挑战者联盟!谁会成为最赚钱的人工智能公司

640?wx_fmt=png

来源: 网易智能

摘要:每一波重大科技浪潮都会产生为数不多的价值几百亿乃至数千亿美元的极具价值的公司,而当一项重大的新技术出现时,通常都很难预测谁将成为最大的赢家。


纵观科技行业的历史,大多数科技浪潮的价值和收入往往向两类公司倾斜:生产底层系统或半导体的公司,以及制造终端用户软件或应用程序的公司。


举例来说,在PC时代,制造半导体的英特尔和创造Office等垂直应用程序的微软毫无疑问是最有价值、最赚钱的赢家,半导体是计算机芯片,垂直应用程序是为定制化用途而设计的软件。


在移动时代,高通和ARM从半导体和硬件领域获益,Uber、WhatsApp和Instagram等垂直应用程序的价值也达到了上百亿美元。其它催生大型半导体公司的科技浪潮包括网络化和游戏,分别对应博通和英伟达。


01

挑战原有的主导者


一股新的科技浪潮正在席卷世界——它叫做机器学习和人工智能(AI)。这种新技术可能会类似于过往的科技浪潮:市场上的赢家也将包括半导体公司和终端用户垂直应用公司。


目前,在人工智能半导体领域占主导地位的是英伟达,其图形处理芯片已被人工智能社区广泛采用。然而,英伟达的芯片并没有针对人工智能应用程序进行优化,包括Cerebras、Graphcore和Groq在内的许多新公司已奋起直追,挑战原有的主导者,并开拓出一个全新的市场领域。


640?wx_fmt=png


正如英特尔从未在移动领域站稳脚跟一样,英伟达也有可能错过新的市场趋势,因为其现有的芯片架构正针对不同的目的(视频游戏和其他的图形处理)进行优化。以史为鉴,这一领域将会诞生一家价值达到数百亿美元的创业公司。从风险投资的角度来看,相对于潜在的上行空间,这一领域获得的投资并不多。


在软件方面,垂直应用程序也应该会再次成为赢家。有不少“横向型”公司正试图建立通用型AI产品,但在短期市场上,它们很可能会失败。从短期来看,人工智能领域最有可能成为赢家的是那些利用人工智能的力量打造针对特定终端用户的应用程序的公司。


02

赢家的三种可能性


首先,拥有海量数据的大型互联网企业将占据主导地位。


谷歌、Facebook、亚马逊和苹果等公司已经在大规模部署人工智能,将其用于定向广告、搜索和语音识别等目的。这些科技公司远远领先于其他公司,它们拥有专有的数据集,能够利用其来为用户找到富有价值的应用。


第二,新的垂直应用初创公司正在兴起。多家公司正在利用人工智能在不同的市场上开发新型应用,包括自动驾驶汽车(如Cruise和Waymo)、货车运输和物流(Samsara)、医疗保健(Color Genomics和Athelas)和金融科技(Affirm和Stripe)。许多这样的公司将会创造出比目前的行业领先者更好的产品,因为人工智能将会是它们的产品的核心所在,而不是作为附加的东西。


第三,关注那些采用人工智能技术来解锁自有数据的非科技公司。各行各业的大公司都坐拥海量数据。例如,喜达屋酒店集团在房地产和酒店领域拥有令人惊叹的业务范围,能够很巧妙地将这些数据集用于从定价到租赁的信用审核的各个业务流程。同样地,Visa、万事达(Mastercard)和美国运通(American Express)都坐拥可应用于电子商务和信贷领域的各种消费级用途的庞大数据集。


640?wx_fmt=jpeg


可以想象,如果能够正当利用这些数据集的话,公司就能产生新的收入流。这可能会催生一种新的私人股权投资模式,即私募股权公司或者大型风险投资公司收购领跑该领域的公司,目的是解锁它们的数据来用于新的用途。


所以,和之前的科技浪潮一样,真正的价值应该集中在少数几家公司:生产底层硬件系统和半导体的公司,以及打造AI垂直应用的公司。


这种整合可能会对整个科技行业产生连锁反应。预计私人投资者将会加倍押注生产半导体和人工智能驱动型应用的公司,私募股权公司则将瞄准那些拥有大量数据的、体量大的行业领先者。


人工智能浪潮可能没有多少赢家,但那些真正抓住它的人有望获得相当可观的收益。


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/493815.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

彩色图像处理

彩色基础 什么是彩色 彩色是物体的一种属性,就像纹理、形状、重量一样. 通常, 它依赖于3个方面的因素: 光源一一照射光的谱性质或谱能量分布.物体-一被照射物体的反射性质.成像接收器&#…

IBM Watson失败的4大原因

来源:大数医达被称为“认知计算”革命性代表的IBM Watson从诞生那一刻起,就一直在被质疑中发展,在发展中被质疑。近日,坊间传言IBM Watson健康部门将裁员50%-70%,甚至也有传言说,整个健康部门将被关闭&…

[Android源码]Android源码之高仿飞鸽传书WIFI热点搜索与创建(一)

(本文详情来源:android源码 http://www.eoeandroid.com/thread-296427-1-1.html 转载请注明出处!) [Android源码分享]飞鸽传书的Android客户端相信大部分同学都看过并且用过吧?我这里就小小的还原一下一个小模块&am…

谷歌智慧城市之困

来源:网易智能 摘要:谷歌母公司Alphabet旗下创新城市部门Sidewalk Labs目前在信息隐私问题上陷入了困境。他们失去了数据信托首席专家和顾问安卡瓦吉安(Ann Cavoukian),该机构将批准和管理多伦多概念智能社区Quayside内…

