4月22日消息，糖豆廣場舞完成C輪融資，該輪融資由、IDG資本投資。億邦動力網(wǎng)了解到，該輪投資方IDG技術創(chuàng)業(yè)投資基金又稱IDG資本，創(chuàng)始于1992年，在中國進行風險投資活動，是最早進入中國的外資投資基金。在近10年中，IDG資本重點布局企業(yè)服務、互聯(lián)網(wǎng)金融、文化娛樂三個板塊，企業(yè)服務領域從B2B交易市場、大數(shù)據(jù)與云服務、SAAS企業(yè)服務軟件到安全都有涉獵，投出了包括找鋼網(wǎng)、金山云、百分點、AppAnnie、云測、紛享逍客、商湯科技、Everstring、Sensetime、同盾科技、梆梆安全等。

7月5日消息，日前，在由中國計算機學會（CCF）、雷鋒網(wǎng)、香港中文大學（深圳）聯(lián)合舉辦的2018全球人工智能與機器人峰會（CCF-GAIR）上，商湯科技聯(lián)合創(chuàng)始人、香港中文大學-商湯科技聯(lián)合實驗室主任林達華教授，發(fā)表了題為“計算機視覺研究中的新探索”的演講，闡述了計算機視覺未來3~5年的研究方向。林達華指出，人工智能在過去幾年的成功，它不是偶然的，也并不僅僅只是算法發(fā)展的結果，它是很多的因素歷史性地交匯在一起，促成了這波人工智能浪潮。第一個是數(shù)據(jù)，海量數(shù)據(jù)、運用場景數(shù)據(jù)的積累，以及GPU的發(fā)展，計算能力大幅度的躍升，在這個基礎上，算法的進展才帶來了今天人工智能的成功和在眾多應用場景的落地。人工智能不是一個魔術，從某種意義上它就是在龐大的數(shù)據(jù)量、在巨大的計算能力支撐下的性能進步。林達華表示，目前人工智能還處于粗放型發(fā)展階段，準確率不是唯一的方向；人工智能發(fā)展有多方面不同含義，比如效率、成本、質量等等。他還認為，人工智能，其最終目的是要為我們的生活帶來便利，提高我們生活的質量。但是最近幾年人工智能的發(fā)展好像走入了誤區(qū)，人工智能的質量跟準確率是掛鉤的，但其實人工智能是有多個方面不同的含義，不僅僅是質量，它的質量其實是多個方面、多個層次的。以下為林達華教授演講實錄：今天非常榮幸能夠在這里分享港中文-商湯聯(lián)合實驗室過去幾年的工作。首先說明一下我并沒有直接地去參與商湯在商業(yè)領域的運作，所以大家如果要關心商湯什么時候上市，這個問題我是回答不了的。但是我能夠告訴給大家的是，商湯公司不是一天建成的，它今天的成功也不僅僅是三年半的努力，它是建立在它背后這個實驗室18年如一日的原創(chuàng)技術積累。我們今天在這個實驗室所做的事情，它影響的不是商湯今天拿什么東西出去賺取利潤，而是商湯要做一個偉大的科技公司，在未來的3年、5年、10年要向什么地方走。準確率不是唯一的方向目前人工智能還處于粗放型發(fā)展階段在過去的8年時間中，計算機視覺可以說是取得了一個突破性的進展，最重要的在技術上的進展應該是深度學習的引入。在這個領域有一個非常高級別的比賽叫做ImageNet。在2012年之前，這個錯誤率都是比較高的，2012年以后由于深度學習的引入，經(jīng)歷了4年的黃金時期。在這4年的黃金期里面，ImageNet的錯誤率從16%下降到了接近3%。在這里我想問的一個問題是，深度學習確實在這幾年的黃金時期取得了突破性的進展，但是不是說我們到了現(xiàn)在這個水平，計算機視覺的研究已經(jīng)終結了呢？