4月22日消息，糖豆广场舞完成C轮融资，该轮融资由、IDG资本投资。亿邦动力网了解到，该轮投资方IDG技术创业投资基金又称IDG资本，创始于1992年，在中国进行风险投资活动，是最早进入中国的外资投资基金。在近10年中，IDG资本重点布局企业服务、互联网金融、文化娱乐三个板块，企业服务领域从B2B交易市场、大数据与云服务、SAAS企业服务软件到安全都有涉猎，投出了包括找钢网、金山云、百分点、AppAnnie、云测、纷享逍客、商汤科技、Everstring、Sensetime、同盾科技、梆梆安全等。

7月5日消息，日前，在由中国计算机学会（CCF）、雷锋网、香港中文大学（深圳）联合举办的2018全球人工智能与机器人峰会（CCF-GAIR）上，商汤科技联合创始人、香港中文大学-商汤科技联合实验室主任林达华教授，发表了题为“计算机视觉研究中的新探索”的演讲，阐述了计算机视觉未来3~5年的研究方向。林达华指出，人工智能在过去几年的成功，它不是偶然的，也并不仅仅只是算法发展的结果，它是很多的因素历史性地交汇在一起，促成了这波人工智能浪潮。第一个是数据，海量数据、运用场景数据的积累，以及GPU的发展，计算能力大幅度的跃升，在这个基础上，算法的进展才带来了今天人工智能的成功和在众多应用场景的落地。人工智能不是一个魔术，从某种意义上它就是在庞大的数据量、在巨大的计算能力支撑下的性能进步。林达华表示，目前人工智能还处于粗放型发展阶段，准确率不是唯一的方向；人工智能发展有多方面不同含义，比如效率、成本、质量等等。他还认为，人工智能，其最终目的是要为我们的生活带来便利，提高我们生活的质量。但是最近几年人工智能的发展好像走入了误区，人工智能的质量跟准确率是挂钩的，但其实人工智能是有多个方面不同的含义，不仅仅是质量，它的质量其实是多个方面、多个层次的。以下为林达华教授演讲实录：今天非常荣幸能够在这里分享港中文-商汤联合实验室过去几年的工作。首先说明一下我并没有直接地去参与商汤在商业领域的运作，所以大家如果要关心商汤什么时候上市，这个问题我是回答不了的。但是我能够告诉给大家的是，商汤公司不是一天建成的，它今天的成功也不仅仅是三年半的努力，它是建立在它背后这个实验室18年如一日的原创技术积累。我们今天在这个实验室所做的事情，它影响的不是商汤今天拿什么东西出去赚取利润，而是商汤要做一个伟大的科技公司，在未来的3年、5年、10年要向什么地方走。准确率不是唯一的方向目前人工智能还处于粗放型发展阶段在过去的8年时间中，计算机视觉可以说是取得了一个突破性的进展，最重要的在技术上的进展应该是深度学习的引入。在这个领域有一个非常高级别的比赛叫做ImageNet。在2012年之前，这个错误率都是比较高的，2012年以后由于深度学习的引入，经历了4年的黄金时期。在这4年的黄金期里面，ImageNet的错误率从16%下降到了接近3%。在这里我想问的一个问题是，深度学习确实在这几年的黄金时期取得了突破性的进展，但是不是说我们到了现在这个水平，计算机视觉的研究已经终结了呢？从现在这个水平再往前看3年、5年、10年的时间，我们未来的研究方向应该做什么？这是我们整个实验室，也包括商汤一直在思考的问题。事实上如果要回答这个问题，我们可以看到，人工智能在过去几年的成功，它不是偶然的，也并不仅仅只是算法发展的结果，它是很多的因素历史性地交汇在一起，促成了这波人工智能浪潮。第一个是数据，我们的海量数据、运用场景数据的积累，以及GPU的发展，计算能力大幅度的跃升，在这个基础上，算法的进展才带来了今天人工智能的成功和在众多应用场景的落地。