《十大AI应用领域:AI从未如此美好》

  • 来源专题:装备制造监测服务
  • 编译者: zhangmin
  • 发布时间:2021-02-03
  • 从1956年达特茅斯会议提出AI开始,AI的研究经历几次沉浮。在一次次的高潮和低谷的交替中,不可否认的是,AI无论是在理论还是实践中都取得了长足的进步。尤其是近期以深度学习为代表的AI技术取得了突破性的进展,在计算机视觉、机器学习、自然语言处理、机器人技术方面取得了巨大的进步,深刻改变了我们的生活。

    1、智慧安防

    据《2019-2023年智能安防行业深度市场调研及投资策略建议报告》显示,国内的安防市场在急剧增长,从12年的3240亿元增长至2018年的6600亿元,年均复合增长率为12.6%。

    然而,智能安全已成为中国安防行业的发展趋势,其未来的比例将逐步增加。预计到2020年,中国智能安防市场规模将达到1000亿元以上,预计该行业的发展前景。

    完整的智能安防系统主要包括三个部分:门禁,报警和监控。常见的智能安防产品主要包括智能锁,气体传感器,烟雾传感器等,随着安全技术,电子技术和人工智能技术的不断进步,中国的智能安防产品种类越来越丰富。

    中国政府正在大力推进智慧城市和安全城市的建设。监控数量迅速增长,监控视频容量爆炸式增长,给存储市场带来了巨大挑战。通过智能安全检测,异常情况识别,存储关键信息的提取,可以大大降低监控视频的存储要求,有利于行业的健康发展。

    随着智能安防行业技术在不断进步,智能产品的造价成本也在降低,以及我国居民安全意识的提高,中国智能安防市场的需求正在快速增长,民用智能安防产品将成为智能安防行业的重要发展方向之一。

    2、智能化工业

    据埃森哲公司测算,到2035年,人工智能技术的应用将使制造业总增长值(GVA)增长近4万亿美元,年度增长率达到4.4%。而中国是制造业第一大国,2018 年制造业增加值达 26.5 万亿元,占 GDP 总量的 29.4%。

    在《新一代人工智能发展规划》中曾提出“到2030年,使中国成为世界主要人工智能创新中心”。人工智能市场前景巨大,预计到2025年人工智能应用市场总值将达1270亿美元。

    但值得注意的是,虽然人工智能技术刚刚越过曲线高峰处于狂热区,但是制造业真正应用到且效益非常高的场景比较少。除了制造业业务链冗长与复杂之外,AI技术的储存不足也是人工智能+制造业融合裹足不前的原因之一。

    3、智能医疗

    信息网络条件下,各种智能终端的普及和传感器的运用产生了大量的数据,为人工智能医学运用提供了源源不断的养分,不仅给医疗领域本身带来了一场新技术革命,更是具备了促进医疗服务模式改变的力量。人工智能在运营、预防、检查、诊断、治疗和康复等健康管理环节,以及药品研发、医疗器械生产等方面都有了不寻常的运用。

    在医院运营方面,可以利用人工智能检测医疗支出中的浪费、欺诈和滥用行为,计算预约患者的到院率,合理安排医护人员,监测床位使用率,追踪药物和医疗设备状态等,为医院决策者提供更多的决策信息。

    而在2020年刚开年,新冠肺炎病毒肆意入侵时,人工智能在医疗领域并未起到绝对的作用——复旦大学附属华山医院张文宏说道:“在整个疫情防控中,全部是靠人工,也就是靠传统智慧和城市管理实现的 ”。张文宏认为,尽管现在人工智能已经应用于多个场景,技术还算成熟,但在医疗、流行病防治领域,人工智能的建设还在起点。

    但并非说AI医疗尚未落地,据统计,目前全球有100多家初创企业在探索用AI 发现药物,传统的大型制药企业更倾向于采用合作的方式,如阿斯利康与Berg,强生与Benevolent AI,默沙东与Atomwise,赛诺菲和葛兰素史克与Exscientia,辉瑞与IBM Watson等。

    然而,专家认为, AI应用于新药研发与医疗AI落地面临同样的问题,如人才短缺、数据标准化与共享机制、商业模式创新等诸多问题。

    4、AI机器人

    随着AI产业的发展,几乎每一家互联网巨头,都已孵化出自己的机器人,并投入到实战应用中,与用户全方位交互。如亚马逊、谷歌、微软、苹果、百度、阿里、小米等公司开发的语音助手,包括Alexa、Google Assistant、小冰、Siri、小度、小爱等产品,正在成为我们重要的“私人助理”。

