Google 當前（2017 年）在 AI 領域的實力有多強？（與其他公司對比）？

01-30

本題已收錄至知乎圓桌：Google I/O 2017，更多「Google I/O」相關話題歡迎關注討論

如果要問誰家的AI最牛的話，我認為這個問題沒有一個標準的答案，因為現在沒有一個度量標準或者技術標準來衡量你的AI到底有多強。

甚至對於AI的定義，業界現在也是有爭議的。目前人工智慧沒有官方或者大眾普遍認可的定義。

谷歌在AI人才、應用程序、工具包、計算資源和數據的廣度和深度上都是非常巨大。他們也有AI優先的企業文化和未來計劃。谷歌在機器學習方面特彆強大。AlphaGo就是其中一項重要成就。

在谷歌I/O 2017大會上，CEO Sundar Pichai宣布了Google.ai，谷歌會把自己所有的AI相關事務集合到Google.AI上。

這包括三個大發現，一方面是在學術領域，Google將包括深度學習在內的人工智慧方法引入到各個學術領域，比如生物、醫療、化學等領域，應用包括醫療診斷、細胞生物學、DNA測序等。

第二個方面則是Google將提供包括Tensor Flow和TPU等軟硬體工具給開發者，Google希望所有的開發者都擁有深度學習。

第三個方面則是將人工智慧應用帶入大家的生活，包括Google Assisant等，另一個例子則是人工智慧繪圖工具AutoDraw。

上屆大會正式推出的Google Assistant是谷歌一系列智能產品的入口，只需要喊一聲「OK Google」，再說出你的需求，就可以讓機器智能地為你提供對應服務，譬如買外賣，記條備忘錄。

AI圈內的風評是，Google Assistant的核心技術領先於亞馬遜Alexa、微軟Cortana以及蘋果Siri的。

在I/O 2017大會上，Google Assistant也有升級。

首先，是整合語音、文字、圖像三大溝通形式。

此前，語音對話是使用Google Assistant的唯一途徑。而即日起，谷歌為其加入了文字輸入的方式，讓你在不方便說話的時候（公共場所）依然可以很好使用。

更牛的是，Google Assistant也加入了Google Lens的功能，讓你的設備了解你能看到的東西。比如看到一朵美麗的花，它能搖身變成植物學家告訴你這花的種類。再比如，你路過一家餐館，看不懂它家餐館招牌，只需拍張照片，谷歌自己幫你識別這家店的名字，搜索用戶評分。

谷歌還宣布，Google Assistant將登陸iPhone！其開發工具包Google Assistant SDK也即將發布，方便開發者將這一功能嵌入到自己的應用中。

由於Google Home發布較亞馬遜Echo晚，市場佔有率遠遠低於Echo，鑒於這個情況，Google必然奮起直追，Google Home在這次I/O大會宣布同時新增四項功能：

第一，Google Home加入免提電話的功能，可以用語音直接撥叫；

第二，Amazon Echo Show增加了屏幕支持，Google Home則直接投射到手機、電視等屏幕上，利用另外一種方式實現屏幕功能；

第三，Google Home實現「主動提醒」功能，可以提前通知航班信息、交通情況等；

第四，Google Home支持更多的免費音樂軟體，而不想Amazon Echo一樣幾乎都需要購買才能聽到音樂。

哎？注意到了沒有，比之Echo缺失的那些功能，都補齊了啊！

谷歌在Google I/O大會上也公布了最新的機器學習演算法——AutoML——一種能夠幫助開發者構建自己的機器學習神經網路的模型，一種幫助機器「學習如何學習」的工具。