從現(xiàn)在這個水平再往前看3年、5年、10年的時間，我們未來的研究方向應該做什么？這是我們整個實驗室，也包括商湯一直在思考的問題。事實上如果要回答這個問題，我們可以看到，人工智能在過去幾年的成功，它不是偶然的，也并不僅僅只是算法發(fā)展的結果，它是很多的因素歷史性地交匯在一起，促成了這波人工智能浪潮。第一個是數(shù)據(jù)，我們的海量數(shù)據(jù)、運用場景數(shù)據(jù)的積累，以及GPU的發(fā)展，計算能力大幅度的躍升，在這個基礎上，算法的進展才帶來了今天人工智能的成功和在眾多應用場景的落地。所以我在這里希望向大家傳遞的信息是，雖然大家看到人工智能的很多成功的故事，看到了算法方面的巨大進展，但是人工智能不是一個魔術，從某種意義上它就是在龐大的數(shù)據(jù)量、在巨大的計算能力支撐下的性能進步。這其實從某種意義上是一種非常粗放型的發(fā)展，大家都去追逐一個正確率，追求性能的目標。最近幾年中國的公司在國際上所有比賽的榜單上都排到了前三名，但是這是以巨大的工程力量和資源投入為代價的，這種發(fā)展模式是不是可以持續(xù)？這是我們需要思考的問題。回顧深度學習或者人工智能在過去幾年的發(fā)展，我覺得有很多的事情，我們還有很長的路需要走。效率、成本、質量人工智能發(fā)展有多方面不同含義在這里分享幾個方向的思考，第一，是學習的效率，是不是充分地把我們的計算資源使用起來。第二，我們面對巨大的數(shù)據(jù)成本，或者標注成本，如何解決這個困境。最后，就是說我們雖然在榜單上拿到了99.9%的準確率，但是這樣訓練出來的模型是不是真正滿足我們的生活或者社會生產(chǎn)的需要？這些都是我們要把人工智能落地，推向更快、更好發(fā)展需要解決的問題。首先我們講第一個方面，效率。我剛才說過，我們現(xiàn)在基本上是用粗放型的方法發(fā)展，就靠堆積數(shù)據(jù)、堆積計算資源，去獲得很高的性能，是資源的競爭，而不是效率的競賽。但是我們未來要怎么發(fā)展，就需要進一步回顧我們現(xiàn)在的模型和技術的模式，看看還有沒有優(yōu)化的空間。優(yōu)化的原理非常簡單，就是把好鋼用在刀刃上。舉一個具體的例子，我們在幾年前就開始進入了視頻領域，視頻是一個非常需要效率的地方，視頻的數(shù)據(jù)量非常龐大，一秒鐘的視頻就是24幀，一分鐘的視頻就差不多是1500幀，基本上相當于一個中型的數(shù)據(jù)。利用傳統(tǒng)的處理圖像集的方式去處理視頻顯然是不合適的。在2013、2014年的時候大部分的視頻分析方法采取的是比較簡單的方式，每一幀都拿出來跑一個卷積網(wǎng)絡，最后把它集成綜合到一起進行判斷。雖然說過去幾年計算資源發(fā)展非?？欤荊PU的顯存還是有限的，如果每一層都放到CNN去跑，GPU顯存只能容納10幀到20幀左右，一秒鐘的視頻就把GPU充滿了，是沒辦法對長時間的視頻進行分析的，這是一種非常低效的模式。我們知道視頻相鄰幀之間是非常相似的，這一幀跑一次，下一幀再跑一次，大量的計算浪費掉。我們看到了這個重復計算的低效，我們把這個采樣方法重新進行了改變，改用了稀疏采樣，無論多長的視頻進來，我都劃分成等長的段落，每一段只取一幀或幾幀出來，這樣我就能對視頻有一個完整的時間范圍覆蓋，自然分析出來的結果也會有比較高的可靠性和準確性。憑借這個網(wǎng)絡，我們拿到2016年ActivityNet的冠軍，現(xiàn)在很多實際中使用的長視頻分析架構，都已經(jīng)采用了這種稀疏采樣的想法。