整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
輯導語：如今我們想找一個企業的信息非常簡單，在搜索引擎上進行搜索就可以獲取很多信息；上篇《深入行業分析：行業信息搜集（上）》中，筆者介紹了行業信息收集中的搜索引擎和企業數據庫；本文筆者繼續介紹了行業信息搜集的一些方法，我們一起來看一下。
俗話說術業有專攻，做企業研究誰在厲害啊，當然是咨詢公司了；基本上所有的咨詢公司每年都會編寫大量的分析報告，這些報告數據翔實，分析入理，具有很高的參考價值，拿來做為行業分析的資料再合適不過。
但咨詢公司做咨詢報告畢竟是屬于商業行為，他們的做報告也要符合自身利益訴求，所以我們在看這些報告的時候就要對其真實性加以甄別，最好是找到不同咨詢公司對同一行業的咨詢報告來對比閱讀
本著羊毛不薅白不薅的原則（就是窮），筆者就給大家介紹幾個靠譜的可以免費看咨詢報告的互聯網咨詢平臺。
國內不可多得的良心咨詢平臺了，旗下的艾瑞網（https://www.iresearch.cn/）定位于新經濟門戶網站，為用戶提供互聯網數據資訊聚合平臺。我們主要用到的就是它的報告服務。
艾瑞網會不定期的更新一些咨詢報告，主要都是跟互聯網行業相關，對于互聯網產品經理來說具有很高的參考價值。
艾瑞報告支持按行業和發布時間進行篩選，并且支持搜索，不過很可惜，截止到筆者寫這篇文章的時艾瑞還是沒有上新關于社區團購的咨詢報告；不過這一點大家也要理解，畢竟咨詢公司也要靠做咨詢報告賺錢的，越前沿的行業商業價值越大，必然是不可能很早就放咨詢報告免費閱讀的，確實有需要的話可以付費購買最新的咨詢報告。
199IT（http://www.199it.com/）是國內非常著名的中文互聯網數據資訊網，在這里可以找到大量TMT（Technology科技，Media媒體，Telecom通信）行業的咨詢報告。
不同于艾瑞是專業的咨詢企業自己寫報告，199IT的咨詢報告全部收集自互聯網，所以報告會比較得全面，更新也較為及時；不過199IT最香的地方在于提供了搜索功能和細致的行業分類。
這里的官方研究報告特指政府以及對口部門出的研究報告，一般代表著比較權威官方的研究結果。
國研網（國務院發展研究中心信息網）（http://report.drcnet.com.cn/#/），是由國務院發展中心主導的文獻、數據服務平臺，其研究報告多集中在國家宏觀層面，基本上要收費；但單份報告并不貴，產品經理在做BRD、MRD的時候引用這些報告，會比較有說服力。
行業的發展跟國情政策關聯度非常高，除了研究行業本身，研究宏觀政策對于行業發展的趨勢判斷也非常重要。
中國互聯網協會（https://www.isc.org.cn/hyyj/fzbg/）這個是中國互聯網標志性的政府報告，每年一份；不止產品經理，是所有互聯網從業人士必看的一份報告。
其它行業協會的專項報告，比如中國電子商務協會報告（http://www.cecc.org.cn/newslist/hangyebaogao.html）。
如果你剛好是某個比較冷門的垂直行業從業者，那就需要多花點心思去找找有沒有你們行業的咨詢報告了，筆者分享幾個垂直領域的咨詢報告媒體：
以上只是各垂直領域的一些參考，并不全面。
除了上面提到的幾家媒體提供行業報告，還有一些諸如Talkingdata數據報告（http://mi.talkingdata.com/reports.html）、極光行業洞察（https://www.jiguang.cn/reports）、Mob研究院（https://www.mob.com/mobdata/report?page=1）都能找到質量非常不錯的行業報告。
但俗語說授人以魚不如授人以漁，筆者就分享一些尋找行業報告的思路：
1）國家部門、行業協會的研究報告
比如上面提到的國研網（國務院發展研究中心信息網）、中國互聯網協會提供的中國互聯網發展報告。
2）咨詢公司，包括傳統的以及互聯網的
好多傳統老牌咨詢公司都在中國開設了中國區官網，提供一些行業報告，比如麥肯錫中國，BCG大中華區，貝恩中國，埃森哲中國等。
立足于國內互聯網平臺的咨詢媒體有艾瑞咨詢（https://www.iresearch.com.cn/），艾媒咨詢（https://www.iimedia.com.cn/consult.jsp），清科研究（https://www.pedata.cn/）等。
3）互聯網數據服務平臺
像199IT（http://www.199it.com/），前瞻網（https://www.qianzhan.com/）這類是屬于綜合性的數據服務平臺，還有像專注電商領域的網經社（http://www.100ec.cn/），專注消費領域的CBNData第一財經商業（https://www.cbndata.com/）。
4）行業頭部企業
怎么證明你是這個行業的頭部企業呢，成立一個研究院，輸出行業研究觀點可能是非常有用的方法；這方面的代表如上面已經提到過的出行行業的百度地圖彗眼行業報告，互聯網金融行業的蘇寧金融研究院，房產經濟行業的貝殼研究院。
5）數據工具服務商
比如Talkingdata數據報告、極光行業洞察、Mob研究院他們本身都是做數據工具的，所以自然沉淀了很多數據，基于此再做出一些研究報告也是順理成章的事。
6）報告分享網站
這是筆者分享的比較偏門的尋找行業報告的方法，大家使用時要多多甄別；這方面的代表有報告匯（https://www.vicsdf.com/），天天報告（http://51hangyebaogao.com/）等。
最后一個，也是老魚平時用得比較多的偏門方法，那就是萬能的淘寶，你懂的，自己研究下吧。
深入的行業分析，不僅要通過搜索引擎、企業數據庫以及咨詢報告對行業形成定性的認知，還要尋找到精準的數據作支撐，對行業形成定量的認識；比如這家企業好，到底有多好，收入是多少、利潤率是多少？這個APP產品好，那下載量、全球排名、預估收入又是多少？要搞清楚這些問題，就需要借助專業的數據庫幫忙。
對于一些新興行業或者與民生息息相關的行業，國家的宏觀政策直接影響了行業的興衰，這方面的典型代表如新能源汽車。
國研網統計數據庫（http://data.drcnet.com.cn/），提供了世界經濟數據庫、宏觀經濟數據庫、區域經濟數據庫和重點行業數據庫；但是大部分的數據需要收費查看，好在數據大而全，如果確有需要可以付費查看數據。
國研網特色數據庫（http://www.drcnet.com.cn/www/int/），提供新興產業和特色專題數據庫，比如戰略性新興產業數據庫、文化產業數據庫等。
國家財政部數據庫（http://www.mof.gov.cn/gkml/caizhengshuju/），如果你是金融行業的從業者，應該要多關注這個數據庫，像政府債券、財政收支、國有企業經濟運行情況都可以直接查到；筆者覺得國家公開這些數據，代表著國家治理透明度的提升，也是國家綜合國力增強與國家自信增強的體現。
工信部數據（https://www.miit.gov.cn/gxsj/），工信部的數據跟互聯網行業關系最為密切；這里不僅可以查看到一些新興行業相關的數據，比如新能源汽車動力蓄電池回收服務網點信息；還提供了一些數據查詢工具，比如互聯網電子公告服務專項審批及備案查詢、中國汽車能源消耗量查詢；還提供很多互聯網行業相關的數據簡報，比如互聯網、網絡安全、軟件業等，對于互聯網行業的宏觀研究能提供有力的數據支撐。