    据iiMedia Research(艾媒咨询)数据显示,全球机器人出货量逐年走高,预计2020年全球机器人出货量达到13,2百万个。但值得注意的是,目前的AI技术仍是弱AI阶段,不具备自主推理能力,与市场期待存在一定距离。

    但在2020年,由于新冠肺炎的影响,AI机器人得到快速的发展,而在这一发展中,针对性机器人成为发展重点。但不可否认的是,一旦新冠肺炎得到全面的控制,这类机器人通常会出现供过于求的现状,未来如何发展,还需企业进行相应的提前布局。

    5、智能客服

    由于客服人员招人难、培训成本高、流动性大,不易管理,而客服机器人可以全天24小时工作,还能通过实时数据反馈不断学习,企业有足够的动力用客服机器人取代一部分人工客服。

    据媒体报道称,中国大约有500万全职客服,以年平均工资6万计算,再加上硬件设备和基础设施,整体规模约4000亿人民币。按照40-50%的替代比例,并排除场地、设备等基础设施以及甲方预算缩减,大概会有200-300亿规模留给智能客服公司。

    但值得注意的是,由于AI技术人才成本极高,对于收入和盈利状况都不够理想的客服公司来说,投入巨资搭建AI团队无疑是一项豪赌,赌的是未来,危险的是现在。在整体宏观经济下滑、市场资金短缺的情况下,这样做无疑会增加经营风险。加上市场竞争激烈,AI产品短期内难以快速获得高额回报。而客服机器人公司技术投入更大,加上AI技术本身的高资金和人才投入壁垒,使得创业公司难以和巨头比肩,未来有可能遭遇巨头技术开源或平台化冲击。

    6、智能家居

    人工智能如何与智能家居相结合?BroadLinkCEO刘宗儒曾对OFweek维科网编辑说道:“实际智能家居并不需要太过于深入的人工智能系统,‘浅’人工智能即可。”

    而智能家居现在有明显人工智能特点的,主要体现语言交互上面——在传统的鼠标操作、触屏操作逐渐向语音交互这种更为自然的交互方式演进,语音交互的未来价值在于用户数据挖掘,以及背后内容、服务的打通,以语音作为入口的物联网时代将会产生新的商业模式。

    这种模式的新奇其实是暂时的,如果真要提高整个家居的智能程度,那么情绪识别、手势识别功能也必须跟着一同进步才可以。目前智能家居仍处于从手机控制向多控制结合的过渡阶段,手机APP仍是智能家居的主要控制方式,但是随着人工智能技术的不断发展,更多的操作方式会被研发出来。

    7、智慧营销

    在错综复杂的市场环境下,中小企业营销陷入困境。而随着人工智能(AI)在营销领域的深入应用,掀起了一股前所未有的热潮,改变每一个行业的营销方式。人工智能营销软件已被企业加以重视。

    据艾瑞的相关数据显示,2019年人工智能在营销方面的产业份额占人工智能赋能实体经济的11.6%,前瞻分析,民企活力将逐步显现,来来的发展趋势,人工智能在营销方面的发展将成为普及趋势。

    人工智能在营销方面的应用优势在于它具有从广泛的客户、行为、业务和渠道来源,在规模上和实时地、分析数据的内在能力。

    简单来说,言通智能营销系统的应用,一方面实现企业销售管理自动化,提高销售人工工作效率;另一方面则结合相应的大数据分析,进一步促进企业拓客,并发挥人工智能销售的优势,从而使企业实现更大的经济效益。

    实际上,言通智能营销系统作为一站式智能营销解决方案服务平台,本质上就是为了最大化激发企业客户信息资源的商业价值,并帮助企业建立智能营销,在智能化转型的过程中抢得先机。

    8、自动驾驶

    自从2016 年中国汽车工程协会正式对外发布了自动驾驶领域技术标准——《节能与新能源汽车技术路线图》。

    路线图中制定了我国自动驾驶汽车未来发展的三个五年阶段需要达成的目标,而2020 年是起步期也是关键期——汽车产业规模需达3000万辆,驾驶辅助或部分自动驾驶车辆市场占有率将达到 50%。2025年高度自动驾驶车辆市场占有率需达到约15%;到2030年,中国将力争实现拥有完全自动驾驶车辆规模3800万辆,市场占有率接近10%。

    而在2018年12月,工信部印发的《车联网(智能网联汽车)产业发展行动计划》要求:“车联网用户渗透率达到30%以上,新车驾驶辅助系统(L2)搭载率达到30%以上,联网车载信息服务终端的新车装配率达到60%以上”。此外,还提及了一个更高目标:到 2020 年,具备高级别自动驾驶功能的智能网联汽车实现特定场景规模应用”。

