本篇文章给大家谈谈人工智能初创，以及人工智能初创企业办公面积对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
本文目录一览：
人工智能初创企业如何与独角兽同台竞技？
人工智能是近十年来最大的风口，风口之大甚至成为国家战略。社会事件酝酿出的“风口”引来无数英雄竞折腰。一批“独角兽”应运而生，两年时间就崛起的“独角兽”使厚积薄发的历史经验变得模糊不清，“独角兽”已不再有时间涵义，一时ai江湖人潮如织。但在风口中与兽共舞潜藏巨大风险：被飓风掀翻或被独角兽碾压，能乘风直上九重天的企业屈指可数。
如何在人工智能的风口与独角兽同台竞技并幸存？这条“华容道”，一家叫“小白世纪”（xiaobaishiji）的公司巧战过关。
商汤科技（sensetime）是人工智能领域的一只独角兽。这家诞生于2014年底的公司最初依托香港中文大学汤晓欧（xiaoou tang）教授的媒体实验室，其构建的深度学习超深网络深达1208层，（层级越多难度越大精度越高）,而同期google是22层，microsoft是152层；其原创算法积累多达57项，领先于同期麻省理工大学（mit）51项，伯克利大学（berkeley）33项，牛津大学（oxford）45项；其在世界计算机视觉三大顶级会议cvpr、iccv、eccv发表论文总数84篇，仅次于微软的124篇，领先google的52篇，最近该公司完成4.1亿美元b轮融资，估值超过15亿美元，跻身“独角兽”阵营，成为一只庞然大物。然而就是这样一只“独角兽”却被另一家诞生于中国顶尖学府清华大学的“初生牛犊”一一“小白世纪”作为对标企业紧紧盯住，而此时，小白世纪才仅完成prea轮千万级人民币融资，仅有一篇论文进入cvpr。量级如此悬殊的两家视觉ai公司同处中国顶级科技园一一清华科技园，一明一暗，“独角兽”与“牛犊”暗中较量。最近爆出这两家公司同时出现在中国国家自主创新示范区展示中心的颁奖领奖台，共同摘取了中国科技部主办的“中国创新先锋20强”奖项，该奖项从全球筛选优秀项目，包含了来自美国，英国、以色列等国家的优秀项目，小白世纪以勇于探索创新，提供高效低成本改编视频内容工具的姿态获得加冕。
（中国国家科技部主办中关村创新生态季）
（左一为小白世纪代表，右六为商汤科技代表）
作为初创企业，小白世纪何以敢挑战独角兽，又何以与独角兽共享殊荣全身而进？
仔细考察两家公司的落地业务，小白世纪以视频搜索技术创新为基础，做最友好的广告为切入点；商汤科技以专注于计算机视觉和深度学习原创技术为基础，提供安防，人脸识别、广告等多领域多维度服务，两家公司的技术基础都是计算机视觉和深度学习技术，但在体量和科学家数量上有着巨大的悬殊，小白世纪得以脱颖而出，以小身躯与“独角兽”跻身同一个领奖台，共享殊荣，小白世纪创始人杜强博士（qiang du）介绍了五点经验：
首先是要与行业巨头积极合作，以甘为人做嫁衣的姿态寻找业务切入点。现在社会的共识是人工智能将改造未来社会，但是如何把技术落地产生切实社会效益却是历史进程的关键点。通常，技术型公司自身生长出不偏不倚的业务是很难的，需要和行业进行业务合作，ai行业尤其如是。作为一个风口里的初创企业，虽然有风（中国道家所说的势），但风也有可能让人迷失方向，因此要主动寻找行业巨头（一般行业巨头对市场需求大方向不会有太大偏差），以为人做嫁衣的姿态寻求合作。小白世纪通过与中国影视数据知名上市公司“艺恩”（entgroup）展开合作，深入了解到影视行业的一些痛点，完成了科技转化，赋能产业的第一关：厘清需求。并在此基础上完成赋能产业的第二关：准确定义产品。使产品的迭代更新顺着正确的方向不断推进。
