周五好，我们一起来看一下这一周前沿技术领域的新鲜事。
本周，批评百度的文章再次刷屏。百度搜索结果充斥百家号的局面，背后是信息流产品崛起，且竞争激烈，百度不得不建立自己的内容生态。信息流这个领域，AI技术很关键，也需要内容生态作为根基。因此本周周报我们一起来了解一下信息流领域。
谷歌旗下DeepMind开发的AI程序此前完胜人类棋手，让人高呼AI可畏。在最近，DeepMind AI程序又打起了游戏玩家的主意，在《星际争霸2》游戏挑战赛中，再次完胜职业玩家。AI的威力实在是越来越强大。
AI在赋能各个领域，甚至在非常传统的领域，也有AI的能量波及到。在国内最近的法庭审判中，就使用了AI技术来辅助法官。
一起来了解一下。
一．前沿领域深度解析
百度又被骂了。这次是由一篇名为《搜索引擎百度已死》的刷屏文章引发，文章指出，百度搜索结果大部分指向了百度自己的百家号，而且百家号大部分内容质量都比较差。
对此，百度信息流业务体系总负责人沈抖在百家号2019内容创作者盛典中表示“问心无愧”。他称，移动互联网时代，App都是独立的个体，相互连接非常困难，比较割裂。因此百度提出了百家号扭转局面，希望和头部媒体合作，和内容创作者合作，把更多内容带给受众。
现在百家号内容充斥搜索页面，其实是百度在信息流业务潮流下的无奈应对策略。大背景是，现在的信息获取方式，正在处于以搜索信息为主的时代向信息流产品时代过渡的阶段，人找信息的状态正在被信息找人的状态代替。而且现在的主流信息平台相较于PC时代，集中度更高了，而且大部分信息流产品是孤岛，像微信、微博、头条，以及快手、抖音等视频信息，大量信息是百度抓取不到的。百度试图通过百家号等产品，扭转在信息流产品崛起过程中的不利局面。
本期周报我们来了解一下信息流产品以及背后的推荐算法。
行业纵览
1）信息流产品是典型的“AI大数据+内容”型产品，本质上是基于AI的内容推荐引擎，内容自上而下排布，在内容的展示顺序上，结合了时间、热度和推荐算法。内容是信息流产品的发展基础，AI算法则将海量内容按照算法规则分发给用户，使内容切合用户的兴趣和需求。
信息流产品始于Facebook的feed产品，发展到现在，当下基本上主流的资讯产品基本都采用了信息流的形式，从今日头条、微博、知乎，到各大新闻资讯APP，再到短视频产品，以及手机浏览器等工具，都在采用信息流的展示形式。也不只是新闻资讯和娱乐内容，现在很多电商、生活服务、旅游类产品也采用信息流产品。按大类来分，信息流平台可以分为社交类、资讯类、浏览器类、短视频类、知识问答类、工具类、社区类、音频类等等。其爆发的根基是移动互联网时代的海量内容大爆发，以及数据量的丰富和算法的进步。
2）信息流相较于传统资讯产品，本质变化是内容推荐系统取代了人工推荐。一个完整的推荐系统，可以从数据、算法和系统三方面来解析。数据无疑是推荐系统的基础，没有数据就无法做精准的推荐。数据主要包括个人身份数据，以及网络行为数据，如网站浏览信息、APP下载信息、关注与订阅信息、搜索信息、收藏信息、评论信息、转发信息、页面停留时间、交易与订单信息、支付信息等，基于这些数据去训练算法。早期的数据粒度较粗，现在比较成熟的推荐模型数据维度量非常大。今日头条提供的数据是，其在线训练推荐模型包括几百亿特征和几十亿的向量特征。拥有数据后，对数据进行清洗、样本采样，以及特征处理。