    据智研咨询发布的《2020-2026年中国无人驾驶行业市场经营风险及竞争策略建议分析报告》显示:随着汽车智能化的不断发展,截止2018年,中国智能驾驶市场规模增长至893亿元,同比增长31%,市场渗透率达到47%。根据初步测算2019年中国智能驾驶市场规模将突破千亿,未来4年(2020-2023)年均复合增长率约为20.62%,智能驾驶乘用车的渗透率也将由2016年的20%上升至2020年的61%,且智能驾驶系统的级别会提升,更高智能驾驶水平的汽车占比亦将大幅提升。预测2035年前,全球将有1800万辆汽车拥有部分无人驾驶功能,1200万辆汽车成为完全无人驾驶汽车,中国或将成为最大市场。

    9、AI数据服务

    中国AI数据服务行业从2010年的野蛮生长期到现如今的规范化发展阶段,伴随着需求升级,技术更硬核、效率度极高的专业AI数据服务企业将成为主流趋势。

    据国务院印发的《新一代人工智能发展规划》提出,到2020年人工智能总体技术和应用与世界先进水平同步,核心产业规模超过1500亿元,到2025年人工智能核心产业规模超过4000亿元,到2030年人工智能理论、技术与应用总体达到世界领先水平,核心产业规模超过1万亿元。

    随着政策的进一步推动以及技术的进步成熟,人工智能产业落地速度将明显提速,中国AI数据服务行业也将迎来巨大的发展浪潮。

    10、图像搜索

    图像搜索是近几年用户需求日益旺盛的信息检索类应用,分为基于文本的和基于内容的两类搜索方式。传统的图像搜索只识别图像本身的颜色、纹理等要素,基于深度学习的图像搜索还会计入人脸、姿态、地理位置和字符等语义特征,针对海量数据进行多维度的分析与匹配。

    该技术的应用与发展,不仅是为了满足当下用户利用图像匹配搜索以顺利查找到相同或相似目标物的需求,更是为了通过分析用户的需求与行为,如搜索同款、相似物比对等,确保企业的产品迭代和服务升级在后续工作中更加聚焦。

    写在最后

    从蒸汽时代、电气时代再到现在的以互联网为代表的万物互联时代,每一次的技术革新都推动着世界经济的发展,人工智能的出现将有助于推动新一轮的创新热潮,催生出新的商业模式与经济增长点。百度CEO李彦宏曾在第六届世界互联网大会演讲中说道:“人工智能不仅不会毁灭人类,反而会让人们获得“永生””。

