本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請(qǐng)至雷鋒網(wǎng)官網(wǎng)申請(qǐng)授權(quán)。

進(jìn)入 2020 年，在疫情黑天鵝以及新基建以極快的速度成為共識(shí)的大背景下，AI 真正迎來(lái)了屬于自己的高光時(shí)刻。

今年全球人工智能領(lǐng)域人才的分布是什么樣子？AI 領(lǐng)域有哪些研究和突破？AI 產(chǎn)業(yè)有哪些新風(fēng)向？未來(lái)又有哪些新趨勢(shì)？

劍橋大學(xué)這份年度 AI 全景報(bào)告或許能告訴你答案。

今年是該年度報(bào)告的第三期，由 Nathan Benaich 與 Ian Hogarth 代表劍橋大學(xué)總結(jié)了過(guò)去一年的 AI 趨勢(shì)。

和往年一樣，該報(bào)告援引的數(shù)據(jù)來(lái)自知名科技公司和研究小組。新版 AI 全景報(bào)告全方位總結(jié)過(guò)去一年來(lái) AI 領(lǐng)域的研究成果與突破、人才形勢(shì)、產(chǎn)業(yè)動(dòng)態(tài)等，并作出未來(lái)預(yù)測(cè)。

報(bào)告顯示，在美國(guó)工作的頂尖 AI 人才中，27% 有中國(guó)教育背景，但他們?cè)诋厴I(yè)后有 54% 會(huì)去美國(guó)攻讀研究生博士，這其中又有 90% 選擇留美工作。

如果您想獲得本報(bào)告的全文 pdf，請(qǐng)?jiān)诶卒h網(wǎng)(公眾號(hào)：雷鋒網(wǎng))微信公眾號(hào)回復(fù)關(guān)鍵詞“ 1010報(bào)告”提取。

文檔來(lái)源：劍橋大學(xué)

一、人工智能研究進(jìn)展：只有 15% 的論文會(huì)公開(kāi)代碼，PyTorch 超越了 TensorFlow

1、開(kāi)放性不足

AI 研究的開(kāi)放性并沒(méi)有我們想象的那么高，只有 15% 的論文會(huì)開(kāi)源他們的代碼。

研究論文代碼的實(shí)現(xiàn)對(duì)于 AI 的可問(wèn)責(zé)性、可再現(xiàn)性和推動(dòng)進(jìn)展至關(guān)重要。

自 2016 年中期以來(lái)，該領(lǐng)域在這一指標(biāo)上幾乎沒(méi)有改善。傳統(tǒng)上，學(xué)術(shù)團(tuán)體比行業(yè)團(tuán)體更有可能發(fā)布他們的代碼。沒(méi)有公開(kāi)所有代碼的著名組織有 OpenAI 和 DeepMind。

對(duì)于科技公司來(lái)說(shuō)，它們的代碼通常與無(wú)法發(fā)布的專(zhuān)有伸縮基礎(chǔ)設(shè)施交織在一起。這表明人工智能人才和計(jì)算機(jī)的集中化是一個(gè)巨大的問(wèn)題。

2、PyTorch 超越了 TensorFlow

在研究論文中，F(xiàn)acebook 的 Py Torch 快速超越了谷歌的 Tensor Flow。

20-35% 的會(huì)議論文提到了他們使用的框架，75% 引用了 PyTorch 而不是 TensorFlow。2018 年，有 161 位作者發(fā)表的 TensorFlow 論文多于 PyTorch 論文，其中 55% 的人改用了 PyTorch。15% 情況正好相反。

同時(shí)，作者觀察到 Tensor Flow、Caffe 和 Caffe2 仍然是生產(chǎn) AI 的主力。

此外，在 GitHub 上， PyTorch 也比 TensorFlow 更受歡迎。

據(jù)統(tǒng)計(jì)現(xiàn)在約有 47% 的實(shí)現(xiàn)是基于 PyTorch 的，而 TensorFlow 的大約為 18%。PyTorch 提供更大的靈活性和動(dòng)態(tài)計(jì)算圖，使實(shí)驗(yàn)變得更加容易。JAX 是個(gè)對(duì)數(shù)學(xué)更友好的Google出品框架，通常在卷積模型和 transformer 之外的工作中受到青睞。

3、NLP 模型趨勢(shì)