算法是实现内容精准推荐的关键，通过学习用户资料和行为日志，建立模型，在后台建立日志系统和推荐算法系统。推荐系统算法主要是基于用户行为数据的协同过滤算法、基于内容数据的过滤算法、基于知识的推荐算法等。协同过滤顾名思义，就是在聚类之后，利用有共同兴趣、共同经验的群体的特征，来给予相应的权重，达到过滤的目的，实现内容推荐。基于内容做推荐，是从内容属性上入手，在关键词等方面寻找关联性，再把后者推荐给用户。基于知识的推荐，类似于建立知识图谱，利用知识之间的联系，进行推荐，有时候会归到基于内容的推荐。此外还有召回模型、排序模型，用于从海量的内容源中筛选出比较靠谱的一小部分。这里的难点除了精准度的问题，还要面临高并发状态下的处理。
3）算法推荐从初始到现在始终面临不少质疑，例如信息茧房，即在以算法推荐为主的内容展示模式下，用户接触的信息全部都是自己过去想看的、跟自己想法接近的信息；对陌生的以及和自己想法不同的信息和观点，以及自己新感兴趣的点，缺乏机会接触。此外，监管层也对推荐算法带来的不良信息和低俗信息问题多次采取管理措施，甚至要求停止算法推荐。
对于信息茧房的问题，现在业界在算法上还在改进，如在算法中参照真实世界中用户认知过程，如新兴趣、新偏好的形成等，在算法中引入更多的随机性，形成新的算法逻辑去推荐新内容。对于低俗信息，现在业界尝试的多是通过图像识别、关键词拦截、语义识别等技术手段，以及扩大人工审核团队加大人工审核力度。
4）信息流产品的商业化手段是信息流广告。信息流广告结合推给用户的内容，把广告作为内容的一种，推荐给用户。具体的广告内容展现形式跟用户日常浏览的资讯有很强的相关性。而且广告素材，文案，形式也跟普通的内容完全一致，因为高度的原生化而被视为原生广告，并且这些广告会随着用户的刷新而不断变化。Facebook在2006年就推出了信息流广告，Twitter也在2011年跟进。国内微博、今日头条起步较早，到现在有今日头条、腾讯、百度、微博等信息流广告规模较大的厂商。艾瑞数据显示，2017年我国信息流广告规模为688亿，2018年预计突破千亿。到2020年预计达到2700亿。公开资料显示，今日头条2018年的广告收入约500亿，百度在2017年信息流年化收入约为10亿美元。
行业解析
目前，信息流产品给人的体验仍差强人意，很多用户认为其推荐的内容不够精准，并不是自己所想要的。究其原因，内容更精准，需要用户更高频地使用一个信息流产品，产生更多有价值的数据，企业再在推荐算法上做迭代优化。
现在信息流产品格局还非常分散，用户对于不少信息流产品使用频次并不高，且精力分散在多个产品之上，数据还不到非常丰富的阶段。就企业来说，一方面需要在研发上不断迭代升级算法，更精准地发掘用户的需求点、兴趣点；另一方面，需要在内容生态运营上构建更好的切合用户品味的内容来源。AI、大数据算法等技术带来阅读体验的深刻变革，是决定信息流产品竞争力的关键，但不是全部。
内容生态的构建也是决定信息流产品竞争力的重要因素，这也是百度为什么即使牺牲搜索体验也要做大百家号的原因。
另外造成推荐内容不佳的原因在于，文字、图片、视频等内容的识别技术还不足，不能够有效把握内容的特点，也就没法把内容跟用户做精准的匹配。现在识别文字、视频等内容的精髓，主要还是看内容标题或者关键字，或者作者提供的标签，依据关键字或者标签做内容推荐。文字、图片、视频等内容也需要进行识别，但计算量极大，有效性也存疑，尤其是图片、视频等内容，识别、解读起来，需要算法，并配合很大的算力，显然并不容易。
二．最新学术研究成果
在这个栏目里，我们来了解一下近期国内外具有代表性和创新性的前沿技术研究成果。
#机器人# 瑞士开发出可在人体内随环境改变形状的智能微型机器人
据美国每日科学报道，由瑞士洛桑联邦理工学院的塞尔曼·萨卡尔和苏黎世联邦理工学院的布拉德利·尼尔森领导的科学家小组，近日开发出一种微型柔性机器人，可根据周围环境而改变形状。未来，这款机器人或可被人类吞服，将药物直接递送到病灶组织。
