2018AI和机器学习界的12个重大收购案

640?wx_fmt=jpeg

来源:网络大数据


据IDC声称,到2018年,全球人工智能(AI)和认知系统支出将达到190亿美元,这比2017年的支出总额增加约54%。并购在不断发生。仅2017年就见证了几起大宗收购,比如雅虎被Verizon收购、苹果收购Shazam等。知名咨询公司德勤预测,技术收购在2018年将加快并购步伐。


众所周知,AI正在为从医疗保健到旅行的各行各业创造新机遇。因此,全世界的公司都在通过并购寻求这样的机会:为消费者提供大大改进的产品或服务。


让我们看看AI领域最近的几起重大并购案


1.微软收购GitHub


GitHub已被微软以75亿美元收购。工程师们多少惊呆了,某种程度上还很困惑。 Xamarin的前首席执行官Nat Friedman现将担任GitHub的CEO职位。这笔收购的整份协议将在2018年底完成,具体受监管审计和标准成交条件的制约。


2.Oracle收购DataFox


DataFox是一家总部位于旧金山的初创公司,通过部署在基于云的AI软件上的数据引擎分析大量数据,从而对企业做出预测。Oracle云应用软件将集成到DataFox中,进一步添加AI推断的公司级数据和信息,将帮助客户做出更好的决策,因而获得更好的业务成效。


3.微软收购Semantic Machines


微软在2018年5月收购了Semantic Machines。微软计划另外探究对话式AI,将利用该初创公司熟练运用的机器学习技术,让客户能够以更自然的方式与数据进行协作。微软旨在部署这种对话式AI,以增强其智能助手Cortona。


4.谷歌收购Velostrata


Velostrata是一家总部位于以色列的初创公司,谷歌未披露收购金额。Velostrata涉足企业云服务,它帮助企业将数据迁移到云。Velostrata将加入谷歌在特拉维夫办事处的云团队。 谷歌云的工程副总裁Eyal Manor强调,这次收购将补充其广泛的迁移产品组合,帮助公司企业迁移到云端。


5.英特尔收购Vertex.AI


Vertex.AI开发了名为PlaidML的开源深度学习引擎,可以帮助开发人员将AI部署到各种设备上。Vertex.AI现在将成为英特尔人工智能产品事业部的一部分,该事业部成立于2017年,旨在由一个单独的部门统一负责AI方面的工作。PlaidML将与英特尔nGraph后端整合起来。


6.Salesforce收购Datorama


Datorama是一家总部位于以色列的公司,为企业提供AI驱动的营销分析和情报数据。 Datorama的客户包括百事可乐和Ticketmaster等,使用数据分析工具来改善营销活动。通过这次收购,Salesforce的营销云功能将得到加强。


7.亚马逊收购Ring


Ring是一家智能门铃公司,已被亚马逊斥资逾10亿美元收购。Ring的主业是生产门铃。它还可以录制实时视频并发送到客户的手机。Ring迄今已筹集了2.09亿美元的资金。


8.微软收购Lobe


这是微软在2018年进行的第三次AI收购之一,收购Lobe的金额未透露。Lobe来自硅谷,基本上开发一款可视化工具,开发人员可以搭建和训练它,然后将深度学习软件嵌入到应用程序中,无需编写任何代码。该公司的几位创始人旨在将Lobe打造成一项独立服务,支持开源指南和各种平台。他们将利用微软的全球框架、经验和AI研究,为开发人员构建工具。微软计划通过此次收购,让机器学习更普及。


9.思科收购BroadSoft


BroadSoft创办于马里兰州,已被思科以190万美元收购。BroadSoft涉足基于云的呼叫和联络中心解决方案。BroadSoft早在2010年上市了。思科将把该技术用于其硬件、会议、呼叫和服务等系列。


10.微软收购Bonsai


继收购Semantic Machines之后,微软又收购了一家AI初创公司。Bonsai总部位于加州,打造了一个广泛适用、意义重大的强化学习框架,供企业与现代控制框架(比如机械技术和机器人)结合使用。该框架旨在让任何设计人员都能够访问AI系统,对于他们的技能水平没多少要求。据Bonsai首席执行官Mark Hammon声称,该框架将影响微软的一部分Azure AI服务。


11.谷歌收购Kaggle和Halli Labs


谷歌势不可挡,因为它收购了最受欢迎的数据科学平台Kaggle和Halli Labs。Kaggle是一个大名鼎鼎的平台,供数据科学界讨论问题、最佳实践并参与测验,其中一些测验由大公司发布,提供七位数的奖金。谷歌希望能够利用这个平台的资源。Halli Labs的总部位于班加罗尔,致力于机器学习和深度学习系统,以解决所谓的“老问题”。