另一方面，大尺寸模型正在推動(dòng)著 NLP 領(lǐng)域的技術(shù)進(jìn)步，OpenAI 的 GPT-3 等新研究已經(jīng)把深度學(xué)習(xí)模型的參數(shù)數(shù)量推到了千億。

根據(jù)目前的云服務(wù)算力價(jià)格，訓(xùn)練每 1000 參數(shù)的模型平均需要 1 美元，擁有 1750 億參數(shù)的 GPT-3 可能需要花費(fèi)百萬(wàn)美元級(jí)別的費(fèi)用，有專(zhuān)家認(rèn)為這一數(shù)字超過(guò)了 1000 萬(wàn)美元。高昂的訓(xùn)練費(fèi)用，讓研究人員們?cè)谔剿餍路较驎r(shí)遭遇了挑戰(zhàn)。

在 AI 模型訓(xùn)練需求越來(lái)越多算力的同時(shí)，傳統(tǒng)計(jì)算機(jī)架構(gòu)卻在逐漸接近摩爾定律的終點(diǎn)。MIT 等大學(xué)的研究稱(chēng)，科學(xué)家如果希望將 ImageNet 數(shù)據(jù)集圖像分類(lèi)任務(wù)的錯(cuò)誤率從 11.5% 降到 1%，可能需要數(shù)百億美元的投入。

不過(guò)，人們也在研究提高模型效率的方法，OpenAI 的統(tǒng)計(jì)表明：自 2012 年起，訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行 ImageNet 圖像分類(lèi)要想達(dá)到特定的水平，其所需的算力每 16 個(gè)月減半。

毋庸置疑的是，GPT-3、BERT 等模型已經(jīng)讓 NLP 領(lǐng)域的研究進(jìn)入了新的階段?，F(xiàn)在甚至出現(xiàn)了自動(dòng)翻譯編程語(yǔ)言的無(wú)監(jiān)督機(jī)器翻譯工具。在 GitHub 上把 C++ 函數(shù)翻譯至 Java 準(zhǔn)確率達(dá)到 90%。

4、 生物學(xué)的“ AI 時(shí)刻”：僅在 2020 年，就有超過(guò) 2.1 萬(wàn)篇論文

生物研究正在經(jīng)歷「AI時(shí)刻」：僅 2020 年，就有超過(guò) 21,000 篇相關(guān)論文發(fā)表。自 2017 年以來(lái)，涉及生物領(lǐng)域人工智能方法(如深度學(xué)習(xí)、NLP、計(jì)算機(jī)視覺(jué)、RL)的出版物同比增長(zhǎng)了 50%。自 2019 年以來(lái)發(fā)表的論文占 2000 年以來(lái)所有論文的 25%。

不過(guò)，當(dāng)前的大多數(shù)機(jī)器學(xué)習(xí)應(yīng)用是通過(guò)統(tǒng)計(jì)來(lái)實(shí)現(xiàn)功能的，其忽略了人類(lèi)學(xué)習(xí)知識(shí)的重要方法——因果推理。在為患者尋找診療方案等任務(wù)中，因果推理是更好的方式。Judea Pearl、Yoshua Bengio 等人工智能先驅(qū)者都認(rèn)為，因果推理是使得機(jī)器學(xué)習(xí)系統(tǒng)更好地泛化，更強(qiáng)大穩(wěn)健，并為決策作出更大貢獻(xiàn)的新方向。

5、聯(lián)邦學(xué)習(xí)

2018 年至 2019 年，提到聯(lián)邦學(xué)習(xí)的論文數(shù)量增長(zhǎng)了近 5 倍。2020 年上半年發(fā)表的論文比 2019 年全年都多。

二、AI 人才：人才外流，27 % 有中國(guó)教育背景

人工智能領(lǐng)域研究者的分布情況近幾年呈現(xiàn)出幾種新的趨勢(shì)。

1、人才外流

在 2004 年至 2018 年間，谷歌、DeepMind、亞馬遜和微軟從美國(guó)大學(xué)聘請(qǐng)了 52 名終身教授和終身教授?？▋?nèi)基梅隆大學(xué)、華盛頓大學(xué)和伯克利大學(xué)在同一時(shí)期失去了 38 位教授。值得注意的是，2004 年沒(méi)有一位人工智能教授離開(kāi)，而僅 2018 年就有 41 位人工智能教授離開(kāi)。

當(dāng)然，老教授的離開(kāi)可能會(huì)為年輕的學(xué)術(shù)人才騰出晉升的階梯。而與此同時(shí)，也有一些學(xué)者并不買(mǎi)賬。

