【新闻摘要】2月15日谷歌正式发布了TensorFlow1.0版，改进了库中的机器学习功能，发布了XLA的实验版本，对Python和Java用户开放，提升了debugging，并且加入和改进了一些高级API，其中包括Keras。一系列新的改进，都会让目前这个最受欢迎的深度学习框架变得更快、更灵活、更实用。在发布第一年，TensorFlow 已经帮助研究者、工程师、艺术家、学生以及其他许多人在许多领域取得了进展，从机器翻译到检测皮肤癌早期症状到预防糖尿病致盲。人们在超过6000个开源在线存储库项目中使用TensorFlow。
（新闻链接：http://chuansong.me/n/1575265951935）
  【小云评论】谷歌可以被称为是大数据领域的奠基者，正是基于它的三篇论文，Hadoop之父Doug Cutting基于Yahoo的海量分布式环境实现了后来影响互联网领域的大数据平台。但多年来，谷歌并未从由它衍生的大数据领域获得收益。近年来，谷歌已经从战略层转变方向，积极参与开源工作。具体举措包括Apache Beam的开源，以及可基于本地与分布式两种环境对深度学习进行支持的TensorFlow。谷歌一方面可以成为人工智能领域生态圈的引领者，另一方面可以凝聚与支持更多的企业共同拓展人工智能。通过AI与云计算的结合，谷歌可以在市场更加广阔的垂直行业领域发挥其“聪明才智”，实现与AWS的竞争。面向深度学习的开源，是谷歌聪明的选择。

    【新闻摘要】从数字/物理世界、关键/非关键应用两个维度来分析，人工智能的应用分成四大类，第一类是发生在物理世界的关键性应用，比如无人驾驶，毕竟人命关天。第二类是发生在数字世界的关键性应用，比如涉及到金融领域和计算机安全领域的问题，可能直接造成财产损失。第三类是发生在物理世界的非关键性应用，比如扫地机器人。第四类是发生在数字世界的非关键性应用，比如推荐系统。就商业应用路线而言，一般规律是从数字世界的非关键应用开始，逐步渗透到物理世界的关键应用。
（新闻链接：http://www.leiphone.com/news/201702/UvSyNISjVDPvtgO0.html）
  【小云评论】本次AAAI对AI的细分，实质上是一次思路的转变，从“能做什么”到“需要什么”。这种应用导向的思路，提供了一个新的思考点：既然数字世界是AI最容易切入的领域，下一步可关注物理世界的数字化。而数字化的方式就是全面在线化，用在线方式描述和连接物理世界，缩小数字与物理世界的差别。数字化之后，AI就可以发挥其用武之地。特别是关键性应用领域，大规模的在线数据样本通过协同分析与优化，可提高其可靠性和稳定性。AI发展，在线先行。

    【新闻摘要】安全产业发展的风向标RSA 2017在美国旧金山拉开帷幕，重点聚焦在了几大方向：云安全和虚拟化依然是很重要的内容之一，安全产业界将推出更多的具备精细管控、全面防护、深度可视、协同防御、智能运维等特点的新一代网络安全产品；物联网技术给我们带来无限便利，但这些设备的安全性往往被忽略，带来的安全事故不容小觑；人工智能在安全方面的应用还很模糊；一个行之有效的大数据安全分析平台必将成为积极防御的核心，在结合EDR、NDR后也使得数据驱动的安全协同成为主流；安全云化、安全大数据化、安全服务化、安全高端化正在成为安全发展的主旋律。
（新闻链接：http://mt.sohu.com/it/d20170213/126140774_505784.shtml）
  【小云评论】传统的安全还停留在安全传输、身份认证和完整性等层面，但云计算领域的安全不止于此。首先是对虚拟化层的改造，近期谷歌等公司已开始对KVM等虚拟化内核进行修改并删减冗余功能；其次是对网络层的深入改造，特别是在SDN环境下基于软件的灵活管控；第三是充分利用人工智能和大数据的协同。在这个层面上，全网的协同性至关重要，因为每个节点都具备一定的信息，可充分利用分布式结构进行信息共享和故障排查。基于此原理的区块链技术，可在安全领域发挥更大的作用。