其次是验证利基市场（主体市场周边的许多小市场），实时调整切入方向。与第一点并行的是验证利基市场。通常，在一些新兴领域的主体市场周边存在一些利基市场，这些市场初期都不显眼，但是到主体市场发展的中后期，这些利基市场有可能成为新的主体市场，或者诞生出体量或现金流非常优质的隐形冠军。明智的创业者初期不会和巨头拼抢主体市场，而是千方百计寻找利基市场，然后反复审视这个市场是不是真实的市场，是不是足够大，有些什么限制条件和壁垒，反复进行论证。小白世纪正是在和行业巨头合作过程中发现视频处理的一些利基市场。比如有一家影视公司拍的电视剧由于众所周知的原因主角爆出绯闻，必须更换，可是拍摄几近杀青，资金投入巨大。影视公司很着急。得知这个消息，小白世纪迅速化解了制片方的难题，通过技术手段高效换掉这个主角的脸。为投资方节省了大量成本。经过调查，这样的市场需求还有很大，而目前视觉人工智能公司在这个领域才刚刚开始耕耘。数据、算法和场景是人工智能发展的三要素，我们在很多场合都被人问到数据来源，之所以选择视频广告这个切入点，视频内容本身就是数据，这些资源都是公开的，且并不必须依赖用户行为数据就能挖掘出数据进行使用。用户行为数据本身就是稀缺的资源，也是巨头们的镇山之宝，很难低成本获得。小白世纪当初没有从安防、自动驾驶领域切入，现在看来这两个领域超级巨头已经入场，已现红海的竞争态势。因此，作为初创企业，小白世纪的视频广告方向决断是较有远见和定力的。当然战略抉择还有更复杂的因素，不赘述。
再次是验证需求后，结合其他领域的技术，嫁接技术，形成有技术壁垒的更优买球官网平台的解决方案。目前ai视频识别应用在广告领域有商汤科技在做，另一家融资一亿美金的公司face 也在做，但是他们的广告只是在场景维度上提高了精准，形式仍然是主动push广告，这样仍然对用户观影产生一些困扰。小白世纪一方面加大研发投入，技术顾问黄高博士的论文《densely connected convolutional networks》（《密集连接的卷积网络》）勇摘全球视觉ai顶级学术会议cvpr的2017最佳论文桂冠，小白世纪以此搭建出当前最先进的视频识别网络结构，有效提升视频识别精度和速度。
黄高博士cvpr最佳论文《densely connected convolutional networks》
团队赴康奈尔大学交流考察（右二为创始人杜强博士，右一为黄高博士）
另一方面通过技术嫁接完成技术转化产业赋能。通常，新技术诞生后，技术与业务之间的衔接并不是天然吻合，就像拿着技术的锤子找业务的钉子一样，要么锤子太大，要么钉子太小，硬砸会伤着手。锤子和钉子基本不会天然吻合，解决办法要么打磨锤子适合钉子，要么重新寻找钉子，除此之外，还有一个可取的办法就是在锤子和钉子之间寻找个支架，使整个流程合理自然。这种嫁接往往是艰难而有效的，但需要工程师们撸起袖子，走得深，敢走宽，沉得下，不断钻研新技术才能获得领先于同行的穿透力。小白世纪引入以视频技术“像素追踪”（pixel tracking）、超像素追踪（superpixel tracking）、运动追踪（motion tracking）等技术，自动分析和捕捉视频局部动态影像，率先实现视频局部原生植入（video in），开辟ai技术下的原生视频植入广告的新形式，从而完成科技转化，赋能产业的第三关：工程实现。竞争对手的人工智能技术的产品定义和工程实现只是在广告投放点上做到精确，在投放的形式上尚未开展更多的研究。从媒介形态上看，文字，图片，声音过去都可以以极低成本改编（植入），但是改编视频内容的技术尚未飞入寻常百姓家，如果说美图秀秀之前是让傻瓜都可以美化图片，那么小白世纪是让傻瓜都可以美化和改编视频局部内容，这是对媒介表现力的一次巨大的拓展和提升，小白世纪机器自动原生广告植入，提升了用户的观影体验和广告植入效率，并逐步形成一套有技术壁垒的买球官网平台的解决方案，建立起自己的局部竞争优势，这也是小白世纪此次获奖的重要原因。技术嫁接的衡量标准是该技术必须要能提升买球官网平台的解决方案的质量和竞争力，不能为技术而技术，不能为建立竞争壁垒而壁垒。
第四是把握节奏，量体裁衣。什么是最好的战术？俗话说最适合的才是最好的，这一点在初创企业身上同样适用。技术嫁接要注意的一个问题就是把握好节奏，要量体裁衣。同样在清华科技园，有一家从国外知名学府回来做自然语言处理nlp (natural language processing)的海归团队，他们在天使轮融资完成后紧盯科技前沿，决定研发芯片以实现业务需求，然而公司之前并没有做硬件的人才。做芯片固然能提升他们产品竞争力，但是在天使轮极为有限的资金下，能不能一步跨那么远？需不需要一步夸那么远？这个决策缺乏更多有力依据，目前这家公司前景非常不妙。找不清适合自身的战略战术也是融资市场逐步成熟以来创业者们最容易犯的错误之一，小白世纪每一次融资都做对了现阶段该完成的事情，这也是重要的原因之一。