相关报告
  • 《盘点2019年全球十大AI芯片》

    • 来源专题:集成电路
    • 编译者:shenxiang
    • 发布时间:2019-12-25
    • 人工智能 浪潮的推动下,AI相关产业的商用场景正逐步大规模落地,基于AI技术的三大支柱:“算法+大数据+计算能力”智能应用已成为计算机最主要的负载之一。我国在用户数据方面拥有数量的先天优势,但面对有限的规模、结构固定、能耗受限的硬件制约下,如何用AI芯片处理海量的并不断演进的深度学习算法呢?跟随OFweek编辑一起来看看各大科技巨头们研发的AI芯片吧。(排名按首字母顺序排列) 1.含光800 2019年的杭州云栖大会上,达摩院院长张建锋现场展示了这款全球最强的 AI芯片——含光800。在业界标准的 ResNet-50 测试中,含光 800 推理性能达到 78563 IPS,比目前业界最好的 AI 芯片性能高 4 倍;能效比500 IPS/W,一个含光800的算力相当于10个GPU。 目前,含光800已经实现了大规模应用于阿里巴巴集团内多个场景,例如视频图像识别/分类/搜索、城市大脑等,未来还可应用于医疗影像、自动驾驶等领域。以杭州城市大脑实时处理1000路视频为例,过去使用GPU需要40块,延时为300ms,单路视频功耗2.8W;使用含光800仅需4块,延时150ms,单路视频功耗1W。 2.Graphcore IPU 总部位于英国布里斯托的Graphcore公司日前推出了一款称为智能处理单元(IPU)的新型AI加速处理器。芯片本身,即IPU处理器,是迄今为止最复杂的处理器芯片:它在一个16纳米芯片上有几乎240亿个晶体管,每个芯片提供125 teraFLOPS运算能力。一个标准4U机箱中可插入8张卡,卡间通过IPU链路互连。8张卡中的IPU可以作为一个处理器元件工作,提供两个petaFLOPS的运算能力。与芯片在CPU和GPU中的存在形式不同,它为机器智能提供了更高效的处理平台。 Graphcore公司于2016年启动风险投资计划,并在2018年12月的最后一轮融资中募集了2亿美元。基于其17亿美元的公司估值,Graphcore已成为西方半导体界的唯一“独角兽”。它的投资者们包括戴尔、博世、宝马、微软和三星。 3.Inferentia芯片 2019年,亚马逊的云服务业务AWS在其发布会AWS re:Invent上带来了高性能机器学习加速芯片Inferentia。据了解,AWS Inferentia 是一个由 AWS 定制设计的机器学习推理芯片,旨在以极低成本交付高吞吐量、低延迟推理性能。该芯片将支持 TensorFlow、Apache MXNet 和 PyTorch 深度学习框架以及使用 ONNX 格式的模型。 每个 AWS Inferentia 芯片都能在低功率下支持高达 128 TOPS(每秒数万亿次运行)的性能,从而为每个 EC2 实例启用多个芯片。AWS Inferentia 支持 FP16、BF16 和 INT8 数据类型。此外,Inferentia 可以采用 32 位训练模型,并使用 BFloat16 以 16 位模型的速度运行该模型。与EC4上的常规Nvidia G4实例相比,借助Inferentia,AWS可提供更低的延迟和三倍的吞吐量,且每次推理成本降低40%。 4.昆仑芯片 2019年尾声,百度宣布首款AI芯片昆仑已经完成研发,将由三星代工生产。该芯片使用的是三星14nm工艺技术,封装解决方案采用的是I-Cube TM。 据悉,昆仑AI芯片提供512Gbps的内存带宽,在150瓦的功率下实现260TOPS的处理能力,能支持语音,图像,NLP等不同的算法模型,其中ERNIE模型的性能是T4GPU的三倍以上,兼容百度飞桨等主流深度学习框架。该款芯片主要用于云计算和边缘计算,预计在2020年初实现量产, 5.Nervana NNP 芯片 2019 英特尔人工智能峰会,英特尔推出面向训练 (NNP-T1000) 和面向推理 (NNP-I1000) 的英特尔 Nervana 神经网络处理器 (NNP)。据了解,Nervana NNP-T 代号 Spring Crest,采用了台积电的 16nm FF+ 制程工艺,拥有 270 亿个晶体管,硅片面积 680 平方毫米,能够支持 TensorFlow、PaddlePaddle、PYTORCH 训练框架,也支持 C++ 深度学习软件库和编译器 nGraph。 Nervana NNP-I,代号为 Spring Hill,是一款专门用于大型数据中心的推理芯片。