12.Oracle收购Datascience.com


数据科学被称为21世纪最好的工作,因此数据科学公司在不断被收购。Oracle在这个领域的一个手笔是收购Datascience.com。这个平台将数据科学设备、框架和活动整合在一个完全受到监管的工作环境中。据Oracle云平台的副总裁Amit Zaveri声称,该平台将使客户能够利用单一数据科学平台,利用海量信息和机器学习,进行前瞻性学习,并获得更好的业务成果。


这些只是AI界的其中几笔大宗收购。自2017年以来,AI界见证了多起并购,比如PayPal收购iZettle、Workday收购Stories.bi、ServiceNow收购Parlo和VendorHawk等。AI天生在不断进化,知名公司收购AI初创公司以夯实现有产品和服务,旨在为客户提供经过改进的解决方案。不过未来几年会出现更多的此类并购。


原文标题:MAJOR AI AND MACHINE LEARNING ACQUISITIONS OF 2018,

作者:Priya Dialani


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493738.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PCA对特征点描述子降维

降维在机器学习领域其实是很重要的一部分,因为在高维情形下回出现样本稀疏,计算距离、内积困难,是所有机器学习面临的共同问题,被称为维数灾难(Curse of dimensionality),而降维就是解决的一个办…

C语言基础知识整理

一、 关于sizeof和strlen。Sizeof()用于计算某类型或者某变量在内存中所占空间。比如整数分为short型,int型,long整型,分别占2,2/4,4个字节,int型具体占用几个字节和编译系统有关。我们输入字符串时通常用c…

【2017-2019】Gartner战略技术趋势一览

来源:学术plus 、装备参考近期,Gartner公布了2019年十大战略技术趋势的预测,值此之际,本文总结回顾并简要分析了2017-2019三年的战略趋势变化。Gartner副总裁兼研究员David Cearley指出:在智能、数字、网格三大领域下的…

目标检测必看——RCNN是怎样融合了分类与回归,CNN与SVM

人和动物的区别之一是人能使用工具,而在人开始使用磨制石器时人类进入新石器时代。在目标检测领域,也有一个划时代的算法,在它之后目标检测开始进入深度学习的时代——它就是今天的主角:R-CNN。在RCNN之后,出现了更多优…

《自然》杂志:面对“电车难题”,不同国家的人有不同的道德选择

来源:36Kr电车难题原本只是一个思想实验。但是无人车的发展却绕不开这个问题。因为机器在无论如何都会撞死人的情况下必须靠预先植入的道德代码做出判断:该牺牲谁,该保谁。但是一项有全球230万人参与的调查表明:这个问题并不存在普…

Mac OS X Terminal 101:终端使用初级教程

文章目录1 为什么要使用命令行/如何开启命令行?2 初识Command Line3 关于 man 命令4 命令行,文件和路径 4.1 两种路径:绝对路径和相对路径4.2 切换到其他路径和目录4.3 处理特殊字符4.4 查看隐藏文件4.5 前往其他卷5 用Command-Line管理文件 …

Fast R-CNN整体把握

RCNN很好地解决了目标检测分类和定位的问题。但是缺点是速度太慢。 原因1:2k个候选区域都要经过变形成统一的正方形才能依次输入CNN进行特征提取。候选区域可能是互相包含的,这就导致原图同一个区域特征的重复提取。 原因2:RCNN的分类和回归…

2万字看完腾讯最纯粹的一届WE大会:从黑洞、虫洞到克隆猴

来源:虎嗅APP腾讯还有梦想,因为腾讯还有WE大会。5年来,腾讯从全世界邀请了几十位难得一见的科学家不远万里来到北京展览馆,比如去年邀请的剑桥大学教授、著名宇宙学家霍金(视频演讲),不想成为绝…

Fater R-CNN 整体把握

在R-CNN中提到过,候选区域的提取和之后的目标检测其实是独立的,所以我们可以使用任意的算法如SS。Fast-RCNN改进的是目标检测部分,但是其实候选区域的提取也挺费时的,Faster R-CNN就把改进方向放在了这里。 我们已经领略到了CNN的…