圍繞著人工智慧，Google也重新改造計算中心，並發布了一個新的晶元TPU 2.0或者說Cloud TPU。

去年Google發布了Tensor Processing Units，其在人工智慧處理上比CPU和GPU表現更優異，重點在訓練層面。

從去年到現在，TPU已經歷更好的優化，而它的下一代就是Cloud TPU，既優化了訓練(Training)，同時也優化了推理(Inference)。

可以說谷歌對TensorFlow、量子計算以及機器學習的投資在各大科技巨頭中是排在首位的。

IBM的沃森是一個獨特而強大的AI，可以回答問題、解決問題。它還擁有相當強的AI專業知識和卓越的資源數據。

谷歌和IBM的沃森，很難說哪個是1，哪個是2。

這個領域還有很多別的玩家參與。

我相信Echo和Alexa平台是目前最強大的AI個人助理。目前，它是一個控制智能家居的小管家。Alexa的語音技術也被開放給開發人員來增添更多的功能。亞馬遜在語音和語言方面也有很深入的研究。

Facebook聘用卷積神經網路之父Yann LeCun，任他為Facebook人工智慧實驗室負責人。他們的研究團隊在研究自然語言處理、圖像理解和基本演算法。Facebook人工智慧領域利器是FBLearner Flow平台，這是一個可以自己製造人工智慧的人工智慧，你可以理解為傳說中的人工智慧母體。

由Cycorp公司開發的OpenCyc提供了對Cyc知識庫的訪問和常識推理引擎。它擁有超過239,000個條目，大約2,093,000個三元組和大約69,000 owl：這是一種類似於鏈接到外部語義庫的命名空間。它在富領域模型、語義數據集成、文本理解、特殊領域的專家系統和遊戲AI中有著良好的應用。

上述的AI都有著強大的能力，但是學術界的AI研究也是令人印象深刻的。這些AI學術機構包括斯坦福大學、麻省理工學院、CMU、伯克利、USC/ISI等等。

歐洲和亞洲也有很多令人震驚的AI研究成就。愛丁堡、多倫多、戈爾韋、因斯布魯克和東京的一些大學也都有研究AI的團隊和個人。

不同功能，不同應用，很難說誰比好。

http://weixin.qq.com/r/rUSVjTjEUGUvrXzu9xG- (二維碼自動識別)

如果要說實力，被大規模挖人之前的微軟才是最強的，就算這樣，目前微軟應該還能爭爭第一，全世界各地的微軟研究院以及他們的高校合作教授們，是非常恐怖的。

谷歌實力的確也強，deepmind相當厲害，其他還有不少大神坐鎮，但是facebook也不見得會差太多，這三者應該都在第一梯隊。

然後亞馬遜和百度，應該算是第二梯隊了，有數據，技術儲備也還不錯。

阿里，騰訊，360這些，感覺上就不見得比商湯曠世地平線好到哪去。

特斯拉，大疆，海康這種都不好劃分，理論上已經在特定領域有大量營收，水平也不會差，可能略比第三梯隊強一點？

這是個人感覺，其實沒太多數據上的例子，有哪些大神如果有更合適的排名，可以一起探討一下。

更新，謝謝各位提醒，當時沒有確認準確性，搜了下新聞。

美國政治事件持續發酵微軟、谷歌、蘋果股票均大跌

-------------------------------------------------------------------------------------------------

--重磅｜誰讓英偉達一夜損失360億人民幣？還留下一道思考題！！

英偉達股票：暴跌6.64％，市值一夜蒸發約53億美金，約等於360億人民幣！

這個讓英偉達措手不及的「敵人」不是晶元硬體行業的三巨頭：台積電、英特爾和博通，而是在人工智慧行業一直在做」軟體「巨獸：Google！沒錯，就是Google！Google在昨天深夜的Google i/o 2017大會上發布了專家的第二代tpu和Cloud TPU!