形态学图像处理(二)

本文主要包括以下内容 二值形态学的经典应用, 细化和像素化, 以及凸壳灰度图像的形态学运算, 包括灰度腐蚀、灰度膨胀、灰度开和灰度闭本章的典型案例分析 在人脸局部图像中定位嘴的中心显微镜下图像的细菌计数利用顶帽变换(to…

最全的大数据解决方案(多图)

来源:网络大数据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&…

图像分割

图像分割是指将图像中具有特殊意义的不同区域划分开来, 这些区域互不相交,每个区域满足灰度、纹理、彩色等特征的某种相似性准则。图像分割是图像分析过程中最重要的步骤之一,分割出的区域可以作为后续特征提取的目标对象。 本文主要包括以下…

重磅:IBM 340亿美元收购红帽软件,开源生态或将迎来重大变化

来源:人工智能和大数据北京时间10月29日上午消息,据报道,IBM周日宣布,将以约340亿美元价格收购开源软件和技术主要供应商红帽公司(Red Hat)。根据两家公司的联合声明,IBM将支付现金,…

阈值分割与区域分割

本文主要包括以下内容 阈值分割技术基于区域的图像分割技术本章的典型案例 基于LoG和Canny算子的精确边缘检测基于Hough变换的直线检测图像的四叉树分解 阈值分割 我们曾在3.5节学习过灰度阈值变换的相关知识, 利用灰度阈值变换分割图像就称为阈值分割&#xf…

边缘计算芯片格局分析

来源:半导体行业观察 近日,华为和比特大陆纷纷发布了针对边缘计算的新芯片产品。华为的Ascend系列采用达芬奇架构,其中Ascend 310功耗8W算力8TOPS正是针对边缘计算市场。而之后比特大陆发布的BM1682和BM1880也是针对边缘计算市场,…

基于PCA的人脸特征抽取

我们将应用PCA技术来抽取人脸特征。一幅人脸照片往往由比较多的像素构成,如果以每个像素作为1维特征,将得到一个维数非常高的特征向量, 计算将十分困难;而且这些像素之间通常具有相关性。这样,利用PCA技术在降低维数的…

超市的100年发展史:好日子终结 亚马逊无人店是趋势

来源:网易智能 电商巨头亚马逊已经在旧金山、西雅图和芝加哥等地开设了多家无人便利店Amazon Go,它们向顾客展现了无缝购物体验这种未来购物模式,它依赖于高科技追踪技术,消费者只需将商品从货架上取下,并放入帆布手提…

图像识别初步

本文主要包括以下内容 模式与模式识别的基本概念过度拟合最小距离分类器基于相关的模板匹配本章的典型案例分析 基于最小距离分类器的鸾尾属植物分类基于相关技术的图像模式匹配 模式识别概述 模式识别(Pattern Recognition)是人类的一项基本智能,在日常生活中…

下一个人才大缺口:量子计算研究人员

来源:36Kr初创公司Zapata Computing的创始人兼首席执行官克里斯托弗萨瓦(Christopher Savoie)表示,他向三位专攻量子计算的外国科学家提供了就业机会,他在等他们的工作签证获得批准。但几个月过去了,这家位…

LIBCMTD.lib与libcpmtd冲突的解决方法。

error: 1>uafxcwd.lib(afxmem.obj) : error LNK2005: "void * __cdecl operator new(unsigned int)" (??2YAPAXIZ) 已经在 LIBCMTD.lib(new.obj) 中定义 1>uafxcwd.lib(afxmem.obj) : error LNK2005: "void __cdecl operator delete(void *)" (??…

基于PCA和SVM的人脸识别

svm推广到多类情况 一对多的最大响应策略(one against all) 假设有A 、B、C.. D四类样本需要划分。在抽取训练集的时候,分别按照如下4种方式划分。 A. 所对应的样本特征向量作为正集(类标签为1), B、C、D所对应的样本特征向量作为负集(类…

为何协作机器人能够兴起?“协作机器人-激烈的市场谁能杀出重围”

来源:机器人大讲堂作者:包文涛,哈尔滨工业大学机器人研究所工学硕士,在机器人和工业自动化领域有超过10年的专业经验。曾任职于ABB集团,先后在新加坡、美国、加拿大等地工作,在产品管理、技术方案、项目工程…

5款新颖的ReSharper插件

ReSharper是著名的代码生成工具。自ReSharper 8.0版本发布以来,新的扩展管理器、模板设置、分发安装等功能改革使得对插件的要求变高。接下来小编整理了5款新颖插件。 JetBox 当开发者工作在不同的机器设备时,这个插件可以利用DropBox同步ReSharper设置。…

机器学习实战之K近邻算法

k近邻算法概述 简单地说,K近邻算法采用测量不同特征值之间的距离方法进行分类。 优 点 :精度高、对异常值不敏感、无数据输入假定。 缺点:计算复杂度高、空间复杂度高。 适用数据范围:数值型和标称型。 它的工作原理是:存在一个样本数 据集合,也称作训练样本集,并且样本集…

神经网络的叛离:32年前从心理学与生理学分离的瞬间

来源:大数据文摘编译:Andy反向传播算法隶属于深度学习,它在解决模型优化问题的方面有着重要的地位。这一算法由被誉为深度学习之父的Geoffrey Hinton提出。1986年,他发表了名为Learning representations by back-propagating erro…