中國政府網公開數據（http://www.gov.cn/shuju/index.htm），這里提供了國家層面的宏觀的統計數據，比如GDP、CPI、固定資產投資等；國家宏觀數據隱含了非常多的信息，值得深入研究。
比如今年CPI指數明明一直在持續下降，但為什么我們感覺買東西卻越來越貴呢？思考一下。
這里面還有個比有價值的服務叫數據說，它把非常有代表性的數據拎出來做成信息圖，這里面的信息可不少，從這些宏觀表征數據能發現行業的增長潛力；比如說我國快遞年業務量首次突破800億件，這意味著什么？快遞行業一片紅海還是有競爭機會？每年那么多快遞包裹得產生多少包裝垃圾，做快遞包裝的資源回收是否是一個可增長的產業？每年那么多快遞在人與人之間流動，是不是一個超級營銷平臺？
有觀念認為，國家崛起的秘密在于掌控了人與人之間聯系的通道；想想大航海時代以黃金白銀為代表的物質流通對于世界格局的重新塑造，二戰后正式興起的國際貿易，孕育了像UPS、DHL等國際物流巨頭，它們的發展離不開背后快速崛起的國家體系支撐。
現在全球物流正從集裝箱時代向包裹時代轉變，我們每個人都可以方便的買到全球各個國家原裝的進口商品，小物流企業的機會也會越來越多，那快遞處理量最大和處理效率最高的中國是不是有重塑世界格局的可能？還滿讓人期待的！
地方政府的公開數據，比如成都市公共數據開放平臺（http://www.cddata.gov.cn/oportal/index）；每個地方政府都會類似的政府公開數據，如果是聚焦于本地業務的行業，需要經常研究本地政府的公開數據。
拿成都市公共數據開放平臺來說，不僅數據種類全，大部分數據可以申請免費使用，還提供了數據demo，數據庫、excel表和API多種數據使用方法，做得非常好，聰明的產品經理是否能從中發現一些本地服務行業的機會呢？
當然，數據這么專業的領域，肯定是少不了專業的商業數據庫的，不少的咨詢公司都提供了商業數據庫服務，向有數據需求和付費意愿的用戶提供專業的數據服務。
拿艾媒數據中心（https://data.iimedia.cn/）舉例，不僅提供了行業篩選和搜索，還提供了近幾年的數據量，可導出圖片或者excel表。
指數，本來是分析社會經濟現象數量變化的一種重要統計方法，現如今，在互聯網上也重新進行了詮釋。
搜索指數能最直觀的反應大眾對于行業熱度的關注和期望，我們還是拿社區團購舉例，看一下最近30天大眾對于它的關注程度。
首先是360趨勢（https://trends.so.com/），可以看到12月13日后有個關注的小高潮，回想起那時候人民日報站出來評社區團購“互聯網企業別總惦記幾捆白菜、幾斤水果的流量”；此評一出，立即引起了網民的高度關注。
360趨勢還可以按地域、多達一年以上的時段提供篩選，還提供了需求分布分析，即關于社區團購關聯度最高的話題都是什么。
用戶畫像提供了簡單的性別分布和年齡分布：
我們再來看看基于的巨量算數（https://trendinsight.oceanengine.com/）：
同樣可以發現12月13日有一波關注高潮，這是來自于頭條的數據，我們把數據來源切成抖音，有意思的一幕出現了：
我們發現關注波峰提前了，這是不是意味直播平臺上信息傳播得更快？這就是通過搜索指數分析能發現的非常有意思的點，說不定這當中還能產生一些新的產品或服務出來（如果你也想到了，歡迎留言咱們一起討論）。
巨量算數也提供了關聯分析和用戶畫像，接上面的分析，對于同一個行業關鍵詞，頭條和抖音呈現了較大的趨勢差異，也同樣存在著較大的關聯度差異。
這是頭條關于社區團購的相關度排名：
這是抖音關于社區團購的相關度排名：
這里筆者就不展開分析了，感興趣的朋友可以留言我們一起探討。
是的，搜索指數里面并沒有講百度指數（http://index.baidu.com/），大家可以自行對比分析多個搜索指數平臺的結果，相信一定會有意想不到的結果。
只要是行業就一定存在競爭，只要有競爭就一定會分個三六九等出來；特別在在toC的互聯網行業，APP是企業與用戶傳遞價值，提供服務最直接的橋梁，而APP的指數排名，也能最直觀的反應在特定行業中，各企業的排名情況。
不過考慮到國內情況特殊，APP指數我們也只能看個大概，對于數據的真實性要經過多方求證。
提到APP指數，就不得不提App Annie（https://www.appannie.com/），它是移動應用和數字內容時代數據分析和市場數據的行業的典型代表；我們用App Annie來研究一下社區團購行業目前用戶的真實選擇。
由于沒有社區團購這個應用分類，我們選擇跟社區團購比較相近的美食佳飲和購物分類，分別看看各家社區團購企業的APP下載量排名：
從美食佳飲分類當中可以看到叮咚買菜在當前時間位列前三，我們再查查叮咚買菜的最近融資情況：
近期才獲得一筆融資，筆者回想到在回家路上路過的一個小區，每天停滿了叮咚買菜的配送車，這些跡象是否說明叮咚買菜已經悄然占領了不少市場份額？值得思考。
這里要引出后面要分享的另一個行業分析方法，就是實際觀察法，通過實地觀察了解企業和行業發展情況；對的，就跟渾水通過實地觀察收集信息做空瑞幸用的方法差不多。
除了App Annie外，還有非常多優秀的APP指數平臺：
極光iAPP（https://www.jiguang.cn/iapp-corp），提供海量移動APP運營數據，助力企業主、投資者實現全方位對標分析，洞察行業機會。
蟬大師（https://www.chandashi.com/），可以免費使用的比較好的移動應用數據分析平臺，比較有特色的是排名飆升榜和排名下跌榜，還有新品發現等。
易觀千帆（https://qianfan.analysys.cn/），易觀做得比較好的地方在于詳盡的應用分類。
艾媒北極星（http://bjx.iimedia.cn/），從活躍人數維度進行的統計，典型的應用TOP榜單，不過好在可以自行提交收錄。
艾瑞APP指數（https://index.iresearch.com.cn/new/#/app），從獨立設備數、行業使用人數、行業有效時間占比多個維度進行統計。
筆者再拋個坑，如果大家對于這類工具感興趣的話可以留意，我們后期專門寫一篇各類指數工具的對比。
寫到的這里，大家以為行業分析的信息搜集方法就到這兒了么，no no no，筆者要分享的干貨還不只這點兒，咱們先消化一下；下期咱們繼續肝行業信息搜集方法，筆者會跟大家聊聊通過企業財報、行業媒體、人物訪談和實地觀察做行業信息搜集。
回看前兩篇通過知識引擎、企業數據庫、投融資數據庫搜集行業信息的方法，咱們下一篇接著聊。
魚老豆（微信號公眾號魚老豆），高級產品經理，8年互聯網產品設計經驗，主導過多款千萬級用戶產品的設計和操盤，BC端產品設計經驗豐富，喜歡研究設計、運營和商業模式的全棧型產品經理。
本文由@yulaodou 原創發布于人人都是產品經理，未經許可，不得轉載。
題圖來自Unsplash，基于CC0協議。
處 | 前端之巔|
最近前端屆多端框架頻出，相信很多有代碼多端運行需求的開發者都會產生一些疑惑：這些框架都有什么優缺點？到底應該用哪個？
作為 Taro 開發團隊一員，筆者想在本文盡量站在一個客觀公正的角度去評價各個框架的選型和優劣。但宥于利益相關，本文的觀點很可能是帶有偏向性的，大家可以帶著批判的眼光去看待，權當拋磚引玉。
那么，當我們在討論多端框架時，我們在談論什么：
筆者以為，現在流行的多端框架可以大致分為三類：
1. 全包型
