基础资源层：互联网巨头的战场

基础资源层是资源和资金的竞争，是巨头竞争的战场。

从数据方面来看，互联网数据入口（主要是用户级数据）主要集中在以BAT为代表的互联网巨头企业，它们积累了海量的数据，但互不连通，形成数据孤岛。此外，物联网正在快速发展但仍未成熟，思科预计2020年全球将有116亿联网设备，其中包括85亿个人移动设备（近90%仍为智能手机）和31亿M2M连接（机器之间的连接）^[1]。设备之间的连接将占连接总量的近1/3。不过，不同设备监测的数据维度仍有限，智能化应用和体验需要数据的整合和打通。从互联网发展趋势判断，巨头企业掌握相对完整数据的可能性更大。以阿里巴巴在数据方面的布局为例，阿里巴巴自身的业务如淘宝、天猫为阿里巴巴积累销售的数据，支付宝拥有支付、金融消费的数据，同时通过投资获取覆盖人们生活方方面面的其他信息数据，例如投资高德带来地理交通的数据，投资陌陌、微博带来人际关系、社交的数据，投资饿了么、滴滴则有生活消费、出行的数据……物联网层面，阿里巴巴开发了Yunos，从系统端整合联网的数据等。

巨头企业通过投资去获取数据，一旦垄断数据、智能硬件等入口，即拥有其他企业难以超越的智能+发展基础。其他企业一方面利用自身积累的数据完成一些特定的任务，另一方面则会通过企业合作交换、共享资源或建立产业联盟来获取行业或更大范畴的数据。另外，还可以通过第三方数据服务商来购买数据。目前，有数据堂等企业提供数据交易平台服务。未来，将有更多元（针对不同数据规模企业）的第三方数据服务形式出现，包括数据资源提供、数据服务解决方案提供、定制化算法和运算资源提供等领域。

计算资源开发不在朝夕，需要长期的积累和投入，除了云计算外，以芯片为代表的本地运算模块也是机器计算的基础。芯片行业历经了数十年的发展，诞生了英特尔、高通、英伟达等巨头厂商，掌握了核心专利技术，已经形成了较高的技术和专利壁垒。因GPU在大规模并行计算方面的优势，在人工智能计算领域应用较广，根据DIGITIMES Research数据显示，GPU市场完全掌握在ARM、高通、英伟达等企业手中。为了提升人工智能运算效率，IBM、谷歌等巨头投入大量资金尝试对神经元芯片以及量子计算机等下一代人工智能计算工具进行研究^[2]。虽然该领域也有地平线机器人等创业公司，但是总体而言，由于该领域依赖大量资金和人才投入，主要玩家依然是各大科技巨头。目前，本地芯片性能还无法独立支撑人工智能的运算需求，仍主要采用云端计算的方式实现。同样，云计算平台运营也需要大规模资本投入，需要较为先进的技术解决方案和安全的系统配置，几番市场洗牌，如今只剩巨头操盘。从目前全球的市场情况来看，提供全球性基础运算能力的主体依然是亚马逊旗下的AWS，微软的Azure以及阿里巴巴集团旗下的阿里云。在中国，Ucloud、青云和七牛云等创业公司与巨头的子公司们正逐渐走向差异化发展，已从基础资源提供向技术平台和服务转型。以阿里云为例，2009年进入云服市场，总投入超过百亿，这种级别的投入对于创业公司而言基本上是天方夜谭，单从资本要求来看，计算资源领域创业难度巨大^[3]。

谷歌：全面的人工智能帝国

从底层数据到量子计算，从深度学习到图像识别，从虚拟个人助手到无人驾驶汽车，谷歌已经覆盖从基础资源层到应用层的各个领域。

（1）产业布局：底层出发，全面布局(www.xing528.com)

谷歌在人工智能领域的打法是典型的巨头布局方式，从底层切入，积累数据、提高计算能力，研发核心算法，在应用层结合自身业务，布局重点领域。

人工智能的基础资源层包括数据和计算两类资源。数据方面，基于谷歌搜索、Google+、Chrome浏览器等互联网服务，积累了用户互联网行为数据；基于Android系统拿到了移动互联网的底层数据；收购Nest拥有了家居、物联网数据的采集渠道，加上谷歌地图等服务对地理信息等数据的补充，谷歌已经完成了用户数据层面相对完整的采集，成了谷歌发力人工智能的核心优势之一。在计算能力方面，云计算一直是谷歌重点发展的方向，谷歌自家的产品均完成了云端部署，并开发了公有云服务平台。另一方面，为适应深度学习神经网络开发的计算芯片Tpu也已经投入使用。最后，虽然量子计算还比较遥远，但是谷歌在量子算法和量子计算机的研究方面也有大量投入。

谷歌在技术层采取自有实验室与收购并行的战略，对人工智能各个领域技术展开研究。其中，底层的机器学习是谷歌的核心研究领域，在该领域谷歌建立了由颀顿坐镇的人工智能实验室，开发了TensorFlow深度学习系统，另一方面也收购了英国初创公司Deep-Mind，其代表作则是Alpha Go。基于深度学习领域的研究成果，GoogleX实验室团队搭建了由1.6万台电脑的处理器相连的神经网络系统^[4]，被称为“Google Brain”（谷歌大脑），是谷歌人工智能的核心项目。通过谷歌大脑，机器实现了著名的“识别猫”的实验，也帮助谷歌的语音识别准确率提升了25%。此外，除了自有的研发团队外，谷歌还收购了自然语言处理领域的Dark BlueLabs，机器视觉领域的Vision Factory等技术研发团队，增强图片识别、语音识别等其他技术领域研究实力。

在应用层，谷歌一方面使用人工智能技术优化现有产品，另一方面则选择具有战略意义的产品进行布局。截至2015年，人工智能已经应用在超过600个的谷歌产品或者项目之中，例如谷歌搜索集成了基于自然语言处理开发的算法RankBrain^[5]，通过语义分析和词库联想分析用户搜索问题的含义，重新匹配搜索结果，从而使搜索结果更加精确。虚拟个人助手类产品Google Now、Google Home作为用户“私人助理”，将根据用户的习惯、偏好帮助用户完成控制家电、购物消费、推荐服务、安排行程，成为用户生活的中心，是极具价值的入口。谷歌无人驾驶系统同样如此，围绕车内空间，成为服务提供的入口。以上产品组成了谷歌在人工智能应用层的战略级产品布局。

（2）未来发展方向：全面的人工智能帝国

在人工智能领域，谷歌已经完成了从基础资源层到应用层的全面布局，也是相关技术研发的重要助推力量，无论是量子计算、深度学习、自然语言处理还是无人驾驶。谷歌未来依然保持大量资金的投入，进行技术研发和团队收购。在技术研究的基础上，谷歌利用人工智能技术产品优化现有产品，以及开发创新型产品实现盈利。除了通用型产品之外，谷歌已经进入医疗健康等细分行业领域，基于行业应用场景开发“智能+”产品或解决方案，成为其新的发展方向。