    【新闻摘要】微软开放了一个高端虚拟世界的 beta 版——Aerial Informatics and Robotics Platform，供训练无人机以及其他可以自己移动的小工具使用。该款软件可在 GitHub 上下载，它重塑了高度细节的阴影、光反射以及其他能混淆现实世界而不承担风险的环境。微软希望这款软件能促进「机器人的平民化」，它可以协助个人、研究者和公司来测试系统，而且这种方法不需要用户自己耗费太多的资源。该软件也可用于测试无人驾驶系统，它也应该适用于需要通过周围环境来进行系统实现的其它类型机器人。
（新闻链接：http://it.sohu.com/20170216/n480866784.shtml）
  【小云评论】开源，从Windows时代一直是微软受到争议与挑战的热点。但近年来微软在改革方面大刀阔斧。首先推出了移动优先、云优先的战略，Azure云在全球市场份额居第二。其次，在已有多年历史积累的人工智能和VR大力出击。2016年10月，微软投入5000人的规模专注于人工智能。在无人机领域，核心算法模型来源于大量的训练与样本数据，试错成本高且需要解决各类安全挑战，而对于大量中小企业很难创建出大量的真实环境，模拟器平台是这一问题的解决方式。基于这类模拟器平台，未来构建一朵高仿真的AI测试云具有一定的市场空间。但对于微软来说，除了模拟器平台，能否像谷歌一样获取并整合谷歌地球和街景等海量真实数据，也是一个值得关注的问题。

    【新闻摘要】2月10日，福特出资10亿美元收购人工智能初创公司Argo AI大部分股权。这是传统车企在自驾驶技术方面最大的投资。今年1月，已并入通用自动驾驶部门的初创公司Cruise Automation发布了一段其在旧金山街道测试自动驾驶汽车的视频；2月8日，该视频的第二部分也被放出。整体看，通用在自动驾驶方面的进展很快，而且非常扎实。2月6日，据外媒报道，丰田汽车集团与铃木汽车集团共同宣布已经签订合作商讨备忘录，二者将在环境友好型技术、安全系统、信息技术以及产品和零部件供应方面展开合作。更加值得一提的是，两家公司将在自动驾驶领域成为技术合作伙伴。
（新闻链接：http://www.leiphone.com/news/201702/zPYjaUiTkU8H9asP.html）
  【小云评论】投身自动驾驶的企业有几个类型：第一类是AI型企业，如谷歌；第二类是汽车企业，如特斯拉。前一类企业的优势是有大量的数据和深入的算法模型，可进行精准分析和预测，并且与在线业务相结合；后一类企业的优势是具有多年的汽车制造经验，可利用已有汽车载体装载探测感知数据，为后续实验与生产提供宝贵的第一手分析与测试数据。此外，博世、大陆、mobileye等Tier1/2供应商也在研发自动驾驶汽车技术。2016年底，由谷歌与菲亚特克莱斯勒合作的“整车+云脑”模式，使谷歌能够在短短6个月里将项目带入整车组装阶段。对于各自领域的强者，合作是目前阶段最好的选择。

    【新闻摘要】Facebook图像识别平台Lumos能够读懂照片，可根据图片内容进行搜索，而不是依靠已有的标签，这得益于深度学习的进步。领英强调 AI 技术未来可能给更大规模范围的用户提供职业机会。AI技术不仅仅为用户提供职业信息，还可以就各种职业问题寻求帮助，同时在全球范围内协调技能差距。IBM提出超越数据、程序以及任务限制的模型，目的是提高机器学习和推理的效率和结果，让机器更好地理解人类并帮助人类。Uber正在努力成为一家技术性企业，不仅关注 AI技术如何服务出行行业，也正在发展自己的人工智能技术力量，他们的目标是像谷歌、facebook 等公司一样。
（新闻链接：http://chuansong.me/n/1553710451229）
  【小云评论】同一个AI，衍生出不同的细分领域，也代表了美国人工智能领域的前沿能力。作为社交领域的龙头企业，Facebook近年来将收入的30%用于研发投入，专注于在人与人连接的基础上人工智能与虚拟现实的结合。领英重点关注于职业领域，它从个人用户与企业的连接角度，为个人提供职业知识与策略，并辅助优化企业管理。IBM通过Watson将认知计算提到了战略层面，重点解决面向企业商业场景的分析需求。Uber于2016年收购了人工智能创业公司GI,计划通过AI提高交通与运输优化水平。在各自的重点领域，互联网巨头正利用AI寻求新的提升与发展契机。

    【新闻摘要】谷歌2月15日宣布推出Cloud Spanner测试版，这是一种新的全球分布式数据库服务，面向关键任务应用程序。Cloud Spanner加入了谷歌其他基于云的数据库服务的阵营，比如Bigtable、Cloud SQL和Cloud Datastore，区别在于，Cloud Spanner让开发人员可以同时享用传统关系数据库和NoSQL数据库两者的最大优点――也就是说，事务一致性和易于扩展性。谷歌承诺，Cloud Spanner的性能与其他的云数据库服务会不相上下。谷歌还承诺，Cloud Spanner的服务等级协议(SLA)会达到99.9999% ，该项目启动时会一并发布面向Java、Go、Python和Node.js等语言的客户端库。
（新闻链接：http://mt.sohu.com/20170215/n480816962.shtml）
  【小云评论】基于云计算平台弹性灵活的资源调度特点，分布式数据库天然地适合在云上提供动态伸缩服务。对于分布式数据库，最大的技术挑战在于传统的ACID原则与BASE原则的均衡，实现事务性和扩展性。在互联网平台上支撑高一致性和事务性需求的用户，对系统的设计模式与可靠性是巨大的挑战。阿里巴巴自主研发的OceanBase分布式数据库自2015年起支持蚂蚁金服等金融级平台。AWS也提供云上的NoSQL数据库DynamoDB。分布式数据库与云平台的结合，成为支持海量、弹性的数据管理需求的重要能力。