所以我在这里希望向大家传递的信息是，虽然大家看到人工智能的很多成功的故事，看到了算法方面的巨大进展，但是人工智能不是一个魔术，从某种意义上它就是在庞大的数据量、在巨大的计算能力支撑下的性能进步。这其实从某种意义上是一种非常粗放型的发展，大家都去追逐一个正确率，追求性能的目标。最近几年中国的公司在国际上所有比赛的榜单上都排到了前三名，但是这是以巨大的工程力量和资源投入为代价的，这种发展模式是不是可以持续？这是我们需要思考的问题。回顾深度学习或者人工智能在过去几年的发展，我觉得有很多的事情，我们还有很长的路需要走。效率、成本、质量人工智能发展有多方面不同含义在这里分享几个方向的思考，第一，是学习的效率，是不是充分地把我们的计算资源使用起来。第二，我们面对巨大的数据成本，或者标注成本，如何解决这个困境。最后，就是说我们虽然在榜单上拿到了99.9%的准确率，但是这样训练出来的模型是不是真正满足我们的生活或者社会生产的需要？这些都是我们要把人工智能落地，推向更快、更好发展需要解决的问题。首先我们讲第一个方面，效率。我刚才说过，我们现在基本上是用粗放型的方法发展，就靠堆积数据、堆积计算资源，去获得很高的性能，是资源的竞争，而不是效率的竞赛。但是我们未来要怎么发展，就需要进一步回顾我们现在的模型和技术的模式，看看还有没有优化的空间。优化的原理非常简单，就是把好钢用在刀刃上。举一个具体的例子，我们在几年前就开始进入了视频领域，视频是一个非常需要效率的地方，视频的数据量非常庞大，一秒钟的视频就是24帧，一分钟的视频就差不多是1500帧，基本上相当于一个中型的数据。利用传统的处理图像集的方式去处理视频显然是不合适的。在2013、2014年的时候大部分的视频分析方法采取的是比较简单的方式，每一帧都拿出来跑一个卷积网络，最后把它集成综合到一起进行判断。虽然说过去几年计算资源发展非常快，但是GPU的显存还是有限的，如果每一层都放到CNN去跑，GPU显存只能容纳10帧到20帧左右，一秒钟的视频就把GPU充满了，是没办法对长时间的视频进行分析的，这是一种非常低效的模式。我们知道视频相邻帧之间是非常相似的，这一帧跑一次，下一帧再跑一次，大量的计算浪费掉。我们看到了这个重复计算的低效，我们把这个采样方法重新进行了改变，改用了稀疏采样，无论多长的视频进来，我都划分成等长的段落，每一段只取一帧或几帧出来，这样我就能对视频有一个完整的时间范围覆盖，自然分析出来的结果也会有比较高的可靠性和准确性。凭借这个网络，我们拿到2016年ActivityNet的冠军，现在很多实际中使用的长视频分析架构，都已经采用了这种稀疏采样的想法。在这之后我们进一步拓展我们的研究领域，不仅仅是做这个视频理解，我们还进一步做在视频里面的物体的检测。这也带来一个新的困难，之前做分类识别，我们可以分段，每一段拿出来会获得一个大体上的理解。但是物体检测没办法这么做，每一帧都需要把物体的位置输出出来，在时间上是不能稀疏的。这一页slide显示了我们在2016年ImageNet比赛视频物体检测项目取得冠军的网络，具体细节我不说了，基本上就是把每一帧的特征拿出来，判断它的类型是什么，对物体框的位置做出调整，然后把它串起来。这里面需要每一帧都要处理，当时最厉害的GPU每秒钟只能处理几帧，需要大量的GPU才能把这个网络训练出来。