這類框架最大的特點就是從底層的渲染引擎、布局引擎，到中層的 DSL，再到上層的框架全部由自己開發，代表框架是 Qt 和 Flutter。這類框架優點非常明顯：性能（的上限）高；各平臺渲染結果一致。缺點也非常明顯：需要完全重新學習 DSL（QML/Dart），以及難以適配中國特色的端：小程序。
這類框架是最原始也是最純正的的多端開發框架，由于底層到上層每個環節都掌握在自己手里，也能最大可能地去保證開發和跨端體驗一致。但它們的框架研發成本巨大，渲染引擎、布局引擎、DSL、上層框架每個部分都需要大量人力開發維護。
2. Web 技術型
這類框架把 Web 技術（JavaScript，CSS）帶到移動開發中，自研布局引擎處理 CSS，使用 JavaScript 寫業務邏輯，使用流行的前端框架作為 DSL，各端分別使用各自的原生組件渲染。代表框架是 React Native 和 Weex，這樣做的優點有：
缺點有：
1. 交互復雜時難以寫出高性能的代碼，這類框架的設計就必然導致 JS 和 Native 之間需要通信，類似于手勢操作這樣頻繁地觸發通信就很可能使得 UI 無法在 16ms 內及時繪制。React Native 有一些聲明式的組件可以避免這個問題，但聲明式的寫法很難滿足復雜交互的需求。
2. 由于沒有渲染引擎，使用各端的原生組件渲染，相同代碼渲染的一致性沒有第一種高。
3. JavaScript 編譯型
這類框架就是我們這篇文章的主角們：Taro、WePY 、uni-app 、 mpvue 、 chameleon，它們的原理也都大同小異：先以 JavaScript 作為基礎選定一個 DSL 框架，以這個 DSL 框架為標準在各端分別編譯為不同的代碼，各端分別有一個運行時框架或兼容組件庫保證代碼正確運行。
這類框架最大優點和創造的最大原因就是小程序，因為第一第二種框架其實除了可以跨系統平臺之外，也都能編譯運行在瀏覽器中。(Qt 有 Qt for WebAssembly, Flutter 有 Hummingbird，React Native 有 react-native-web, Weex 原生支持)
另外一個優點是在移動端一般會編譯到 React Native/Weex，所以它們也都擁有 Web 技術型框架的優點。這看起來很美好，但實際上 React Native/Weex 的缺點編譯型框架也無法避免。除此之外，編譯型框架的抽象也不是免費的：當 bug 出現時，問題的根源可能出在運行時、編譯時、組件庫以及三者依賴的庫等等各個方面。在 Taro 開源的過程中，我們就遇到過 Babel 的 bug，React Native 的 bug，JavaScript 引擎的 bug，當然也少不了 Taro 本身的 bug。相信其它原理相同的框架也無法避免這一問題。
但這并不意味著這類為了小程序而設計的多端框架就都不堪大用。首先現在各巨頭超級 App 的小程序百花齊放，框架會為了抹平小程序做了許多工作，這些工作在大部分情況下是不需要開發者關心的。其次是許多業務類型并不需要復雜的邏輯和交互，沒那么容易觸發到框架底層依賴的 bug。
那么當你的業務適合選擇編譯型框架時，在筆者看來首先要考慮的就是選擇 DSL 的起點。因為有多端需求業務通常都希望能快速開發，一個能夠快速適應團隊開發節奏的 DSL 就至關重要。不管是 React 還是 Vue（或者類 Vue）都有它們的優缺點，大家可以根據團隊技術棧和偏好自行選擇。
如果不管什么 DSL 都能接受，那就可以進入下一個環節。
以下內容均以各框架現在（2019 年 3 月 11 日）已發布穩定版為標準進行討論。
開發工具
就開發工具而言 uni-app 應該是一騎絕塵，它的文檔內容最為翔實豐富，還自帶了 IDE 圖形化開發工具，鼠標點點點就能編譯測試發布。
其它的框架都是使用 CLI 命令行工具，但值得注意的是 chameleon 有獨立的語法檢查工具，Taro 則單獨寫了 ESLint 規則和規則集。
在語法支持方面，mpvue、uni-app、Taro 、WePY 均支持 TypeScript，四者也都能通過 typing 實現編輯器自動補全。除了 API 補全之外，得益于 TypeScript 對于 JSX 的良好支持，Taro 也能對組件進行自動補全。
CSS 方面，所有框架均支持 SASS、LESS、Stylus，Taro 則多一個 CSS Modules 的支持。
所以這一輪比拼的結果應該是：
uni-app > Taro > chameleon > WePY、mpvue
多端支持度
只從支持端的數量來看，Taro 和 uni-app 以六端略微領先（移動端、H5、微信小程序、百度小程序、支付寶小程序、頭條小程序），chameleon 少了頭條小程序緊隨其后。
但值得一提的是 chameleon 有一套自研多態協議，編寫多端代碼的體驗會好許多，可以說是一個能戳到多端開發痛點的功能。uni-app 則有一套獨立的條件編譯語法，這套語法能同時作用于 js、樣式和模板文件。Taro 可以在業務邏輯中根據環境變量使用條件編譯，也可以直接使用條件編譯文件（類似 React Native 的方式）。
在移動端方面，uni-app 基于 weex 定制了一套 nvue 方案 彌補 weex API 的不足；Taro 則是暫時基于 expo 達到同樣的效果；chameleon 在移動端則有一套 SDK 配合多端協議與原生語言通信。
H5 方面，chameleon 同樣是由多態協議實現支持，uni-app 和 Taro 則是都在 H5 實現了一套兼容的組件庫和 API。
mpvue 和 WePY 都提供了轉換各端小程序的功能，但都沒有 h5 和移動端的支持。
所以最后一輪對比的結果是：
chameleon > Taro、uni-app > mpvue > WePY
組件庫 / 工具庫 /demo
作為開源時間最長的框架，WePY 不管從 Demo，組件庫數量 ，工具庫來看都占有一定優勢。
uni-app 則有自己的插件市場和 UI 庫，如果算上收費的框架和插件比起 WePy 也是完全不遑多讓的。
Taro 也有官方維護的跨端 UI 庫 taro-ui ，另外在狀態管理工具上也有非常豐富的選擇（Redux、MobX、dva），但 demo 的數量不如前兩個。但 Taro 有一個轉換微信小程序代碼為 Taro 代碼的工具，可以彌補這一問題。
而 mpvue 沒有官方維護的 UI 庫，chameleon 第三方的 demo 和工具庫也還基本沒有。
所以這輪的排序是：
WePY > uni-app 、taro > mpvue > chameleon
接入成本
接入成本有兩個方面：
第一是框架接入原有微信小程序生態。由于目前微信小程序已呈一家獨大之勢，開源的組件和庫（例如 wxparse、echart、zan-ui 等）多是基于原生微信小程序框架語法寫成的。目前看來 uni-app 、Taro、mpvue 均有文檔或 demo 在框架中直接使用原生小程序組件 / 庫，WePY 由于運行機制的問題，很多情況需要小改一下目標庫的源碼，chameleon 則是提供了一個按步驟大改目標庫源碼的遷移方式。
第二是原有微信小程序項目部分接入框架重構。在這個方面 Taro 在京東購物小程序上進行了大膽的實踐，具體可以查看文章《Taro 在京東購物小程序上的實踐》。其它框架則沒有提到相關內容。
而對于兩種接入方式 Taro 都提供了 taro convert 功能，既可以將原有微信小程序項目轉換為 Taro 多端代碼，也可以將微信小程序生態的組件轉換為 Taro 組件。
