“人工智能的商业化就是看它是否已经深入到“黄赌毒”这种人类最基本的诉求中”，Google科学家、畅销书作家吴军博士的一句调侃似乎是在给人工智能的商业化指明道路。
不过现实的情况要远比这个复杂且零散：谷歌通过擅长围棋的Alpha Go娱乐化地向人们展示了人工智能的潜力并将人工智能应用于VR视频制作领域时;相反的是，国内的严打，则让企业把它用在了更为实际的鉴黄上——图像识别也是人工智能的一种。
人工智能(Artificial Intelligence)，缩写为AI，是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、自然语言处理(包括语音和语义识别、自动翻译)、计算机视觉(图像识别)、知识表示、专家系统等。
BBC预测，到2020年，全球人工智能市场规模将达1190亿元人民币。未来人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代，甚至将超越移动互联网，全面改变人类的生活和工作方式。
因Alpha Go而名声大噪的谷歌人工智能
去年10月份，谷歌CEO皮查伊曾表示，谷歌计划将人工智能研发和所有核心业务联合起来，包括搜索引擎、广告、视频网站You Tube和电子商场Play。紧接着的11月9日，谷歌宣布开源机器学习平台Tensor Flow，让每个人都可以利用计算机和网络去使用这个强大的机器学习平台。谷歌旗下的50多个产品都运用了Tensor Flow深度学习系统(机器学习的深度神经网络)。
最重要是的，这一系统将从不局限于谷歌在内的所有产品那里得到训练。在激烈的商业竞争中，更快的训练速度是人工智能企业的核心竞争力，分布式Tensor Flow意味着它能够真正大规模进入到人工智能产业中，产生实质的影响。
此外，Google在无人驾驶汽车技术上已经探索了很多年，其中无人驾驶汽车测试里程也早已经超过200万公里;直到今天，Google依然在对这一项目进行测试和改进，并曾于去年宣布自动驾驶汽车将在5年内上市。当年，谷歌隐形眼镜实现实时监测血糖，谷歌人工智能摄像头即时翻译拓展到27种语言……
整体上看，谷歌的人工智能与大规模商业化还有距离，但其底层人工智能技术的积累绝对是走在世界前列的。
微软在人工智能方面的技术研究已经有25年历史
1991年微软成立研究院，最早的五个研究组，研究方向分别是人机交互、自然语言处理和机器学习、语音识别和语音合成、计算机视觉。这些恰恰是今天人工智能的几个最重要的分支。微软的人工智能研究方向很宽泛，研究院甚至拥有超过1000位科学家，在包括深度学习的多个领域的技术布局处于世界顶端。
微软最新的深度学习系统在2015年的Image Net计算机视觉识别挑战赛中，将计算机视觉系统错误率降低至3.57%，相比于人眼辨识的5.1%，这是人工智能首次在识别图像的错误率上超越人类水平。这些机器由微软的Azure云服务提供支持。
微软不仅将人工智能技术应用于如Windows、Azure等核心业务中，还构建开放的平台，将多年的技术积累开放给产业界，它的目标是打造一个人工智能生态圈。不过，在现实的商业世界中，微软隐蔽得最深。
人工智能视为未来的三大方向之一的Facebook
Facebook的优势在于拥有全球范围内的海量社交数据。2013年，Facebook在加州成立了Facebook AI Research(FAIR)。
卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员田渊栋称，FAIR的研究方向自由宽松，研究所需的计算资源(如GPU)相对丰富，同时也没有近期的产品压力，可以着眼长远做困难和本质的研究。他称，这样的学术氛围在各大公司是极其少见的。
今年，Facebook还曾发布自己的语音聊天机器人，并在Messenger软件中加入此类技术。其推出的DeepText文本阅读引擎，每秒可以理解几千篇帖子，精准度和人类一样，覆盖20多种语言。并可以将其自动翻译成十几种不同的语言。
不过，总体来说，Facebook在人工智能领域是一个迟到者，要参与实力竞争，需要的不只是金钱，还有长时间的积淀。当扎克伯格宣布要开发一个人工智能管家来管理家务时，事实上，谷歌和微软已经在开发AI软件了。
已经用人工智能赚钱的IBM
IBM在人工智能领域没有谷歌Alpha Go、智能汽车看起来那么酷炫，但却有着深厚的技术底蕴，甚至已经开始用人工智能赚钱。
IBM人工智能研究最为外人熟知的是1997年开发的“深蓝”，战胜了当时的国际象棋世界冠军卡斯帕罗夫。如今可以代表IBM在人工智能领域最高技术水平的，是不断进化中的Watson系统，和已经可以量产的人脑模拟芯片SyNAPSE(超大规模神经突触计算机芯片)。
Watson是一台超级计算机，最初由90台IBM的Power7服务器并行组成。和Google、微软的人工智能相比，它从硬件芯片构架就开始模拟人类神经元，基于IBM的“Deep QA”技术开发。
2014年1月初，IBM宣布组建“Watson Group”，旨在进一步开发、商用和增强“Watson”及其他认知技术，此外还投入10亿美元用于其他相关项目。法国农业信贷银行预测，Watson系统创造的收入将在2018年占IBM总收入的12%以上。Watson已经被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、微软等大型科技公司在云计算领域展开竞争的武器。
