但作为五个星期的工作成果，他们足以引以为傲了。它就像一个小孩子，它仍在不断学习，了解世界。李开复开办这个暑期训练营，是因为人工智能领域人才匮乏。他期待未来训练营能吸引更多的学生团队，并能培养出人才，因为他需要人才储备。“人工智能是我们投资中最重要的部分，”李开复再次确认。欢迎关注创新工场的微信订阅号：chuangxin2009。
目前都有哪些公司做人工智能芯片？
高通等大厂不必赘述，最近刚成为全球AI芯片首个独角兽的寒武纪科技倒是值得一叙。前几天，寒武纪科技（Cambricon Technologies Corporation Limited）完成一亿美元A轮融资，由国投创业（A轮领投方），阿里巴巴创投、联想创投等联合投资。寒武纪科技势头不小，被认为是国际AI芯片领域的先行者、中国顶尖AI芯片公司，当然人家有这样的资本。
寒武纪科技是全球第一个成功流片并拥有成熟产品的AI芯片公司，拥有终端AI处理器IP和云端高性能AI芯片两条产品线。2016年发布的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、无人机、可穿戴设备以及智能驾驶等各类终端设备，在运行主流智能算法时性能功耗比全面超越传统处理器，与阿里飞天技术平台、神威太湖之光、华为麒麟960芯片、特斯拉、微软HoloLens、IBM Watson等国内外新兴信息技术的杰出代表同时入选第三届世界互联网大会（乌镇）评选的十五项“世界互联网领先科技成果”，相关成果得到央视新闻联播、人民日报、新华社、CNN、MIT Technology Review等国内外主流媒体的广泛报道。
目前寒武纪终端处理器IP产品已衍生出1A、1H等多个型号，在未来数年全世界有数亿终端设备可望通过集成寒武纪处理器来获得强大的本地智能处理能力。寒武纪科技源自中国科学院计算技术研究所（中科院计算所）。中科院计算所是中国第一个专门从事计算机科学技术综合性研究的国立学术机构，被誉为“中国计算机事业的摇篮” 。
寒武纪科技多年的积累，形成了上百项深度学习芯片的关键性专利，覆盖了深度学习芯片的各个维度，构建了属于寒武纪自己的专利壁垒。也因此，寒武纪科技除了得到顶尖投资方和合作方的支持，在北京海淀区中关村和上海浦东新区临港设有研发中心也得到了各级政府部门的大力扶持。中国能诞生一个AI芯片领域的先行者和领导者的确是一大幸事。
人工智能技术在行业里有什么具体的应用？
谢邀。前段时间刚好看到麦肯锡发布的一个关于《人工智能：下一个数字前沿？》的报告，里面介绍了人工智能技术在5个行业的具体应用，摘取出来供你参考。希望对你有帮助。1.零售：连接消费者，改善购物体验图像识别、机器学习和自然语言处理等技术等发展使得智能服务机器人能够轻松与顾客打招呼、交流，可以预测订单，提供引导；通过机器学习，可以根据消费者到个人资料进行个性化促销; 在顾客浏览店铺商品时，店内的信标（Beacon）也可以通过手机向他们发送优惠信息基于深度学习的计算机视觉技术，可以识别购物者打包的商品; 加上传感器所获取的数据，AI使得自动结帐和付款成为可能使用深度学习技术的无人机快递完成了零售业务链最后一英里的交付，能够实现避障并处理收货人不在的状况具有计算机视觉和深度学习功能的互动屏幕和桌面可以识别商品并推荐适合消费者的相关产品自动购物车会在商店中跟随顾客，并运送商品到顾客的上车点，或通过机器人、无人机送货上门利用机器学习，商店开业根据竞争对手的价格、天气情况、库存情况等数据信息实时调整和优化商品价格，从而最大限度地提高收入通过人工智能强化的机器人可以持续跟踪仓储信息，识别空货架并补货，同时，其他机器人也可以在仓库中进行打包2.电力：更少的电站，更智能的电网 通过传感器和机器学习系统，可以通过对风力条件的实时调整，最大限度地提高发电效率通过机器学习可以预测电力的供需峰值，从而最大限度地利用间歇性可再生能源智能电线与机器学习的结合，可以实现实时的电力调度，改善电网负载无人机和小型机器人可以在不关停电路的情况下，检测和预测设备故障机器可以替代人工自动记录数据并检查设备状态，从而减少对技术人员的需求数量，使他们可以花更多时间解决其它问题在设备检修过程中，现场工作人员仍然可以实时接收运行数据，以减少响应时间及中断的影响虚拟助手可以根据业务历史对消费者进行分类，利用机器学习提供坏账预警服务基于机器学习，智能仪表可以根据使用量和天气等因素，自动调整用电数据3、医疗：更快的诊断，更好的治疗 