人工智能教授的流失與全美 69 所大學(xué)的畢業(yè)生創(chuàng)業(yè)能力下降有關(guān)。

一般來(lái)說(shuō)，人工智能終身教授離職 4-6年后，畢業(yè)生創(chuàng)辦人工智能公司的可能性降低了 4% ；但這種并不適用于教授在學(xué)生畢業(yè)前 1-3 年就離開(kāi)的情況，這表明教授和學(xué)生之間的互動(dòng)很重要；但人工智能教授的離職與同一所大學(xué)的畢業(yè)生成立非 AI 公司之間也沒(méi)有顯著的相關(guān)性。

2、中國(guó)學(xué)者的重要性凸顯

 在 2019 年 Neur IPS 接受論文的作者中，有 29% 在中國(guó)獲得本科學(xué)位。但在離開(kāi)中國(guó)的大學(xué)后，54%的畢業(yè)生前往美國(guó)在 NeurIPS 發(fā)表論文。

在人工智能領(lǐng)域里，美國(guó)仍然是國(guó)際研究的中心，有 90% 在美國(guó)畢業(yè)的留學(xué)博士都會(huì)留美繼續(xù)工作。

而非美國(guó)籍的 AI 博士畢業(yè)生畢業(yè)之后很有可能到大型科技公司就職，而美國(guó)籍的博士畢業(yè)生更有可能去初創(chuàng)公司就職或加入學(xué)術(shù)界的研究行列。

與此同時(shí)，許多 AI 領(lǐng)域的美國(guó)博士畢業(yè)生畢業(yè)之后會(huì)前往英國(guó)和中國(guó)就職。去英國(guó)的畢業(yè)生中，55%選擇在私營(yíng)部門(mén)工作；去中國(guó)的人當(dāng)中 40% 選擇去私營(yíng)部門(mén)。 

還有數(shù)據(jù)表明，盡管美國(guó)的 AI 技術(shù)領(lǐng)先，但大多數(shù)在美國(guó)工作的頂級(jí)人工智能研究人員都不是在美國(guó)接受本科教育的，中國(guó)(27%)、歐洲(11%)和印度(11%)是美國(guó) AI 人才的最大幾個(gè)輸送國(guó)。 

3、美國(guó)依賴(lài)人工智能人才

考慮到美國(guó)人工智能產(chǎn)業(yè)對(duì)移民的依賴(lài)程度，特朗普宣布暫停 H1-B 簽證引起了強(qiáng)烈反彈。 八起聯(lián)邦訴訟和數(shù)百所大學(xué)反對(duì) 。

4、美國(guó)繼續(xù)主導(dǎo) NeurIPS 2019 年論文

以 NeurIPS 2019 為例，谷歌、斯坦福、卡內(nèi)基梅隆大學(xué)、MIT 和微軟發(fā)表的論文數(shù)量位居前五。

5、AI 人才供不應(yīng)求

AI 領(lǐng)域的人才需求不斷增長(zhǎng)。許多一流大學(xué)也在擴(kuò)大 AI 專(zhuān)業(yè)的招生規(guī)模。以斯坦福為例，最近幾年斯坦福 AI 領(lǐng)域的學(xué)生是 1999-2004 年的十倍之多，與 2012-2014 年相比 AI 領(lǐng)域?qū)W生數(shù)量也是翻了一倍。

盡管如此，來(lái)自 Indeed 的數(shù)據(jù)顯示，招聘職位的數(shù)量仍約為求職者數(shù)量的三倍。

但不可避免的是，2020 年人工智能領(lǐng)域的人才市場(chǎng)受到了新冠疫情的嚴(yán)重影響。根據(jù)領(lǐng)英發(fā)布的數(shù)據(jù)，2020 年機(jī)器學(xué)習(xí)領(lǐng)域職位原本強(qiáng)勁的增長(zhǎng)趨勢(shì)在 2 月受到打擊，開(kāi)始下滑。

三、AI 產(chǎn)業(yè)：醫(yī)療、自動(dòng)駕駛正在全面利用 AI 

1、醫(yī)療

疫情期間，很多科技公司將 AI 醫(yī)療影像識(shí)別技術(shù)投入使用。

比如，深度學(xué)習(xí)將超分辨率顯微鏡成像從采集到分析進(jìn)行了改進(jìn)，使用監(jiān)督學(xué)習(xí)和計(jì)算機(jī)視覺(jué)將人體顯微鏡下的數(shù)小時(shí)時(shí)間縮短為幾分鐘。超分辨率顯微鏡通常需要主題專(zhuān)家來(lái)評(píng)估樣本，ONI 的系統(tǒng)自動(dòng)化這些視覺(jué)檢查任務(wù)和解鎖超分辨率非專(zhuān)業(yè)用戶(hù)。