微型智能机器人可以在不影响速度或机动性的情况下，穿越狭窄的血管和复杂的系统。此外，它们由含有磁性纳米颗粒的水凝胶纳米复合材料制成，因此可用电磁场控制它们。
制造微型机器人面临诸多挑战，科学家使用基于折纸的折叠方法解决了这些挑战。萨卡尔解释说：机器人具有特殊的组成成分和结构，使它们能够适应流体的特性。例如，如果它们遇到黏度或渗透浓度变化，就会改变自身形状，在保持速度和机动性的同时，也不会失去对运动方向的控制。
据悉，这些变形可通过预先编程来实现，使其在不使用笨重的传感器或致动器的情况下，让性能达到最大化。机器人可使用电磁场控制，或利用流体流动使其自身通过空腔。无论哪种方式，它们都会自动变形为最合适的形状。
#语音识别# 微软研究无声语音识别技术
据报道，微软提交技术专利，在终端上添加传感器，通过感知用户说话时的气流来判断用户说话的内容。这种终端置于用户嘴边，用户在说话时形成的气流会在设备中形成反射，经过训练，可以将这些气流反射的信号和文字一一对应。
无声语音识别的应用场景包括灾害现场、舱外探索、水下作业等，以及声音嘈杂的马路、工厂车间、机场等环境。另外，这项技术也会帮助那些喜欢使用语音命令，但喜欢在不打扰周围人的情况下工作的人。
去年曾有媒体报道，微软研究人员开发了一种全新的语音输入系统Silent Voice，让用户可以在几乎不发出声音的情况下，输入自己的声音。
Silent Voice用家需要一边吸气一边说话，而装置则能够从中捕捉用家的说话内容，再输入到装置之中。通过气流方向，系统能够轻易分开正常说话及周边噪音，准确率达98.8%。
#量子计算# 浙大研究团队发现人工量子系统中量子纠缠新途径
据《科技日报》报道，浙江大学物理学系和量子信息交叉研究中心王大伟研究员同王浩华教授联合国内外多个研究团队在《自然·物理》杂志上发表论文，首次在人工量子系统中合成了反对称自旋交换作用，演示出利用手征自旋态制备量子纠缠的新方法。
王大伟表示，手征性是指物体和它的镜像不能重叠。好比左右手，互为镜面对称，上下叠放时却不重合。德国理论物理学家洪特曾提出，由于原子之间的相互作用没有打破“左右对称”的形态，分子的定态应该是左手性和右手性分子的量子叠加态。然而实际情况是，左手性分子与右手性分子的量子叠加态极其不稳定。
此项研究中，王大伟提出在超导量子比特系统中合成反对称自旋交换作用来研究手征自旋态的量子叠加和量子纠缠，通过周期性调制量子比特频率并对不同比特采用不同的调制相位，可以在通过腔连接在一起的比特之间合成出反对称交换相互作用。这样不同手征态具有了不同的能量，自旋态的动力学演化体现出了左手性与右手性。
反对称自旋交换作用又是如何产生量子纠缠的？这需要同时利用量子叠加和自旋的手征性演化。浙大物理学系博士生宋超分别将三个比特制备在1态，0和1的叠加态和0态。整体而言，三个比特处于100和110的叠加态这一非纠缠态。这两个状态手征性演化方向相反，会变为010和101的叠加态。随即翻转第二个比特，就得到了000和111的叠加态，这就是一个典型的纠缠态。这种状态下，研究人员测量其中一个比特的能量值，另外两个即可确定为同一数值。
该成果将对研究量子磁性、提高多粒子纠缠态制备速度、利用手征自旋态进行量子计算等具有积极意义
#深度学习# 卡内基梅隆大学研究人员用AI预测停车位占用情况
卡内基梅隆大学的研究人发表论文，描述了一个用于实时预测停车占用情况的人工智能系统。研究人员认为，停车传感器容易受到故障和错误的影响，他们先利用停车计时器首先来估算停车可用性，然后再使用额外的数据进行预测。