據說：第二代TPU的速度比Nvidia最新的Tesla V100還快5倍！
第二代 TPU 設備單個的性能就能提供高達 180 teraflops 的浮點計算量。不僅如此，谷歌還將這些升級版的 TPU 集成在一起成為 Cloud TPU。每個 TPU 都包含了一個定製的高速網路，構成了一個谷歌稱之為「TPU pod」的機器學習超級計算機。一個TPU pod 包含 64 個第二代TPU，最高可提供多達 11.5 petaflops，加速對單個大型機器學習模型的培訓。
Pichai 還在演講中表示，使用 TPU pods，谷歌已經大幅提升了訓練神經網路的時間。谷歌的一個新的大型翻譯模型，以前要 32 顆商業上最好的 GPU 花費一整天的時間來訓練——現在，只需一個下午，8 個第二代 TPU 就能達到同樣的訓練精度。這等於向市場宣布「英偉達的GPU，去你的！」 不僅如此，Google宣布二代TPU的同時，還宣布了Cloud TPU業務。

引用該業務主管李飛飛教授的話：希望能保證每一個人都能利用AI，來保持自己的競爭力，來解決對自己來說重要的問題。
也就是說，今天通過銷售昂貴GPU獲利的英偉達的培養的所有客戶直接通過廉價的成本就能使用Cloud TPU，滿足業務上的需要！如果你還不明白什麼意思，換句直白的話：過去購買英偉達GPU的客戶不再需要購買任何晶元硬體，直接用Cloud TPU就行，速度更快，成本更低！
面對一個突如其來的勁敵：手裡還揮舞著兩把「速度更快-TPU"和」價格更低-Cloud TPU」的大刀！Google的同學們無疑是給英偉達留下一道思考題：英偉達如何在這場你死我活的戰爭中持續贏得勝利？

附：十分鐘了解 Google i/o 2017大會全部黑科技

Google I/O 2017主題演講10分鐘精華版_騰訊視頻

Google Assistant（谷歌助手）登陸iOS

Google Lens：全新的AI視覺搜索應用

發布第二代TPU：將成為英偉達最大威脅？

每秒 180 萬億次浮點運算的性能。

Google Home：可以打電話了

。

Google Photos：讓分享更智能

2017谷歌I/O大會第一天，谷歌發布人工智慧「原子彈」

北京時間5月18日凌晨，谷歌在山景城舉辦了一年一度的開發者大會 Google I/O。

接下來機械雞將為您梳理大會有關AI的亮點：

Google Lens：通過強大的視覺識別演算法，實時識別物體

Google.ai：讓人工智慧人盡可用

TPU：速度比Nvidia Tesla V100快50％

TensorFlowLite：移動端的深度學習模型

Google for job：使用機器學習來找工作

Google的成績單：

Android已經安裝了超過20億台設備

Google雲盤擁有超過8億的活躍用戶

Google Photos有5億活躍用戶，每天上傳12億張照片

Google Lens

谷歌首席執行官Sundar Pichai在演講中發布了Google Lens，一組基於視覺的計算功能，可以識別用戶正在查看的內容，並提供與您周圍世界的互動。它將首先被植入到Google Assistant和Google Photos中。

作為Google Assistant的一部分功能，用戶可以拍攝鮮花或標籤的圖像，並提供適當的操作。例如，拍攝花朵將會識別確切的類型，並且捕獲wifi密碼讓標籤自動連接到無線網路。

在Google Assistant中，拍攝圖像將提供一張卡片疊加層，其中包括餐廳的評論，評分和其他信息，或者在圖像下方的搜索建議列表。

Google相冊中的Google鏡頭可以識別圖像中的哪些建築物或位置。這同樣適用於繪畫和截圖，每張圖片上都有一個新的鏡頭按鈕。

Google.ai與TPU

Google.ai集合了所有AI的服務，主要包括研究、工具和應用三個層面。它的使命是改變全球用戶的生活和工作方式。

在研究方面，Google利用深度學習技術幫助醫療工作者解決臨床中的診斷問題，比如幫助病理學家診斷乳腺癌。

工具層，Google將進一步整合Tensor Flow、TPU用於相關開發，並提出了

提出了 AutoML，解決開發過程中耗時費力的痛點，讓神經網路設計神經網路。

應用層，是一個AI+應用的願景，希望人工智慧幫助應用實現更多，包括Google翻譯、Google Assisant、AutoDraw。

Google推出的新一代機器學習晶元，稱為「雲TPU」。新的TPU不再僅僅推論，現在也可以訓練神經網路。

谷歌上個月發布了一篇文章，證明TPU運行速度可比起Kepler GPU高出30倍，比Haswell CPU快80倍。

Nvidia 很快反擊，推出優化的特斯拉P40 GPU。然而，TPU在峰值INT8表現（90TOPS vs 48TOPS）中仍然幾乎是P40的兩倍。P40也使用超過三倍的功率實現了其性能，所以這種比較也不公平。最重要的是，在機器學習任務中將不同的架構進行比較是不容易的。

