这个当然毋庸置疑， 用Robin哥的话讲就是，‘技术创新是一个从量变到质变的过程。并行计算能力不断提升和云存储等技术产品成本的不断降低，使大数据真正走到了技术变革的临界点’
目前来看人工智能盈利的探索确实还是以谷歌和百度两家引领，其他公司百花齐放，毕竟这个’临界点’才刚刚开始。
先分享一个很意思的案例吧， 就像现实版的《点球成金》美国棒球大联盟太空人队科林·麦克休是去年12月从被放弃的球员中挑选出来的，在那之前他辗转于各种小球队，职业生涯中的投手自责失分率为8.94，不得不说是很惨的一个数据。
但太空人队的分析师们注意到，麦克休投出的弧线球具有世界级水平。大多数弧线球的转速约每分钟1500转；麦克休的弧线球达到2000转。转速越高，球在空中的运动就越多——因此击球手打空的可能性就越大。休斯敦太空人队将麦克休抢到了手。“我们认为他表面上的统计数据或许不能反映他的真实价值。”
征询了分析人员的意见之后，投球教练让麦克休改投更多的四缝线快速球。而且他开始在好球区投高球。这有违公认的看法，即投高球很危险，因为好的击球手能打中快速球。通常的做法是将球压低。大联盟球队一直以来都青睐滚地球投手，因为滚地球往往不会造成二垒、三垒安打或本垒打。
碉堡的系统加上大数据再一次让人们得以洞察一个有用的信息：大联盟击球手已经极度精擅击打低球，对高球反而难以招架。并且找出挥棒轨迹急剧向上的击球手，来应对投手试图诱使打出滚地球的下坠动作。“就要将球投高——让击球手够不着。”在赛季中第一次担任先发投手时，麦克休让12名击球手三振出局，投手自责失分率为3.03。
好吧， 结果就是球队花了很少的钱签下了很多有潜力的队员，然后就坐等收钱了，听着就像科幻故事， 但事实就已经变成钱了。 这个的背后就是一整套的数据采集，分析，建模人工智能的方法应用到棒球运动中，当然还有一支媲美全明星的NASA(美国国家航天局)级分析师团队
这是一个很有趣又能赚钱例子， 两家高举技术旗帜的巨头Google和百度都在做些啥， 在盈利这块做了哪些探索，看看有没有什么启发？
Google
Google 的佩奇和布林一直认为，‘机器学习和人工智能是google的未来’。
谷歌最为人所熟知的业务范围是搜索和广告，但他们的几个人工智能领域动作也引起了外界的普遍关注，包括自动驾驶汽车、可穿戴技术（谷歌眼镜）、类人机器人、高空互联网广播气球、可检测眼泪中血糖含量的隐形眼镜。也收购了数家非常有潜力的人工智能科技公司，包括DeepMind。
Google的深度学习工具不仅应用在线广告，更应用到整个google系。同样google使用深度学习不仅推动谷歌搜索,语音搜索领域的工具包括Android手机,图像识别等，还有更有想象力的无人汽车和Google大脑。
Google开始扩大人工智能计划，近期与牛津大学建立了一个深度的合作包括人才和科研课题。提高自身的人工智能相关能力，希望藉此保住在互联网搜索市场上的主导地位，并开发机器人和无人驾驶汽车等新产品。
百度
作为发力最猛的玩家，百度CEO李彦宏对人工智能下注更大。依靠人工智能技术（百度大脑），在语音、图像搜索方面取得了重大突破，BaiduEye、无人驾驶汽车、百度智能自行车，筷搜等产品不断问世。这些产品建立起来的一个矩阵式和全方位的人工智能服务可能会把整个竞争门槛提到一个新的高度。
从刚发布的第三季度财报来看，百度一方面移动端流量超过PC端，另一方面人工智能和机器学习对于CPC广告营收提升非常明显，而且移动端收入超过36%。用了深度学习技术的“凤巢”项目为例，用户在百度搜索框里输入内容后为其找到最贴切的搜索结果，同时实现精准营销，这样的大数据变现能力已经成为百度所有营收构成中增长最快的一部分。这么看来百度每个季度超过10亿的投入，已经开始产生效益。据资料显示，百度应该应该是第一家把人工智能和机器学习应用到在线广告的，百度的这套深度学习系统已于去年服务于百度搜索广告系统。