而且，美國(guó)醫(yī)療保險(xiǎn)和醫(yī)療補(bǔ)助服務(wù)中心也提出了基于深度學(xué)習(xí)的醫(yī)療成像產(chǎn)品費(fèi)用標(biāo)準(zhǔn)。未來(lái)，優(yōu)先使用 AI 技術(shù)將在醫(yī)療領(lǐng)域越來(lái)越常見(jiàn)。例如，利用人工智能設(shè)計(jì)藥物已經(jīng)在日本進(jìn)行了臨床試驗(yàn)，而一大批創(chuàng)業(yè)公司也得到了大量資金用于實(shí)現(xiàn)平臺(tái)戰(zhàn)略發(fā)展。

2、自動(dòng)駕駛

自 2018 年以來(lái)，在加利福尼亞州擁有自動(dòng)駕駛汽車(chē)測(cè)試許可的 66 家公司中，只有 3 家被允許在沒(méi)有安全駕駛員的情況下進(jìn)行測(cè)試，其分別為 Waymo（谷歌）、Nuro 和 AutoX。

即使在政策最為開(kāi)放的加州，迄今為止自動(dòng)駕駛汽車(chē)的行駛里程相比人類(lèi)也是微不足道——自動(dòng)駕駛汽車(chē)公司在 2019 年的自動(dòng)駕駛里程比 2018 年增加了 42％。但這僅相當(dāng)于 2019 年有駕照加州駕駛員行駛里程的 0.000737％。

自動(dòng)駕駛領(lǐng)域的公司，必須要有強(qiáng)大的資金支持。13 億美元被亞馬遜收購(gòu)的 Zoox，其自 2015 年以來(lái)收獲的融資已超過(guò)了 9.55 億美元，Zoox 最新的估值約為 32 億美元。交易文件顯示，Zoox 在 2020 年初每個(gè)月要燒掉 3000 萬(wàn)美元。

國(guó)內(nèi)的出行公司滴滴最近也把自動(dòng)駕駛業(yè)務(wù)剝離，并從軟銀遠(yuǎn)景基金等機(jī)構(gòu)籌集了 5 億美元。今年 7 月，滴滴在上海推出了自動(dòng)駕駛汽車(chē)服務(wù)。

目前，自動(dòng)駕駛系統(tǒng)中的大多數(shù)機(jī)器學(xué)習(xí)算法只專(zhuān)注于車(chē)輛周?chē)氖挛?，并基于工程量巨大的手?xiě)規(guī)則。研究人員正在開(kāi)發(fā)類(lèi)似于 AlphaGo，學(xué)習(xí)大量人類(lèi)駕駛經(jīng)驗(yàn)進(jìn)行訓(xùn)練的新算法。最近，Waymo、Uber 和 Lyft 都展示了模仿學(xué)習(xí)和逆強(qiáng)化學(xué)習(xí)的新技術(shù)。

自動(dòng)駕駛等領(lǐng)域的發(fā)展也需求大量算力，Graphcore、英偉達(dá)等公司今年推出的新一代芯片成為了人們的希望。

另外，今年 AI 在保護(hù)人類(lèi)免受電子郵件釣魚(yú)攻擊方面、計(jì)算機(jī)視覺(jué)檢測(cè)篡改身份文件、反洗錢(qián)和恐怖分子融資和經(jīng)濟(jì)犯罪等方面也做出了不小的貢獻(xiàn)。

四、政策變化

1、倫理道德風(fēng)險(xiǎn)

NeurIPS 和 ICLR 都提出了新的倫理規(guī)范，但并未強(qiáng)制代碼和數(shù)據(jù)共享。以人工智能領(lǐng)域最頂級(jí)會(huì)議 NeurIPS 為例：

NeurIPS 將創(chuàng)建一個(gè)專(zhuān)門(mén)的子團(tuán)隊(duì)，由機(jī)器學(xué)習(xí)和倫理學(xué)交叉領(lǐng)域的專(zhuān)家組成。

