根据研究机构发布的报告，我们看到了在过去的一年里，各人工智能细分领域都或多或少的发生了些微的变化，这些变化之中又包含着什么？
在2016年，一场由AlphaGo发起的人机大战引爆了人工智能领域。人们真正接触到人工智能技术多是在2016年，但是，在此之前，这个行业就已经潜伏多年了。根据CB Insights统计，仅仅是人工初创企业，其数量也已经从2011年的70家发展到了2015年的400多家，增长近六倍。从这个数值中，我们清楚地看到了人工智能领域对于玩家的吸引力之大。
此外，在Venture Scanner2016年发布的人工智能企业融资报告中显示，截至2016年11月，相比于Q1时期拥有48亿美元总融资金额的957家人工智能企业，Q4的统计中，人工智能企业数量和总融资金额已经分别增加到了1485家和89亿美元。在短短9个月的时间，增长幅度分别达到了55%和85%，可以说，在2016年，人工智能领域的活跃已经达到了一个新的高度。另外，除了数量和融资金额的变化，在Venture Scanner划分的细分领域内，人工智能产业也发生了一些变与不变。
机器学习两头领先，依旧占领主流位置
在机器学习（应用）领域中，企业主要是将计算机算法相关的技术应用到实际案例中，包括各种通过机器学习或者深度学习来进行信息整合。根据Q1的人工智能产业报告中，机器学习（应用）领域共有260家公司，占有着产业图谱27%的份额，经过9个月的发展后，该领域的玩家增长到436家，涨幅高达67.7%，所占份额也有了2%的微弱增长。
Venture Scanner 2016年Q1人工智能报告：人工智能领域的风险投资
Venture Scanner 2016年Q4人工智能报告：人工智能领域的风险投资
另外，在风险投资总金额中，不管是Q1还是Q4，机器学习（应用）更是甩开了第二名的自然语言处理一大截，理所当然的荣登“第一”宝座。
相对于机器学习（应用），虽然机器学习（平台）的成绩不算拔尖，但好歹也在前5名以内，企业和融资活跃度还是相当可观的。从整体情况来看，在人工智能产业中，作为技术的“奠基石”，企业和VC机构对于机器学习还是相当看重的。
不过，值得注意的是，相比于企业数量和融资金额的增长，在平均融资额上，机器学习的涨幅并不是太多，比如应用层面就只达到了7.4%的增长。对此，我们是不是可以猜测这是另一种资本寒冬的体现？当然，或许也有同类型企业太多，所以投资有些疲软等原因的存在。
计算机视觉领衔，入局玩家涨幅第一
据统计，目前主攻计算机视觉的企业共有342家，占据了全球人工智能企业的23%，虽然这个数值还比不上机器学习（应用）的份额，但是，在企业数量的增长幅度上，计算机视觉凭借81%的增长幅度完胜机器学习机器学习的60.8%，尤其是计算机视觉的应用领域，以112%的增长幅度傲视所有的细分领域，近乎企业数量增长67.7%的机器学习（应用）的两倍。
在2016年，计算机视觉算是人工智能领域的一大热门技术，人脸识别、图像识别等技术更是被应用到了多个产品和领域之中，成为了最先实现商业化的人工智能技术之一。
其实，计算机视觉的此种状况此前还是可以预见的。在机器学习领域的推动之下，计算机视觉技术也必然得到良好的发展，而与自然语言处理、语音识别、情景感知计算等人工智能细分领域相比，不管是研发难度和社会需求，计算机视觉在这两方面还是比较有利的。
论商业化进程，五大领域最受关注
根据Venture Scanner的报告，在过去的一年里，若是对各行业的融资总金额进行排名的话，前五名分别为机器学习（36亿美元）、计算机视觉（14.43亿美元）、智能机器人（11亿美元）、自然语言处理（11亿美元）和手势控制（6.3亿美元）。
当前，机器学习、计算机视觉和智能机器人的商业化情况已经相当不错了，至于自然语言处理和手势控制，也都有着被关注的理由。对于自然语言处理领域，从CES 2017展会上语音识别技术的发展趋势就可看出一二，在人机自然交互模块中，“理解”是一个很重要的因素，也是吴恩达所说的2017年发展趋势“对话式电脑”的关键之一，由此自然语言处理技术的重要性可想而知。而在手势控制，人工智能和虚拟现实都是它的主要战场，尤其是后者，要想在场景中获得极佳的体验效果，手势控制部分必然要做好。
根据融资金额，我们可以看见投资者对于这些产业的看好。作为资本家，他们最看重的就是利益，而当他们对某种技术或领域进行投资之时，往往都能被看作一种商业化的风向指标。此外，在产品商业化进程中，资金是一个很重要的部分，都说巧妇难为无米之炊，若是没有资金的支持，企业的产品研发和推广都将难以为继，商业化道路更是难上加难。
当然，若只是以融资金额为参照数据的标准，这的确是有点草率了。不过，依据报告中的相关数据，比如现有公司规模和公司数量增长幅度来看，这五大领域的看头还是很足的。
结语
在2016年的这些数据上来看，人工智能产业的整体发展态势可谓相当不错，其细分领域的发展可以说是一环扣这一环。举个例子，机器学习算法的完善就推动着计算机视觉、语音识别等技术的发展，从而推动商业化进程，而这些技术的组合形式则推动机器人等硬件产品的发展。最后，机器人又拉着计算机视觉等技术来催促机器学习算法的继续完善，继而形成了现在的人工智能大生态。
从整体情况来看，人工智能正在受到越来越多业内外人士的关注。不过，在蓬勃发展的同时，各人工智能企业也需冷静对待、稳步前进，从用户的需求和体验建议出发，脚踏实地的服务于消费者，而不是罔顾社会需要自行打造“理想化”产品，相信这最后导致的结局并不是人们所希望看到的。
