前言
始源于1956年的达特茅斯会议之后，人工智能经历了2次沉浮，终于在新的世纪爬出深坑走入第三次浪潮。截止2017年6月，全球人工智能企业总数达到2542家，其中美国拥有1078家，占据42%；中国其次，拥有592家，占据23%。其余872家分布于瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国。人工智能在近十年来获得了重大的突破。当下，人工智能产出了九大发展热点，分别是芯片、自然语言处理、语音识别、机器学习应用、计算机视觉与图像、技术平台、智能无人机、智能机器人、自动驾驶。（数据来源于腾讯研究院人工智能研究报告）
那么将时间轴拉回10年，人工智能领域一个个重要的坐标闪闪发光。为了更清晰、简洁的为诸位看官勾勒出人工智能行业的画像，小柴从这些重要坐标中挑选几个特别耀眼的为各位呈现。行文不甚专业，不吝赐教。
Google的人工智能产品和技术布局
Google的AI布局见下表
下面，小柴就上述单元一一介绍，想必读完全文，各位一定会对Google的AI战略布局有一个较为框架性的认识。
Google无人车
Google无人车是Google X实验室研发中的全自动驾驶汽车，不需要驾驶者就能启动、行使以及停止。目前正在测试，项目由Google街景的共同发明人Sebastian Thrun领导。无人车通过照相机、雷达感应器和激光测距机来“看清”交通状况，并使用详细地图来为前方的道路导航。
由于城市道路的各种目标比较繁杂，因此对于自动驾驶汽车而言，城市道路的驾驶，要比高速公路复杂得多。谷歌无人驾驶汽车经过升级的最新软件系统，可以同时对“数百个目标”保持监测，其中包括行人、公共汽车，一个作出左转手势的自行车骑行者，以及一个保护学生过马路的人举起的停车指示牌等。据称，谷歌无人驾驶汽车一共记录的里程数据已经达到了70万英里。
车顶上的扫描器发射64束激光射线，然后激光碰到车辆周围的物体，又反射回来，这样就计算出了物体的距离。另一套在底部的传感器系统测量出车辆在三个方向上的加速度、角速度等数据，然后再结合GPS数据计算出车辆的位置，所有这些数据与车载摄像机捕获的图像一起输入计算机，软件以极高的速度处理这些数据。这样，系统就可以非常迅速的作出判断。
Google无人车的几个重要研发节点
看过Google无人车的发展现状后，各位是否产生一个想法，“这还是那个让AlphaGo战胜人类的Google吗？”对，这就是AI的现状——思想的巨人，行动的侏儒（有兴趣的朋友可以回看小柴上一篇文章《人工智能画像之技术地图》）。在这里，小柴的浅见是，当前人工智能发展的关键基础在于深度学习（也称机器学习，其实，机器学习是更大概念，包括了深度学习。只是，深度学习是人工智能领域里面最关键的技术，同时也是机器学习中最关键的），而深度学习依靠的还是超级神经网络（即深度学习神经网络系统）构建的超强机器学习能力，而无人车，上面的技术图解已经表明，它的大脑还是内嵌汽车内的计算机，没有利用到强大的神经网络。这可能就是为什么人工智能在“思想”上可以战胜人类围棋九段，但是在“行动”上还不及三岁小孩。无人车技术还处于初级阶段，还需更加强大的机器学习能力。
Google Home
Amazon 的家庭语音智能终端Echo里程碑式地打开了智慧家庭的一个入口，各大科技巨头均快速跟进，推出大量此类产品布局智慧家庭。Google Home就是谷歌于2016年发布的配有内置扬声器的语音激活设备。
早上起来，洗漱时想听音乐吗？只需对这个小家伙儿说一声，它就控制你的音响将早已下载好的歌单播放出来。在英国推出Google Home时，人们可以直接在这台小家伙儿上面控制播放BBC Radio 4频道的节目。此外，“请在投影机上观看Netflix动画片《瑞克和莫蒂》”，只要你的发音是标准的，那么大部分时间你的指令都是有效的。是不是很有想象力？最近，谷歌宣布Google Home还将支持几个新的智能家居系统，包括：August、Wink、LIFX、TP-Link、Rachio、Vivent、First Alert、Frigidaire、罗技、百思买等品牌的产品。
当然，一一介绍Google Home的功能不是本文目的，其实这类智能语音控制技术已经不是新鲜事物，早在2011年苹果推出Siri，谷歌在2012年也推出了同类型产品Google Now，这类智能语音控制终端只是在应用层面上的一次精进。这其中，Amazon Echo的成功具有里程碑意义，据媒体调查，美国家庭中人们与Echo的对话频率和次数要比和Siri高得多。
这类产品已经打开了智能家居的入口，国内科技巨头也已经跟进，淘宝、喜马拉雅听等多家公司都推出了各自的产品。那么，未来这就是我们家里都会必备的一个家庭控制中枢吗？
Google 云计算平台&云机器学习引擎——机器学习的基础技术
小柴人工智能研究系列上一篇《技术地图》中已经讨论过，人工智能这次浪潮主要的功臣在于“深度学习”，而深度学习得以快速发展的两大关键就是“海量大数据”和“强大的计算机能力”。
云计算服务的技术并没有那么高的壁垒，各竞争者之间的技术也趋于接近，简单说，云计算的基础设施会变成互联网的水电煤。提供云计算基础设施的公司就是发电厂，我们不会去管发电厂哪家强，都很强。Google的云计算技术实际上是针对Google特定的网络应用程序而制定的。针对内部网络数据规模超大的特点，提出的一整套基于分布式并行集群方式的基础架构。虽然Google可以说是云计算的最大实践者，但是，Google的云计算平台是私有的环境，特别是其云计算基础设施还没有开放。