在這之后我們進一步拓展我們的研究領域，不僅僅是做這個視頻理解，我們還進一步做在視頻里面的物體的檢測。這也帶來一個新的困難，之前做分類識別，我們可以分段，每一段拿出來會獲得一個大體上的理解。但是物體檢測沒辦法這么做，每一幀都需要把物體的位置輸出出來，在時間上是不能稀疏的。這一頁slide顯示了我們在2016年ImageNet比賽視頻物體檢測項目取得冠軍的網(wǎng)絡，具體細節(jié)我不說了，基本上就是把每一幀的特征拿出來，判斷它的類型是什么，對物體框的位置做出調整，然后把它串起來。這里面需要每一幀都要處理，當時最厲害的GPU每秒鐘只能處理幾幀，需要大量的GPU才能把這個網(wǎng)絡訓練出來。我們希望把這樣一個技術用在實際場景，希望得到一個實時性的物體檢測的框架，要是我們每一幀都是按剛才的方法處理，需要140毫秒，是完全沒有辦法做到實時，但是如果稀疏地去采，比如說每20幀采一次，中間的幀怎么辦呢？大家可能想到用插值的方法把它插出來，但是我們發(fā)現(xiàn)這個方法對準確度影響很大，隔10幀采一次，中間的準確度差距很大。在新提出的方法里，我們利用幀與幀之間相互的關系，通過一個代價小得多的網(wǎng)絡模塊，只需要花5毫秒，在幀與幀之間傳遞信息，就能很好地保持了檢測精度。這樣我們重新改變了做視頻分析的路徑之后，整體的代價就得到了大幅度的下降。這里面沒有什么新鮮的東西，網(wǎng)絡都是那些網(wǎng)絡，只是說我們重新去規(guī)劃了視頻分析的計算路徑，重新設計了整個框架。大家可以看看結果。上面是7毫秒逐幀處理的，我們2016年比賽就是用的這個網(wǎng)絡，后面我們經(jīng)過改進之后，超過62幀每秒，而且它的結果更加可靠、更加平滑，因為它使用了多幀之間的關聯(lián)。同樣我們商湯在做自動駕駛，需要對駕駛過程中的場景自動地進行理解和語義分割，這也是一個非常成熟的領域。但大家的關注點一直沒到點子上，大家關注的是分割的準確率，像素級的準確率，這是沒有意義的。我們真正在做自動駕駛，關心的是人在你車前的時候，你有多快的速度判斷出有個人在那里，然后做出一個非常緊急的處理。所以在自動駕駛的場景，判斷的效率、判斷的速度是非常重要的。之前的方法處理每一幀要100多毫秒，如果真有一個人出現(xiàn)在車前面，一個緊急情況發(fā)生在前面的話，是來不及做出反應的。利用剛才所說的方法，我們重新改造了一個模型，充分地使用了幀與幀之間的聯(lián)系，我們可以把每一幀處理的效能從600毫秒降低到60毫秒，大幅度地提高了這個技術對于突發(fā)情景響應的速度。這里面其實也是使用了剛才類似的方法，技術細節(jié)就不說了。其次，我們講第二個方面，成本。剛才是說效率上我們怎么可以提高，接下來是數(shù)據(jù)成本。我們經(jīng)常開玩笑說，人工智能是先有人工再有智能，有多少人工就有多少智能。所以今天我們有人工智能的繁榮，我們不應該忘記在背后有成千上萬像這樣的人在背后默默地奉獻，這就是我們數(shù)據(jù)的標注員。一些大的公司，有上萬人的標注團隊，這對人工智能發(fā)展來說也是一個巨大的成本。怎么樣把這個成本降低下來？這也是我們每天都在思考的事情。既然有很多東西我們沒辦法用人去標注的話，我們是不是可以換一個思路，從數(shù)據(jù)、場景里面去尋求本身就蘊涵的一些標注信息？