网站首页    信息智能    剑桥大学AI全景报告要点
  • 汽车零部件首秀历史

    他们看似小小的发明却大大的改变了我们的生活。1916年,凯迪拉克在Type 53上第一次引入了点火钥匙;1967年倒闭的美国汽车制造商史蒂倍克发明了油表和雨刷器;1954年,通用汽车公司安装了汽车空调;第一个LED大灯诞生是在2008年的奥迪R8 V10上。在2014年,奥迪发明了激光大灯

    3 ¥ 0.00
  • 10亿销售额的国内购物中心

    2019年国内购物中心的总销售额约为3.5万亿元。占当年国内消费品零售总额的8.5%,这与成都购物中心占零售总额的比例相当。上海这个占比约为14%,全国最高。国内能够超过6.8亿元的购物中心总数不会超过2000个。2019年上海超过10亿元的购物中心总数不超过70家。

    0 ¥ 0.00
  • 揭秘家族办公室ICONIQ

    它目前共有225位高净值客户,管理资产规模620亿美元。提供服务含金融投资、税务规划、地产投资等业务。2020年,它抓住新冠疫情机会,在年初推出一个十亿级别的投资项目“战术机会”:寻找由于疫情而产生的各种投资机会,例如优先贷款、结构性股权以及救济性融资。

    1 ¥ 0.00
  • 神经科学商用案例

    过去几年内发表的一些学术研究表明,应用神经科学的方法有助于预测销售环节的购买决策以及广告的投放效能,甚至还能预测音乐的文化契合/流行度,这些都是通过直接粗放的问卷调查无法实现的。谷歌、微软、戴姆勒等已将神经科学研究手段纳入业务中,并获成功。

    2 ¥ 0.00
  • 互联网本质是新房东

    互联网所有的进化全部基于一个前提和原理:网络效应。网络上信息越多,就会吸引更多网民,会制造和生产更多的信息,又会吸引其他网民和增加上网时长。在网络效应下,即使没有智能手机的产生,只要时间够长,信息仍然会越来越多。媒体本身,就是最大的生意。

    0 ¥ 0.00
  • “逼良为劣”的国内商业模式

    国内稍具规模的线下零售商超基本上是“上游盈利模式”,就是商家向上游生产供应商要利润。此模式将线下零售商超变成“出租婆”:看似商家从上游供应商那确保了自己的盈利,实为“饮鸩止渴”,最终所有成本由“零售价格”承担,降低了商家自己的商品竞争力。

    14 ¥ 0.00
  • 掌握香奈儿的神秘家族

    掌控香奈儿品牌的韦特海默家族,曾历经普法战争、两次世界大战等百年之大变局。二战中涉险、与香奈儿女士的争产与诉讼后,韦特海默家族表现出了惊人的复原力,并通过与高价值社会资本的互动融合,实现家族企业的百年长青与持续发展。

    7 ¥ 0.00
  • DST全球投资战略:地缘套利

    2010年DST刚露头角,《经济学人》将其与南非的Naspers、中国的腾讯归为一个群体,称为新兴市场三巨头。DST在全球的投资战略就是四个字:地缘套利。 “世界从来以及未来都不可能达到所谓的‘扁平’状态,而所谓成功的商人,比的就是谁能够率先利用信息落差而某得利益”。

    23 ¥ 0.00
  • 清洁空气30年

    我国过去的经济增长在很大程度上依赖于化石燃料消费,造成了严重的空气污染问题,解决经济增长与污染改善之间的矛盾已成为我国发展生态文明的关键。我国一直致力于将大气污染、碳强度与经济增长脱钩,建立具有可持续发展和生态文明特征的社会发展模式。

    4 ¥ 0.00
  • “跛脚”的粤港澳大湾区

    区位优势支持了大湾区东岸和北岸城市的大发展,巨大的产业聚集和虹吸效应使各种生产要素都向深圳、广州等核心城市聚集,而西岸城市却发展缓慢。经过四十多年的基础设施建设,交通条件已经大为改观,周边产业和要素聚集情况开始逆转,西岸城市的新区位优势若隐若现