这款芯片是基于 10nm 技术和 Ice Lake 内核打造的,打造地点是以色列的 Haifa ,Intel 号称它能够利用最小的能量来处理高负载的工作,它在 ResNet50 的效率可达 4.8TOPs/W,功率范围在 10W 到 50W 之间。 6.Orin芯片 2019年NVIDIA GTC中国大会中英伟达发布了全新的软件定义自动驾驶平台——NVIDIA DRIVE AGX Orin,该平台内置全新Orin系统级芯片,由170亿个晶体管组成。 Orin系统级芯片集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和 计算机视觉 加速器,每秒可运行200万亿次计算,几乎是NVIDIA上一代Xavier系统级芯片性能的7倍。此外,Orin可处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络,并且达到了ISO 26262 ASIL-D等系统安全标准。 7.邃思DTU 由腾讯领投、融资累计超过 6 亿元的 AI 芯片公司燧原科技,在2019年发布会中推出自主研发的首款 AI 训练芯片“邃思 DTU”。 据了解邃思DTU采用格罗方德12nm FinFET工艺,480平方毫米主芯片上承载141亿个晶体管,实现2.5D高级立体封装,据称单卡单精度算力为业界第一,达20TFLOPS,首次支持混合精度,半精度及混合精度下算力达80TFLOPS,最大功耗仅225W。 邃思芯片基于可重构芯片的设计理念,其计算核心包含 32 个通用可扩展神经元处理器(SIP),每 8 个 SIP 组合成 4 个可扩展智能计算群(SIC)。SIC 之间通过 HBM 实现高速互联,通过片上调度算法,数据在迁移中完成计算,实现了 SIP 利用率最大化。 8.思元220芯片 寒武纪在第21届高交会正式发布边缘AI系列产品思元220(MLU220)芯片及M.2加速卡产品,标志寒武纪在云、边、端实现了全方位、立体式的覆盖。 思元220芯片采用了寒武纪在处理器架构领域的一系列创新性技术,其架构为寒武纪最新一代智能处理器MLUv02,实现最大32TOPS(INT4)算力,而功耗仅10W,可提供16/8/4位可配置的定点运算。作为通用处理器,支持各类深度学习技术,支持多模态智能处理(视觉、语音和 自然语言处理 ),应用领域广泛,客户可以根据实际应用灵活的选择运算类型来获得卓越的人工智能推理性能。 9.昇腾910 2019年8月,华为在深圳总部发布AI处理器Ascend 910(昇腾910),据华为发布的参数显示,昇腾910是一款具有超高算力的AI处理器,其最大功耗为310W,华为自研的达芬奇架构大大提升了其能效比。八位整数精度(INT8)下的性能达到512TOPS,16位浮点数(FP16)下的性能达到256 TFLOPS。 作为一款高集成度的片上系统(SoC),除了基于达芬奇架构的AI核外,昇腾910还集成了多个CPU、DVPP和任务调度器(Task Scheduler),因而具有自我管理能力,可以充分发挥其高算力的优势。 昇腾910集成了HCCS、PCIe 4.0和RoCE v2接口,为构建横向扩展(Scale Out)和纵向扩展(Scale Up)系统提供了灵活高效的方法。HCCS是华为自研的高速互联接口,片内RoCE可用于节点间直接互联。最新的PCIe 4.0的吞吐量比上一代提升一倍。 10.征程二代 2019世界 人工智能大会 中,人工智能芯片初创公司地平线正式宣布量产中国首款车规级人工智能芯片——征程二代,并且获得五个国家市场客户的前装定点项目。 据介绍,征程二代于今年初流片成功,搭载地平线自主创新研发的高性能计算架构BPU2.0(Brain Processing Unit),可提供超过4TOPS的等效算力,典型功耗仅2瓦,满足AEC-Q100标准,算力利用率超过90%,每TOPS算力可以处理的帧数可达同等算力GPU的10倍以上,识别精度超过99%,延迟少于100毫秒,多任务模式下可以同时跑超过60个分类任务,每秒钟识别目标数可以超过2000个。 此次地平线率先推出首款车规级AI芯片不仅实现了中国车规级AI芯片量产零的突破,也补齐了国内自动驾驶产业生态建设的关键环节。 小结 目前通过CPU/GPU处理人工神经网络效率低下,谷歌大脑需要1.6万个CPU核跑数天方能完成猫脸识别训练;AIpha GO与李世石下棋时用了1000个CPU和200个GPU,AI芯片的发展是第三次AI浪潮中极为明显的趋势,算法已渗透到云服务器和智能手机的方方面面,未来每台计算机可能都需要一个专门的深度学习处理器。
  • 《2020,改变世界的12大领域》