另一个代表性产品是IBM在2014年发布的人脑模拟芯片SyNAPSE。该芯片能够模仿人脑的运作模式、低功耗，在认知计算方面要远胜传统计算架构。和其他芯片公司的纸上规划不同，这款芯片已达到量产要求。由此来看，IBM在人工智能技术方面的商业实力主要在于“认知计算体系”。
再反观国内，无论在对人工智能领域的认识和预见性方面，还是实际的技术研究和探索方面，无疑都是落后于美国的。
回到国内，百度甚至像谷歌一样宣称，计划在五年内大规模生产无人驾驶汽车。李彦宏将百度无人驾驶汽车称作“一台带轮子的电脑”。
百度的人工智能研究源于2013年，百度成立深度学习研究院。据报道，早些年，百度剔除了不少经过验证没有商业化前景的相关项目，但最近两三年，明显加大了在人工智能上的投入，包括无人驾驶汽车等长期项目。
目前，百度研究院、百度大数据、百度语音和百度图像等技术都已归入人工智能技术体系。李彦宏多次向外界强调，百度未来的发展将严重地依赖人工智能。
百度高级副总裁、自动驾驶事业部总经理王劲称，百度大脑已具备视、听、说和预测、规划决策以及行动控制的能力。目前正在计划将百度大脑在金融、汽车、医疗等领域商业化。
阿里巴巴在多个领域有着超前的预见性，比如互联网金融、云计算，但在人工智能方面，阿里稍显滞后。不过，阿里进军人工智能的优势在于其庞大的数据生态，这是训练人工智能难得的食粮，是重要基础。
去年，阿里云推出了自称中国第一家的人工智能服务。这一名叫DTPAI的平台整合了阿里巴巴所使用的机器算法以及深度学习技术，将它们呈现在拖拽使用的简易界面上。阿里云表示，开发者无需编写新的代码就能利用DTPAI预测用户行为。
就在前不久，阿里宣布人工智能程序小Ai即将面对大众，提前预测湖南卫视《我是歌手》总决赛歌王归属。小Ai主要基于神经网络、社会计算(social computing)、情绪感知等原理工作。
在此之前，阿里云小Ai进行过大量的学习和训练，并在实战中成功实现交通、音乐黑马等多个领域的预测。
在商业化方面，阿里正在规划、布局基于人工智能技术的互联网医疗。最新的统计数据显示，全国已经有超过400家大中型医院加入阿里的“未来医院”计划。阿里的设想是，未来，在阿里遍布全国边远山村的医院医疗点里，病患足不出户，只需拍一张CT，通过远程技术来完成专家级的诊疗过程。
腾讯的人工智能技术相对分散，侧重于在内部各业务上的使用
比如语音识别主要是在微信部门，图片识别主要是在QQ，支付和金融业务方面植入了人脸识别，搜索部门则关注自然语言识别。其中一些技术已在腾讯内部实现产品化。
SNG(社交网络事业群)的优图团队聚焦图象识别领域，推出了黄图识别功能，并为腾讯内部产品如图片优化工具“天天P图”提供技术支持。WXG(微信事业群)则在人机互动领域进行拓展，也对图像和语音识别进行了原发。WXG推出了智能机器人“小微”，用户可以用自然语言与之沟通，解决此前语音助手智能机械应答的短板。
对于未来，工程师希望“小微”成为一种“连接器”——与微信支付串联起来，接入微信公众号以及钱包内的各种生活服务，打造完整的微信内O2O闭环生态体系。
目前来看，腾讯的人工智能技术的服务仍在内部，尚没有完整的类似百度的研发和商业化计划。不过和Facebook类似的是，腾讯手握庞大的社交数据，这是其未来爆发的潜力。
另外还有一个网易，试图从云服务的角度利用人工智能技术。可能不为多数人所知的是，网易从2008年就开始了在深度学习领域的研究，算是国内投入最早的互联网公司之一。
目前在杭州研究院形成了一套自有的深度模型，并有配套的计算集群，为深度模型的密集运算作支撑。网易目前将深度模型用在了诸如人脸识别、音乐识别、语音识别、智能客服等不同领域，其19年来的各类互联网服务中产生的数据，成为训练深度模型的素材。
具体到商业化方面，目前网易面向市场推出了一系列的云服务，比如云信(即时通讯云)、七鱼(全智能云客服)、视频云、蜂巢(容器云)、易盾(智能反垃圾云服务)等，其中网易七鱼和易盾分别用到了智能聊天机器人和智能识别等人工智能技术。
另外，网易人工智能部门曾联合美的推出AR智能家居，双方在智能单品人机交互、智能体验、智慧家居总装、智能厨房等多方面展开了合作研究。只是具体进展不得而知。
综合中美互联网巨头在人工智能领域的研究和商业化实践，我们甚至可以说，在商业化的思路上，中国企业刚起步即比美国想的更多，走得更具体。
中国企业倾向于在将来可能的实际应用方面进行探索，而美国倾向于基础的深度研发，暂时能不能看到商业化的方向倒是其次。
人工智能的产业结构可以分为三层：应用层、技术层和基础层
应用层聚焦在人工智能和各行业各领域的结合;技术层是算法、模型和技术开发;基础层?则是计算能力和数据资源。
BAT和网易显然擅长第一层。但在第二层和第三层，无论是技术实力，还是研发的时间长度，都与美国有着不小差距。
不过，微软亚洲研究院常务副院长芮勇认为，横向对比，中国和国际领先公司在核心技术上确实存在差距，但从纵向看，中国在人工智能领域的技术积累近几年确实出现了飞跃，无论是最底层的计算机体系架构，还是智能硬件，或是上层软件应用，都有质的进步。
客观讲，BAT们的加入正在带动整个人工智能行业，人工智能领域的创业公司也层出不穷，虽然一部分只是挂个名号抢投资，但至少他们刺激了市场对人工智能人才的需求，人才，这也是最重要的一个基础。毕竟，短时间内走在商业化的前面，终不如先在理论上打好基础。
