橫向對比，中國和國際領先公司在核心技術上確實存在差距，但從縱向看，中國在人工智能領域的技術積累近幾年確實出現了飛躍，無論是最底層的計算機體系架構，還是智能硬件，或是上層軟件應用，都有質的進步。
“人工智能的商業化就是看它是否已經深入到“黃賭毒”這種人類最基本的訴求中”，Google科學家、暢銷書作家吳軍博士的一句調侃似乎是在給人工智能的商業化指明道路。
不過現實的情況要遠比這個復雜且零散：谷歌通過擅長圍棋的AlphaGo娛樂化地向人們展示了人工智能的潛力\并將人工智能應用于VR視頻制作領域時;相反的是，國內的嚴打，則讓企業把它用在了更為實際的鑒黃上——圖像識別也是人工智能的一種。
人工智能(Artificial Intelligence)，縮寫為AI，是研究開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。該領域的研究包括機器人、自然語言處理(包括語音和語義識別、自動翻譯)、計算機視覺(圖像識別)、知識表示、專家系統等。
BBC預測，到2020年，全球人工智能市場規模將達1190億元人民幣。未來人工智能技術的發展，還將帶動云服務、大數據分析、移動互聯網和物聯網產業的升級迭代，甚至將超越移動互聯網，全面改變人類的生活和工作方式。
放在當下，我們看到，在人工智能的各個領域，國內外巨頭都已意識到潛在的未來，某些領域甚至已經展開了激烈的競爭。
因AlphaGo而名聲大噪的谷歌人工智能
去年10月份，谷歌CEO皮查伊曾表示，谷歌計劃將人工智能研發和所有核心業務聯合起來，包括搜索引擎、廣告、視頻網站YouTube和電子商場Play。 緊接著的11月9日，谷歌宣布開源機器學習平臺TensorFlow，讓每個人都可以利用計算機和網絡去使用這個強大的機器學習平臺。谷歌旗下的50多個產品都運用了TensorFlow深度學習系統(機器學習的深度神經網絡)。
最重要是的，這一系統將從不局限于谷歌在內的所有產品那里得到訓練。在激烈的商業競爭中，更快的訓練速度是人工智能企業的核心競爭力，分布式TensorFlow意味著它能夠真正大規模進入到人工智能產業中，產生實質的影響。
此外，Google在無人駕駛汽車技術上已經探索了很多年，其中無人駕駛汽車測試里程也早已經超過200萬公里;直到今天，Google依然在對這一項目進行測試和改進，并曾于去年宣布自動駕駛汽車將在5年內上市。當年，谷歌隱形眼鏡實現實時監測血糖，谷歌人工智能攝像頭即時翻譯拓展到27種語言……
整體上看，谷歌的人工智能與大規模商業化還有距離，但其底層人工智能技術的積累絕對是走在世界前列的。
微軟在人工智能方面的技術研究已經有25年歷史
1991年微軟成立研究院，最早的五個研究組，研究方向分別是人機交互、自然語言處理和機器學習、語音識別和語音合成、計算機視覺。這些恰恰是今天人工智能的幾個最重要的分支。微軟的人工智能研究方向很寬泛，研究院甚至擁有超過1000位科學家，在包括深度學習的多個領域的技術布局處于世界頂端。
微軟最新的深度學習系統在2015年的ImageNet計算機視覺識別挑戰賽中，將計算機視覺系統錯誤率降低至3.57%，相比于人眼辨識的5.1%，這是人工智能首次在識別圖像的錯誤率上超越人類水平。這些機器由微軟的Azure云服務提供支持。
微軟不僅將人工智能技術應用于如Windows、Azure等核心業務中，還構建開放的平臺，將多年的技術積累開放給產業界，它的目標是打造一個人工智能生態圈。不過，在現實的商業世界中，微軟隱蔽得最深。
人工智能視為未來的三大方向之一的Facebook
Facebook的優勢在于擁有全球范圍內的海量社交數據。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。