研究人员表示，在这项研究中，采用数据驱动方法，在实时和历史数据方面纳入多个与交通相关的资源，包括停车占用率，交通状况，道路特征，天气和网络拓扑结构， 最终通过深度神经网络方法预测短期停车位占用率。
该团队使用图形卷积神经网络，即一种对节点，边缘，属性和其他图形结构进行操作的算法，来模拟停车位置、交通流量、停车需求、道路链接、停车位之间的统计关系。另外还有长短期记忆神经网络（LSTM），一种能够学习长期依赖性的AI算法，此外还有多层解码器一起，系统从交通相关数据源中提取停车信息（如停车收费表交易，交通速度和天气状况）和车位占用预测。
通过结合天气条件证明模型改进的热图
研究人员根据匹兹堡市区的数据对其进行了培训，他们注意到这些数据共有39个路边停车收费表。历史停车统计数据来自匹兹堡停车管理局，而联网汽车公司Inrix的交通信息频道和WeatherUnderground的API分别提供了交通速度数据和每小时天气报告。
研究人员表示，在测试中，该模型在提前30分钟预测停车位时，表现优于其他人的基线方法。他们将天气和交通速度数据归功于人工智能系统的卓越性能，特别是天气数据，这提高了休闲区域的预测准确性。
他们为未来的工作留下了一个模型，其中包含额外的交通相关数据，包括交通数量，道路封闭，事故和事件。
#基因编辑技术# 张锋团队新开发的基因编辑技术表现出对靶序列更高的特异性
22日美国麻省理工学院—哈佛大学博德研究所张锋团队在英国《自然·通讯》杂志发表一篇论文，阐述了第三个可以编辑人类细胞基因组的CRISPR-Cas系统。实验中，CRISPR-Cas12b系统比众所周知的Cas9，表现出了对靶序列更高的特异性。
CRISPR基因编辑技术被称为生命科学领域的“游戏规则改变者”，这一突破性技术通过一种名叫Cas9的特殊编程的酶来发现、切除并取代DNA的特定部分，因此CRISPR-Cas9是一个多功能基因组编辑系统。
但Cas9却并非Cas蛋白家族中唯一一种RNA导向的核酸酶（即一种能切割DNA的酶）。除了Cas9之外，研究人员还发现了Cas12a和Cas12b。Cas12a已被开发成基因组编辑工具，而Cas12b尚未被完全开发，这其中至少有一部分原因是由于它嗜高温的特性。
张锋及其同事对Cas12b进行了研究，因为这种蛋白比Cas9或Cas12a更小，更容易通过病毒载体实现细胞间递送。但原始结构的Cas12b会切割双链DNA中的非靶标单链。为了解决这一问题，研究团队对Cas12b重新进行了设计，增强其在人体体温（37℃）下的活性。与Cas9相比，重新设计的Cas12b在细胞培养实验中对靶序列具有更高的特异性。
研究人员表示，想要将Cas12b改造成和Cas9一样应用广泛的工具，目前还有很多工作要做，但第三个潜在基因组编辑系统的出现，将会给全世界研究人员提供更多选择。
#生命科学# 上海科学家研究发现发烧提高人体免疫力的分子机制
据新民晚报报道，中国科学院生物化学与细胞生物学研究所陈剑峰研究组近期在国际免疫学权威期刊《免疫》上发表论文，对发烧在机体清除病原体感染中的重要作用及其机制作出了全新阐述。
陈剑峰研究组发现，当机体温度达到高热（38.5℃）及以上水平时，会促进免疫细胞中的一种名为热休克蛋白90（Hsp90）的蛋白质的表达。而在免疫细胞表面，有一类名为整合素的细胞黏附分子，它负责免疫细胞在血管表面的停留（黏附）、爬行（迁移）和渗出血管等过程。在热刺激后的免疫细胞中，Hsp90会被招募到细胞膜上与α4整合素“结合”。这一过程会大大加速免疫细胞“运动”（黏附和迁移），使其可以快速赶往感染部位的淋巴结和组织。