    1 ¥ 0.00
  • 拯救花旗总部大厦事件

    纽约花旗总部大楼危机整个事件中,它产生了英雄,却没有恶棍;从花旗集团到该市建筑部门的官员,与事件有关的每个人都表现得堪称楷模。LeMessurier不仅毫发无损,反而因此扩大了他的声望。一个做了正确选择的工程师涉及到一个更大的问题,即专业人士应该如何表现。

    2 ¥ 0.00
  • 好莱坞烂片流水线

    好莱坞百花齐放的电影公司被并购成了六大电影公司,并被要求每年产出稳定的收益。压力之下,制片方根本不敢冒险去拍摄任何新的题材。对编剧的压榨也越来越严重,谁还玩命搞创作?垄断北美80%市场后,六大只肯拍自己的独家IP,大片越来越无趣就很容易解释了。

    2 ¥ 0.00
  • 中国轮胎40年

    回头看中国轮胎业发展史,它几乎走过了大多数中国企业可能经历的每一个阶段:从粗制滥造靠低价抢占市场、到购买国际先进设备、让产品行销海外。再自主研发挑战世界头部品牌。最后把工厂开到全世界。经过这样一轮残酷的洗礼,资源将更多地向头部企业集中。

    0 ¥ 0.00
  • 21世纪以来美国制造业演变

    分析2000—2018年间制造业及其细分行业发展和演变发现,美国制造业经历了“空心化”再到回流,高端先进制造业不断优化升级,传统基础产业长期保持优势,顶层设计、科技创新、创新生态有重要驱动作用。化工产品、计算机及电子产品和交通装备制造业属优势行业。

    0 ¥ 0.00
  • 从土地金融到土地财政

    过去40年,根本没有土地“财政”,带给国家城市乃至整个经济巨变的是土地“金融”;未来要转向的,是土地财政,即进入运营阶段。最核心的内容就是有没有创造收入、有没有创造足够的税收。所以从获取金融一次性的收入为主,变成获取财政可持续的现金流收入为主

    8 ¥ 0.00
  • 视听价值链:“元宇宙”

    当物理空间去中心化之后会发生什么?多个行业对火遍欧美的元宇宙的投入将达到数万亿美元。它不光包括3D主机、VR头戴设备游戏、以及提供更多如沉浸式剧场的活动,像旅行、教育和现场表演这样的传统行业将以游戏思维和虚拟经济被重塑;同时还有内容社区综合体。

    9 ¥ 0.00
  • 从米其林看中国产业弱点

    中国的缺点是即使能够设计出来富有独创性的半导体和发动机,但缺乏能够实际制造这种高科技产品的工厂。中国要想成为制造业强国,首先试着挑战米其林三星怎么样?按照设计图,不论何时何地都能均质制造产品。代价恐怕就是变成死脑筋、不知变通、缺乏进取精神。

    3 ¥ 0.00
  • Reits的历程

    由于中国的直接融资占比低于发达国家,股票市场没有发达国家成熟,股票市场规模占GDP的比重要低于发达国家。因此使用REITs与股市规模之比来估算REITs市场规模并不合理。参考全球主要REITs市场REITs规模占GDP的比重的范围,可以计算得到中国REITs市场的规模大致在3-8万亿元。

    3 ¥ 0.00
  • 谷歌的人类大脑“地图”

    谷歌与哈佛大学的Lichtman实验室合作,发布了最新的「H01」数据集,这是一个1.4 PB 的人类脑组织小样本渲染图。H01 样本通过连续切片电子显微镜以 4nm 分辨率成像,再通过自动计算技术重建和注释,最后可以看到初步的人类大脑皮层结构。但H01只有整个人类大脑容量的百万分之一