這是我們去年的一個工作，也是發(fā)表在CVPR上，這里面我們嘗試一種全新的方式去學習，我們圖片的標注成本非常高，每張圖片不僅要標注出來，還要把框框出來，以前我們要識別動物，要人工標很多動物，但是以前我們小時候學習動物，不是說老師給我一個圖片，給我一個有框的東西去學的，我們是看《動物世界》去學的，這個方式就促使我們想到一個方法，我們能不能看《動物世界》，把所有的動物找到。這里面有一個天然的聯(lián)系，紀錄片上有字幕，字幕上有文字，可以把它和視覺上的場景連接在一起，是不是可以自動學出來，為了這一點，我們設計了框架，把它的信息幾何方面的聯(lián)系，以及視覺跟文本之間的聯(lián)系建立起來，最后我們得到了一個這樣的結果。這是我們在沒有任何人工干預的情況下獲得的幾十種動物的非常精確的識別，沒有任何的標注，就是看《動物世界》，看《國家地理》雜志。除此之外，我們現(xiàn)在做人臉識別，有大量的人臉數(shù)據(jù)要標注，這里面有一些天然的數(shù)據(jù)就是我們的家庭相冊里面有很多人，這些相冊雖然沒有標注，但是里面蘊涵了很多信息。這是經(jīng)典電影《泰坦尼克》的一個鏡頭，如果大家只是看人臉很難看出這上面兩個人是誰，但是我們往下走可以看到右邊是Rose，但是左邊這個穿西裝的還是看不清楚是誰，這時候如果我們把這個電影背后的場景識別出來，你會發(fā)現(xiàn)Jack和Rose經(jīng)常出現(xiàn)在同一個場景里，這時候基于這種社交互動的信息，我們可以自動判斷這個穿黑衣服的男生可能是Jack。我們通過人臉不經(jīng)過標注的情況下，就提供了大量的有意義的數(shù)據(jù)。在這項新工作中，我們還有效地利用了時間上的關聯(lián)，一個人從街道這邊走到那邊，人臉的樣子會發(fā)生很大的變化，我們還是可以判斷是同一個人。最后，是關于質量。我們說人工智能，它其實最終目的是要為我們的生活帶來便利，提高我們生活的質量。但是我們最近幾年人工智能的發(fā)展好像走入了誤區(qū)，認為人工智能的質量跟準確率是掛鉤的，但其實我們覺得人工智能是有多個方面不同的含義，不僅僅是質量，它的質量其實是多個方面、多個層次的。給大家看幾個例子，這是最近幾年特別火的一個研究領域，就是給一張照片看圖說話，讓計算機自動生成一個描述，這是用我們最新的方法得到的結果，大家可以看一下。大家可以看到三張不同的圖放出來，我們用最好的這種模型，它會說同一句話，而且這句話在標準的測試上分數(shù)都非常高，是沒有任何問題的，但我們放在一起看的時候發(fā)現(xiàn)人不是這樣說話的，我們描述一張圖片的時候，即使同一張圖片，不同的人都會說不同的東西。這就是我們在追求識別的時候忽略掉的另外的品質，包括它的自然性和它的特性。為了解決這個問題，我們在去年另外一個工作上提出了一個新的方法，它不再把這個內容看成一個翻譯問題，它把它看成一個從概率分布中采樣的問題，它承認多樣性，每個人看到一張圖片會說不同的話，我們希望把這個采樣過程學習出來。關于這個模型具體的細節(jié)，大家可以看相關的論文。這里可以看到這個結果，同樣的三張圖，我們可以看到它出來了三句更加生動的，能夠很好地描述這個圖里特征的語句。最后我們把這個工作再往前推進了一下，我們既然能夠生成一句話，我們也就能生成一段動作。這是我們最近做的，我們在想，我們既然能夠生成很生動的一句話，我們是不是能生成一個很生動的舞蹈。第一步我們先生成一些簡單的動作，大家在這里看到的所有這些都是計算機自己生成出來的，不是我們寫個程序把它描述出來的。這個更精彩一點，也是純計算機自動生成。