陈剑峰研究组的结果还提示，高热6小时可以有效诱导Hsp90的表达，他们正在研究能否缩短高热时间，让免疫系统在更短的时间内“开足马力”。
三．前沿技术公司新动向
在这个栏目里，我们来看看国内外公司在前沿技术工程化、产品化、商业化过程中的新进展。
#深度学习# DeepMind的AI程序“AlphaStar”参战“星际争霸2”，10-1大胜人类玩家
谷歌旗下DeepMind开发的AI程序“AlphaStar”在今日凌晨的《星际争霸2》游戏挑战赛中，以10-1的比分完胜职业玩家。这是“AlphaStar”首次对战顶级职业玩家。比赛在YouTube上直播，赛后，DeepMind将完整比赛回放提供给玩家分析。比赛中，AlphaStar连续10场击败人类玩家。在最后一场比赛中，职业选手Grzegorz “MaNa” Komincz为人类赢得了一场胜利。
2017年底，DeepMind在征服围棋后开始学习星际争霸2。暴雪公司则为DeepMind创造了星际争霸2学习环境（SC2LE）。
DeepMind团队认为，尽管《星际争霸》只是一款游戏，但不失为一款较为复杂的游戏。AlphaStar背后的技术可以用来解决其他的问题。在天气预报、气候建模、语言理解等等领域，以及研究开发安全稳定的人工智能方面，都会有很大帮助。
#AI+法律# 中国首次应用人工智能辅助技术开庭审案
据新华网报道，1月23日下午，一场特殊的庭审在上海市第二中级人民法院举行，该庭审首次应用了人工智能辅助技术，即“206系统”。
为推进以审判为中心的诉讼制度改革，中央政法委于2017年2月6日将“刑事案件智能辅助办案系统”的研发任务交给了上海，因而该系统被称为“206系统”。
近两年来，上海为完成 “206系统”研发任务，先后从法院、检察院和公安机关抽调人员400余人，合作方科大讯飞抽调了300余名科技人员集中攻坚。科研团队先后攻克了5大类难关，突破4类技术瓶颈问题，解决了800多个具体问题，取得了6项知识产权。
“206系统”内置了全国常用的102个罪名的证据标准指引，民警办案只要根据指引进行操作，就可以减少甚至消除取证过程中的瑕疵和遗漏；还有就是今年新增的“要素式讯问功能”，系统通过建立不同类案的要素式讯问模型，给民警提供讯问自动导引功能。甚至在讯问结束后，系统还会自动生成规范、全面和清晰的讯问笔录。
在当天的庭审现场，法官、人民陪审员、公诉人、辩护人以及被告人、旁听席的前面都有一块显示屏，只要法官、公诉人和辩护人按需发出语言指令，“206系统”就会自动抓取相关证据出示在显示屏上。
#芯片# 华为发布首款5G基站核心芯片
1月24日，华为在北京举办5G发布会暨2019世界移动大会预沟通会，发布了首款5G 基站核心芯片华为天罡。华为表示，目前已经获得30个5G商用合同，25,000多个5G基站已发往世界各地。
华为表示，华为天罡在集成度、算力、频谱带宽等方面取得了进展：集成度方面，首次在极低的天面尺寸规格下, 支持大规模集成有源PA（功放）和无源阵子；算力方面，实现2.5倍运算能力的提升，搭载最新的算法及Beamforming（波束赋形），单芯片可控制高达业界最高64路通道；极宽频谱，支持200M运营商频谱带宽。
同时，华为表示，该芯片实现基站尺寸缩小超50%，重量减轻23%，功耗节省达21%，安装时间比标准的4G基站，节省一半时间。
本次会上，华为介绍了近期推出的全球首款装有AI大脑的数据中心交换机，可实现以太网零丢包，端到端时延降至10微秒以下。此外，华为消费者业务CEO余承东还发布了全球最快5G多模终端芯片和商用终端。
#无人驾驶# 重庆、山东开展5G无人巴士和5G无人驾驶公交车测试