    1 ¥ 0.00
  • 张小龙:微信这个产品

    很多人可能从人们的日常生活习惯,社会变迁等角度去考虑它,我从产品的角度来考虑,做了一些什么,我们做的事情可能很多,如果非要我把它归结为非常简单一两个词来表示的话,我想用两个词来表达它,一个是'连接',一个是'简单',这就是微信最核心的东西。

    3 ¥ 0.00

【转自:搜狐-中关村互联网金融研究院《剑桥大学发布2020<AI全景报告>全文177页》2020.10

该调查的两位主要作者NathanBenaichIanHogarth均来自剑桥大学。

http://p1.itc.cn/q_70/images03/20201007/498c315a0ab34234b0b4be33562dbcae.jpeg

 

一、人工智能研究进展

 

人工智能领域的发展虽然伴随着开源的框架和活跃的社区,但在今年报告的开头,我们还是需要以数据说话,首先明确一点:AI研究的开放性并没有我们想象的那么高。

http://p2.itc.cn/q_70/images03/20201007/fef9e970eade4dbaa445a347de8e1d7c.jpeg

在深度学习框架上,正如我们最近所感受到的,在各个AI顶会的论文中,研究人员已经广泛使用了PyTorch,其抢占了大部分原来TensorFlow的位置。

http://p2.itc.cn/q_70/images03/20201007/a951291ea4254fc5a850a930625ee2e6.jpeg

GitHub上,PyTorch相比TensorFlow也有更多的新研究实现:据统计现在约有47%的实现是基于PyTorch的,而TensorFlow的大约为18%

另一方面,大尺寸模型正在推动着NLP领域的技术进步,OpenAIGPT-3等新研究已经把深度学习模型的参数数量推到了千亿。根据目前的云服务算力价格,训练每1000参数的模型平均需要1美元,拥有1750亿参数的GPT-3可能需要花费百万美元级别的费用,有专家认为这一数字超过了1000万美元。高昂的训练费用,让研究人员们在探索新方向时遭遇了挑战。

http://p3.itc.cn/q_70/images03/20201007/8c3a4ec9ff1840f285ab4212e70e45f0.jpeg

AI模型训练需求越来越多算力的同时,传统计算机架构却在逐渐接近摩尔定律的终点。MIT等大学的研究称,科学家如果希望将ImageNet数据集图像分类任务的错误率从11.5%降到1%,可能需要数百亿美元的投入。

不过,人们也在研究提高模型效率的方法,OpenAI的统计表明:自2012年起,训练深度学习神经网络进行ImageNet图像分类要想达到特定的水平,其所需的算力每16个月减半。

http://p3.itc.cn/q_70/images03/20201007/2e66815306d74b579afed9d7d4b9dcc1.jpeg

毋庸置疑的是,GPT-3BERT等模型已经让NLP领域的研究进入了新的阶段。现在甚至出现了自动翻译编程语言的无监督机器翻译工具。在GitHub上把C++函数翻译至Java准确率达到90%

技术的快速发展源于人工智能领域的高研究力度。据统计,全球有关AI方法(深度学习、NLP、计算机视觉、强化学习等)的论文数量自2017年起每年增长50%,在2020年,我们可能将会看到超过21000AI领域的新论文。

不过,当前的大多数机器学习应用是通过统计来实现功能的,其忽略了人类学习知识的重要方法——因果推理。在为患者寻找诊疗方案等任务中,因果推理是更好的方式。JudeaPearlYoshuaBengio等人工智能先驱者都认为,因果推理是使得机器学习系统更好地泛化,更强大稳健,并为决策作出更大贡献的新方向。

 

二、AI人才:美国占主导

 

人工智能领域研究者的分布情况近几年呈现出几种新的趋势。

 