    • 来源专题:科技大数据监测服务平台
    • 编译者:zhoujie
    • 发布时间:2020-02-19
    • CB Insights日前评选出了2020年将改变世界“游戏规则”的36家科技创业公司,涉及12大领域:光芯片、量子加密、AI透明度、CRISPR 2.0、基于AI的蛋白质预测、电子脉冲治疗、微生物医疗、改变精神的药物、DNA数据集市、二氧化碳捕捉、下一代核技术、可持续物流。 根据CB Insights的统计,这36家“游戏规则改变者”中有23家位于美国或已经迁至美国,其余的则位于其它五个国家:加拿大、以色列、瑞典、新加坡和英国。而这36家科创公司总共有超过200家投资机构或投资者,排在榜首的是Khosla Ventures和Lux Capital,其中Khosla Ventures由Sun微系统公司的联合创始人之一Vinod Khosla创办、Lux Capital是由多位联合创始人组成的风险投资机构,这两家投资机构每个都投资了4家“游戏规则改变者”,另有20多家投资机构“押注”了多个“游戏规则改变者”。 以下是12大领域、36家“游戏规则改变者”的介绍: 一、光芯片 这一领域主要关注下一代速度更快、处理能力更高的芯片,通过使用更高带宽的光子而非电子,能够以前所未有的速度、更高效处理人工智能AI计算。CB Insights认为,对比未来的光子CPU与今天的电子CPU:使用光子处理计算的速度是电子的1000余倍,而电子的计算速度则是有限的;光子的规模化扩展成本为固定的,而电子计算的规模化扩展成本高昂;光子计算可以同时处理多个运算,而电子计算只能一次处理一个运算。 是的,人工智能时代,计算已经到了一个拐点。CB Insights选出了三家光芯片领域的创业公司:Ayar Labs、Lightmatter和Luminous Computing。Ayar Labs位于美国加利福尼亚,到目前为止披露的融资总额为2950万美元,主要致力于用光连接来推进摩尔定律的下一个阶段,具体是通过使用光通信来解决集成电路芯片内数据移动的I/O和能耗瓶颈,在提高1000余倍集成电路芯片内数据通信的同时,降低了10余倍能耗,该技术一旦成功商业化,将颠覆当前的半导体和计算产业。 Lightmatter位于美国的马塞诸塞、迄今披露的融资总额为3320万美元,该公司主要为人工智能计算制造独特的芯片,其架构利用光子、电子和新的算法,专门实现人工智能计算的快速推理和训练引擎。Lightmatter在传统的计算机芯片制造中,在晶体管的边上放置了可编程光元器件阵列,可以加速深度神经网络中的关键运算速度。 Luminous Computing位于美国加利福尼亚、迄今披露的融资总额为900万美元,该公司致力于将今天最大规模的超级计算机缩小到一个芯片上以处理人工智能AI计算任务,主要使用光子来处理传统处理器的所有瓶颈。 二、量子加密 随着量子计算的兴起,也为密码学带来了挑战。今天所使用的密码学都是建立在数学问题的基础上,而这些数学问题都将在量子计算面前被破解。那么,把量子计算与密码学结合,就成为了解决量子加密的主要途径之一。 Crypto Quantique的总部位于英国、迄今披露的融资总额为800万美元,该公司将量子计算与现代密码学相结合,以硬件和软件的形成,开发量子网络安全产品,特别是针对IoT物联网安全。Crypto Quantique的技术主要为量子计算驱动的安全芯片,可产生多个独特的无法预测的密码钥匙,这些密码钥匙无需存储、可被多个应用按需独立使用。 ISARA的总部位于加拿大安大略省、迄今披露的融资总额为2690万美元,该公司致力于计算生态创建量子级安全的安全解决方案。ISARA的解决方案包括:ISARA Radiate Quantum-safe Toolkit,主要提供生产级完备、易于安装的量子安全算法,以实现量子安全的安全解决方案,还为开发者提供了集成工具;ISARA CATALYST敏捷系列则帮助用户向量子安全迁移。 SpeQtral的总部位于新加坡、迄今披露的融资总额为190万美元,该公司主要开发空间量子通信,使用卫星通信交付量子加密层以帮助建立安全的通信。SpeQtral技术的主要目标是基于现有通信网络渠道提供信息的安全流通,未来还可进一步成为量子互联网的主干网络。SpeQtral的愿景是为了量子变革而转型今天的世界网络。 三、AI透明度 自从AI人工智能在全球大热后,各国就在谈论如何增强AI算法的透明度,以建立人们对人工智能的信任和信心。AI透明技术,也称为可解释性AI,主要是从AI算法的输出反向追踪,以让人们可以理解AI算法内部究竟发生了什么。随着AI越来越多地用于跨行业决策,了解AI算法如何以及为什么做出其决策,可以缓解当今大多数AI系统内在的偏见。 DarwinAI的总部位于加拿大安大略、迄今披露的融资总额为300万美元,该公司希望用AI来理解深度神经网络算法,然后再产生一系列新的、高度优化的针对特定需求和需要的神经网络。