對剛才的分享，我再總結一下，在過去幾年，我們看到人工智能也好，深度學習也好，有一個非常突飛猛進的發(fā)展，這種發(fā)展是體現(xiàn)在標準數(shù)據(jù)集上準確率的提升，體現(xiàn)在很多商用場景的落地。但是我們回過頭來看這一段發(fā)展的歷程，我們可以看到其實我們在朝著GDP、準確率高歌猛進的過程中，其實遺忘了很多東西，我們的效率是不是足夠高，我們是不是在透支數(shù)據(jù)標注的成本，我們訓練出來的模型是不是真正能夠滿足現(xiàn)實生活中對品質的要求，從這些角度來看，我覺得我們也剛剛在起步。雖然我們實驗室還有世界上其它很多實驗室的探索取得了一些重要的進展，但是我們還僅僅是處在一個起步的階段，在我們的前面還有很長的路要走，希望跟大家共勉。

2月28日消息，今日，人工智能平臺公司商湯科技與美國麻省理工學院（以下簡稱MIT）宣布成立人工智能聯(lián)盟，共同探索人類與機器智能的未來。該聯(lián)盟將致力于全方位人工智能原創(chuàng)技術研發(fā)，涉及領域包括計算機視覺、腦科學智能算法、醫(yī)療圖像、機器人等，將全力推動人工智能技術突破以應對更多全球性挑戰(zhàn)，并將有力支持MIT在人工智能領域進行最前沿跨學科探索研究。據(jù)悉，是全球首家參與MIT最近成立的IntelligenceQuest（以下簡稱IQ）項目的公司。IQ項目覆蓋包括材料設計、金融、早期疾病診斷等在內的多個領域。商湯科技創(chuàng)始人、香港中文大學信息工程系教授湯曉鷗表示：“作為MIT校友，我很高興能與母校合作，共同促進人工智能的研究，這是我畢生從事的事業(yè)。商湯科技致力于在計算機視覺和深度學習領域原創(chuàng)技術研發(fā)。MIT－商湯科技人工智能聯(lián)盟成立后，我們將匯聚全球最優(yōu)秀的頂尖人才，進一步推動人工智能技術的發(fā)展，造福社會。”了解到，商湯科技是一家專注于計算機視覺、深度學習技術的人工智能公司。該公司成立于2014年，在人臉識別、圖像識別、視頻分析、無人駕駛等方面都有技術突破，業(yè)務范圍覆蓋安防、金融、智能手機、機器人和汽車等行業(yè)。商湯科技自主研發(fā)了深度學習平臺并在多個行業(yè)落地應用。目前，商湯科技正在大力開發(fā)自動駕駛、智能醫(yī)療和深度學習硬件優(yōu)化技術。此外，商湯科技還在持續(xù)加強技術平臺發(fā)展，開創(chuàng)更多應用場景，搭建人工智能商業(yè)生態(tài)體系。

1月21日消息，在2018極客公園創(chuàng)新大會上，商湯科技聯(lián)合創(chuàng)始人&CEO徐立發(fā)表了關于《站在機器和人之間，科學家應該做什么？》的演講，徐立在會上稱，科學向左，產(chǎn)業(yè)向右卻可因同樣的“引力”而交匯。首先是，雙輪驅動，技術核心的突破。在這個基礎上，理論研究非常重要但是并不一定能應用到產(chǎn)業(yè)中。反過來科學是跳躍式發(fā)展的。徐立在會場稱，商湯關注的是人工智能中的視覺，擁有科學家基因的商湯，在這個領域應該做些什么呢？或者說AI技術應用趨勢是什么呢？第一，拓展感知新疆界，打開應用新空間。其中又可分為，邁進非可見光智能處理，近紅外人臉驗證與真人檢測、遙感影像智能解譯等，以及打開3D視覺世界、真人驗證、3D人臉重建、移動端AR/VR等。第二，目前基礎理論待突破，通用智能可期待。科學家要做的是，能做到多模態(tài)/多任務學習，弱監(jiān)督/無監(jiān)督學習、遷移學習/小樣本學習以及強化學習等。第三，協(xié)同AI云+端，共建AI全生態(tài)。