所以這輪的排序是：
Taro > mpvue 、 uni-app > WePY > chameleon
流行度
從 GitHub 的 star 來看，mpvue 、Taro、WePY 的差距非常小。從 NPM 和 CNPM 的 CLI 工具下載量來看，是 Taro（3k/week）> mpvue (2k/w) > WePY (1k/w)。但發布時間也剛好反過來。筆者估計三家的流行程度和案例都差不太多。
uni-app 則號稱有上萬案例，但不像其它框架一樣有一些大廠應用案例。另外從開發者的數量來看也是 uni-app 領先，它擁有 20+ 個 QQ 交流群（最大人數 2000）。
所以從流行程度來看應該是：
uni-app > Taro、WePY、mpvue > chameleon
開源建設
一個開源作品能走多遠是由框架維護團隊和第三方開發者共同決定的。雖然開源建設不能具體地量化，但依然是衡量一個框架 / 庫生命力的非常重要的標準。
從第三方貢獻者數量來看，Taro 在這一方面領先，并且 Taro 的一些核心包 / 功能（MobX、CSS Modules、alias）也是由第三方開發者貢獻的。除此之外，騰訊開源的 omi 框架小程序部分也是基于 Taro 完成的。
WePY 在騰訊開源計劃的加持下在這一方面也有不錯的表現；mpvue 由于停滯開發了很久就比較落后了；可能是產品策略的原因，uni-app 在開源建設上并不熱心，甚至有些部分代碼都沒有開源；chameleon 剛剛開源不久，但它的代碼和測試用例都非常規范，以后或許會有不錯的表現。
那么這一輪的對比結果是：
Taro > WePY > mpvue > chameleon > uni-app
最后補一個總的生態對比圖表：
從各框架已經公布的規劃來看：
WePY 已經發布了 v2.0.alpha 版本，雖然沒有公開的文檔可以查閱到 2.0 版本有什么新功能 / 特性，但據其作者介紹，WePY 2.0 會放大招，是一個「對得起開發者」的版本。筆者也非常期待 2.0 正式發布后 WePY 的表現。
mpvue 已經發布了 2.0 的版本，主要是更新了其它端小程序的支持。但從代碼提交， issue 的回復 / 解決率來看，mpvue 要想在未來有作為首先要打消社區對于 mpvue 不管不顧不更新的質疑。
uni-app 已經在生態上建設得很好了，應該會在此基礎之上繼續穩步發展。如果 uni-app 能加強開源開放，再加強與大廠的合作，相信未來還能更上一層樓。
chameleon 的規劃比較宏大，雖然是最后發的框架，但已經在規劃或正在實現的功能有：
如果 chameleon 把這些功能都做出來的話，再繼續完善生態，爭取更多第三方開發者，那么在未來 chameleon 將大有可為。
Taro 的未來也一樣值得憧憬。Taro 即將要發布的 1.3 版本就會支持以下功能：
同時 Taro 也正在對移動端進行大規模重構；開發圖形化開發工具；開發組件 / 物料平臺以及圖形化頁面搭建工具。
那說了那么多，到底用哪個呢？
如果不介意嘗鮮和學習 DSL 的話，完全可以嘗試 WePY 2.0 和 chameleon ，一個是醞釀了很久的 2.0 全新升級，一個有專門針對多端開發的多態協議。
uni-app 和 Taro 相比起來就更像是「水桶型」框架，從工具、UI 庫，開發體驗、多端支持等各方面來看都沒有明顯的短板。而 mpvue 由于開發一度停滯，現在看來各個方面都不如在小程序端基于它的 uni-app 。
當然，Talk is cheap。如果對這個話題有更多興趣的同學可以去 GitHub 另行研究，有空看代碼，沒空看提交：
數據、概率統計算法、計算資源的成熟推動了AI的收獲季，這份百強榜單既有市場開拓者，也有后深度學習時代的探索者。
畢馬威剛剛發布的2016年第四季度風投報告顯示，中國在這期間又一次創下風投紀錄新高，人工智能成為了投資者一個新的關注點。是的，資本寒冬也沒能阻擋AI的朝氣勃發。
中國科學院院士張鈸認為，現在是人工智能收獲的季節，這個收獲主要基于三樣東西——大數據、概率統計算法、計算資源，所有的深度學習都在消費這三件東西，這三個資源基本上都是無限的。通過消費這三個資源，我們可以做出很多成果。
本期的智能內參，我們推薦來自CB Insight的人工智能百大創業新銳盤點，如果想收藏本文的報告全文，可以在智東西（公眾號：zhidxcom）回復關鍵詞“nc121”下載。
以下為智能內參整理呈現的干貨：
CB Insight本次排名的考慮因素主要有四點
1、動態：包括新聞、敏銳度、人事、社交媒體、網絡流量、合作等。
2、市場：包括經費、交易量、撤資、人事等。
3、資本：包括金融估值、公司總額等。
4、投資者：通過重量級的投資者來判斷投資回報、投資組合質量等。
以下是CB Insight整理出的百大AI創業公司
公司地址：affectiva.com
Affectiva是從麻省理工媒體實驗室出來的創業公司，是情感AI方面的先鋒。
Affectiva的技術基礎在于計算機視覺、深度學習和全球最大的面孔分析數據庫，包括75個國家的480萬個樣本。其主要應用是把情感和數字世界聯系起來，利用情感識別技術實現人性化的人機交互，幫助SDK和API開發者在自己的應用程序、游戲設備和數字體驗中添加情緒感知功能。
目前，有三分之一的全球財富百強使用Affectiva，總客戶超過1400家，應用于在線教育、醫療保健、游戲、機器人、媒體和廣告、市場研究、汽車零售、人力資源、培訓和指導、視頻通信、經驗設計和可穿戴設備等。
公司地址：aimotive.com
AImotive目前有著五大軟件產品，開發了一個完整的全自動無人駕駛軟件套裝。AImotive設計的嵌入式汽車神經網絡IP解決方案能夠幫助優化現有的硬件加速器，提供功率高效、高性能的AI軟件套件。
AImotive的算法主要依賴于基于攝像機的傳感器數據，實現任務的目標識別、分類、本地化和決策、路線規劃、車輛控制，提供適配現有車型的可伸縮的解決方案。其軟件引擎組建借助于廣泛的數據包營造模擬環境進行訓練和校準。
公司地址：aigorithmia.com
Algorithmia幫助軟件開發者、企業和研究人員創建、分配和市場化智能微服務。
Algorithmia提供兩個主要產品：名為Algorithmia.com的微服務市場平臺，和名為CODEX的智能算法模型。他們的理念在于AI不應受到算法語言或者技術棧的局限。CODEX可以組織服務共享，發現內部算法，并將防火墻之后的AI模型規模化。
目前，已經有超過30000的開發者在Algorithmia建立了2500多個微服務，并通過簡單的插件（REST API）將其集成到應用程序中去。
公司地址：alpha-sense.com
AlphaSense主要解決信息過載的問題，幫助（金融）專業人士進行數據瘦身和提供日常決策建議，避免信息遺漏和過時。
已經有一些平臺在提供相關內容檢索的功能，但沒有智能搜索功能。AlphaSense提供專業研究數據庫，包括特定語義的金融知識語言和相關性分析，以及隱藏片段信息。其數據庫涵蓋百萬量級的文件，包括公司文件和記錄、報告、新聞、新聞稿、華爾街研究和任何上傳內容。
公司地址：anki.com
Anki的主要功能是將AI個消費機器人嵌入到我們的日常生活中去。
Anki的主要產品是Anki Overdrive，其技術將視屏游戲和體育玩具結合起來。也就是說，用戶使用智能手機，就能在Anki上玩賽車游戲，并邀請好友共同挑戰。視頻游戲的應用程序是完全可定制的。