DarwinAI的平台让开发者可以不必花费数周或数月的时间去理解深度神经网络模型,而是由平台基于用户定义需求在数天内产生优化的更小、更简洁的模型,例如在不牺牲功能性准确性的前提下更快的推理等,DarwinAI入选了2019年Gartner的Cool Vendors in Enterprise AI Governance and Ethical Response。 Fiddler Labs的总部位于美国加利福尼亚、迄今披露的融资总额为1320万美元,该公司构建可解释AI引擎以帮助企业大规模地分析、管理和部署机器学习模型。Fiddler Labs也入选了2019年Gartner的Cool Vendors in Enterprise AI Governance and Ethical Response,其解决方案包括理解AI预测、分析AI行为、确认AI合规性、监测AI性能等四类。 Kyndi的总部位于美国加利福尼亚、迄今披露的融资总额为3160万美元,该公司同样入选了2019年Gartner的Cool Vendors in Enterprise AI Governance and Ethical Response。Kyndi的专利AI技术和AI平台,目前为政府、金融和医药行业提供可解释、可审计的AI解决方案,其AI解决方案主要有医药风险及质量评估、智能流程自动化以及风险评估等。 四、基因编辑新纪元 今天已经是新的基因编辑CRISPR 2.0时代了,我们能够以前所未有的方式,在巨大的全新维度范围内操控基因组,而这在之前是完全不可能的,这也为解决以往无法治愈的毁灭性疾病的整个领域打开了大门。 Korro Bio的总部位于美国马萨诸塞、迄今披露的融资总额为400万美元,Korro Bio正使用基于核酸的疗法来锁定遗传密码中的序列,该公司的愿景是未来的基因医药——将自然RNA编辑转换为病患的新可能。Locana的总部位于美国加利福尼亚、迄今披露的融资总额为5500万美元,这是一家以RNA为目标的基因治疗公司,旨在开发与RNA相关的疾病治疗。Shape Therapeutics的总部位于美国华盛顿、迄今披露的融资总额为3550万美元,该公司创建了RNA和蛋白质靶向平台,可以直接在生物体内修饰RNA。 五、基于AI的蛋白质预测 人工智能和计算技术的进步正在加强蛋白质的研究和设计,而基于AI的蛋白质预测可以重塑基因组学。了解蛋白质是如何折叠的,这是一个长期存在的基本科学问题,这可能成为解开一系列疾病新疗法的关键,从阿尔茨海默氏症和帕金森症到囊性纤维化和亨廷顿氏症,错误折叠的蛋白质被认为在这些疾病中起了作用。AI可以帮助预测蛋白质结构并克服“蛋白质折叠问题”,也可以克服预测蛋白质复杂3D结构的挑战,从而使科学家更好地了解蛋白质在体内的作用、更有效地诊断和治疗蛋白质错误折叠引起的疾病。 LabGenius的总部位于英国英格兰、迄今披露的融资总额为1370万美元,这是一家结合了AI、机器人自动化以及合成生物技术以开发下一代蛋白质医疗的全栈蛋白质工程公司。ProteinQure的总部位于加拿大安大略、迄今披露的融资总额为400万美元,结合了分子模拟、机器学习和量子计算,这家公司的软件平台可用于计算蛋白质发现,从而协助基于结构的药物设计。Relay Therapeutics的总部位于美国马塞诸塞、迄今披露的融资总额为5.2亿美元,该公司正在寻求分析蛋白质的运动,以开发新的干预方法。 六、电子脉冲治疗 有没有想过,未来的慢性病治疗可能不需要任何药物。换句话说,就是用电子脉冲取代化学药物治疗疾病。电子脉冲治疗相信用电子脉冲刺激相关的神经,可以治疗特定疾病和症状而无需服用化学药物。电子药物是一种以神经回路为目标的装置,可以调节人体的器官和功能,而无需化学药物或其它药物。这些设备瞄准受影响的人体区域,精确度更高、副作用更少,可以治病包括炎症、自身免疫性疾病和偏头痛在内的多种疾病,例如用电子设备刺激人体的迷走神经就可以减少体内炎症。 Cala Health的总部位于美国加利福尼亚、迄今披露的融资总额为8000万美元,这家生物电子医学公司致力于开发可穿戴的神经调节治疗方法,以提供个性化的周围神经刺激。SetPoint Medical的总部位于美国加利福尼亚、迄今披露的融资总额为9330万美元,这家医疗公司正在开发生物电子植入物,通过电流调制迷走神经来治疗自身免疫性疾病,如克罗恩病和风湿性关节炎。Theranica的总部位于以色列、迄今披露的融资总额为4100万美元,这家医疗设备公司致力于结合高级神经调节疗法与无线技术,以解决偏头痛等医疗状况。 七、掌握人体微生物 理解生活于人体内的细菌,有助于治疗和发现疾病,例如肠道微生物就可以提供有力的洞察。人类肠道细菌可以提供关于人类整体健康的有价值的信息,因为人类微生物群与许多健康状况有关。以微生物群为目标的公司正在寻求重塑我们治疗癌症、阿尔茨海默病和帕金森病等神经疾病以及2型糖尿病等代谢疾病的方式。 Kallyope的总部位于美国纽约、迄今披露的融资总额为1.31亿美元,这家平台型生物技术公司致力于利用肠-脑轴的治疗性和营养潜力。