第四，多場景多維聯(lián)動，全棧式創(chuàng)新能力。從整體而言，政策加溫，資本增壓以及資源齊備是推動AI發(fā)展不可或缺的動力。而從產(chǎn)品方面來講，AI的應用主要體現(xiàn)在哪些方面呢？一、技術產(chǎn)品化，更加精準的識別產(chǎn)品以及更加靈活的智慧芯片二、落地規(guī)模化，定向賦能以及通用落地；三、場景多元化，AI將從公共服務、社會管理以及個人應用方面影響人類的生活。技術的場景多元化也是AI的一個落地。徐立表明，AI落地是場耐力賽，科學與產(chǎn)業(yè)都正奔向同一個終點，讓AI為人類文明帶來進步。據(jù)了解，2017年商湯獲兩輪融資，目前估值超過20億美金。

11月1日消息，日前，商湯科技聯(lián)合創(chuàng)始人、副總裁徐冰在中國光大集團旗下的光大控股在香港舉辦投資年會上透露，繼今年7月完成4.1億美元B輪融資后，商湯科技已啟動C輪融資，新一輪融資計劃于今年12月完成。他表示，視覺AI技術有著極為廣闊的應用前景，隨著大量資本的不斷涌入，一方面將大大加快中國在視覺AI技術領域的研發(fā)進程，另一方面，更能加速視覺AI技術在智慧城市、無人駕駛、醫(yī)療影像等前沿領域的規(guī)?；虡I(yè)落地，從而進一步推動和提升中國在全球AI領域的影響力。商湯科技是中國新銳人工智能公司，專注于計算機視覺和深度學習。商湯科技在今年7月宣布完成4.1億美元B輪融資，創(chuàng)下當時全球人工智能領域單輪融資最高紀錄。近期，商湯科技牽手國際芯片巨頭美國高通公司，打造”算法+芯片”的移動AI；并簽約華為、海航等戰(zhàn)略合作伙伴，共同推動人工智能在各行業(yè)的應用和落地。此外，商湯科技還專注于多個垂直領域包括安防、金融、智能手機、移動互聯(lián)網(wǎng)、汽車等各個行業(yè)，已成為中國頂級人工智能算法供應商之一。

“我大概只聽懂不到30%，感覺就是不明覺厲，所以是很厲害，”在今日由清華經(jīng)管學院舉辦的“科技·驅動成長”論壇上，騰訊董事局主席兼CEO馬化騰在開始自己的演講前說道。在幾分鐘之前，他正坐在臺下聽諾貝爾化學獎得主BrainK.Kobika講解他的研究成果以及未來的應用。對，就是因為下面這張圖引發(fā)的一系列探討。諾貝爾化學獎得主BrainK.Kobika在講他的學術成就Brain教授的研究確實讓人不容易理解，而他的演講不由的帶我們對一些前沿研究產(chǎn)生了很大的好奇。值得一提的是，Brain除了是一名諾貝爾獲獎者外，他還創(chuàng)辦了自己的公司。他的這種雙重身份，在國外的學術和科技領域是非常常見的。而物理學家張首晟教授的身份也非常多元，他同時也是投資人并創(chuàng)辦有自己的企業(yè)。馬化騰講道，前段時間曾祝賀張首晟教授發(fā)現(xiàn)了“天使粒子”。而且他還發(fā)現(xiàn)，張教授在朋友圈直播了美國的日全食并非常有興趣的講解了日全食原理。對此，馬化騰調侃道，“不想成為科學家的投資人不是一個好的企業(yè)家”。馬化騰坦言，自己也曾有成為科學家的夢想，但是這個夢想沒有實現(xiàn)。不過，騰訊通過與清華大學和北京大學的合作，在用另一種方式探討和研究科學技術。在他看來，斯坦福大學是創(chuàng)新的源泉，商業(yè)和科技方面做到了完美的結合，這都是值得中國學習的。未來，中國應該在產(chǎn)學研方面做出更多的努力。對于騰訊來說，公司怎么看商業(yè)與科技的結合呢？