公司地址：appier.com
Appier是一家AI交叉技術公司，成員技能覆蓋AI、數據分析、分布式系統、市場營銷等，提供各類基于AI和深度學習的解決方案，他們來自谷歌、英特爾、雅虎、哈佛和斯坦福的AI小組。
Appier的總部設于臺北，目前為全球500多個品牌和機構提供服務。Appier業務遍布亞洲，在臺北、新加坡、東京、悉尼、胡志明、馬尼拉、香港、孟買、新德里、雅加達和首爾共設有11個辦公室。
公司地址：atomwise.com
Atomwise利用人工智能來研發新藥。
Atomwise建立了第一個基于結構的藥物設計的深層神經網絡，幫助研究人員應對慢性疾病、癌癥、突發性硬化、糖尿病、埃博拉、瘧疾、耐抗生素細菌等問題。其卷積神經網絡具有自主學習空間，能夠通過化學特性預測那些藥物分子式可能是有效的，并避免毒性問題。
目前，Atomwise每天都能分析數以百萬計的分子式，能比其他物理測試技術早幾個月，甚至幾年，找到治療方法。
公司地址：automat.com
Automat是第一款基于AI的對話式營銷平臺，使公司提供個性化的一對一客戶咨詢服務，且具有廣泛的適用性。
Automat的主要技術在于對話語言理解（Conversational Language Understanding），識別客戶咨詢內容，回應以品牌闡釋或產品介紹，是典型的對話服務型產品（Conversation as a Service platform）。
公司地址：ayasdi.com
Ayasdi的目標市場在于制造業，幫助全球企業利用AI和大數據提高生產力。
Ayasdi的技術基礎在于平臺自動化、機器學習、拓撲數據分析、知識簡化提取等，研發團隊來自于斯坦福大學計算數學組，目標客戶/合作伙伴是世界五百強、政府機構、研究機構等。
公司地址：babylonhealth.com
babylon提供基于智能手機或平板的私人健康服務。它能幫在幾分鐘內安排與醫生對話，提供健康建議、疾病檢測方法、醫療知識等。
公司地址：benevolent.ai
BenevolentAI的功能是利用深度學習技術對復雜的科學信息分析、合成并簡化。
全球科研成果正以每30秒10000多篇的速度發表，人類幾乎不可能獨立進行信息處理。BenevolentAI能夠對這些信息進行結構化，構建動態的知識庫。BenevolentAI的第一個應用在于生物科學領域，加速了藥物的發現。此外，BenevolentAI在獸醫學、營養學、材料科學等領域有所拓展。
公司地址：bloomreach.com
BloomReach是一個為客戶提供經驗和業務轉化的個性化平臺，是大數據技術的一個應用拓展。BloomReach的個性化平臺涵蓋數據集、路徑、出版物等各方面，集成后為客戶發送定制化的服務。
公司地址：bluerivert.com
Blue River Technology的目標市場在于農業機器人。公司利用計算機視覺和機器人建立精確測量、實時回饋，大大減少化學劑和營養劑的實用，整合了傳統農業經驗和機器學習技術。
公司地址：bons.ai
Bonsai是一家軟件開發平臺，幫助開發者建立、學習智能模型，技術團隊來自伯克利，獲得了NEA的投資。Bonsai能夠內部運行簡易、抽象的算法，讓開發者更專注于重要的關鍵結構。它的理念是幫助開發者更快，更高效的組織軟硬件產品，共享概念和經驗。
公司地址：capeanalytics.com
Cape Analytics的理念是突破信息在人工環境上的局限性，利用AI來自動、快捷的獲取地理空間意向的相關數據。Cape Analytics的技術背景也是計算機視覺，并能夠瞬間建模，數據可以幫助保險公司建立財產利益相關者關系網，提供即時、準確、細節化的財產評估。
公司地址：Captricity.com
Captricity是一家安全云軟件平臺，將手寫內容轉化為數據，精確度超過99%，可用于保險、醫療、政府和非營利組織。Captricity的云解決方案功能是通過深度學習技術實現的，提取源文件，如掃面文件、傳真、郵件、電話中心、網頁表單等，自動鏈接到后端系統，減免手工數據輸入過程。
公司地址：chorus.ai
Chorus.ai利用銷售員和客服數據，解決客戶關系管理問題，幫助團隊決策。
公司地址：chronocam.com
chronocam開發仿生和自適應方法視覺傳感，用于自動駕駛車輛，連接設備、安全和監視系統，實現的速度、動態范圍、視頻壓縮和傳感器水平功率效率等具有優勢。
公司地址：citrine.io
Citrine有著世界上最大的材料存儲庫平臺，數據來源于公共和私人，基于該數據庫建立的AI軟件可以幫助更有效的發現、優化、生產和部署材料，提高客戶的研發制造工作。Citrine Informatics為依賴尖端材料的競爭行業服務，包括汽車、航空航天、消費產品、電池、電子產品等。
公司地址：claralabs.com
Clara Labs主要應用于個人工作行程規劃，比如從郵件內容中提取會議安排，發送日歷邀請等。Clara Labs能夠幫助全球數以百計的團隊，從主管到銷售，節省數以千計的反復性工作。
公司地址：clarifai.com
Clarifai是一個人工智能公司，擅長視覺識別，贏得了ImageNet 2013比賽，創建了高效的智能應用程序。
公司地址：cloudmedxhealth.com
CloudMedx 建立了臨床人工智能平臺,將規模和簡單向醫療brain-inspired臨床的應用算法。他們的自然語言處理利用豐富的醫療數據深入了解每個病人的風險，進行更高效的護理，CloudMedx 結合機器學習的力量和大數據分析生成實時健康見解，節約了多達90%的醫療成本。
公司地址：cognitivescale.com
CognitiveScale的智能軟件服務于醫療、商業、金融等市場。該公司產品Eengage和Amplify幫助客戶實現更好的交流，提供給決策建議，并具備自我學習、自我驗證的功能。
目前，CognitiveScale已經成功在世界五百強企業形成戰略部署，擁有大量的出版物和技術支持，與IBM、微軟、德勤等公司均有合作，創始人就是從IBM沃森研究組、Oracle和Salesforce出來的。CognitiveScale的總部設于德克薩斯州奧斯汀，在英國和印度都設有辦事處，投資者包括Norwest Ventures、Intel Capital、IBM沃森、Microsoft Ventures。
公司地址：contextrelevant.com
Context Relevant是一家基于機器學習技術的自動化數據科學平臺，同比有著更快更有效的解決方案。
Context Relevant的機器學習平臺采用最好的開源框架，即Hadoop、Spark，并將他們于自動化數據科學引擎和應用程序環境相結合，能夠建立完整的、面向生產的平臺，快速建模、測試、整合數據，進行預測。
公司地址：cortical.io
Cortical.ioi提供基于文本數據的自然語言理解解決方案，技術靈感來自于大腦皮層處理方式。
Cortical.io的Retina引擎可以將語言轉化為語義，作為數據進行重組、計算，有效過濾非結構化的文本數據，轉化方言、術語，降低自然語言理解成本。公司于2011年建立于奧地利維也納，并擁有Numenta的網頁技術一般許可證。
公司地址：crowdflower.com
CrowdFlower是數據科學研究團隊中包含人類交互環節（human-in-the-loop）的典型代表。