Pendulum Therapeutics的总部位于美国纽约、迄今披露的融资总额为4550万美元,这家公司正在开发针对特定健康状况的医用益生菌。Viome的总部位于美国新墨西哥、迄今披露的融资总额为4550万美元,这家公司旨在综合血液、尿液、唾液和粪便样本的读数,提供个性化的营养建议,从而改善健康状况。 八、DNA数据集市 DNA数据集市旨在实现安全的遗传数据交换,以奖励消费者以及丰富医学研究。新的数据平台可以确保基因数据的安全交换,从而加速医学研究,并对个体贡献者进行补偿。当前的医学研究越来越依赖于DNA数据,患者应有权自行决定是否要共享以及与谁共享其医疗数据。赋予人们调整其医疗信息“命运”的努力,是朝着正确方向迈出的一步。 LunaPBC的总部位于美国加利福尼亚、迄今披露的融资总额为860万美元,该公司开发了一个平台,可以让用户贡献自己的基因数据从而置换公司股份。Nebula Genomics的总部位于美国加利福尼亚、迄今披露的融资总额为490万美元,该公司利用区块链技术消除了中间代理机构,从而让消费者更好的拥有自己的基因组数据。Sano Genetics的总部位于英国英格兰、迄今披露的融资总额为70万美元,该公司正在开发一个平台,使得研究员可以访问遗传数据集,从而加快对常见和罕见医学疾病的治疗。 九、捕捉碳 大气中的二氧化碳含量已经达到了惊人的程度。2019年5月,根据美国国家海洋和大气管理局的传感器监测数据,当时大气中的二氧化碳已经超过415ppm,创造了有史以来的最高纪录。气象学家在《科学》杂志上撰文指出,这已经达到了300万年前的水平,而200万年前才刚出现了直立行走的人类。温室气体已经导致剧烈的大气波动,带来更加频繁的极端天气。 Carbon Engineering的总部位于加拿大不列颠哥伦比亚、迄今披露的融资总额为1.018亿美元,该公司正将直接从大气捕获二氧化碳的技术商业化。Kiverdi的总部位于美国加利福尼亚、迄今披露的融资总额为70万美元,该公司使用生物反应器将二氧化碳转化为蛋白质、高价值的油、营养物质和可用于消费及工业应用的生物制品。Opus 12的总部位于美国加利福尼亚、迄今披露的融资总额为120万美元,该公司收集二氧化碳,利用水和电对其循环利用,制成具有成本竞争力的化学器和燃料。 十、下一代核能 核能提供了一个可靠地生产低碳能源的途径,下一代核能解决方案可致零排放的核能生产。用于下一代核能的技术包括:熔融盐反应器,依靠液体燃料而不是传统核反应堆中使用的固体燃料棒,使用液体既安全又简单;小型模块化反应堆,是核裂变反应堆,不到传统反应堆的一半,由于体积小而可以位于大型核厂无法使用的地理位置并需要较少的资本投资,可以更轻松地根据需求进行制造和定制;聚变,核聚变通过轻质氢核的融合产生能量,该方法是传统核裂变的一种有前途的替代方法,因为传统核裂变依靠重放射性核的变质,而该方法提供了更安全的过程,也可以更高效地发电。 Commonwealth Fusion Systems的总部位于美国马塞诸塞、迄今披露的融资总额为1.65亿美元,该公司致力于聚变核能的商业化,正在开发高温超导磁体,以建造小型、低成本的聚变电站。NuScale Power的总部位于美国俄勒冈、迄今披露的融资总额为270万美元,该公司创造了一种新型的核裂变工厂——一种更小、可扩展的压水堆反应器技术,并且设计有内置的安全特性。Terrestrial Energy的总部位于加拿大安大略、迄今披露的融资总额为3920万美元,该公司使用熔融盐反应器技术来构建核能反应器。 十一、可持续的物流 可持续物流致力于降低那些重型物流对环境的影响,为了应对不断上升的运输成本,物流公司正在实现货物的自动化运输,并优化陆运、空运和海运的运输流程,以降低劳动力成本,提高能源效率,提高运营安全性。 Einride的总部位于瑞典斯特格尔摩、迄今披露的融资总额为3080万美元,该公司正在开发模块化的自动驾驶电动运输工具,可以适应各种运输负载。Nautilus Labs的总部位于美国纽约、迄今披露的融资总额为1310万美元,主要为商业运输提供基于云的大数据分析,以降低燃料成本并提高车队效率。Sabrewing Aircraft Company的总部位于美国加利福尼亚、迄今披露的融资总额为300万美元,该公司正在研发一个无人垂直起降货运无人机。 十二、治疗精神疾病药物 除了上述科创公司外,还有三家致力于改变治疗精神疾病药物,分别是Compass Pathways、Mindmed和Small Pharma,它们都在研究旨在改变精神健康状况包括抗抑郁的药物。 截止2019年12月4日的这一年中,这些甄选出来的2020年改变世界游戏规则的公司已经收获了30笔融资达6.28亿美元。此外根据CB Insights的统计,这些科创公司的整体融资健康水平比其它科创公司高2.6x倍。 进入2020年,将迎来30年甚至60年大变局的开端,将迎来万亿美元的新B2B和ToB商业模式及大市场。站在新旧经济动能转换之交,以上36家科创公司给了我们更多的思路,从医疗、健康、环保、能源、科技等多个维度勾勒了未来新方向,也让我们更加坚定看好未来30年的前景。