卡耐基梅隆大學機器人系博士、Facebook人工智能組研究員田淵棟稱，FAIR的研究方向自由寬松，研究所需的計算資源(如GPU)相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究。他稱，這樣的學術氛圍在各大公司是極其少見的。
今年，Facebook還曾發布自己的語音聊天機器人，并在Messenger軟件中加入此類技術。其推出的DeepText文本閱讀引擎，每秒可以理解幾千篇帖子，精準度和人類一樣，覆蓋20多種語言。并可以將其自動翻譯成十幾種不同的語言。
不過，總體來說，Facebook在人工智能領域是一個遲到者，要參與實力競爭，需要的不只是金錢，還有長時間的積淀。當扎克伯格宣布要開發一個人工智能管家來管理家務時，事實上，谷歌和微軟已經在開發AI軟件了。
已經用人工智能賺錢的IBM
IBM在人工智能領域沒有谷歌AlphaGo、智能汽車看起來那么酷炫，但卻有著深厚的技術底蘊，甚至已經開始用人工智能賺錢。
IBM人工智能研究最為外人熟知的是1997年開發的“深藍”，戰勝了當時的國際象棋世界冠軍卡斯帕羅夫。如今可以代表IBM在人工智能領域最高技術水平的，是不斷進化中的Watson系統，和已經可以量產的人腦模擬芯片SyNAPSE(超大規模神經突觸計算機芯片)。
Watson是一臺超級計算機，最初由90臺IBM的Power 7服務器并行組成。和Google、微軟的人工智能相比，它從硬件芯片構架就開始模擬人類神經元，基于IBM的“DeepQA”技術開發。
2014年1月初，IBM宣布組建“Watson Group”，旨在進一步開發、商用和增強“Watson”及其他認知技術，此外還投入10億美元用于其他相關項目。法國農業信貸銀行預測，Watson系統創造的收入將在2018年占IBM總收入的12%以上。Watson已經被部署在IBM去年收購的云計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌、微軟等大型科技公司在云計算領域展開競爭的武器。
另一個代表性產品是IBM在2014年發布的人腦模擬芯片SyNAPSE。該芯片能夠模仿人腦的運作模式、低功耗，在認知計算方面要遠勝傳統計算架構。和其他芯片公司的紙上規劃不同，這款芯片已達到量產要求。由此來看，IBM在人工智能技術方面的商業實力主要在于“認知計算體系”。
再反觀國內，無論在對人工智能領域的認識和預見性方面，還是實際的技術研究和探索方面，無疑都是落后于美國的。且目前，人工智能的探索仍然是靠BAT等互聯網巨頭來引領，以往多數時間，這些公司把主要精力放在了對錢的追逐和自身業務的原始布局上。
回到國內，百度甚至像谷歌一樣宣稱，計劃在五年內大規模生產無人駕駛汽車。李彥宏將百度無人駕駛汽車稱作“一臺帶輪子的電腦”。
百度的人工智能研究源于2013年，百度成立深度學習研究院。據《財經》報道，早些年，百度剔除了不少經過驗證沒有商業化前景的相關項目，但最近兩三年，明顯加大了在人工智能上的投入，包括無人駕駛汽車等長期項目。
目前，百度研究院、百度大數據、百度語音和百度圖像等技術都已歸入人工智能技術體系。李彥宏多次向外界強調，百度未來的發展將嚴重地依賴人工智能。
百度高級副總裁、自動駕駛事業部總經理王勁稱，百度大腦已具備視、聽、說和預測、規劃決策以及行動控制的能力。目前正在計劃將百度大腦在金融、汽車、醫療等領域商業化。
阿里巴巴在多個領域有著超前的預見性，比如互聯網金融、云計算，但在人工智能方面，阿里稍顯滯后。不過，阿里進軍人工智能的優勢在于其龐大的數據生態，這是訓練人工智能難得的食糧，是重要基礎。
去年，阿里云推出了自稱中國第一家的人工智能服務。這一名叫DT PAI的平臺整合了阿里巴巴所使用的機器算法以及深度學習技術，將它們呈現在拖拽使用的簡易界面上。阿里云表示，開發者無需編寫新的代碼就能利用DT PAI預測用戶行為。