第五是寻求有产业背景孵化器的支持合作。帮助小白世纪孵化的是安创空间（arm accelerator），这家公司隶属于arm（世界最大的手机处理器公司，占全球手机处理器90%的市场份额）,背后投资人是阿里巴巴的早期投资人日本软银（softbank）孙正义（masayoshi son）先生。arm孵化器的负责人蒋长洪（changhong jiang）说：小白世纪组建了一个优秀的团队，我们看好小白世纪的创新和筹划能力，我们的使命就是让创业者在中国创业与硅谷创业没有区别。arm孵化器为小白世纪带来不一样的全球视野，使小白世纪能够站在全球产业更大的视野寻找适合ai初创企业的发展路径。
小荷才露尖尖角，早有蜻蜓立上头。与独角兽竞技，小白世纪以独有方式迈步世界的颁奖台。（文乔哥）
人工智能，这五个行业岗位未来很吃香
人工智能与人类工作是当下许多人津津乐道的一个话题，而讨论的重点大多是围绕在“未来人工智能会不会抢走我们的工作”这个方面。本文作者 babak hodjat 是人工智能初创企业 sentient technologies 的联合创始人兼 ceo，他认为，那些担心 ai 会抢走他们工作的人其实大可不必如此紧张，因为 ai 也会催生新的工作岗位。
“人工智能”一词经常会让人感觉心生恐惧和忧虑，人们畏惧人工智能所带来的未知可能性，害怕发生像《终结者》这样的电影中所展现出来的反乌托邦式情景，担心人工智能未来某一天可能会抢走我们的工作。这种恐惧情绪并非最近才刚刚出现，也并不是完全没有依据。人工智能与其他任何颠覆性技术发明一样，由此出现的更快速、更高效的机器必然会取代部分人类工作者。但是，那些担心 ai 会抢走他们工作的人其实大可不必如此紧张，因为 ai 也会催生新的工作岗位，而他们至少可以往这些新工作方向发展。
据 gartner 最新发布的一份报告指出，尽管 ai 技术将取代 180 万个工作岗位，但同时也将创造出 230 万个新就业岗位。gartner 首席研究员 peter sondergaard 预测表示，ai 将强化员工的工作能力，并可能成为 2020 年的“净工作创造者”。我相信，ai 与过去所有的其他颠覆性技术一样，将为我们带来许多新就业机会。
得益于 ai 技术的兴起，以下五个行业岗位将呈现出显着的增长趋势：
1、数据科学家
数据科学家属于分析型数据专家中的一个新类别，他们对数据进行分析来了解复杂的行为、趋势和推论，发掘隐藏的一些见解，帮助企业做出更明智的业务决策。正如致力于商业分析和商业智能软件的 sas 所说的那样，数据科学家是“部分数学家，部分计算机科学家和部分趋势科学家的集合体”。
以下是数据科学应用的一些例子：
target 使用消费者数据来确定主要客户群，并且对客户群中独特的购物行为进行分析，从而能引导消息传递给不同的受众。
宝洁公司利用时间序列模型能够更加清晰地了解未来的产品需求，从而帮助公司规划出合适的生产量。
由于ai 推动了创造和收集数据的趋势发展，所以我们也可以看到未来对于数据科学家的需求也将日益增加。据 ibm 预测，到 2020 年，对于数据科学家的需求增长幅度将达到 28%，数据科学家、数据开发人员和数据工程师的年需求量将达到 70 万人。其中一般的 ai 领域专家，包括刚踏出校园的博士生以及相对教育程度低一些、但是有几年工作经验的专业人士，每年薪水加公司股票可能在 30 万美元至 50 万美元范围内。
2、ai/机器学习工程师
大多数情况下，机器学习工程师都是与数据科学家合作来同步他们的工作。因此，对于机器学习工程师的需求可能也会出现类似于数据科学家需求增长的趋势。数据科学家在统计和分析方面具有更强的技能，而机器学习工程师则应该具备计算机科学方面的专业知识，他们通常需要更强大的编码能力。
如果你是十年前进入机器学习领域，那当时除了学术界之外很难找到别的工作。但是现在，每个行业都希望能将 ai 应用到他们的领域，对于机器学习专业知识的需求也就无处不在，因此 ai 也将继续推动 社会 对于机器学习工程师高需求趋势的发展。除此之外，ai 不同垂直行业的企业，包括图像识别、语音识别、医药和网络安全等，也面临着缺乏合适技能和知识的劳动力这一问题的挑战。据 gartner 报告显示，有一位首席信息官想要在纽约聘用 ai 技术的专业人才，却发现人才库只有 32 人，其中只有 16 人符合潜在候选人标准。而在这 16 人中，只有 8 人正在积极寻找新就业机会。