Google暗示，如果進行了某些修改，下一代TPU可能會更快。雲TPU似乎已經有所改進。現在它的浮點計算能力要快得多，這也意味著它也適用於訓練神經網路。

據Google反饋，這款晶元可以實現180億象素的浮點性能，這比Nvidia最新的Tesla V100加速器為FP16半精度計算的六倍。即使與Nvidia的「Tensor Core」性能相比，Cloud TPU仍然快了50％。

Google使雲端TPU具有高度的可擴展性，並指出可以將64個單元組合成一個「pod」，在單個機器學習任務中總共具有11.5 petaflops（每秒千萬億次浮點運算）計算的性能。

不用說，雲端TPU必定會支持Google在2015年開放的TensorFlow機器學習軟體庫。

Google還將向TensorFlow研究雲計劃的頂尖研究人員和開發者捐贈1000個雲端TPU。

TensorFlowLite

TensorFlow於2015年11月發布，並迅速成為研究人員和開發人員流行的一種構建AI工具的方式。TensorFlow是靈活，可靠的，並附有一大堆文檔，使初學者很容易上手。新推出的版本，TensorFlowLite將在此基礎上，幫助用戶減少其機器學習演算法在設備上工作。

大會上Google工程副總裁Dave Burke說：這是一個旨在快速而小型化的應用程序庫，但仍然能夠實現最先進的技術。這些新功能將有助於為下一代的在線設備語音處理，視覺搜索，增強現實等提供支持。該公司還宣布，通過手機晶元製作機器學習的API將會更好一些。未來Google明確表示，您的下一個手機將擁有AI優化的晶元。

Google for job

找到適合你的工作可能很困難，僱主也面臨類似的問題，試圖找到有才能的潛在員工。Google宣布Google for Jobs，這是幫助求職者找到工作的一種新方式。

Google for Jobs不是新產品，而是Google搜索的擴展，可以從其他工作平台獲取信息，並將它們呈現給一個求職者的場所。它的工作原理很簡單，用戶只需轉到Google，搜索特定類型的作業，例如零售員。

在Google中搜索「零售工作」時，用戶將會看到可用職位的位置相關信息，這將提供適合該搜索的選項。從那裡，用戶可以按類別，標題（通過機器學習「聚類」），發布日期、類型（全職，兼職等）。

Google在推出時通過諸如LinkedIn，Facebook，CareerBuilder，Monster，Glassdoor等服務，為此工具提供信息，隨著時間的推移，Google還會增加更多信息。雖然這不是大多數人每天都會使用的工具，但是對於那些積極尋找新工作的人來說，這絕對是非常有用的。

Google的成績單

Android已經安裝了超過20億台設備

Android是世界上最大的移動操作系統，每天都在不斷增長。數十億台設備在幾年前是一個巨大的里程碑。而現在，Google正在以超過20億的每月活躍設備的速度向前邁進。就在上周，Google通過了這個裡程碑，這是一個巨大的成就。

Google雲盤擁有超過8億的活躍用戶

谷歌最大的服務之一是谷歌雲盤，該公司今天也宣布雲盤，現在正在為超過8億全球用戶服務。

Google Photos有5億活躍用戶，每天上傳12億張照片

照片是Google的另一大工具，對於許多用戶來說，它是非常有用的。今天Google透露，有5億用戶正在踴躍使用這項服務，而且每天都在上傳超過12億張照片。

我來嘗試答一下這個題。

在這次Google IO上，正Google CEO Sundar Pichai所說，Google已經在2017年把戰略方向從Mobile First轉向AI First。從此已經可以看出Google對於AI的重視程度。那，現在Google的AI水平到底怎麼樣呢？