CrowdFlower能夠幫助客戶生成高質量的數據訓練定制化的機器學習算法，或自動化的業務過程建模，以及包含人類員工的工作流部署。其應用案例包括自動駕駛、智能個人助理、內容分類、醫學圖像標簽、內容分類、客戶分類、社交數據洞察力、CRM數據濃縮、產品分類, 相關性搜索等。
CrowdFlower的總部設于舊金山，拿到了Canvas Venture Fund、Trinity Ventures和Microsoft Ventures的風投。
公司地址：cylance.com
Cylance是一家網絡安全服務公司，由前邁克菲CTO Stuart McClure和前邁克菲首席科學家Ryan Permeh創立。Cylance的產品CylancePROTECT?是世界上第一個基于AI和機器學習的反病毒軟件，被SC雜志評為2015年最佳新技術（Best Emerging Technology）。
公司地址：darktrace.com
Darktrace是一家網絡安全防御公司，創始人來自劍橋，被Info Security Products Guide 2016評為年度最佳安全公司。Darktrace的關鍵技術就是不規則簽名，即利用獨特的設備“生活模式”（使用偏好歷史），維護客戶網絡安全，應對突變性威脅。
公司地址：dataminr.com
Dataminr是一家實時性的基于社交媒體的軟件服務公司，其算法可以通過公開數據集，進行突發新聞消息提醒，幫助全球各地金融和通訊專家根據數據展開分析，聯動全球企業、金融機構、新聞媒體、公共部門等。
公司地址：datarobot.com
DataRobot提供自動化的機器學習建模解決方案。這個平臺能讓用戶更快，更準確的進行業務決策，成為業務分析師或者數據科學家的小幫手。DataRobot整合了大量的開源平臺，包括 R、Python、SparkML、H2O、Tensorflow等，提供算法組和、預處理步驟、參數調優等。
公司地址：deepgenomics.com
Deep Genomics建立與2015年，是一家基因算法公司，目標在于診斷、治療、了解疾病，其技術難點在于將基因特征和生理表現聯系起來。Deep Genomics的研發團隊包括深度學習和基因組生物學領域的專家，他們想要建立一個能夠自我學習自我優化的算法，預測DNA的變化及其對生理現象的影響，從而尋求疾病治療方案。
公司地址：deepinstinct.com
Deep Instinct是一家將深度學習利用到網絡安全的公司。Deep Instinct通過不停的監測威脅算法，它將能預測網絡威脅，實時檢測并阻止攻擊，其功能是跨組織、跨服務器、跨設備的，能從數據源學習保護任何平臺、操作系統的方案。
公司地址：deepgram.com
Deepgram利用深度學習記錄商業數據并進行分析，從而預測生產、客戶滿意度、凈推薦值、轉化，并實現相關性搜索等。
公司地址：descarteslabs.com
Descartes Labs成立于2014年，是一家墨西哥科學預測公司，創始成員來自洛斯阿拉莫斯國家實驗室。Descartes Labs的機器學習平臺適用于衛星圖像這類的大數據集，在農業上能幫助預測玉米、土豆產量，主要關注戶田拓夫預測問題。
公司地址：digitalreasoning.com
Digital Reasoning是一家認知計算平臺，其主要產品Synthesys?可以處理結構化或非結構化的數據，優化軟件與人類的溝通，應用于大型企業和政府部門的監督和控制。
Synthesys可以實用自然語言處理語義分析和機器學習于人類交流，獲得上下文關聯性，適應不用的語境和知識領域，并不斷提高準確性。Synthesys的數字推理可以服務于金融解決方案、情報、國防、衛生保健組織等。
公司地址：digitalgenius.com
DigitalGenius是一家基于深度學習和人工情報的企業服務系統，能夠進行客戶服務信息預測和自動填充，自動回復客戶問題（包括電子郵件、即時聊天、社交媒體、移動通訊和短信）。DigitalGenius目前已應用于創新者荷航荷蘭皇家航空公司、聯合利華和匯豐銀行。
公司地址：dispatch.ai
Dispatch提供智能化快遞服務，利用本地化平臺進行優先級路線規劃。Dispatch可以分析不同的交通工具能夠在該地攜帶的包裹數量，分析路況，實時通知行程，知會收貨人員。
公司地址：drawbridge.com
Drawbridge專業提供匿名數字身份，改變了品牌于消費者聯系的方式。其產品Drawbridge Connected Consumer Graph?已有超過十億的用戶，關聯設備超過30億，算法準確度達97.3%。品牌公司也可以通過Drawbridge針對性的投放廣告。
Drawbridge的總部位于硅谷，已經獲得了紅杉資本、Kleiner Perkins Caufield Byers、Northgate Capital的風投，并被評為美國過去兩年內增長最快的公司之一。
公司地址：drive.ai
Drive.ai提供交通路徑規劃，其產品主要包括傳感器、人機交互、深度學習軟件，面向自動駕駛設備，已在加州獲取路測授權。
公司地址：elitic.com
Elitic, Inc提供基于深度學習的醫療診斷解決方案，研究團隊包括多位知名數據科學家。Elitic的技術分析能夠用于大量非結構化的醫療數據，包括放射圖像、病理圖片、實驗室結果、基因組學、病例、電子健康記錄等。Elitic的目標是幫助醫生進行診斷，更及時，更準確的發現疾病。
公司地址：fido.ai
fido.ai提供自然語言處理解決方案，它會自動提取事實和觀點從文章、博客、社會媒體等等。
公司地址：freenome.com
Freenome構建軟件了解等離子體的變化隨著時間的推移游離DNA(cfDNA)模式，通過研究正常cfDNA 動力學行為辨別早期癌癥，比如前列腺癌、肺癌、大腸癌和乳腺癌等。
公司地址：gigster.com
Gigster是一家定制軟件服務公司。客戶聯系他們的產品經理，協商價格與產品要求。Gigster的創業團隊來自于IBM、世界銀行、空中客車公司廣場和萬事達，目前已獲得彭博和Y Combinator提供的1200萬美元融資。
公司地址：gradescope.com
Gradescope是基于AI的教育輔助軟件，幫助教師進行紙質考試或者作業分發，公正透明且富有個性化，能夠跟蹤學生的學習進展。比如，及時發現學生需要幫助的難題等。目前，Gradescope已被應用于全球200多個機構，造福超過1200萬學生。
公司地址：grokstyle.com
Grokstyle的可視化開發軟件可以即時搜索對象進行識別。他們的技術正在開發可以應用廣泛的室內設計、服裝搜索、房地產搜索、產品查詢、等公司的當前的重點是室內產品設計。GrokStyle的新功能幫助尋找消費者智能檢索所需的相關產品。
公司地址：h2o.ai
H2O集合了多家開源平臺，包括Python、Java、Scala、JSON等，進行數據分析，關鍵應用程序包括欺詐、反洗錢、審計、攪動、信用評分等。
公司地址：icarbonx.com
iCarbonX是一家健康數據分析公司，提供個性化的健康指數預測和保健指導。據稱，iCarbonX已與多家研究機構、制藥工廠、體檢中心、醫院、保險公司、健康管理公司合作。
公司地址：insidesales.com