值得看好的是百度大脑为核心的‘大数据引擎’，是以核心技术能力带来的全新的商业模式，超越了搜索的概念。这个是百度人工智能的核心产品，融合了深度学习算法、数据建模、大规模GPU并行化平台等技术，可以实时学习和成长，它拥有200亿个参数，构成了一套巨大的深度神经网络。这样提供的个性化服务将更加智能。
其他一些巨头也在做积极尝试，IBM 的超级计算机Watson已经不满足于在智力竞赛中击败人类选手，微软联合创始人 Paul Allen 可以让机器人通过高中生物考试，俄罗斯富豪德米特里•伊茨科夫甚至计划到 2045 年实现真实版的阿凡达计划，Facebook 成立了人工智能实验室
这种级别的竞争当然不能是闹着玩的，无人汽车，Google大脑和百度大脑这种级别的人工智能项目得三个条件，
一是建立巨大的人工智能中央学习平台
这个需要数以千计的服务器和数以万计的GPU，像一片片农场一样的机房。
这个是个硬件条件，但不可或缺，就得自己投入最基础的设施建设。
Google和百度在这块投入每个季度都超过十亿，包括IDC和服务器。
二是组建最顶级的专家团队和实验室
好的科技公司差不多都会将公司营收7%左右投入研发，但要在人工智能上建立顶级专家团队和实验室则最少投入10%以上，google和百度目前已经连续几个季度投入超过10%。
顶级人工智能学者布雷·库兹韦尔加盟google， 库兹韦尔说：除谷歌之外，没有任何一家公司能够提供他实现毕生工作所需的计算和工程资源。百度引入了吴恩达为百度首席科学家，全面负责百度研究院。 还成立深度学习研究院，致力于“让计算机像人脑一样智能”的科学研究，打造像AT&T-Belllabs（贝尔实验室）、XeroxPARC（施乐帕洛阿尔托研究中心）一样的顶尖研究机构。
在国内“BAT”（百度、阿里、腾讯）互联网超级俱乐部中最为低调的李彦宏近年来在下的一盘大棋。在多个场合，屡屡被问到和另两家如何竞争时，李彦宏总是会抛出一个词，“厚积薄发”。
三是让传感器无处不在
技术的突破将使传感器体积微型化，它将出现在生产生活的每一个角落，成本降低后，传感器不再需要回收，而像月抛隐形眼镜般一次性使用，完成使命后自动废弃，而新的传感器则源源不断地补充数据源；传感器节点数将达到万亿级别，其数据量将超过人类日常总传送数据量的百分之八十，新的低能耗无线通信标准诞生。
传感器的丰富带来了完全不一样的体验和商业模式， 最典型的就是Google在研制的无人汽车，这个将由无数的传感器加上人工智能的复杂综合体，最常见的就是苹果带来的Iphone，让传感器和手机深度绑定，百度也推出了依靠传感器和人工智能的BaiduEye，无人汽车，智能自行车，筷搜等。
只有当传感器无处不在，数据才会无处不在，人工智能和机器学习发挥的作用才会无处不在，和生活紧密相关
小公司的机会
作为小公司，在人工智能盈利方向也很多，土匪分享几个。
高度智能的无人车导航方案：
无人车的运行其实是基于事先准备好的地图和算法的，但目前还有很多地方是没有这种事先准备好可供无人车“学习”的地图。所以提供一个高度智能的无人车地图方案。
组织行为解释与预测方案：
通过数据监控、分析，构建组织内的信息决策模型。举例来说，可以利用财务数据和其他公共数据，解释一个公司的某个行为，并且预测这个公司接下来的行动和发展。这个同样适用于制造业和商业，用来了解行业发展，评估行业表现，制定优化措施。
事实上，并不是说上述两个领域，谷歌这样的大公司做不了，而是这不是他们的主要业务，不会占据主导地位，因此后来者还是有机会的。
期待越来越多的人工智能项目能盈利，这样可以更快更好的融入到我们生活中，创新总是件美好的事情。huxiu