馬化騰表示，過去幾年發(fā)生了很大的變化。以前全球市值前10的公司，大部分都是金融和能源公司。如今，前10大公司中，有7家是科技公司。就在這一兩年內，發(fā)生了翻天覆地的變化，而且騰訊和阿里也有幸進入了Top10。這種變化確實會給人一些觸動。他說道，聽說高盛這家投資銀行也開始說自己是科技公司，說他們超過1/3的員工是研發(fā)人員，而且其研發(fā)人員已經(jīng)超過Facebook（待求證）。他對此調侃道，投資銀行都如此努力，所以騰訊更沒有什么理由推脫的了。所以說，科技已經(jīng)融入到人們生活的方方面面。在數(shù)字化和智能化的這波浪潮中，騰訊可以做什么呢？騰訊以前在社交、通訊、金融、數(shù)字內容方面有所積累，未來公司可以從AI、云和大數(shù)據(jù)這三大基礎方面出發(fā)與產(chǎn)業(yè)界和學界合作。馬化騰認為，未來所有的企業(yè)都會在云端處理大數(shù)據(jù)，這基本會是一個很普遍的模式。很多企業(yè)不愿意將數(shù)據(jù)放在外網(wǎng)，但這種狹隘的思想已經(jīng)過時了。就好像以前大家都不愿意接入電網(wǎng)，而是自己在家建一個發(fā)電廠。這是絕對不可能的。過去用電量是衡量一個社會的發(fā)展程度的指標，未來這個衡量指標將是用云量。除了在這幾方面的探索外，馬化騰還談到了公司的CXO網(wǎng)大為，他目前所看的產(chǎn)品和投資的方向都不是騰訊當下在做的事，包括太空、阿根廷的衛(wèi)星公司、醫(yī)療、基因等。騰訊在關注科技的方方面面，當然騰訊還投資了特斯拉5%的股權。對此很多人都看不懂，但馬化騰認為，特斯拉象征著未來科技發(fā)展的方向，而且還會涌現(xiàn)很多源源不斷的黑科技，這樣做騰訊會更接近未來科技。騰訊緊追各種科技，從近幾年公司的頻繁投資便可知一二。不過，這種四處撒網(wǎng)以及站隊式的投資卻讓商湯科技創(chuàng)始人湯曉鷗有一點不滿。當著馬化騰的面，他坦言這使得創(chuàng)業(yè)公司的發(fā)展頗為艱難。對此，馬化騰表示，騰訊最近幾年已經(jīng)開始做出改變，比如建立開放平臺、眾創(chuàng)空間等。而且做大公司也有大公司的煩惱，也會被排斥。比如因為一些原因，騰訊不能投資張首晟的基金。另外，如今微信支付和支付寶已經(jīng)遍及大街小巷，其實騰訊并不排斥另一家，但另一家并不是這樣想的。馬化騰還表示，騰訊目前遵循”半條命“戰(zhàn)略，另外半條命交給合作伙伴。在騰訊內部，目前公司很多業(yè)務都不做，而是發(fā)揮核心優(yōu)勢；而且騰訊的投資可以只占小部分股份，不必要非得控股。他還坦承，目前的狀況不完美，但是公司有時候也沒辦法。

“在2014、2015年，如果你不提移動互聯(lián)網(wǎng)，顯得你特別low；2015年如果你不談O2O，好像都不好意思去創(chuàng)投的所有場合；從2016年底到2017年初，如果你說話時口里不帶著大數(shù)據(jù)，顯得你多少有點不合群；2017年上半年，很多人連AI是什么都不知道，嘴里就掛著這個詞到處講?！鲍C聘網(wǎng)CEO戴科彬對互聯(lián)網(wǎng)風口的捕捉，無疑說中了這個時代的脈搏：人工智能，當紅炸子雞。有統(tǒng)計數(shù)據(jù)顯示，2012-2016年，全球人工智能企業(yè)新增5154家，是此前12年的1.75倍；融資規(guī)模達224億美元，僅2016年的融資規(guī)模就達到92.2億美元，是2012年的5.87倍。