机器学习程序可以通过可穿戴设备远程分析患者的健康状况，并将数据与其医疗记录进行比较，提供健康建议并预警疾病风险使用机器学习和其他相关的AI技术，设备可以进行自主诊断并帮患者做简单的体征指标检查，而无需人力辅助，从而减轻医生和护士的工作压力根据患者的历史医疗数据和记录，基于AI的诊断工具可以更准确地诊断疾病根据医疗和环境等因素，AI算法可以预测患者行为和疾病的概率，从而优化医院运营、排班计划和库存管理利用AI，可以分析患者的病史和环境因素，从而确定患有疾病风险的对象，并指导他们进行预防性保健互动信息亭形式的虚拟助理，可以帮助患者进行登记，并将其转交给合适的医生进行诊断，缩短患者等待的时间，改善医疗体验通过机器学习工具可以对特定患者的需求设计个性化的治疗方案，从而提高治疗效率，改善治疗效果根据人工智能对大众的健康分析结果，可以通过鼓励护理人员更好地管理患者健康，并帮助患者降低住院费用和治疗成本4、制造：更智能、更灵活对于工程和研发人员而言，人工智能工具的使用意味着更快的周转时间和更少的迭代次数，效率得到大大提升获取全球各地的供应商信息，降低采购过程中的成本，更好地管理供应链，使得收益最大化项目经理可以使用基于人工智能的高级分析，从而提高审查流程的有效性AI可以帮助企业重新审视制造流程和生产线，并针对性地进行优化和调整，从而以降低成本、减少资源浪费，加快企业上市速度制造商可以利用AI技术为客户提供更优质的售后服务工作人员与工厂的生产线必须更好地进行协同作业，从而挖掘AI的全部潜力，实现其中的价值5、教育：不断优化教学形式和效果解决教育资源分布不均的问题，并根据市场需求帮助政府机构不断优化教育制度，提高人才与市场的匹配度为学生提供更有针对性的教学计划，改善学习成果，并帮助学校不断改进课程组合，提高毕业生就业率通过自适应学习系统，在合适的时间以最佳方式向每个学生提供适当的内容，打造个性化教学自然语言、计算机视觉和深度学习可以帮助教师回答学生的常规问题或担任教学助教，使得教师可以把更多的时间花在更具价值的教学环节中。
人工智能的前景如何？该怎样学好人工智能？
人工智能专业的前景还是非常不错的，原因有以下几点：第一，未来是智能化社会，人工智能的应用场景将遍布社会的各个角落。人工智能的发展将是科技发展的一个必然趋势，未来具备学习和决策能力的智能体（Agent）将广泛的应用在社会的各个领域。因此，从事人工智能研发的科技工作者将有非常大的发展空间。第二，随着大数据的发展，人工智能的研发进入了一个全新的阶段。
大数据与人工智能的关系非常密切，随着大数据的不断发展，人工智能有了重要的支撑，所以目前人工智能的研究多以大数据作为基础。可以简单的说，大数据让人工智能的发展进入了一个快车道。举个例子，在机器学习的研发中，第一件事情就是数据收集，然后通过数据训练算法，如果没有数据，结果可想而知。大数据的发展在某种程度上也带动了人工智能的发展，现在不少从事人工智能研发的开发人员都是从大数据转到人工智能领域的。
第三：人工智能人才缺口大。虽然人工智能的发展前景很不错，但是由于人工智能是一个典型的多学科交叉领域（哲学、数学、计算机、控制学、语言学、神经学等），所以人工智能领域的人才培养周期比较长，这就导致了人工智能领域人才的巨大缺口。而且随着人工智能的快速发展，这个人才缺口还将持续较长一段时间。综上所述，人工智能专业的发展前景还是非常不错的。
虽然目前人工智能的一些产品已经投入到生产环境中了，但是人工智能整体的发展依然处在初级阶段，人工智能领域的相关技术也还需要不断的研发和进步，这就需要从事人工智能的研发人员持续推进人工智能技术的发展。人工智能是我的主要研究方向之一，目前我也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
国内人工智能成长的快、发展的好的企业有哪些？
国內人工智能成长性高的企业有哪些，题目范围非常广大，笔者在此从证券市场公开信息去搜索后，认为有一个人工智能企业的成长性比较高，它的名称叫做山河智能装备股份有限公司，行业归类为专用设备制造业，理由如下：第一，该公司的市盈率比较低，现时市盈率仅有14．4倍，总股本为10．5亿股，该公司董事长持股2．6亿股，董事长有硕士学历。
公司高管有14人，全部是硕士以上学历。第二，近三年中，2016年公司净利润6692万，2017年公司净利润为16227万，今年头九个月，公司净利润39819万元，其中2016年和2017年净利润是经过审计的。第三，公司上市日期在2006年年㡳，公司注册地在湖南省长沙经济技术开发区，公司的主营业务是桩工机械，小型工程机械，凿岩机械，均具有自主知识产权，亦有经营无人机。
为什么人工智能企业喜欢招募发顶级论文的研究者，而化学，材料类的企业却相反？
愚见。发表在《人工智能》上的顶级论文真的很有用，很有可能应用到实践中。而化学材料方面的顶尖论文往往离实践很远，短时间内无法应用。有些顶级论文甚至根本不注重应用。对于企业来说，最重要的是你能给企业带来什么。人工智能企业需要思维灵活、知识面广的人才，顶尖论文能代表他的能力；对于化工材料企业来说，需要的是能够解决实际问题，为公司带来效益，但是发表的顶级论文并不能体现这一点。有时候，甚至发表的文章越多越好，思维方式也越局限。所以化工材料企业对发表顶级论文的科研人员并不是很感兴趣。