InsideSales.com成立于2004年，是一家AI推動的銷售平臺，主要利用大數據、機器學習、預測分析、可行的應用程序層來解決銷售問題。InsideSales的客戶包括ADP、微軟和Groupon，被福布斯譽為百大增長最快的公司。
公司地址：kasisto.com
Kasisto將AI應用于銀行業，幫助交易和賬戶分析、個人財務管理等。Kasisto的聊天程序具有流暢的與人類交流的能力，即談話追蹤和自然語言理解能力。
公司地址：kensho.com
Kensho瞄準基于可伸縮分析架構的全球金融體系優化，目標客戶是投資專業人士。Kensho利用大規模的并行統計計算、用戶友好的可視化接口，根據非結構化數據工程進行實時的金融問題預測分析。
公司地址：kitt.ai
KITT.AI提供自然語言理解解決方案，已經拿到了艾倫研究所人工智能部、亞馬遜Alexa基金、Madrona Venture Group的支持。起可定制的檢測器hotword和引擎ChatFlow可用于創建基于文本或者聲音的設備或聊天程序。
公司地址：konux.com
KONUX的總部位于慕尼黑，是一家利用傳感器和AI算法生成實時的儀器狀態數據分析的公司。KONUX可以幫助運營商了解機器運行狀況，代替手動檢查方法，通知什么時候需要維修，減少故障率，降低維修成本。
公司地址：logz.io
Logz.io是一家日志分析平臺，創始人員來自以色列軍方算法工程師。Logz.io可以利用AI和深度學習找到關鍵事件，其云平臺建立的ELK棧提供實時數據訪問，是目前最受歡迎的日志分析軟件堆棧。
公司地址：loop.ai
Loop AI Labs的平臺Loop Q是一個認知平臺，應用于工業4.0。Loop Q利用基于GPU的硬件加速、學習能力、語境分析、語義理解等構建機器人自動化（Robotic Process Automation），該認知程序已被多名福布斯排名2000的客戶使用。
公司地址：lunit.io
Lunit是提供基于AI的視覺感知技術，解釋醫學圖像。Lunit的團隊在ImageNet 2015大規模視覺識別的挑戰 (ILSVRC)中一鳴驚人。Lunit已經利用AI實現胸部x光片的異常檢測、乳房x光檢查自動評分的乳房組織病理檢測，在腫瘤擴散評估挑戰（TUPAC 2016）中打敗微軟和IBM摘得桂冠。
公司地址：maluuba.com
Maluuba是一家加拿大的AI公司，主攻人機交互、自然語言理解等。他們的研究團隊致力于深度學習和強化學習，研究團隊來自蒙特利爾理工學院學習算法(米拉)和麥吉爾大學，公司總部位于蒙特利爾。
公司地址：mindmeld.com
MindMeld是一家加利福尼亞的AI公司，提供聲音或文本的自然語言理解應用程序。MindMeld允許專有的高級程度的功能內容域，甚至跨大域數十億排列的查詢。MindMeld的客戶和投資者包括谷歌、三星、優衣庫、Spotify、英特爾、西班牙電信、自由全球、IDG、 USAA、In-Q-Tel等。
公司地址：chumenwenwen.com/en/site/index.html
Mobvoi是提供基于AI的語音搜索技術，包括語音識別、自然語言理解、垂直搜索、主動搜索，是谷歌過去六年間首次直接投資的一家中國公司，自2012年底建立以來，已籌集了超過7500萬美元，估值3億美元。2014年末， Mobvoi還發布了智能手表TiWatch。
公司地址：mode.ai
mode.ai是一家利用計算機視覺和深度學習的移動商務消息傳遞平臺，主要產品類型是聊天機器人，主要業務面向零售商和出版商。
公司地址：nanit.com
Nanit是第一家針對孩子安全進行監控的AI公司，利用基于可穿戴產品的計算機視覺科技為父母提供孩子的睡眠指標。Nanit特制的嬰兒床可以幫助孩子熟悉自己的行為，監測孩子睡眠時的細微的變化。
公司地址：narrativescience.com
Narrative Science是一家自然語言理解企業，擅長數據可視化，識別和傳達，為客戶提供更高效的文字內容，釋放員工關注更高的價值，進行創新。
公司地址：nauto.com
Nauto為汽車提供設備、網絡、應用程序三個維度的升級。Nauto系統包括車載系統設備、視覺數據處理、智能安全的云和輔助駕駛。
公司地址：getnexar.com
Nexar成立于2015年，利用網絡記錄事故，幫助報警、保險索賠等。Nexar利用數以百萬計的數據包以及深度學習算法等技術提供數據服務，用于汽車、保險、測繪等。Nexar是伯克利深度駕駛協會（Berkeley DeepDrive Industry Consortium）的一員。
公司地址：numenta.com
Numenta致力于構建神經網絡框架，并已經創建了幾個HTM小樣。Numenta把他們的研究和軟件進行開源，鼓勵開發者的加入，創建開發者社區。
公司地址：numer.ai
Numerai是一家針對對沖基金的數據科學平臺，利用機器學習問題改變和調整財務數據。2015年12月,他們創造了世界上第一個加密數據科學比賽股票市場預測。此外，他們對杰出數據科學家進行比特幣獎勵。
公司地址：nutonomy.com
nuTonomy提供自動駕駛系統，公司創始人是兩位機器人和智能車輛技術專家，麻省理工的Drs. Karl Iagnemma和Emilio Frazzoli。nuTonomy自動駕駛系統提供點對點的移動，并可用于城市環境、遙控管理等，即將在波士頓進行路測。
公司地址：orbitalinsight.com
Orbital Insight大規模商業化分析衛星和無人機圖像，分析汽車、公路、飛機、云、陰霾、淡水湖泊、農田、建筑和儲油罐等宏觀圖像。
公司地址：paxata.com
Paxata是一個交互平臺，組織信息，提煉有價值的豐富數據。Paxata利用分布式計算、機器學習和動態視覺空間,促進透明的治理和特別協作。Paxata的數據可以用來編碼,腳本和取樣，其服務可由AWS虛擬私有云或在Hadoop環境獲取。
公司地址：persado.com
Persado是一家生成認知內容的平臺，為企業提供獨特的行業視角和資訊。Persado的“智能條目”能最大化客戶接觸，提供獨特的洞察特定觸發驅動行動。
公司地址：petuum.com
Petuum提供AI和機器學習應用程序，能夠有效減少計算消耗，集成不同格式的數據數字、文本、圖像、表格，包括結構化或非結構化的靜態的或流媒體數據、消費者檔案、電子健康記錄、物聯網設備的傳感器、金融系統日志和機器制造業設備。
公司地址：pilot.ai
Pilot AI Labs提供可靠的智能安全攝像機和自動駕駛，拓展應用程序優勢，創建嵌入式模塊。預計2017年， Pilot AI Labs的軟件將用于數以百萬計的設備。
公司地址：prospera.ag
Prospera將AI應用于農業自動化，優化勞動力、灌溉、施肥、溫室和噴灑等，利用實地氣候照相和傳感器提供準確的遠程農學和管理世界各地的農民解決方案。
公司地址：rapidminer.com
Rapidminer基于軟件，加速創建，并使其預測分析模型，嵌入到業務操作中去。其數據科學項目也應用于社區組織，幫助實現小成本的數據科學解決方案。
公司地址：retentionscience.com
Retention Science追蹤用戶的購買周期，消費習慣等。
公司地址：rokid.com
Rokid利用AI和深度學習創建智能家居產品，提供娛樂交互，做家務。Rokid不僅僅制造硬件，還強調個性化的軟件構建，識別家庭成員。
公司地址：rossintelligence.com