1月21日，重庆第一台5G无人驾驶巴士在重庆移动公司内部开始试运行，投入测试。重庆移动相关负责人介绍，这辆巴士最多可容纳12人，最大时速为20公里，为纯电动行驶，能实现无人操作下的行人避让、车辆检测、加减速、紧急停车、障碍绕行、变道、自动按站停靠、转弯灯开闭等功能。
这种无人驾驶技术为重庆移动联合华为公司、东南大学先进车辆与新能源汽车实验室、法国Easy Mile联合研发测试。
1月22日，济南市5G通信智能网联汽车测试道路启用，山东首辆由中国重汽集团研发的无人驾驶公交车在全长4.8公里的测试道路上进行公开路测。这辆公交车集自动驾驶系统、车联网系统、平台监控系统、安全控制系统、自动开关门系统和到站自动停车系统于一体，配有激光雷达、高清摄像头、组合导航定位等设备。遇到信号灯和行人能自动减速、刹车。
#无人驾驶# Waymo宣布在美国密歇根设厂生产自动驾驶汽车
Waymo表示，将在美国密歇根州设立一家工厂，这是世界上第一家“100%”致力于自动驾驶汽车大规模生产的工厂，计划聘用多达400人在该工厂工作，包括工程师、运营专家和无人车车队协调员。
据报道，Waymo将在密歇根州的韦恩、奥克兰(Oakland)或马科姆(Macomb)县的一个地点设立一家新工厂。
#自动驾驶# Uber自动驾驶技术将用于共享单车
据外媒报道，Uber正在计划将自动驾驶技术与其电动单车共享服务相结合。一家科技公司CEO在其社交媒体上发布了部分细节，他提到：利用自动驾驶技术，Uber的共享电动单车可以自动行驶到充电点或者其它更需要服务的地方。
据悉，Uber的这一新项目并不归属于负责自动驾驶汽车的部门ATG（Advanced Technologies Group），而归属于去年收购的共享单车初创公司Jump。不过，目前，Uber并没有公布其新项目的具体细节。
#机器人# 菜鸟网络南京IoT机器人分拨中心启用
1月22日，菜鸟网络宣布，全国首个物联网（IoT）机器人分拨中心在南京启用。此分拨中心主要用于中大件分拨，系统以IoT技术为核心，应用计算机视觉、多智能体机器人调度技术，实现了大件包裹在整个分拨中心内的全程可控、智能识别以及快速分拨。
据介绍，该机器人分拨系统可以处理超过九成商超类包裹，比传统人力分拨效率提升1.6倍。同时可以快速部署、搬迁，并根据业务增加分拨流向，便于快速复制。
#机器人# 亚马逊正在西雅图附近测试送货机器人Scout
亚马逊宣布正在华盛顿州斯诺霍米什县测试一款名为Scout的送货机器人。Scout由纯电力驱动，速度与一般人走路速度相近，尺寸与小型冰箱相当，它可以在工作日白天为用户送货。目前，由6台机器人正在华盛顿州斯诺克密西县的一个小社区进行测试。目前Scout机器人货物交付服务将在一名亚马逊员工陪同下进行。
全电动六轮机器人的尺寸与小型冷却器差不多，它是在位于西雅图的公司总部的亚马逊研究设施中制造的。
#AI+医疗# 英伟达推出医疗影像超算平台
负责医疗健康的英伟达副总裁Kimberly Powell近日表示，英伟达开发了以 AI 为驱动的医疗影像超算平台Clara，用以提升传统老旧设备对应用程序的处理速度。
这一平台核心是Clara AGX，基于英伟达 Xavier AI运算模组、Turing GPU的运算架构，能从入门级设备扩展到要求最苛刻的3D仪器。Clara平台能够解决医疗器械处理每秒数GB的巨量数据。Clara已向早期合作伙伴提供免费使用，并计划于2019年第二季向特定对象推出测试版。
据了解，截至2018年11月，已有超过50所医疗机构投资英伟达DGX系列深度学习优化服务器及工作站，而与其合作将AI技术用于医疗领域的机构已超过75家，其中包括医疗中心、医学成像公司、研究机构、新创公司等都是其合作对象。