3、数据标签专业人员
随着数据收集几乎在每个垂直领域实现普及，数据标签专业人员的需求也将在未来呈现激增之势。事实上，在 ai 时代，数据标签可能会成为蓝领工作。
ibm watson 团队负责人 guru banavar 表示“数据标签将变成数据的管理工作，你需要获取原始数据、对数据进行清理，并使用机器来进行收集。”标签可以让 ai 科学家训练机器新任务。
banavar 继续解释道：“假设你想训练一台机器来识别飞机，你有 100 万张照片，其中有一些照片里边有飞机，有一些没有飞机。那你需要有人先来教会计算机哪些图像有飞机，哪些又没有飞机。”这就是标签的用处所在。
4、ai硬件专家
ai 领域内另外一种日益增长的蓝领工作是负责创建 ai 硬件(如 gpu 芯片)的工业操作工作。大 科技 公司目前已经采取了措施，来建立自己的专业芯片。
英特尔正在为机器学习专门打造一个芯片。与此同时，ibm 和高通正在创建一个反映神经网络设计、并且可以像神经网络一样运行的硬件架构。据 facebook ai 研究总监 yann lecun 表示，facebook 也在帮助高通开发与机器学习相关的技术。随着人工智能芯片和硬件需求的不断增长，致力于生产这些专业产品的工业制造业工作岗位需求将会有所增长。
5、数据保护专家
由于有价值的数据、机器学习模型和代码不断增加，未来也会出现对于数据保护的需求，因此也就会产生对于数据库保护 it 专家的需求。
信息安全控制的许多层面和类型都适用于数据库，包括：访问控制、审计、认证、加密、整合控制、备份、应用安全和数据库安全应用统计方法。
数据库在很大程度上是通过网络安全措施(如防火墙和基于网络的入侵检测系统)来抵御黑客攻击。保护数据库系统及其中的程序、功能和数据的安全这一工作将变得越来越重要，因为网络开放程序越来越高。
总会需要人类的判断
尽管人工智能可以用来加速日常工作的节奏，并且未来可能会取代一些岗位的工作人员，但相比它破坏的工作来说，它创造的工作更多。无论是分析、组织，还是根据数据达成可行结论，这些过程中人类的角色仍十分必要。也正是因为如此，人类在创造、实施和保护人工智能方面的作用将变得更为重要。
正如 frostsullivan 高级副总裁 andrew milroy 所说：“实现转型所缺少的人力资源将会降低技术采用和实现自动化的速度。ai 会创造就业机会。随着新型、颠覆性技术的出现，新的高技能工作岗位也会出现。而没有人类工作者，这些技术的实施是不可能实现的事情。”
人工智能是人类未来实现连续统一目标的一个步骤。ai 技术所创建的工作能够让生活更轻松，将人类工作者从琐碎的工作任务中解放出来。而当前 ai 技术的传播速度和普及趋势在给我们创造更多就业机会的同时，也意味着我们面临着一个新的挑战，我们需要培训工作人员转向这些新职位。
2018年全球最值得关注的ai芯片初创公司
wave computing
wave computing在2018取得了不少进展人工智能初创，推出其第一个dataflow处理单元，收购mips，创建mips open，并将首批系统交付给少数客户。虽然wave架构有一些非常有趣的功能，但我们更期待用户的大规模真实体验反馈。
wave不是插入到服务器的加速器，它是用于图形计算的独立处理器。这种方法有利有弊。从积极的方面看，wave不会受到gpu等加速器面临的内存瓶颈影响。从消极方面来说，安装wave设备将是新的升级，需要完全替换传统的x86服务器，也让其成为所有服务器制造商的竞争对手。
我不认为wave能从某个点击败nvidia，但该架构的设计的非常好，该公司已经表示它很快就会有客户的反馈。
图1人工智能初创：wave是从上面显示的4节点“dpu”构建的系统。wave computing
graphcore
graphcore是一家资金雄厚（融资3.1亿美元，目前估值为17亿美元）的英国独角兽创业公司，拥有全球化的团队。它正在构建一种新型的图形处理器架构，其内存与其逻辑单元位于同一芯片上，这应该能够实现更高的性能。该团队产品的发布时间暂不明确，不过他们去年四月表示“几乎准备好发布”了，12月的最新信息表明它将很快开始生产。
graphcore的投资者名单令人印象深刻，包括红杉资本、宝马、微软、博世和戴尔 科技 。
