读完了高盛人工智能（AI）的报告，原文：
AI机器学习和数据助长生产力的未来：http：//pan.baidu.com/s/1pLpT1WZ
根据报告创建的人工智能组合：$ AI组合（ZH1007153）$
以下是笔记：
第1部分AI介绍
四个影响：
1.生产率：节省成本
2.高端技术：AI相关硬件，软件和服务
竞争优势：不用AI的公司可能被竞争对手超越
4.创造新公司：大量AI公司
什么是AI？
机器模仿人学习和解决问题。包括语言识别和翻译，视觉识别，决策等等。该报告专注AI下面的机器学习（ML）下面的深度学习。
机器学习：教计算机自己识别苹果和橙子，识别垃圾邮件，预测健康状况等
深度学习：模拟人神经系统的信息处理学习（只要给素材就能学）
总之，AI能帮人干活（不是成为人，现有技术还远不能使用计算机像人一样自主学习和决策）;与Alphago不同，本报告专注经济应用
为何AI现在发展快？
AI出来很多年，为何最近才提速？三个原因：
1.数据多：爆炸式发展
2.硬件快：GPU，FPGA等特种硅片发展（更快，更便宜）
3.算法多：开源分享（Caffe，TensorFlow，Torch等），别人做好的功能直接调用
生活中的AI：搜索，推荐（电商，新闻等），人脸识别等，
价值创造主要驱动
人才：稀缺，并购
2.数据：大型的已区分的数据包是核心利润驱动
3.基建：商品化，基于云端和开源
4.硅片：GPU（英伟达AMD等），FPGA（Intel），ASIC
AI的历史（Exhibit8）
提升未来生产率
IT从90年代提升生产率，进入2000年后放缓了，从2011年中开始，分享持续大于资本支出，管理层普遍不愿投资，PE持续走低。
高盛首席经济学家Jan Hatzius访谈
AI如何影响生产率？
AI抢人的工作怎么办？短期可能影响，长期和其它技术革命一样，应不影响失业率。
AI对股票估值什么影响？生产率提升一般意味着更高的资产估值
生态系统
AI和其他技术发展对比：大型机 – >客户端服务机 – >云端，C-> Java-> Python，神经网络 – >深度学习 – >近人类AI;目前处于初级阶段（类比1950s主机商业化， 2000s智能手机商业化）
三种使用：
自己做AI：
综合开放资源（如databricks，cloudera等）和云服务平台（微软，谷歌，百度等）
需要的计算机组（堆栈）七大件：核心组件（GPU等），计算（云端如AWS，AliCloud），储存（Hadoop，云端），数据移动和整合网络，Watson），编程语言（Python，R，SQL），分析工具（Tableau，Machine learning）。成本比较高，详见P23页表
2.咨询服务：IBM用户Watson，Kaggle连接AI专家，Accenture，华为也在大规模招聘AI人才，给企业提供解决方案
- AI服务AI-as-a-service（热门）：给应用程序提供接口使用AI服务，如人脸识别接口，医疗接口，农业接口等，主要公司亚马逊，谷歌，微软，IBM，Saleforce等细分专业数据的领域创业公司很多。
中国和AI
（Deep Speech 2）和港中大的人脸识别（Deep ID）全球领先，主要为BAT（按顺序）以及上百创业公司，其中60％做声音和12.5 ％做图像，结论AI前沿是美国和中国（附表BAT最新AI产品p34）。
按：百度一位AI专家朋友说目前AI的重镇还是在北京，虽然空气差但牛人多，深圳较弱，百度是AI老大但除了技术其它不不行，腾讯产品体验好但技术不行，阿里是几个大牛带菜鸟。
聊天机器人
亚马逊（Alexa），谷歌助理，苹果（Siri），微软（Cortana），三星（Viv），利用Bot做电子商务，得到更多用户数据及推荐。
AI核心玩家（P38也图）
第2部分案例
一，农业
三个痛点：
1.产量受制于：不理想的施肥，灌溉，和杀虫剂控制
2.人工成本上升
3.动物生病带来的损失
人工智能可以做
1.通过无人机，卫星图像，天气，土地样本，湿度传感器获得的数据，优化播种，施肥，灌溉，喷洒和收割
2.收割后分类：如日本农民用Google的Tensorflow来训练自动分类黄瓜的AI，节约成本
3.侦测家禽疾病：如通过家禽声音传感器训练疾病侦测AI，提早发现疾病
案例：农民商业网络（FBN）对加盟农户收费，提供如下服务：
1.收集农村数据及综合其公共数据，通过AI给每位农客提供个性化服务，最大化产生和生产率
2.利用数据提供金融服务（如贷款），几乎没有坏账
3.大规模采购，利用数据进行大规模采购，降低采购成本
二，金融服务
三大机会：1。最大化投资回报; 2。减少信贷风险; 3。减少合规成本
三大痛点：1。高频交易的速度加快; 2。数据访问的技术限制; 3。成本高昂
人工智能可以做
高频交易速度加快
2.数据访问：新机会，如快速分析卫星图片来发掘投资机会，如Orbital Insight
3.减少信贷风险：利用AI快速发现信贷风险，欺诈行为和交易
4.减少合规成本：代替人进行合规分析，如搜索邮件中的不合规内容
5.把握事件驱动机会：集中各种相关数据以便在事件发生时取得更好的回报
案例：Orbital Insight利用AI学习海量卫星图片发掘有价值信息
三，医疗
机会：1。药物研发; 2。医生及医院效率
痛点：1。药物研发到FDA批准时间漫长，平均97个月; 2。研究回报低，主要由于失败的太多; 3。药物从FDA批准到实际应用所需时间长，及诊断错误较多
药物研发流程：1。研究和临床前测试（1 – 3年，平均18月，成功率20％）; 2。临床试验（2 – 10年，平均5年，成功率40％）; 3。政府批准（2月 – 7年，平均2年，成功率60％）
AI可以做什么：
提升成功率：AI取代费时费钱的HTS流程
2.提升医院医生效率：AI提升诊断，分析影像图片，基因测量等
案例：利用AI处理基因数据治疗癌症
四，零售
痛点：1。预测需求和趋势; 2。存货管理; 3。开店的数量及大小
AI可以做什么：1。推荐引擎; 2。客服：语音搜索，人机对话; 3。需求预测和优化定价
案例：Dunnhumby，用AI来帮助定价，促销和提升忠诚度
五，能源
机会：
工程计划
2.提升设备可靠性
3.提升辨别和开发资源的能力
减少停工时间
AI可以做：
1.提升产品可靠性
2.更好的发现油气矿产，减少开发成本
减少停工时间和减少设别维护成本
来源：https：//xueqiu.com/5992470355/79824954