人才流动

首先,学术界面临人才外流的情况,美国许多研究教授离开大学,前往科技公司任职。从2004年至2018年,谷歌、DeepMind、亚马逊、微软已经从美国大学聘请了52位终身教授。卡内基梅隆大学、华盛顿大学和伯克利大学在同一时期失去了38名教授。值得注意的是,仅2018年一年就有41AI教授离开。

http://p3.itc.cn/q_70/images03/20201007/645c0f75beed4f43b1f429bf9c612265.jpeg

AI顶会的角度看,在中国有过教育经历的研究者近几年为AI领域的研究做出了突出贡献。以人工智能国际顶会NeurIPS2019为例,接收论文的作者中有29%都曾在中国获得本科学位。

http://p7.itc.cn/q_70/images03/20201007/cb689a4557fd4a32afa90044c13bbb9d.jpeg

但是从国内的大学毕业后,继续在NeurIPS上发表论文的毕业生中有54%都去了美国。

http://p0.itc.cn/q_70/images03/20201007/a12d3cb2bab94279bef3f8a497f21953.jpeg

在人工智能领域里,美国仍然是国际研究的中心,有90%在美国毕业的留学博士都会留美继续工作。

而非美国籍的AI博士毕业生毕业之后很有可能到大型科技公司就职,而美国籍的博士毕业生更有可能去初创公司就职或加入学术界的研究行列。

http://p2.itc.cn/q_70/images03/20201007/f328ceac33784ee3b354b74ffc3f9174.jpeg

与此同时,许多AI领域的美国博士毕业生毕业之后会前往英国和中国就职。

http://p8.itc.cn/q_70/images03/20201007/5f72fab3fe9c40dfa832695aa642e868.jpeg

接下来我们再从研究机构的角度分析一下AI领域的概况。

http://p8.itc.cn/q_70/images03/20201007/b5323fa9efb647868cc522d77ddca3d7.jpeg

NeurIPS2019为例,谷歌、斯坦福、卡内基梅隆大学、MIT和微软发表的论文数量位居前五。

 

人才供不应求

作为当下最热门的研究领域之一,AI领域的人才需求不断增长。许多一流大学也在扩大AI专业的招生规模。以斯坦福为例,最近几年斯坦福AI领域的学生是1999-2004年的十倍之多,与2012-2014年相比AI领域学生数量也是翻了一倍。尽管如此,来自Indeed的数据显示,招聘职位的数量仍约为求职者数量的三倍。

但不可避免的是,2020年人工智能领域的人才市场受到了新冠疫情的严重影响。根据领英发布的数据,2020年机器学习领域职位原本强劲的增长趋势在2月受到打击,开始下滑。

http://p1.itc.cn/q_70/images03/20201007/d2e585648984493eb74190579c0c052c.jpeg

 

三、业界快速发展

 

人工智能设计的药物,在日本已经开始了一期临床试验。在人工智能医疗领域,众多创业公司收集了巨额资金,实现了「平台战略」。

http://p6.itc.cn/q_70/images03/20201007/8db97071868b479580a4324ce6f0d24d.png

说到人工智能最引人关注的自动驾驶。自2018年以来,在加利福尼亚州拥有自动驾驶汽车测试许可的66家公司中,只有3家被允许在没有安全驾驶员的情况下进行测试,其分别为Waymo(谷歌)、NuroAutoX

即使在政策最为开放的加州,迄今为止自动驾驶汽车的行驶里程相比人类也是微不足道——自动驾驶汽车公司在2019年的自动驾驶里程比2018年增加了42%。但这仅相当于2019年有驾照加州驾驶员行驶里程的0.000737%。