我们希望把这样一个技术用在实际场景，希望得到一个实时性的物体检测的框架，要是我们每一帧都是按刚才的方法处理，需要140毫秒，是完全没有办法做到实时，但是如果稀疏地去采，比如说每20帧采一次，中间的帧怎么办呢？大家可能想到用插值的方法把它插出来，但是我们发现这个方法对准确度影响很大，隔10帧采一次，中间的准确度差距很大。在新提出的方法里，我们利用帧与帧之间相互的关系，通过一个代价小得多的网络模块，只需要花5毫秒，在帧与帧之间传递信息，就能很好地保持了检测精度。这样我们重新改变了做视频分析的路径之后，整体的代价就得到了大幅度的下降。这里面没有什么新鲜的东西，网络都是那些网络，只是说我们重新去规划了视频分析的计算路径，重新设计了整个框架。大家可以看看结果。上面是7毫秒逐帧处理的，我们2016年比赛就是用的这个网络，后面我们经过改进之后，超过62帧每秒，而且它的结果更加可靠、更加平滑，因为它使用了多帧之间的关联。同样我们商汤在做自动驾驶，需要对驾驶过程中的场景自动地进行理解和语义分割，这也是一个非常成熟的领域。但大家的关注点一直没到点子上，大家关注的是分割的准确率，像素级的准确率，这是没有意义的。我们真正在做自动驾驶，关心的是人在你车前的时候，你有多快的速度判断出有个人在那里，然后做出一个非常紧急的处理。所以在自动驾驶的场景，判断的效率、判断的速度是非常重要的。之前的方法处理每一帧要100多毫秒，如果真有一个人出现在车前面，一个紧急情况发生在前面的话，是来不及做出反应的。利用刚才所说的方法，我们重新改造了一个模型，充分地使用了帧与帧之间的联系，我们可以把每一帧处理的效能从600毫秒降低到60毫秒，大幅度地提高了这个技术对于突发情景响应的速度。这里面其实也是使用了刚才类似的方法，技术细节就不说了。其次，我们讲第二个方面，成本。刚才是说效率上我们怎么可以提高，接下来是数据成本。我们经常开玩笑说，人工智能是先有人工再有智能，有多少人工就有多少智能。所以今天我们有人工智能的繁荣，我们不应该忘记在背后有成千上万像这样的人在背后默默地奉献，这就是我们数据的标注员。一些大的公司，有上万人的标注团队，这对人工智能发展来说也是一个巨大的成本。怎么样把这个成本降低下来？这也是我们每天都在思考的事情。既然有很多东西我们没办法用人去标注的话，我们是不是可以换一个思路，从数据、场景里面去寻求本身就蕴涵的一些标注信息？这是我们去年的一个工作，也是发表在CVPR上，这里面我们尝试一种全新的方式去学习，我们图片的标注成本非常高，每张图片不仅要标注出来，还要把框框出来，以前我们要识别动物，要人工标很多动物，但是以前我们小时候学习动物，不是说老师给我一个图片，给我一个有框的东西去学的，我们是看《动物世界》去学的，这个方式就促使我们想到一个方法，我们能不能看《动物世界》，把所有的动物找到。这里面有一个天然的联系，纪录片上有字幕，字幕上有文字，可以把它和视觉上的场景连接在一起，是不是可以自动学出来，为了这一点，我们设计了框架，把它的信息几何方面的联系，以及视觉跟文本之间的联系建立起来，最后我们得到了一个这样的结果。这是我们在没有任何人工干预的情况下获得的几十种动物的非常精确的识别，没有任何的标注，就是看《动物世界》，看《国家地理》杂志。除此之外，我们现在做人脸识别，有大量的人脸数据要标注，这里面有一些天然的数据就是我们的家庭相册里面有很多人，这些相册虽然没有标注，但是里面蕴涵了很多信息。这是经典电影《泰坦尼克》的一个镜头，如果大家只是看人脸很难看出这上面两个人是谁，但是我们往下走可以看到右边是Rose，但是左边这个穿西装的还是看不清楚是谁，这时候如果我们把这个电影背后的场景识别出来，你会发现Jack和Rose经常出现在同一个场景里，这时候基于这种社交互动的信息，我们可以自动判断这个穿黑衣服的男生可能是Jack。