Clara主要针对三大类型企业客户，第一是医疗设备公司，第二是人工智能软件开发公司，第三可能是那些拥有几百个应用的医院。
四．前沿技术领域投融资
来看一下最近国内外比较有代表性和创新性的前沿技术公司的投融资情况。
#AI机器人#优必选新一轮融资即将到位，估值达100亿美元
AI机器人公司优必选创始人周剑透露，目前优必选C+轮融资即将到位，会在合适的时间公布，投后估值100亿美金。2018年初，该公司完成了8.2亿美元的C轮融资，估值达到50亿美金。
#AI解决方案# 创新工场旗下创新奇智完成总金额逾4亿元A轮和A+轮融资
AI商业解决方案公司创新奇智宣布，完成总金额逾4亿元的A轮和A+轮融资。本轮融资由中金甲子领投，原股东创新工场、成为资本继续跟投。
创新奇智成立于2018年3月，是创新工场AI子公司，将AI技术产品和解决方案，应用到零售、制造、金融等领域的多家标杆客户。
零售领域，建立了智慧商店、智能店面运营、智能客户管理、智能供应链等整套零售解决方案，既包括前端以视觉识别为基础的软硬件一体化解决方案，也包括后端以Orion自动化机器学习平台为基础的数据智能方案。目前，创新奇智已签约玛氏、永辉、原麦山丘、嘉士伯等企业。
制造领域，提供智能质检、智能分拣、预测性运维、备品备件预测、生产资源分配、生产流程优化等解决方案，目前已与鸿海科技、徐工信息、中冶赛迪、香港怡东集团等企业。
金融领域，推出了智能核保、智能定损、运维能效管理、全渠道智能辅助、智能推荐、智能定价等解决方案，客户包括邮储银行、太保安联、光大银行、民生银行等机构。
#传感器# 以色列无人机传感器研发商SeeTree完成1500万美元A轮融资
无人机传感器研发商SeeTree完成1500万美元A轮融资，投资方为iAngels、Canaan Partners、Hanaco Venture Capital（领投）、Mindset Ventures、Uri Levine。
SeeTree是一家无人机传感器研发商，SeeTree的端到端服务旨在为种植者提供来自空中，地面和地下的单个树木和树木群的智能。使用从无人机获得的高分辨率，多维度感测图像进行数据提取，与地面传感器和脚踏实地的护林员匹配。
#新材料# 晶正科技宣布完成B轮融资
光电晶体薄膜材料研发商晶正科技宣布完成B轮融资，投资方为映趣资本。晶正科技成立于2010年3月，是一家光电晶体薄膜材料研发商，主要从事光电晶体薄膜材料研发、生产及销售，产品包括铌酸锂单晶薄膜、超平晶片超薄晶片、钽酸锂单晶薄膜等。此外，该公司还可为工厂、科研机构等企业提供晶圆减薄代工服务和PECVD沉积服务。
铌酸锂晶体是重要的光电材料，是集成光学、非线性光学、光电子元器件等领域中应用最广泛，最重要的基片材料之一，被广泛应用在声表面波、电光调制、激光调Q、光陀螺、光参量振荡、光参量放大、光全息存储等器件中，这些器件在手机、电视机、光通讯、激光测距、电场探测器等以及军工技术中发挥着重要的作用。
#AI微处理器# 以色列AI公司Hailo融资2100万美元
为深度学习开发微处理器的以色列初创公司Hailo 在1月22日表示，其一轮早期融资规模已扩大到2100万美元，由中国风险投资公司耀途资本领投，现有和其他新的投资者也参与了投资。此轮融资将用于扩展中国内地和香港市场。预计今年年初第一批微处理器将交付给客户。
Hailo认为，该公司的芯片最终将进入无人机、可穿戴设备、增强现实耳机、监控摄像头、智能家居设备、智能手机等领域，但其重点将放在自动驾驶汽车上。
#智能助理# AI助手Sherpa.ai融资850万美元