具體到中國市場，2016年涉及人工智能的企業(yè)就超過1477家，一年融資27.6億美元。進入2017年，這種勢頭有增無減，全球人工智能企業(yè)融資事件已發(fā)生62次，已完成的融資額比去年多了一倍，全年資產(chǎn)流入量將有望突破700億元。不久前，人工智能初創(chuàng)公司商湯科技B輪融資就拿到4.1億美元，創(chuàng)下了全球人工智能領域單輪融資的最高紀錄。融錢，是為了花錢，資本在人工智能領域高速運轉。在中國，喊出人工智能轉型的巨頭不在少數(shù)，百度是最激進的一個。百度CEO李彥宏對AI的態(tài)度是“allin”。多業(yè)務線的百度員工透露，自從百度宣布了AI戰(zhàn)略轉型后，各類人才及技術資源都有一定的偏向，往AI方面靠攏。在移動互聯(lián)網(wǎng)時代同樣掙扎了多年的聯(lián)想，也開始打造人工智能概念。聯(lián)想集團董事長兼CEO楊元慶透露，聯(lián)想將在未來三年向人工智能、物聯(lián)網(wǎng)和大數(shù)據(jù)方面投入超過12億美元。“我們已經(jīng)看到，而且已經(jīng)非常明確，AI是信息產(chǎn)業(yè)的未來，我們必須全力以赴，賭上身家性命?！睂τ谶@次轉型，楊元慶表現(xiàn)出很大的決心，“如果不是脫了幾層皮的轉型，那就不叫轉型。聯(lián)想最近的財報可能不是很好，如果不是我們堅持投資三波戰(zhàn)略，原本可以交出漂亮的成績單。但是為了變革我們沒有猶豫。”楊元慶說。聯(lián)想拿出三年12億美元，而百度可能已經(jīng)花的更多。李彥宏今年3月介紹，百度在過去五六年一直保持對人工智能的巨大投入，在研發(fā)上的投入達200億元?！霸谥袊灏購娖髽I(yè)當中，我們論收入肯定不是排在第一的，但是論研發(fā)占收入的比例，絕對是第一。而這個研發(fā)的投入，應該說絕大多數(shù)都已經(jīng)投入到人工智能上了”，他說。根據(jù)2017年二季度財報，百度季度研發(fā)支出為人民幣31.48億元（約4.64億美元），同比增長27.7%。對比過去五六年200億元，意味著百度在進一步加大投入。在語音交互深耕多年的科大訊飛，體量沒有巨大，但架勢不遑多讓。該公司2017年上半年財報顯示，營收增長43.79%，毛利增長46.99%，但凈利潤卻下降58.11%。導致這一悖論的主要原因就是在人工智能重點應用領域持續(xù)加大核心技術研發(fā)、渠道建設和產(chǎn)業(yè)布局，費用增幅較大。比如，人工智能核心技術及應用研發(fā)，對應產(chǎn)生的研發(fā)費用化支出及資本化攤銷3.58億元，同比增長63.75%。人工智能仍然是個燒錢的市場，云從科技創(chuàng)始人周曦透露，對于廣義的人工智能來講，大部分企業(yè)還沒有盈利。今天的人工智能就像1998年、1999年的互聯(lián)網(wǎng)一樣，一定是要先燒幾年錢，但大方向是對的。不掙錢，還得加把勁花錢，有個更生動的表現(xiàn)就是人工智能人才價格的水漲船高。有業(yè)內人士透露了人工智能領域的大概薪資：職位最低的工程師年薪在30萬-50萬元，商業(yè)公司中的研究員則在50萬-100萬元之間，項目主管或CTO則大多會年薪80萬元以上上不封頂，普遍在150萬元左右。甚至于，剛剛獲得10億元投資，終于挺過生死邊緣的手機廠商錘子科技，未來也將把更多精力投身人工智能市場。