我認為，毋庸置疑是屬於第一梯隊。

1. AI Research

從Google官方公布的信息來看，Google在Machine Intelligence方向的paper有673篇

https://research.google.com/pubs/MachineIntelligence.html

2. 對AI community的貢獻

首先，從工具來說，在這幾年的發展中TensorFlow已經成功地成為了業界使用度最多的framework

不僅如此，李菲菲加入Google成為AI的首席科學家之後，要進一步民主化機器學習。利用谷歌的強大的雲端資源，更進一步降低機器學習使用與應用的門檻。同時，Google也於今年收購Kaggle，想必也是為了更大的擴大在機器學習方面的版圖。也在這一屆的IO上公布了TPU的使用，進一步加快AI的發展。

經過又一年的發展，Google在AI方向的積累又進了一步，幾千名工程師，從研究到開發，不斷地試探AI發展的可能性。也許現在Google在AI方向的實力還沒有做到業界第一，但是大家都不難看到Google的野心和決心。從IO上也能看出現在Google的目標是非常明確的，一切都以AI為先。未來的十年必將屬於AI。

最近接觸聊天機器人比較多，對比了一下各大巨頭在這方面的產品，最後結論就是google在AI 方面還是最強的，google在今年5月的I/O大會宣布了從Mobile-first向AI-first的戰略，也體現了公司的重視程度，以下是正文，希望有點幫助.

一國際大公司

Google:

面向消費者的手機app：Allo（Google Assistant），水平最高，有記憶功能，可以做私人助理，交互方式很好，支持文字和語音輸入，而且每次都有文字提示輸入，不足之處是不支持中文。智能家居Google Home(https://madeby.google.com/home/ )，沒條件體驗，不過跟Allo接入的後台應該是一樣的。

平台方面(https://ai.google/ )，收購DeepMind，開源TensowFlow，推出TPU（英偉達GPU有競爭對手了）,AlphaGo圍棋峰會完勝人類頂級棋手（柯潔，李世乭等），看2017年的IO大會，對外宣布了Mobile-first向AI-first的戰略，具體視頻https://events.google.com/io/ 可以再看看

MicroSoft:

小冰，水平沒谷歌強，比剩餘強，沒有記憶功能，支持中文，產品跟第三方整合的比較多，微信微博都接入了，微信也有小程序-小冰FM，這個小程序可以秒殺掉國內的若琪，喜馬拉雅的智能機器人了

Amazon:

echo沒條件體驗硬體，做智能家居最早最強的，2014年第一款上線，16年銷量超650萬台，https://www.amazon.com/b/?ie=UTF8node=9818047011ref=hud2gwalexacppfrdp=f5d37052-217b-4003-98c5-2c76ee403c8fpfrd_r=FQB9ZG8YRXRQK46VDV3Y，目前出了5類等級的設備了，最便宜的50刀，看宣傳視頻還是很棒的，交互流暢，可以控制家裡的智能家居設備，設備豐富度應該很強的，唯一擔心是中文輸入是否支持，以後有機會買個體驗一下，網上討論（https://www.zhihu.com/question/48036249）

Facebook:

由於翻牆地址經常變動，提示我要上傳照片審核後才能登錄，不過按理說fb這麼牛的公司應該會機器自動審核才對的，結果2個小時過去了，還是提示（審核你的照片後，我們將儘快與你聯繫。出於安全考慮，你將會從 Facebook 退出），fb好感下降一大截。

Apple:

Siri挺弱智的，挺弱智的，挺弱智的，雖然支持中文語音，但是智商實在太低，讓使用的用戶也感覺弱智，尤其是晚上老婆喊「Hey Siri，給我打開鬧鐘」時每次都被我鄙視一次，但是當讓siri打開指定日期都鬧鐘時它就歇菜了，蘋果果然還是面子貨（又要被果粉黑了）

OpenAI:

