近幾年，隨著人工智能的發展， 各國、各行業都在積極展開對該領域的探索，誰都不想輸在起跑線。

誰說人工智能就沒有泡沫了， 下面這篇報告中就指出“歐洲40%的AI初創企業并不智能”。

這一數據讓很多人始料不及，但也有學者稱，40%還是說少了。

這份報告由巴克萊銀行贊助，MMC的風險投資機構撰寫，報告一共有99頁，總體分為4個部分，包括：人工智能發展史、人工智能的發展現狀、人工智能革新者、以及人工智能的未來。

大數據微信公眾號后臺對話框內回復“巴克萊”下載報告完整版

報告顯示：在2830家標榜為人工智能的歐洲公司中，其中1580家符合人工智能公司的定義。MMC研究主管David Kelnar表示：他們對每家公司的產品、網站、生產材料、生產日志進行調查發現，有40%的公司沒有任何人工智能的“痕跡”。

他還表示，如果一家公司被標榜為人工智能企業，那么這家企業就會比一般的公司多融資15%~50%。一些公司并不急于把自己轉型為以人工智能為主導，只是第三方網站在評估的時候會把他們這么分類而已。

根據該調查，每12個創業公司中就有一個把AI作為其產品或服務的一部分。除此之外，約有12％的大公司在其業務中使用AI應用程序，而去年這一數字僅為4％。

最受歡迎的AI產品是聊天機器人，自動化的流程工具排在第二位，其在處理保險索賠和欺詐檢測等簡單的管理任務發揮著重要的作用。

當公司部署AI產品時，最常用的場景是利用視覺識別以及語音合成做出預測和決策。雖然這會大大吸引風險投資的眼光，但對大多數人來說人工智能如何運作或定義尚不清楚。當然，這對于一些創業公司來說是一個優勢。

以下是文摘菌從報告中摘抄出來的幾個重要的觀點，請欣賞！

AI時代：在各種業務中部署AI是一種趨勢

AI是一個通用術語，指的是表現出智能行為的硬件或軟件。Basic AI自20世紀50年代以來就已經存在了，它通過基于規則的程序在有限的上下文中顯示智能。

基于規則的系統在現實世界中有許多的挑戰，從醫學診斷到目標檢測，都過于復雜或微妙，無法通過人們所寫規則的程序來解決?！?/p>

深度學習將特征提取和優化整合到了一塊

機器學習是人工智能的一個子集，所有機器學習都是人工智能，但并不是所有人工智能都是機器學習。機器學習使程序能夠通過訓練來學習，而不是按照規則進行編程。

機器學習現有超過15種方法。流行的方法包括隨機森林、貝葉斯網絡和支持向量機。深度學習是機器學習的一個子集，它在計算機視覺領域取得了突破性成果。同樣所有的深度學習都是機器學習，但并非所有機器學習都是深度學習。

深度學習模擬大腦，而不是世界。人工神經元網絡處理輸入數據，提取與問題相關的特征和變量，通過訓練提高結果。

由于大多數業務流程和消費者應用程序涉及知識管理，推理，規劃，溝通或感知，因此AI的進步帶來了許多重要的新功能。

企業轉型AI

AI采用量在12個月內增加了兩倍，有1/7的大公司布局了AI。兩年內，會有2/3的大公司將會實施AI計劃。

人工智能將成為科技史上最快的范式轉變。在三年內，有AI業務的企業比例將從1/4增加到1/3。企業正在向云計算模式轉變，全球技術供應商提供即插即用的人工智能服務。

七分之一大公司布局AI

在全球范圍內，由于政府參與、數據優勢等等原因，中國在人工智能應用方面處于領先地位。亞洲采用人工智能的企業數量是北美企業的兩倍。

金融服務和高科技公司在AI應用中保持領先地位，零售、醫療和媒體等正在積極引進，政府機構、教育公司和慈善機構也正在接受人工智能。

AI在各部門的運用百分比

AI在企業中的運用范圍也從最初的IT部門跨越到人力， 銷售，供應鏈等部門，企業開始采用多種AI應用程序， 有1/10企業使用十種或十種以上的AI應用。

兩年前， 公司的最高決策層在AI項目的啟動方案、技術決策和資金批準方面占用重要地位， 現在相關決策已可以移交到IT項目部。

AI人才也成為企業轉型的關鍵，近一半的公司傾向于從第三方購買人工智能解決方案，而1/3的公司則愿意在內部建立人工智能解決方案。只有1/10的公司愿意等待適用于他們的AI產品出現。隨著人工智能的發展，企業的關注點也從利用AI提高收入轉向降低成本。