我们通过人脸不经过标注的情况下，就提供了大量的有意义的数据。在这项新工作中，我们还有效地利用了时间上的关联，一个人从街道这边走到那边，人脸的样子会发生很大的变化，我们还是可以判断是同一个人。最后，是关于质量。我们说人工智能，它其实最终目的是要为我们的生活带来便利，提高我们生活的质量。但是我们最近几年人工智能的发展好像走入了误区，认为人工智能的质量跟准确率是挂钩的，但其实我们觉得人工智能是有多个方面不同的含义，不仅仅是质量，它的质量其实是多个方面、多个层次的。给大家看几个例子，这是最近几年特别火的一个研究领域，就是给一张照片看图说话，让计算机自动生成一个描述，这是用我们最新的方法得到的结果，大家可以看一下。大家可以看到三张不同的图放出来，我们用最好的这种模型，它会说同一句话，而且这句话在标准的测试上分数都非常高，是没有任何问题的，但我们放在一起看的时候发现人不是这样说话的，我们描述一张图片的时候，即使同一张图片，不同的人都会说不同的东西。这就是我们在追求识别的时候忽略掉的另外的品质，包括它的自然性和它的特性。为了解决这个问题，我们在去年另外一个工作上提出了一个新的方法，它不再把这个内容看成一个翻译问题，它把它看成一个从概率分布中采样的问题，它承认多样性，每个人看到一张图片会说不同的话，我们希望把这个采样过程学习出来。关于这个模型具体的细节，大家可以看相关的论文。这里可以看到这个结果，同样的三张图，我们可以看到它出来了三句更加生动的，能够很好地描述这个图里特征的语句。最后我们把这个工作再往前推进了一下，我们既然能够生成一句话，我们也就能生成一段动作。这是我们最近做的，我们在想，我们既然能够生成很生动的一句话，我们是不是能生成一个很生动的舞蹈。第一步我们先生成一些简单的动作，大家在这里看到的所有这些都是计算机自己生成出来的，不是我们写个程序把它描述出来的。这个更精彩一点，也是纯计算机自动生成。对刚才的分享，我再总结一下，在过去几年，我们看到人工智能也好，深度学习也好，有一个非常突飞猛进的发展，这种发展是体现在标准数据集上准确率的提升，体现在很多商用场景的落地。但是我们回过头来看这一段发展的历程，我们可以看到其实我们在朝着GDP、准确率高歌猛进的过程中，其实遗忘了很多东西，我们的效率是不是足够高，我们是不是在透支数据标注的成本，我们训练出来的模型是不是真正能够满足现实生活中对品质的要求，从这些角度来看，我觉得我们也刚刚在起步。虽然我们实验室还有世界上其它很多实验室的探索取得了一些重要的进展，但是我们还仅仅是处在一个起步的阶段，在我们的前面还有很长的路要走，希望跟大家共勉。

2月28日消息，今日，人工智能平台公司商汤科技与美国麻省理工学院（以下简称MIT）宣布成立人工智能联盟，共同探索人类与机器智能的未来。该联盟将致力于全方位人工智能原创技术研发，涉及领域包括计算机视觉、脑科学智能算法、医疗图像、机器人等，将全力推动人工智能技术突破以应对更多全球性挑战，并将有力支持MIT在人工智能领域进行最前沿跨学科探索研究。据悉，是全球首家参与MIT最近成立的IntelligenceQuest（以下简称IQ）项目的公司。IQ项目覆盖包括材料设计、金融、早期疾病诊断等在内的多个领域。商汤科技创始人、香港中文大学信息工程系教授汤晓鸥表示：“作为MIT校友，我很高兴能与母校合作，共同促进人工智能的研究，这是我毕生从事的事业。