使用每次人工干涉之前,汽车自动驾驶的行驶里程作为评判标准,其实不一定是最客观的。在美国一些州,驾驶员双手完全脱离方向盘的行驶里程并没有记录。

不过最近,我们看到了这项数据的新变化。百度的自动驾驶已经达到了人工每次干涉之间18,050英里,超过了Waymo(谷歌)的13,219英里。对于不断加强AI投入的百度来说,最近的投入已经开始得到回报。

http://p6.itc.cn/q_70/images03/20201007/704319baec8a4a36b6de381825ed227c.jpeg

自动驾驶领域的公司,必须要有强大的资金支持。13亿美元被亚马逊收购的Zoox,其自2015年以来收获的融资已超过了9.55亿美元,Zoox最新的估值约为32亿美元。交易文件显示,Zoox2020年初每个月要烧掉3000万美元。

http://p1.itc.cn/q_70/images03/20201007/201b4b800d3a4dbcb2e7023983c504ea.jpeg

国内的出行公司滴滴最近也把自动驾驶业务剥离,并从软银远景基金等机构筹集了5亿美元。今年7月,滴滴在上海推出了自动驾驶汽车服务。

目前,自动驾驶系统中的大多数机器学习算法只专注于车辆周围的事物,并基于工程量巨大的手写规则。研究人员正在开发类似于AlphaGo,学习大量人类驾驶经验进行训练的新算法。最近,WaymoUberLyft都展示了模仿学习和逆强化学习的新技术。

自动驾驶等领域的发展也需求大量算力,Graphcore、英伟达等公司今年推出的新一代芯片成为了人们的希望。

http://p3.itc.cn/q_70/images03/20201007/eec917b34c944cafb94cd688ef12f8fd.jpeg

 

政策变化

除了AI研究方向之外,人工智能应用的快速落地也引起了人们对于隐私和伦理的担忧。

http://p0.itc.cn/q_70/images03/20201007/a7f4aed9127643849c9c3cf897f1aa34.jpeg

http://p5.itc.cn/q_70/images03/20201007/2050bfdcd9eb4a95b03f6b5fbef836ee.jpeg

微软删除了其1000万张人脸的数据库——这是目前可用的最大数据库。数据库中的人脸是从网络上抓取的,并未取得当事人的许可。

纽约大都会运输署(MTA)要求苹果允许乘客戴口罩时启用FaceID,以防止新冠病毒扩散。

 

美国继续在军用AI系统上投入大量资金

随着机器学习技术的落地,军方在该方面的探索也越来越多,尽管我们尚不清楚这一趋势对现实世界的影响程度。

http://p3.itc.cn/q_70/images03/20201007/18c304aee46c42eb97a1726a87baf2b4.jpeg

美国总务管理局和美国国防部联合人工智能中心授予博思艾伦咨询公司一份为期5年、总共8亿多美元的订单,内容简介中包括「数据标签、数据管理、人工智能产品开发」等关键词。

在国防层面,还有更多与此相关的AI公司正在获得丰厚的政府合同和风险投资。戴尔旗下Pivotal软件公司获得了美国国防部1.21亿美元的合同,还有一些从事无人机、高分辨率卫星地图、信息管理等业务的公司获得了大量风险投资,例如AndurilRebellionSkydio

http://p7.itc.cn/q_70/images03/20201007/53228b27a1db44d98b212a382dfa8cbd.jpeg

美国国防部高级研究计划局(DARPA)组织了一场虚拟空战大赛,一众AI系统相互竞争,最终胜出的「选手」、苍鹭系统公司开发的顶级AI5:0的成绩击败了人类飞行员。

AlphaGoAlphaStarAlphaDogfight,借助深度强化学习技术,人工智能正在更多的领域击败顶尖人类选手。这也充分说明,在游戏对战环境中所训练的取胜技术,可以迅速迁移到军事环境中。被击败的飞行员表示:「作为战斗机飞行员,我们往常的标准操作方法已经不起作用了。」

美国国防部长MarkT.Esper表示,这些在模拟战斗环境中训练的算法,将在2024年应用于真实世界的战争中,包括全尺寸战术飞机。机器学习将对未来世界的战争产生结构性影响,他指出:「那些率先利用最新迭代技术的人,往往会在未来战场上占据决定性优势。」