人才競爭

開發者學歷對比

僅僅兩年， 人工智能人才的需求增加了一倍， 雖然人才需求和供給均在增長，但AI人才庫仍然很小，缺乏可用的人才是他們面臨的重要挑戰。

AI人才需有較高的數學， 統計和編程能力， 擁有博士學位的AI開發者要比其他開發人員的程度高。

高工資也成為促進AI人才供給增加的強大動力，45%的AI從業者的平均工資在過去三年均增長了20%以上。 技術和金融服務業吸收60%的AI人才，贏得人才爭奪戰才是真正的贏家。

AI技術現狀：我們正處于后GPU時代

谷歌的第二代TPU減少了訓練圖像所需的時間

當前自定義芯片正在集成到人工智能硬件當中，具有“tensor 體系結構”的硬件正在加速深入學習人工智能。為了支持使用流行的深度學習框架。包括英偉達和Google在內的供應商正在優化或定制硬件。

我們正在進入后GPU時代。一些大的硬件制造商正在創造新的計算機處理器，自定義芯片賦予更多的性能和用途。

隨著量子計算的成熟，它將為人工智能的進步創造更深遠的機會，并使人類能夠解決以前難以解決的問題。量子計算雖然剛剛起步，但卻在迅速發展。目前，研究人員在量子計算機上已經開發了性能更佳的神經網絡。

僅訓練40天，AlphaGO Zero全面取代AlphaGO，成為世界上最好的圍棋玩家。

強化學習(RL)是人工智能的另一種研究方法，RL系統不是從訓練數據中學習，而是通過獎勵來實現特定目標的進展。例如DeepMind開發的Alpha系列的強化學習系統，在與人類對決的過程中展現出了無與倫比的能力。在2019年，RL的發展目標會是智能協作。

遷移學習（TL）能夠提供非常強的初始性能以及快速的迭代和良好的長期結果。

生成性對抗網絡（GAN）將重新定義內容創建。作為一種新興的人工智能軟件技術，GAN能夠以極高的保真度生成包括圖片和視頻在內的“人工媒體”。

歐洲AI初創企業：3/5的AI創業公司處于天使輪

歐洲AI企業融資現狀

歐洲孵化了將近1600多家AI軟件公司， 在2013年， 50個創業公司才有一家采用AI，而今天， 每12家中就有一家將AI技術作為公司核心，整個歐洲的創業生態也是如此。

歐洲有約3/5的AI創業公司處于天使和種子階段，約1/6的公司已經從天使輪進入成長階段。 尤其在英國、德國、法國這樣擁有大量人工智能公司的地區，1/5已成為成長型公司。

歐洲AI創業公司數量

英國擁有的AI創業公司數量分別為德國和法國的兩倍，成為歐洲AI技術發展核心基地，帶動了整個歐洲AI技術的發展。德國、法國及其他國家有望在未來十年擴大其AI的影響力。

AI企業中各行業占比情況

這些創業公司涉及醫療、金融服務、媒體、娛樂等行業，其中醫療成為眾多創業公司的焦點。 英國成為歐洲醫療AI創業的核心地區，總數占歐洲大陸的2/3。

AI的未來影響力

人工智能的基本特征可概括為四點， 創新(新產品和服務)、效能(更有效地執行任務)、速度(更快地完成任務)、和可伸縮性(不受人類能力的限制)。

這些特征將會對社會，經濟，就業和消費產生重要影響。

AI可以通過其優勢對市場和公司造成多方面的影響

AI企業的出現， 創造出了新的市場參與者；新的商業模式及其新的商業成功的因素；轉變部門價值鏈；公司競爭定價；同時帶來組織設計和技能的轉變；加速創新周期；對傳統企業造成較大的威脅 。

在AI創造出良好機遇的同時，AI的發展所帶來的威脅也不容忽視。人工智能的發展將會取代部分工作崗位；有偏見的制度可能會增加不平等；人造媒體會破壞信任；自主武器可能會加劇沖突。