我了解了该公司的架构，它非常令人印象深刻。从边缘设备扩展到用于数据中心的训练和推理的“colossus”双芯片封装。在最近的neurips活动中，graphcore展示了其rackscale ipu pod，它在一个32台服务器的机架中提供超过16 petaflops的算力。虽然该公司经常声称它将提供比同类最好gpu强100倍的性能。
graphcore表示，4“colossus”gc2（8芯片）服务器可提供500 tflops（每秒数万亿次操作）的混合精度性能。单个nvidia v100可提供125 tflops，因此理论上4 个v100就可提供与其相同的性能。
与往常一样，细节更能发现差别，v100峰值性能仅在重构代码执行tensorcore的4x4矩阵乘法时才可用，这是graphcore架构巧妙避免的限制。更不用说v100消耗了300瓦的电能和大量现金这一事实。
此外，graphcore支持片上互连和“处理器内存”（片上存储器）方法，可以得到超出tflops基准所认可的优秀性能。在一些神经网络中，如generative adversarial networks，内存是瓶颈。
再次强调，我们将不得不等待真实的用户用实际应用程序来评估此体系结构。尽管如此，graphcore的投资者名单、专家名单和台天价估值告诉我，这可能是一件好事。
图2人工智能初创：graphcore展示了imagenet数据集处理的照片。 可视化可帮助开发人员了解其训练处理占用处理周期的位置。
habana labs
habana labs是一家以色列创业公司，去年9月在第一次ai硬件峰会上宣布它已经准备好推出其首款用于推理的芯片，其创纪录的性能用于卷积神经网络图像处理。结果显示在resnet50图像分类数据库中该处理器每秒分类15,000张图像，比nvidia的t4高出约50％，功耗仅为100瓦。
在2018年12月，habana labs的最新一轮融资由英特尔风险投资（intel venture capital）领投，wrv capital，bessemer venture partners和battery ventures跟投，该公司的融资也由此前的4500万美元增加了7500万美元。
据悉，habana labs新的融资将部分用于流片其名为“gaudi“的第二款芯片，该芯片将专注于训练市场，据称可扩展到1000多个处理器。
其它创业公司
我知道世界上有超过40家公司在为人工智能设计训练和推理芯片。我发现大多数公司都在进行简单的fma（浮点乘法累加）和混合精度数学（整型8位和浮点16位和32位）。对此我不会感到惊讶，因为这种方法相对容易实现并且会获得一些成果，但它不会为像nvidia，英特尔以及少数初创公司做出不一样的架构提供持久的架构优势。
以下是一些引起我注意的公司：
中国ai芯片初创公司
中国一直试图找到一条摆脱美国半导体的方式，人工智能加速器可能会提供它一直在寻求的机会。中国设定了2030年要建立一个价值数万亿美元的人工智能产业的目标，自2012年以来，投资者已经向创业公司投入了超过40亿美元的资金。
寒武纪 科技 估值为25亿美元，是已经发布了第三代ai芯片的中国独角兽公司。寒武纪称它可以用更低的功耗提供比nvidia v100更好的ai性能，他们还销售其ai ip，搭载在华为麒麟970和麒麟980的处理器当中，作为ai加速硬件。
商汤 科技 也许是估值最高的ai创业公司，以在中国推广智能监控摄像头而闻名。这些安防摄像头数量超过1.75亿，包括其他公司生产的摄像头。商汤 科技 在香港成立，最近一轮融资数额达6亿美元，由阿里巴巴领投。据报道，这家初创公司的价值目前为45亿美元。
商汤 科技 与阿里巴巴、高通、本田甚至nvidia等主要公司建立了战略买球官网平台的合作伙伴关系。该公司今天拥有一台超级计算机，运行大约8000块（可能是nvidia提供人工智能初创？）gpu，并计划再建造5台超级计算机来处理数百万个摄像头采集的面部识别数据。
雷锋网编译，via forbes
人工智能初创的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于人工智能初创企业办公面积、人工智能初创的信息别忘了在本站进行查找喔。
发表评论
额 本文暂时没人评论 来添加一个吧