    【新闻摘要】日前，谷歌发布了Android Wear 2.0，其中最大的更新除了允许手表脱离手机直接使用之外，当属“智能回复”（Smart Reply）了。根据谷歌最新发布的博客显示，离线 AI 技术在其中发挥着重要作用。最新发布的 Android Wear 2.0 版本中，用户在手表上收到信息后，可以像在安卓手机上那样，展开通知，直接回复。在需要快速回复的场景，还可以使用 Smart Reply，它能够基于用户接收到的信息内容给出智能的回复建议。该功能是基于离线 AI 实现的，根本不需要接入网络去寻求云计算的帮助。
（新闻链接：http://www.leiphone.com/news/201702/7IlvTVUumiQo66Rk.html）
  【小云评论】离线AI是让真实用户接受AI的“最后一里路”，原因在于：面向很多复杂场景，将数据频繁上传到云端是不现实的。在网络受限的区域以及要求高实时性响应的特殊场景，由终端智能进行本地基础运算和控制，云端智能根据上传的全局数据进行机器学习，再通过网络更新终端智能，是比较合理的方式。针对这一需求，NVIDIA发布了Tesla P100大幅度提升云计算能力，谷歌也正在开发名为“TPU”的辅助TensorFlow运行的芯片。终端智能与云端智能的配合是AI能够落地普及的关键一步。

    【新闻摘要】自从发布无人机送货项目以来，亚马逊提出了很多专利。例如：鸟屋式坞站、安装在卡车和公共汽车背部的车载无人机、巨大的漂浮仓库和可折叠式无人机。亚马逊已经发布了名为“联合空域”模式的特殊计划，该计划将无人机快递服务集成到NAS系统中。无人机可以在包裹上施加力的作用，进而将其下降轨迹从抛物线路径改变为垂直下降路径。此外，递送系统还可以在包裹下落期间对其进行监控。包裹可以装备一个或多个控制面。无人机通过RF无线模块向包裹发送指令，利用一个或多个控制面来改变其垂直下落的路径，实现躲避障碍物或是维持姿态稳定。
（新闻链接：http://www.leiphone.com/news/201702/XiYb7qIFwiIJL1U9.html）
  【小云评论】发表的专利数，是一个高科技公司走向成熟的重要标志之一。根据美国专利商标局的数据，2016年美国颁布超过30.4万份实用技术专利，总数创下年度新纪录。排在前列的科技公司包括IBM、谷歌、英特尔、微软等，亚马逊还未进入前十。亚马逊还需要在这条道路上发力追赶。此项专利有其新颖性，但考虑到成本原因，距离大规模普及和商用还有很长的路要走。此外，如何将电商与AWS有机地结合，实现业务与平台的交互，是亚马逊需要思考的问题。

    【新闻摘要】美国时间2月15日，赛门铁克宣布发布新的云安全平台，提供更加全面的云安全解决方案。赛门铁克CEO指出了一个潜在的问题:传统企业向云转移数据或使用云平台时，会有一些数据的交互、传递等行为，未来黑客也将会关注到这个新的边界，对企业进行渗透造成巨大的损失。在这个平台上，赛门铁克提供云上数据丢失防护方案，将传统的数据丢失防护解决方案和新的云安全解决方案进行整合，更好的服务用户，解决BYOD、远程办公、组织数据在云上和云内传递的风险。
（新闻链接：http://www.newsfactor.com/story.xhtml?story_id=0330012T0IOU）
  【小云评论】本身就是安全防病毒龙头企业的赛门铁克，结合自身优势，发力云上安全。目前微软Azure也看到了云上数据丢失这个风险，在其安全威胁分析报告中，指出Azure云已经有了针对混合云的攻击案例。目前，云访问安全代理的解决方案五花八门，包括云上数据丢失防护保护、数据加密、影子IT发现、边界持续安全监控、合规、集中认证等。云访问安全代理也已经和基础架构即服务平台进行了整合。赛门铁克还推出了云上工作负载的安全解决方案，整合自身的防病毒软件来为云上用户提供自动化的策略配置，并提供避免未知漏洞攻击的应用程序安全保护方案。 这种用他人之长弥补自己之短的做法非常值得国内的云服务商学习。