機器人、人臉識別方面的face++等等細分行業龍頭，都在具體應用場景的技術結果上，實現了對百度、谷歌、微軟和IBM等AI巨頭的超越（2）再以Nest的智能溫控技術為例。為了能夠通過不斷地觀測和學習用戶習慣的舒適溫度來對室溫進行動態調整，并節約能源，Nest安裝了六個傳感器，不停地對溫度、濕度、環境光以及設備周邊進行監控和衡量，它能判斷房間中是否有人，以決定是否自動關閉調溫設備。交互敘事與游戲互動體驗依托于強大的機器學習算法，Nest則能自己學習控制溫度。在使用這款調溫器的第一個星期，用戶可以根據自己的喜好調節室內溫度，此時Nest便會記錄并學習用戶的使用習慣。為了能讓居室變得更舒適，Nest還會通過Wi Fi和相關應用程序與室外的實時溫度進行同步，內置的濕度傳感器還能讓空調和新風系統提供適宜的氣流。當用戶外出時，Nest的動作傳感器就會通知處理器激活“外出模式”。毫無疑問，脫離了深度學習技術的支撐，Nest的智能溫控是無法實現的（3）微信朋友圈的推送廣告服務。微信朋友圈的信息流（Feeds）廣告推送基于自然語言解析、圖像識別和數據挖掘技術，通過分析用戶朋友圈語言特性，以及朋友圈圖片內容，根據對用戶收入和消費能力的分析來刻畫用戶畫像，并決定投放何種廣告。如果沒有自然語言解析和圖像識別等AI技術的支撐，微信的信息流廣告推送服務的用戶體驗將大打折扣通過以上三個例子，我們不難看出，智能產品和服務是否能夠切中用戶的痛點需求，依賴于人工智能技術在產品背后能夠給予多大的支撐。當前的智能產品市場之所以出現產品熱，需求冷的局面，主要的癥結在于所謂的智能硬件大多是“偽智能”產品，只是把功能性電子產品加上聯網和搜集數據的功能，例如以手環為代表的可穿戴設備，以智能機頂盒為代表的智能家居設備等等。我們認為，殺手級的智能產品和服務必然是建立在強大的AI技術支撐下的。AI具體應用層應該是以Nest及更為先進的智能產品和服務為代表。我們梳理了當前智能產品和服務產業鏈上主要參與公司，典型的戰略布局分別有：未來的人工智能將致力于通過底層硬件架構的變革來實現。不同于現階段底層對云計算的依賴，硬件模式將直接從芯片層面實現對人工神經網絡的模擬，目標是構建一個硬件大腦。我們認為，這種突破將是下一代計算機科學的發展的重要方向。因為最近10年計算機科學更多關注的技術進步在于信息處理的標的這一層面，可以稱之為“大數據”或者“數據大爆炸”時代。在不遠的未來，數據大爆炸造成的結果是信息處理能力的瓶頸很快達到，因此，未來10年計算機科學的關注點將會轉移到如何突破現階段的計算能力極限，也就是顛覆馮.諾依曼的硬件架構。這個方向可能是AI在硬件設備上的一個終極解決方案，但從目前的技術成熟度上看，這條路徑距離目標還有非常遙遠的距離。目前已經看到的方向大致有以下三種：（2）量子計算。量子計算機是一種使用量子邏輯實現通用計算的設備。普通計算機存儲數據的對象是晶體管電路的狀態，而量子計算用來存儲數據的對象是粒子的量子狀態，它使用量子算法來進行數據操作。量子計算機的優勢在于強大的并行計算速度。現在的計算機畢竟是二進制的，一遇到比較復雜的建模，像準確預測天氣，預測更長時間后的天氣等等，就會很費力費時；而超快量子計算機就能算，算得超快。因為當許多個量子狀態的原子糾纏在一起時，它們又因量子位的“疊加性”，可以同時一起展開“并行計算”，從而使其具備超高速的運算能力。2014年，谷歌公司與科學家聯手研制量子級計算機處理器。