Musk跟Altman聚集的一幫大牛做ai方面研究的非營利組織，專業性很強，後面多關注學習下。

二國內大公司：

阿里:

硬體方面：

17年8月剛上市天貓精靈（https://detail.tmall.com/item.htm?spm=a21m2.9157088.0.0.32896777Tnlslnid=554918982034 ），價格499，如果沒看過echo的話感覺還是挺驚艷的，但是知道了echo以後，感覺就是山寨了echo，而且晚了3年，好點的地方時中文支持多了，畢竟是國產的。

軟體方面：

阿里小蜜，盒馬鮮生的盒馬福利社有點意思，產品有創意

百度：

移動互聯網時代落後了一大截，最近在AI上Allin，官網(http://dueros.baidu.com )看著挺豐富的，有具體產品（軟硬體），合作廠商，解決方案，開放平台等等，手機端的app是度密，號稱人工智慧小秘書，簡單體驗了一番，水平一般，我告訴的問題再次提問還是記不住，哈哈，這個可以看作檢驗聊天機器人水平的一個小標準了，上下文短期記憶能力

騰訊:

機器人開放平台(http://open.qq.com/bot/ )，具體產品小Q機器人2代(https://qrobot.qq.com/#/ )看視頻介紹沒多大新意，定位於兒童成長智能伴侶，可以忽悠下小朋友，手機app方面沒找到對應應用和入口，微信也沒有，有點詫異，騰訊這方面產品居然這麼少，不過有個研究院（http://ai.tencent.com/ailab/index.html ），偏研究方向，看介紹有些論文。

京東:

直接面向消費者的不多，更多面向京東自身，智慧物流，自己能體驗到的是京東JIMI，跟阿里小蜜類似，主要還是客服，推薦系統的功能，用之前的問題檢驗不出意料還是回答不上來，水平一般

三創業公司：

硬體方面：

若琪，喜馬拉雅，公子小白，這幾個智能程度都一般，沒什麼驚艷的地方

軟體方面：

後面有空了再補充，商湯，曠世，第四範式，科大訊飛，出門問問，寒武紀等等，具體名單可看(http://www.199it.com/archives/526832.html)

以上就是自己個人近期關於聊天機器人的一點總結，才疏學淺，不對的地方還請多包涵，如有侵權請及時聯繫我，如果您有更多想討論的東西可以到我的博客(http://go2mars.top/cong-liao-tian-ji-qi-ren-xian-zhuang-kan-ge-da-gong-si-ren-gong-zhi-neng-fa-zhan-bu-ju)或者到微信公眾號(muskinfo)留言，公眾號後面也會增加聊天機器人到上面，拭目以待吧。

當初禁閉谷歌確實是一個錯誤的決策百度確實搜不到敏感內容但搜出的根據相關法律x策結果不予顯示比所謂的敏感內容更可怕至於百度的敏感詞更是個天大的笑話

Ai 領域就是燒錢，七八年後應該有個結果了。

谷歌應該會一直燒錢下去，畢竟有兩家研究所8000多人。

微軟也財大氣粗，可以拼下去。

臉書和蘋果研究Ai的方向不一樣不好評論。

機械方面的有本田矽谷研究中心、豐田實驗室、波士頓動力、Uber實驗室、特拉斯自動駕駛。

數據處理方面的有亞馬遜AWS、阿里巴巴、IBM 。

咦？百度呢？

正在努力！

google 一家夢想的公司，改變世界的公司

剛剛看了一個視頻，一定程度上能給你回答

http://dwz.cn/5Z1ek3

谷歌的ai技術上可能不是最強，但是它有著天然的優勢，平台的力量。它的背後是海量大數據的支持。在ai單方面比較的話，阿里雲，亞馬遜的ai技術都不會比它差，但是他的優勢是谷歌擁有世界上第一大平台：android。（當然不限於安卓，搜索，地圖等等都能提供海量數據）它可以把它的ai放到海量的終端上，以此收集更多的數據，再優化ai的體驗，反過來更多人會使用，形成一個良性循環，這就是它的絕對優勢