马斯克,特斯拉首席小白鼠

来源:量子位伊隆马斯克,比你想的还要激进。作为特斯拉CEO,马斯克经常一边自己坐在Model S上,一边召开电话会议。车辆的驾驶交给Autopilot,也就是那个时不时会出次意外的自动驾驶系统。他这么做不仅仅是想节约时间&…

windows下caffe+CPUOnly实现MNIST手写分类

工具下载 微软官方移植的Caffe&#xff1a;https://github.com/Microsoft/caffe 对属性表的操作需要把实例属性表的后缀改成vs可用的.props 打开同一个文件夹下的Caffe.sln&#xff0c;查看其中的属性表<CpuOnlyBuild>true</CpuOnlyBuild><UseCuDNN>false<…

Yann LeCun专访:我不觉得自己有天分,但是我一直往聪明人堆里钻

来源&#xff1a;AI 科技评论摘要&#xff1a;纽约大学教授、Facebook 副总裁与首席 AI 科学家 Yann LeCun 由于对深度学习的突出贡献&#xff0c;被誉为深度学习的「三驾马车」之一&#xff0c;更被称为「CNN」之父。Yann LeCun 也一直非常活跃&#xff0c;发论文、教学、创立…

任务分配调整

在经过新一轮分工讨论后&#xff0c;我们将我们最初的分工做了一次更新。截图于此。但是同样&#xff0c;基于敏捷开发的原则&#xff0c;任务将会在过程中为适应遇到的情况而不断更新。 请大家及时完成各自任务&#xff0c;并每天22点之前在tfs上更新完毕&#xff0c;同时将当…

以LeNet-5为例理解CNN

在用caffe实现对MNIST手写数字分类的过程中发现利用的网络是LetNet-5.决定从这个网络入手好好认识一下CNN。 LeNet-5早在1998年就出现了&#xff08;5表示5层模型&#xff09;&#xff0c;标志着CNN的诞生。以其作者YannLeCun的名字命名。但是却没有得到广泛的应用&#xff0c;…

任正非最新谈话:直到2006年,我才真正抛弃自杀的念头

来源&#xff1a;世界科技创新论坛摘要&#xff1a;日前&#xff0c;一份任正非会见索尼CEO吉田宪一郎会谈纪要流出&#xff0c;这份纪要以吉田宪一郎发问任正非的视角&#xff0c;揭开了不少华为鲜为人知的故事&#xff0c;其中涉及华为的管理、创业之初的故事&#xff0c;还有…

前沿 | 历时十二年!曼彻斯特百万级神经元的类脑超算终开启

具有百万处理器内核的「脉冲神经网络架构」或 SpiNNaker&#xff0c;每秒能完成约 200 兆次运算。来源&#xff1a;机器之心摘要&#xff1a;这台世界最大的神经形态超级计算机由曼彻斯特大学计算机科学学院设计和制造&#xff0c;它被设计和制造成与人脑相同的工作方式&#x…

Caffe中的卷积实现

https://www.zhihu.com/question/28385679 https://github.com/Yangqing/caffe/wiki/Convolution-in-Caffe:-a-memo 作者贾扬清亲自解释了这个问题。Caffe框架是他在研究生毕业毕业前两个月的时间写的&#xff0c;自然有一些缺点&#xff08;占用内存方面&#xff09;。其实卷积…

小程序创业:新金矿、野望与焦虑

来源&#xff1a;视觉中国摘要&#xff1a;小程序正在带来新的红利&#xff0c;互联网上的生意可以再做一遍&#xff1f;张远想要尽可能地保持低调&#xff0c;但现在这个愿望正在变得越来越难。在最近几个月阿拉丁小程序排行榜上&#xff0c;糖豆广场舞、糖豆爱生活、糖豆每日…

网络编程套接字socket

哈哈哈&#xff0c;之前的保存成草稿忘了发 目录 一 . 先回顾一下网络初始中的相关概念&#xff1a; 1.网络通信&#xff1a; 2.局域网&#xff1a; 3.广域网&#xff1a; 4.IP地址&#xff1a; 5.端口&#xff1a; 概念 格式 6.协议&#xff1a; 7.五元组&#xff1a; 8.分层…

增长率高达40%!物联网平台如何拉动产业马车飞速狂奔

来源&#xff1a; 联动原素、安信通信研究、IoT Analytics物联网智库 整理发布物联网的低准入门槛造就了这个内容庞大的产业生态&#xff0c;致使更多的企业融入进来。伴随物联网大规模发展&#xff0c;物联网平台在其中的作用越加凸显&#xff0c;新一轮资本涌入、技术开发、业…