商汤科技致力于在计算机视觉和深度学习领域原创技术研发。MIT－商汤科技人工智能联盟成立后，我们将汇聚全球最优秀的顶尖人才，进一步推动人工智能技术的发展，造福社会。”了解到，商汤科技是一家专注于计算机视觉、深度学习技术的人工智能公司。该公司成立于2014年，在人脸识别、图像识别、视频分析、无人驾驶等方面都有技术突破，业务范围覆盖安防、金融、智能手机、机器人和汽车等行业。商汤科技自主研发了深度学习平台并在多个行业落地应用。目前，商汤科技正在大力开发自动驾驶、智能医疗和深度学习硬件优化技术。此外，商汤科技还在持续加强技术平台发展，开创更多应用场景，搭建人工智能商业生态体系。

1月21日消息，在2018极客公园创新大会上，商汤科技联合创始人&CEO徐立发表了关于《站在机器和人之间，科学家应该做什么？》的演讲，徐立在会上称，科学向左，产业向右却可因同样的“引力”而交汇。首先是，双轮驱动，技术核心的突破。在这个基础上，理论研究非常重要但是并不一定能应用到产业中。反过来科学是跳跃式发展的。徐立在会场称，商汤关注的是人工智能中的视觉，拥有科学家基因的商汤，在这个领域应该做些什么呢？或者说AI技术应用趋势是什么呢？第一，拓展感知新疆界，打开应用新空间。其中又可分为，迈进非可见光智能处理，近红外人脸验证与真人检测、遥感影像智能解译等，以及打开3D视觉世界、真人验证、3D人脸重建、移动端AR/VR等。第二，目前基础理论待突破，通用智能可期待。科学家要做的是，能做到多模态/多任务学习，弱监督/无监督学习、迁移学习/小样本学习以及强化学习等。第三，协同AI云+端，共建AI全生态。第四，多场景多维联动，全栈式创新能力。从整体而言，政策加温，资本增压以及资源齐备是推动AI发展不可或缺的动力。而从产品方面来讲，AI的应用主要体现在哪些方面呢？一、技术产品化，更加精准的识别产品以及更加灵活的智慧芯片二、落地规模化，定向赋能以及通用落地；三、场景多元化，AI将从公共服务、社会管理以及个人应用方面影响人类的生活。技术的场景多元化也是AI的一个落地。徐立表明，AI落地是场耐力赛，科学与产业都正奔向同一个终点，让AI为人类文明带来进步。据了解，2017年商汤获两轮融资，目前估值超过20亿美金。

11月1日消息，日前，商汤科技联合创始人、副总裁徐冰在中国光大集团旗下的光大控股在香港举办投资年会上透露，继今年7月完成4.1亿美元B轮融资后，商汤科技已启动C轮融资，新一轮融资计划于今年12月完成。他表示，视觉AI技术有着极为广阔的应用前景，随着大量资本的不断涌入，一方面将大大加快中国在视觉AI技术领域的研发进程，另一方面，更能加速视觉AI技术在智慧城市、无人驾驶、医疗影像等前沿领域的规模化商业落地，从而进一步推动和提升中国在全球AI领域的影响力。商汤科技是中国新锐人工智能公司，专注于计算机视觉和深度学习。商汤科技在今年7月宣布完成4.1亿美元B轮融资，创下当时全球人工智能领域单轮融资最高纪录。近期，商汤科技牵手国际芯片巨头美国高通公司，打造”算法+芯片”的移动AI；并签约华为、海航等战略合作伙伴，共同推动人工智能在各行业的应用和落地。此外，商汤科技还专注于多个垂直领域包括安防、金融、智能手机、移动互联网、汽车等各个行业，已成为中国顶级人工智能算法供应商之一。