NeurIPS 現(xiàn)在要求論文作者提交關(guān)于「該工作可能產(chǎn)生的更廣泛的影響，包括道德方面以及未來(lái)的社會(huì)影響」。

鑒于 Facebook 和谷歌等公司在 NeurIPS 中的影響力日益增強(qiáng)，因此「作者必須提供明確披露資金來(lái)源以及競(jìng)爭(zhēng)利益點(diǎn)」。

NeurIPS「強(qiáng)烈鼓勵(lì)」共享數(shù)據(jù)和模型，但沒(méi)有強(qiáng)制性規(guī)定。

在這方面，機(jī)器學(xué)習(xí)領(lǐng)域落后于生命科學(xué)領(lǐng)域，例如在 Nature 期刊上發(fā)表論文的條件之一是，作者必須「及時(shí)向讀者提供材料、數(shù)據(jù)、代碼和相關(guān)協(xié)議」。

華為在智能手機(jī)領(lǐng)域的主導(dǎo)性增強(qiáng)，并在機(jī)器學(xué)習(xí)技術(shù)上大量投資。

2、人臉識(shí)別面臨爭(zhēng)議

目前世界上 50% 的人允許使用面部識(shí)別。 只有 3 個(gè)國(guó)家(比利時(shí)、盧森堡，     摩洛哥)部分禁止只允許在特定情況下使用這種技術(shù)。

那些頭部科技公司，對(duì)于人臉識(shí)別技術(shù)的使用也更加謹(jǐn)慎：

微軟刪除了其 1000 萬(wàn)張人臉的數(shù)據(jù)庫(kù)——這是目前可用的最大數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)中的人臉是從網(wǎng)絡(luò)上抓取的，并未取得當(dāng)事人的許可。

亞馬遜宣布一年內(nèi)暫停警方使用其面部識(shí)別工具 Rekognition，以便「國(guó)會(huì)有足夠時(shí)間制定適當(dāng)?shù)囊?guī)定」。

IBM 宣布放棄其人臉識(shí)別產(chǎn)品及技術(shù)。

紐約大都會(huì)運(yùn)輸署 (MTA) 要求蘋(píng)果允許乘客戴口罩時(shí)啟用 FaceID，以防止新冠病毒擴(kuò)散。

3、軍用 AI 系統(tǒng)被重視

美國(guó)繼續(xù)在實(shí)施軍事人工智能系統(tǒng)方面進(jìn)行重大投資。隨著機(jī)器學(xué)習(xí)技術(shù)的不斷工業(yè)化，軍方對(duì)其進(jìn)行了越來(lái)越多的探索。

美國(guó)總務(wù)管理局和美國(guó)國(guó)防部聯(lián)合人工智能中心授予博思艾倫咨詢(xún)公司一份為期 5 年、總共 8 億多美元的訂單，內(nèi)容簡(jiǎn)介中包括「數(shù)據(jù)標(biāo)簽、數(shù)據(jù)管理、人工智能產(chǎn)品開(kāi)發(fā)」等關(guān)鍵詞。

在國(guó)防層面，還有更多與此相關(guān)的 AI 公司正在獲得豐厚的政府合同和風(fēng)險(xiǎn)投資。戴爾旗下 Pivotal 軟件公司獲得了美國(guó)國(guó)防部 1.21 億美元的合同，還有一些從事無(wú)人機(jī)、高分辨率衛(wèi)星地圖、信息管理等業(yè)務(wù)的公司獲得了大量風(fēng)險(xiǎn)投資，例如 Anduril、Rebellion、Skydio。

從 AlphaGo、AlphaStar 到 AlphaDogfight，借助深度強(qiáng)化學(xué)習(xí)技術(shù)，人工智能正在更多的領(lǐng)域擊敗頂尖人類(lèi)選手。這也充分說(shuō)明，在游戲?qū)?zhàn)環(huán)境中所訓(xùn)練的取勝技術(shù)，可以迅速遷移到軍事環(huán)境中。

[[345479]]

4、華為智能手機(jī)業(yè)務(wù)主導(dǎo)性增強(qiáng)

華為在智能手機(jī)領(lǐng)域的領(lǐng)導(dǎo)力越來(lái)越強(qiáng)，并且正大力投資機(jī)器學(xué)習(xí)技術(shù)。這是 9 年來(lái)第一次，除蘋(píng)果和三星之外，還有其他公司在引領(lǐng)市場(chǎng)。然而，根據(jù)美國(guó)的制裁，到 2020 年 9 月中旬，華為的芯片供應(yīng)將告罄。