 

两大AI顶会采用全新的道德规范

http://p7.itc.cn/q_70/images03/20201007/46e80d5c84714097a4c52b83c30e4a06.jpeg

NeurIPSICLR都提出了新的伦理规范,但并未强制代码和数据共享。以人工智能领域最顶级会议NeurIPS为例:

NeurIPS将创建一个专门的子团队,由机器学习和伦理学交叉领域的专家组成。

NeurIPS现在要求论文作者提交关于「该工作可能产生的更广泛的影响,包括道德方面以及未来的社会影响」。

鉴于Facebook和谷歌等公司在NeurIPS中的影响力日益增强,因此「作者必须提供明确披露资金来源以及竞争利益点」。

NeurIPS「强烈鼓励」共享数据和模型,但没有强制性规定。

在这方面,机器学习领域落后于生命科学领域,例如在Nature期刊上发表论文的条件之一是,作者必须「及时向读者提供材料、数据、代码和相关协议」。

 

华为在智能手机领域的主导性增强,并在机器学习技术上大量投资

http://p6.itc.cn/q_70/images03/20201007/3fe00823dec845228c7a085ef4b70e8f.jpeg

这也是9年来第一次由苹果和三星之外的公司占据了市场领先地位,但到了20209月中旬,由于美国的制裁,华为面临着芯片供应的困境。

使用美国芯片制造设备的外国公司必需获得美国政府的许可,才能向华为提供某些芯片。华为消费者业务CEO余承东在中国信息化百人会2020年峰会上表示:「我们手机业务现在很困难,芯片供应困难,很缺货。」

华为的麒麟AI芯片由台积电代工,受到美国制裁政策影响,台积电接受的最后一笔订单是在2020515日。目前,华为正尝试向中芯国际(SMIC)寻求芯片制造方面的支持。

http://p3.itc.cn/q_70/images03/20201007/7f3c4a8496b943b8abbccbaac3b710dd.jpeg

但台积电在研发支出和半导体制造方面仍占据业内主导地位。台积电的研发费用与中芯国际的收入相当,前者是目前唯一商用5nm制造工艺(N5)的制造商,目前正致力于3纳米制造工艺,其功率效率比7纳米高出2倍,性能比7纳米高出33%。不久之前,中芯国际也表示,2020年会将资本支出增至67亿美元(高于原定目标31亿美元)

 

未来展望:8个趋势

 

在最后一部分,剑桥2020年度AI全景报告给出了关于未来12个月的8项趋势预测。

http://p0.itc.cn/q_70/images03/20201007/0acf5e88e34f4bd889ec7a96fe02a456.jpeg

1、搭建更大语言模型的竞赛仍将持续,我们将会见证第一个10万亿参数级模型的诞生。

2、基于注意力的神经网络将从NLP领域迁移到CV领域,实现新的SOTA

3、随着母公司战略的调整,一家大型企业的AIlab即将关闭。

4、作为对美国国防部活动和美国军事AI初创公司融资的回应,一部分中国和欧洲的国防AI企业将在未来的12个月内融资超过1亿美元。

5、一家头部AI药物发现初创公司(比如RecursionExscientia)要么进入IPO,要么以超过10亿美元的价格被收购。

6DeepMind将在结构生物学和药物发现方面取得重大突破。

7Facebook将凭借3D计算机视觉技术在ARVR上取得重大突破。

8NVIDIA最终不会完成对Arm的收购。

2020-12-25
剑桥大学AI全景报告援引的数据来自知名科技公司和研究小组。分别介绍了人工智能领域最近一段时间的发展趋势。并认为未来一年:第一个 10 万亿参数级模型的诞生;DeepMind将在结构生物学和药物发现方面取得重大突破;Facebook 将凭借 3D 计算机视觉技术在 AR 和 VR 上取得重大突破等

剑桥大学AI全景报告要点

人工智能