“我大概只听懂不到30%，感觉就是不明觉厉，所以是很厉害，”在今日由清华经管学院举办的“科技·驱动成长”论坛上，腾讯董事局主席兼CEO马化腾在开始自己的演讲前说道。在几分钟之前，他正坐在台下听诺贝尔化学奖得主BrainK.Kobika讲解他的研究成果以及未来的应用。对，就是因为下面这张图引发的一系列探讨。诺贝尔化学奖得主BrainK.Kobika在讲他的学术成就Brain教授的研究确实让人不容易理解，而他的演讲不由的带我们对一些前沿研究产生了很大的好奇。值得一提的是，Brain除了是一名诺贝尔获奖者外，他还创办了自己的公司。他的这种双重身份，在国外的学术和科技领域是非常常见的。而物理学家张首晟教授的身份也非常多元，他同时也是投资人并创办有自己的企业。马化腾讲道，前段时间曾祝贺张首晟教授发现了“天使粒子”。而且他还发现，张教授在朋友圈直播了美国的日全食并非常有兴趣的讲解了日全食原理。对此，马化腾调侃道，“不想成为科学家的投资人不是一个好的企业家”。马化腾坦言，自己也曾有成为科学家的梦想，但是这个梦想没有实现。不过，腾讯通过与清华大学和北京大学的合作，在用另一种方式探讨和研究科学技术。在他看来，斯坦福大学是创新的源泉，商业和科技方面做到了完美的结合，这都是值得中国学习的。未来，中国应该在产学研方面做出更多的努力。对于腾讯来说，公司怎么看商业与科技的结合呢？马化腾表示，过去几年发生了很大的变化。以前全球市值前10的公司，大部分都是金融和能源公司。如今，前10大公司中，有7家是科技公司。就在这一两年内，发生了翻天覆地的变化，而且腾讯和阿里也有幸进入了Top10。这种变化确实会给人一些触动。他说道，听说高盛这家投资银行也开始说自己是科技公司，说他们超过1/3的员工是研发人员，而且其研发人员已经超过Facebook（待求证）。他对此调侃道，投资银行都如此努力，所以腾讯更没有什么理由推脱的了。所以说，科技已经融入到人们生活的方方面面。在数字化和智能化的这波浪潮中，腾讯可以做什么呢？腾讯以前在社交、通讯、金融、数字内容方面有所积累，未来公司可以从AI、云和大数据这三大基础方面出发与产业界和学界合作。马化腾认为，未来所有的企业都会在云端处理大数据，这基本会是一个很普遍的模式。很多企业不愿意将数据放在外网，但这种狭隘的思想已经过时了。就好像以前大家都不愿意接入电网，而是自己在家建一个发电厂。这是绝对不可能的。过去用电量是衡量一个社会的发展程度的指标，未来这个衡量指标将是用云量。除了在这几方面的探索外，马化腾还谈到了公司的CXO网大为，他目前所看的产品和投资的方向都不是腾讯当下在做的事，包括太空、阿根廷的卫星公司、医疗、基因等。腾讯在关注科技的方方面面，当然腾讯还投资了特斯拉5%的股权。对此很多人都看不懂，但马化腾认为，特斯拉象征着未来科技发展的方向，而且还会涌现很多源源不断的黑科技，这样做腾讯会更接近未来科技。腾讯紧追各种科技，从近几年公司的频繁投资便可知一二。不过，这种四处撒网以及站队式的投资却让商汤科技创始人汤晓鸥有一点不满。当着马化腾的面，他坦言这使得创业公司的发展颇为艰难。对此，马化腾表示，腾讯最近几年已经开始做出改变，比如建立开放平台、众创空间等。而且做大公司也有大公司的烦恼，也会被排斥。比如因为一些原因，腾讯不能投资张首晟的基金。另外，如今微信支付和支付宝已经遍及大街小巷，其实腾讯并不排斥另一家，但另一家并不是这样想的。马化腾还表示，腾讯目前遵循”半条命“战略，另外半条命交给合作伙伴。在腾讯内部，目前公司很多业务都不做，而是发挥核心优势；而且腾讯的投资可以只占小部分股份，不必要非得控股。他还坦承，目前的状况不完美，但是公司有时候也没办法。