就在前不久，阿里宣布人工智能程序小Ai即將面對大眾，提前預測湖南衛視《我是歌手》總決賽歌王歸屬。小Ai主要基于神經網絡、社會計算(social computing)、情緒感知等原理工作。
在此之前，阿里云小Ai進行過大量的學習和訓練，并在實戰中成功實現交通、音樂黑馬等多個領域的預測。
在商業化方面，阿里正在規劃、布局基于人工智能技術的互聯網醫療。最新的統計數據顯示，全國已經有超過400家大中型醫院加入阿里的“未來醫院”計劃。阿里的設想是，未來，在阿里遍布全國邊遠山村的醫院醫療點里，病患足不出戶，只需拍一張CT，通過遠程技術來完成專家級的診療過程。
騰訊的人工智能技術相對分散，側重于在內部各業務上的使用。
比如語音識別主要是在微信部門，圖片識別主要是在QQ，支付和金融業務方面植入了人臉識別，搜索部門則關注自然語言識別。其中一些技術已在騰訊內部實現產品化。
SNG(社交網絡事業群)的優圖團隊聚焦圖象識別領域，推出了黃圖識別功能，并為騰訊內部產品如圖片優化工具“天天P圖”提供技術支持。WXG(微信事業群)則在人機互動領域進行拓展，也對圖像和語音識別進行了原發。WXG推出了智能機器人“小微”，用戶可以用自然語言與之溝通，解決此前語音助手智能機械應答的短板。
對于未來，工程師希望“小微”成為一種“連接器”——與微信支付串聯起來，接入微信公眾號以及錢包內的各種生活服務，打造完整的微信內O2O閉環生態體系。
目前來看，騰訊的人工智能技術的服務仍在內部，尚沒有完整的類似百度的研發和商業化計劃。不過和Facebook類似的是，騰訊手握龐大的社交數據，這是其未來爆發的潛力。
另外還有一個網易，試圖從云服務的角度利用人工智能技術。可能不為多數人所知的是，網易從2008年就開始了在深度學習領域的研究，算是國內投入最早的互聯網公司之一。
目前在杭州研究院形成了一套自有的深度模型，并有配套的計算集群，為深度模型的密集運算作支撐。網易目前將深度模型用在了諸如人臉識別、音樂識別、語音識別、智能客服等不同領域，其19年來的各類互聯網服務中產生的數據，成為訓練深度模型的素材。
具體到商業化方面，目前網易面向市場推出了一系列的云服務，比如云信(即時通訊云)、七魚(全智能云客服)、視頻云、蜂巢(容器云)、易盾(智能反垃圾云服務)等，其中網易七魚和易盾分別用到了智能聊天機器人和智能識別等人工智能技術。
另外，網易人工智能部門曾聯合美的推出AR智能家居，雙方在智能單品人機交互、智能體驗、智慧家居總裝、智能廚房等多方面展開了合作研究。只是具體進展不得而知。
綜合中美互聯網巨頭在人工智能領域的研究和商業化實踐，我們甚至可以說，在商業化的思路上，中國企業剛起步即比美國想的更多，走得更具體。
中國企業傾向于在將來可能的實際應用方面進行探索，而美國傾向于基礎的深度研發，暫時能不能看到商業化的方向倒是其次。
人工智能的產業結構可以分為三層：應用層、技術層和基礎層。
應用層聚焦在人工智能和各行業各領域的結合;技術層是算法、模型和技術開發;基礎層?則是計算能力和數據資源。
BAT和網易顯然擅長第一層。但在第二層和第三層，無論是技術實力，還是研發的時間長度，都與美國有著不小差距。
不過，微軟亞洲研究院常務副院長芮勇認為，橫向對比，中國和國際領先公司在核心技術上確實存在差距，但從縱向看，中國在人工智能領域的技術積累近幾年確實出現了飛躍，無論是最底層的計算機體系架構，還是智能硬件，或是上層軟件應用，都有質的進步。
客觀講，BAT們的加入正在帶動整個人工智能行業，人工智能領域的創業公司也層出不窮，雖然一部分只是掛個名號搶投資，但至少他們刺激了市場對人工智能人才的需求，人才，這也是最重要的一個基礎。畢竟，短時間內走在商業化的前面，終不如先在理論上打好基礎。