2017年5月，Google正式宣布，推出基于云GPU的“云机器学习引擎”。早在2017年2月，Google就宣布推出了基于NVIDIA K80 的云GPU服务，即，可以用于运行计算量大的工作负载和大规模的深度学习。现在，从谷歌的一些客户中已经能够看到使用这些云GPU进行深度学习带来了性能的显著提升。比如，Airbus用于检测卫星图像中云朵的深度学习模型，就使用的Google云机器学习引擎。使用云机器学习引擎会比在CPU上运行速度快40倍，同时，使用分布式训练可将训练时间从50小时减少到30分钟，并将错误率从11％降低到3％。同样，比如Global Fishing Watch（谷歌与非营利组织合作成立的全球渔业观察站）也采用了深度学习的方法来检测过度捕捞，对1.4亿平方英里的海洋全面监测。在使用云GPU上的机器学习引擎后，同样也获得了超过CPU10倍速度的体验。
其实，2016年大放异彩的AlphaGo大脑就是基于Google多年在云机器学习领域的探索和进展下取得的成功。目前，深度学习技术日益发展成熟，目前还不清楚什么类型的基础设施将占主导地位，但谷歌期待更多的客户和组织通过使用云机器学习引擎，以扩大和提升机器学习的能力。或者是建立和训练机器学习算法，这类需要大量计算能力为驱动力的程序，利用可并行工作的GPU不失为最好的方法。
Google TensorFlow 系统——机器学习系统
TensorFlow是谷歌2015年开源的一个人工智能平台，是将复杂的数据结构传输至人工智能神经网落（即，机器学习网络，也称深度学习网络）中进行分析和处理过程的系统。那么什么是Tensor（张量）呢？在不同的领域，张量有不同的理解。张量是不随坐标系而改变的物理系统内在的量。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow即为张量从图的一端流动到另一端。TensorFlow 表达了高层次的深度学习计算，大幅简化了第一代系统，并且具备更好的灵活性和可延展性。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。目前看，TensorFlow支持各大深度学习算法，如CNN、RNN和LSTM算法等，这都是目前在机器视觉、机器语言和NLP （Neuro-Linguistic Programming，神经语言程序学）最流行的深度神经网络模型。
这一次的Google开源深度学习系统TensorFlow在很多地方可以得到应用，如语音识别，自然语言理解，计算机视觉，广告等等。但是，基于以上论点，我们也不能过分夸大TensorFlow这种通用深度学习框架在一个工业界机器学习系统里的作用。在一个完整的工业界语音识别系统里，除了深度学习算法外，还有很多工作是专业领域相关的算法，以及海量数据收集和工程系统架构的搭建。但，总的来说，这次开源是非常有意义的，这为大量无力自行理解并开发出与国际同步的深度学习系统的企业提供了在人类基础领域（视觉、语言等）的开发应用产品的机会。
基础设施
再强大的深度学习系统也需要海量计算，也需要强大基础设施的支持。原本，随着人类计算机的高速发展，在世界各地建立了大量的数据中心，这些数据中心大多数都是由CPU和GPU搭建起来的深度学习神经网络。但是有一个弊端，原本的CPU、GPU并不是专门为深度学习设计的处理器，这就造成了大量能源的浪费，成为人工智能发展的一大瓶颈。基于这个矛盾，Google也推出了自己设计的深度学习处理单元——TPU。
Tensor Processing Unit 张量流处理单元，简称TPU，是谷歌专为深度学习而设计的处理器。据谷歌介绍，TPU已在谷歌的数据中心运行了一年多，表现非常好。事实上，谷歌已经在很多领域应用了TPU，比如谷歌街景、AlphaGo等。
2017年7月，有报道称，谷歌开始准许科学实验室和人工智能研究人员通过互联网使用其开发的量子计算机。报道称，谷歌此举的目的是鼓励量子计算机工具和应用程序的开发，并最终将它转换成为更快速、更强大的云计算服务。谷歌多年来把大量的资金和时间都投入到现代技术最雄心勃勃的梦想——打造工作级量子计算机。如今，这家公司开始思考如何把这个项目转变成为生意。
那么什么是量子计算机，它又强大到什么程度呢？
量子计算机是遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。当某个装置处理和计算的是量子信息，运行的是量子算法时，它就是量子计算机。量子计算机的概念源于对可逆计算机的研究，而可逆性是区别一个系统是普通计算系统还是深度学习系统的一个重要特质。简单说，可逆性使得机器具有了人类大脑皮层处理信息的特点——浅层皮层和深层皮层之间的双向沟通、调节、修改。研究可逆计算机的目的是为了解决计算机中的能耗问题。不同于传统计算机，量子计算用来存储数据的对象是量子比特，它使用量子算法来进行数据操作。
最后
检索、整理了这么多科技资料，小柴已经吐尽了老血。那就赶紧以一张图结束吧！
人工智能画像系列文章，持续更新中，小柴尽量保持能够周更！
点击以下链接，回顾“人工智能系列文章”：
1、人工智能画像之人工智能的起源：人工智能（AI）画像之起源
2、人工智能画像之技术地图：人工智能画像之技术地图