使用美國(guó)芯片制造設(shè)備的外國(guó)公司將被要求在向華為供應(yīng)某些芯片之前獲得美國(guó)的許可證。華為消費(fèi)者部門(mén)總裁宣稱(chēng):“沒(méi)有芯片，就沒(méi)有供應(yīng)”。

5、 臺(tái)灣臺(tái)積電在研發(fā)支出和半導(dǎo)體制造方面仍占主導(dǎo)地位

臺(tái)積電的研發(fā)支出與中芯國(guó)際的收入相當(dāng)。臺(tái)積電是唯一一家采用 5nm 制程(N5)的制造商，目前正致力于 3nm 制程(N3)，其效率比 N7 高 2 倍，性能比 N7 高 33%。

6、中國(guó)正在努力減少對(duì)美國(guó)半導(dǎo)體的依賴(lài)

中國(guó)政府設(shè)立了一項(xiàng) 290 億美元的國(guó)家支持基金，以減少對(duì)美國(guó)半導(dǎo)體技術(shù)的依賴(lài)。并招聘了100多名臺(tái)積電工程師，以縮小與中國(guó)在半導(dǎo)體能力方面的差距。

新的國(guó)家基金得到了財(cái)政部、中國(guó)國(guó)家開(kāi)發(fā)銀行、地方政府和國(guó)有企業(yè)的支持。在此之前，2014 年推出了首只由政府主導(dǎo)的半自動(dòng)化投資基金。

7、 美國(guó)參議院提出 CHIPS 法案

雖然世界上一半以上的先進(jìn)芯片是在美國(guó)設(shè)計(jì)的，但只有 12% 是在美國(guó)制造的。

美國(guó) CHIPS 法案將指定 220 億美元補(bǔ)貼美國(guó)芯片制造業(yè)，這些項(xiàng)目包括100 億美元的聯(lián)邦匹配基金、國(guó)防部相關(guān)基金以及120 億美元的相關(guān)研發(fā)基金。

除此之外，美國(guó)要求其盟友也為其生產(chǎn)芯片。

8、人工智能民族主義：AI 預(yù)算將持續(xù)擴(kuò)大

 人工智能繼續(xù)被強(qiáng)調(diào)為科學(xué)和技術(shù)方面最重要的投資領(lǐng)域。

國(guó)防部聯(lián)合人工智能中心繼續(xù)擴(kuò)大發(fā)射預(yù)算，從 2019 年的 9300 萬(wàn)美元擴(kuò)大到 2020 年的 2.38 億美元。

9、各國(guó)都在宣布自己的人工智能戰(zhàn)略

五、關(guān)于未來(lái)的預(yù)測(cè)

報(bào)告最后給出了未來(lái)十二個(gè)月的八大預(yù)測(cè)：

1、搭建更大語(yǔ)言模型的競(jìng)賽仍將持續(xù)，我們將會(huì)見(jiàn)證第一個(gè) 10 萬(wàn)億參數(shù)級(jí)模型的誕生。

2、基于注意力的神經(jīng)網(wǎng)絡(luò)將從 NLP 領(lǐng)域遷移到 CV 領(lǐng)域，實(shí)現(xiàn)新的 SOTA。

3、隨著母公司戰(zhàn)略的調(diào)整，一家大型企業(yè)的 AI lab 即將關(guān)閉。

4、作為對(duì)美國(guó)國(guó)防部活動(dòng)和美國(guó)軍事 AI 初創(chuàng)公司融資的回應(yīng)，一部分中國(guó)和歐洲的國(guó)防 AI 企業(yè)將在未來(lái)的 12 個(gè)月內(nèi)融資超過(guò) 1 億美元。

5、一家頭部 AI 藥物發(fā)現(xiàn)初創(chuàng)公司（比如 Recursion、Exscientia）要么進(jìn)入 IPO，要么以超過(guò) 10 億美元的價(jià)格被收購(gòu)。

6、DeepMind 將在結(jié)構(gòu)生物學(xué)和藥物發(fā)現(xiàn)方面取得重大突破。

7、Facebook 將憑借 3D 計(jì)算機(jī)視覺(jué)技術(shù)在 AR 和 VR 上取得重大突破。

8、NVIDIA 最終不會(huì)完成對(duì) Arm 的收購(gòu)。  

最后的最后，你怎么看待 2020 年 AI 的發(fā)展？