“在2014、2015年，如果你不提移动互联网，显得你特别low；2015年如果你不谈O2O，好像都不好意思去创投的所有场合；从2016年底到2017年初，如果你说话时口里不带着大数据，显得你多少有点不合群；2017年上半年，很多人连AI是什么都不知道，嘴里就挂着这个词到处讲。”猎聘网CEO戴科彬对互联网风口的捕捉，无疑说中了这个时代的脉搏：人工智能，当红炸子鸡。有统计数据显示，2012-2016年，全球人工智能企业新增5154家，是此前12年的1.75倍；融资规模达224亿美元，仅2016年的融资规模就达到92.2亿美元，是2012年的5.87倍。具体到中国市场，2016年涉及人工智能的企业就超过1477家，一年融资27.6亿美元。进入2017年，这种势头有增无减，全球人工智能企业融资事件已发生62次，已完成的融资额比去年多了一倍，全年资产流入量将有望突破700亿元。不久前，人工智能初创公司商汤科技B轮融资就拿到4.1亿美元，创下了全球人工智能领域单轮融资的最高纪录。融钱，是为了花钱，资本在人工智能领域高速运转。在中国，喊出人工智能转型的巨头不在少数，百度是最激进的一个。百度CEO李彦宏对AI的态度是“allin”。多业务线的百度员工透露，自从百度宣布了AI战略转型后，各类人才及技术资源都有一定的偏向，往AI方面靠拢。在移动互联网时代同样挣扎了多年的联想，也开始打造人工智能概念。联想集团董事长兼CEO杨元庆透露，联想将在未来三年向人工智能、物联网和大数据方面投入超过12亿美元。“我们已经看到，而且已经非常明确，AI是信息产业的未来，我们必须全力以赴，赌上身家性命。”对于这次转型，杨元庆表现出很大的决心，“如果不是脱了几层皮的转型，那就不叫转型。联想最近的财报可能不是很好，如果不是我们坚持投资三波战略，原本可以交出漂亮的成绩单。但是为了变革我们没有犹豫。”杨元庆说。联想拿出三年12亿美元，而百度可能已经花的更多。李彦宏今年3月介绍，百度在过去五六年一直保持对人工智能的巨大投入，在研发上的投入达200亿元。“在中国五百强企业当中，我们论收入肯定不是排在第一的，但是论研发占收入的比例，绝对是第一。而这个研发的投入，应该说绝大多数都已经投入到人工智能上了”，他说。根据2017年二季度财报，百度季度研发支出为人民币31.48亿元（约4.64亿美元），同比增长27.7%。对比过去五六年200亿元，意味着百度在进一步加大投入。在语音交互深耕多年的科大讯飞，体量没有巨大，但架势不遑多让。该公司2017年上半年财报显示，营收增长43.79%，毛利增长46.99%，但净利润却下降58.11%。导致这一悖论的主要原因就是在人工智能重点应用领域持续加大核心技术研发、渠道建设和产业布局，费用增幅较大。比如，人工智能核心技术及应用研发，对应产生的研发费用化支出及资本化摊销3.58亿元，同比增长63.75%。人工智能仍然是个烧钱的市场，云从科技创始人周曦透露，对于广义的人工智能来讲，大部分企业还没有盈利。今天的人工智能就像1998年、1999年的互联网一样，一定是要先烧几年钱，但大方向是对的。不挣钱，还得加把劲花钱，有个更生动的表现就是人工智能人才价格的水涨船高。有业内人士透露了人工智能领域的大概薪资：职位最低的工程师年薪在30万-50万元，商业公司中的研究员则在50万-100万元之间，项目主管或CTO则大多会年薪80万元以上上不封顶，普遍在150万元左右。甚至于，刚刚获得10亿元投资，终于挺过生死边缘的手机厂商锤子科技，未来也将把更多精力投身人工智能市场。