成立于2013年的Sherpa.ai是讲英语和西班牙语的AI助手，1月23日宣布完成了850万美元的融资。这些资金将用于改善自然语言处理和预测性人工智能系统，并将其助手纳入更多技术制造商、汽车制造商和电信公司的产品中。
Sherpa.ai首席执行官Xabi Uribe-Etxebarria表示，未来几个月将宣布与智能扬声器等产品的整合。制造商如保时捷等已经将Sherpa放入其产品中的硬件开发套件。
Alexa最近学会了讲西班牙语，Google智能助理可以讲三种西班牙语，但Sherpa.ai可以处理九种方言，包括哥伦比亚和阿根廷人的西班牙语。
Uribe-Etxebarria认为，Sherpa.ai最大的机会在哥伦比亚，墨西哥和阿根廷。
五．专家观点
本周内，前沿技术领域的大咖们有哪些高论呢？
优必选创始人周剑：AI机器人还不能适应通用场景
据全天候科技报道，优必选创始人周剑在接受采访时表示，目前人工智能机器人尚处于早期起步阶段，无论是计算机语音、视觉等人工智能技术，都还存在一定问题，目前多在可控场景、垂直领域内应用，但在通用场景中还做不到；其次机器人本体的成本过高，大规模产业化还需要时间。”周剑认为，To B端的机器人在某些垂直领域可以满足特定的需求，To B市场是机器人市场中的战略性入口。
他认为，真正的人形机器人要三十年甚至到五十年才能真正实现商业化，但五到十年里，一些仿人类的机器人可能有机会进入家庭。机器人高成本、低普及的市场现状并非死水一潭，而蕴藏着非常巨大的机会。一些技术领先的机器人公司，诸如美国的波斯顿动力、日本的ASIMO等，价格是普通消费者无法承受的，且不能量产；而市场上一些可以被消费的“机器人”，又只是集成了语音识别系统的普通硬件，并不能成为家庭主动交互的入口。
六．前沿知识点
前沿知识点栏目每周为读者解析一个前沿技术领域的名词。
本周为大家解读人工智能、机器学习和深度学习之间的区别。机器学习与深度学习的概念大家都听说了很多遍，两个概念经常混用，但其实还是有所区别。
机器学习是人工智能的一种途径或子集，它强调“学习”而不是计算机程序。一台机器使用复杂的算法来分析大量的数据，识别数据中的模式，并做出一个预测，不需要人在机器的软件中编写特定的指令。系统的模式识别会随着时间的推移而不断改进，因为它会像人一样从错误中吸取教训并纠正自己。
通过机器学习，一个系统可以从自身的错误中学习来提高它的模式识别能力。
也就是说，机器学习是一种实现人工智能的最基本的做法，它使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的、为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。
深度学习又是机器学习的一个子集，用大量的数据和计算能力来模拟深度神经网络，这些网络模仿人类大脑神经网络的连通性，对数据集进行分类，并发现它们之间的相关性。如果有新学习的知识，机器就可以将其见解应用于其他数据集。机器处理的数据越多，它的预测就越准确。
深度神经网络的原理是受人类大脑的生理结构——互相交叉相连的神经元启发。但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。
例如，我们可以把一幅图像切分成图像块，输入到神经网络的第一层。在第一层的每一个神经元都把数据传递到第二层。第二层的神经元也是完成类似的工作，把数据传递到第三层，以此类推，直到最后一层，然后生成结果。
每一个神经元都为它的输入分配权重，这个权重的正确与否与其执行的任务直接相关。最终的输出由这些权重加总来决定。
评论