ROSS Intelligence主要提供解決方案和信息咨詢服務，并已經研發了自己的專有框架，上線了自家的法律AI咨詢。ROSS Intelligence與IBM、YC都有合作關系。
公司地址：scaledinference.com
Scaled Inference正致力于使新一代的智能軟件能夠由大眾構建，搭建一個開放的共享平臺。
公司地址：semanticmachines.com
Semantic Machines是一家私人持有的人工智能技術開發商，在加州伯克利和馬薩諸塞州波士頓設有辦事處。該公司獲得了由來自Bain Capital Ventures，General Catalyst和其他公司的2100萬美元風投，正在開發基礎性AI技術，教授計算機理解語言，理解語境和自然交互。 該公司計劃向戰略合作伙伴提供高度可定制的AI平臺技術。
公司地址：sentient.ai
Sentient的使命是接受企業的委托，告訴企業如何解決他們最復雜的關鍵問題。 Sentient的技術擁有進化和感知能力，將為客戶提供高度先進的解決方案，由專用于分布式人工智能的最大的計算機基礎設施提供支持。
公司地址：shift-technology.com
Shift Technology為保險公司提供旨在改進和擴大欺詐檢測的SaaS解決方案。該解決方案可在四個月內快速實施，與客戶現有的操作流程和技術環境無縫集成。
Shift Technology的數據科學家團隊創建了專門的算法，用于再現保險員的出保邏輯。其客戶端可以通過登錄易于閱讀的定制儀表板來查看結果，突出顯示最可疑的案例。每個聲明都標記有潛在的欺詐風險，并明確了解聲明的可疑部分。雖然有很多現有的欺詐檢測工具可以提供“在哪里”和“何時”但Shift幫助欺詐處理程序確定“為什么”和“如何”，并且不僅可以識別保單持有人，而且還可以識別專業騙保的團隊和“演員”。
公司地址：siftscience.com
Sift Science為全球的企業提供實時的機器學習欺詐預防解決方案。 他們的機器學習軟件自動學習和檢測欺詐行為模式，在他們或他們的客戶被欺騙之前發出提醒。 除此之外，該公司還推出了一組新產品，用于檢測和減少其他類型的欺詐和垃圾信息，包括帳戶、內容和促銷三方面。
公司地址：sightmachine.com
Sight Machine于2011年在美國密歇根成立，并于2012年擴展至灣區，融合了硅谷技術創新的精神與底特律制造傳統。 其團隊包括Slashdot的創始人以及早期雅虎，Palantir，特斯拉，思科，IBM，麥肯錫和蘋果的領導。
Sight Machine是制造分析領域的領導者，其產品被全球500強公司應用，以優化決策。Sight Machine的分析平臺專為物流和制造而設計，使用人工智能，機器學習和高級分析來幫助解決整個企業在質量和生產力方面面臨的關鍵挑戰。 該平臺提供“車間地板AI”，由業界唯一的Plant Digital Twin（專利申請）提供支持，可為企業中的每臺機器，線路和工廠提供實時可見性和可操作的自動化能力。
公司地址：sigopt.com
SigOpt是一家優化研究成果的平臺，成立于2014年。他們基于云的優化算法集合被證明能夠無縫應用，并在全球被保險，信用卡，算法交易和消費品包裝商品行業中的領導者使用。
SigOpt旨在使專家們更高效地工作。 聯合創始人斯科特·克拉克在康奈爾大學讀博時注意到，通常研究的最后階段總是一個領域專家調整他們通過試驗不斷犯下的錯誤。 完成博士后，Scott開發了MOE來解決這個問題，并用它來優化Yelp的機器學習模型和A / B測試，為每一個領域的每一個專家提供這項技術。
公司地址：skymind.io
Skymind是人工智能中的紅帽。它圍繞著名為Skymind情報層（SKIL）的開源庫的企業分布提供支持，培訓和服務。這些庫包括Deeplearning4j，最廣泛使用的Java深度學習工具;和科學計算庫ND4J，或用于Java的N維數組（Numpy for the JVM）。
在許多模式識別任務中，深度學習可以比肩乃至超越專家的準確性，Skymind將其應用于諸如欺詐檢測，網絡入侵檢測，硬件故障預測，流失預測，市場預測和圖像識別等既有的硬性業務問題。 Skymind的客戶主要在金融服務，電信，制造，醫療保健和零售等行業。 Skymind的開源軟件與其他的AI堆棧集成，使用Hadoop，Spark，Kafka和ElasticSearch等工具。 Skymind使用大型客戶端和云端一起運作，以確保數據的隱私和安全。
公司地址：snips.ai
Snips是一個SDK（Software Development Kit，軟件開發工具包），允許任何人在一行代碼中創建自己的AI助手。
其安全性和隱私都能得到保障，并且是第一個無需服務器就能在設備上完整運行的人工智能助手。該公司團隊中有41個人，包括18個從事機器學習的和14個工程方面的人才。公司所有創始人都是博士，領導層則由過去在隱私保護領域和移動領域的創業者組成。 SDK整合了深度學習功能，能夠進行自然語言處理。 它可在移動設備（iOS，Android）上使用; 服務器和桌面（Java，Scala，MacOS）和IoT（TvOS，WatchOS，Android Things）。
公司地址：sparkcognition.com
作為全球領先的認知計算分析公司，SparkCognition配備了尖端的機器學習和人工智能算法，以便及時發現趨勢，異常和網絡物理威脅，同時自動進行調查并提出物聯網和互聯網中的解決方案。
SparkCognition結合了各種來源的數據，應用機器學習構建自動化模型，并使用它們深入了解底層性能，可優化性和安全性。該公司的技術能夠利用實時的基礎設施數據并持續學習，制定更準確的風險應對和預防政策，以干預和避免災害。該公司的網絡安全解決方案分析結構化和非結構化數據和自然語言，以識別物聯網環境中的潛在故障或攻擊。其認知平臺可不斷從數據中學習，并獲得自動化的識別能力，阻止新出現的問題。
公司地址：talkiq.com
語音通話是企業最重要的數據。他們代表68％的客戶聯系，而電子郵件和面談只有21％。這是公司向客戶銷售產品和服務的主要形式。但是，這些最關鍵的數據，沒有被收集、分析并加以利用以促進業務。
TalkIQ為企業的電話建立了專有的語音識別和AI引擎，比Watson的表現準確2倍，比Google準確3倍。 TalkIQ使銷售和后勤團隊第一次采取科學的方法來理解和優化流程中的關鍵點，包括識別購買意圖，處理異議，回應競爭對手，定價，公關。基于此，公司能贏得更多的交易，獲得更多客戶，并改善他們的營銷和產品策略，以推動對他們最重要的KPI。
公司地址：talla.com
Talla成立于2015年，總部設在馬薩諸塞州的劍橋。Talla讓您有能力將您的聊天平臺變成您公司的指揮中心。
Talla整合了在消息系統（包括Slack）中管理信息工作所需的工具、流程和智能自動化形式。 使用Talla可以在聊天中啟用業務流程，如員工入職，新技能培訓，問詢以及自定義設置。 您將能夠為您的團隊提供和收集重要信息，保證每個人都獲取消息、參與工作、并貢獻了生產力。
公司地址：tamr.com
Tamr于2013年由數據庫行業資深人士Andy Palmer，Mike Stonebraker和Ihab Ilyas成立，提供清晰，有層次的數據，這對優化關鍵決策至關重要。
Tamr獨特的機器驅動+人工指導解決方案會自動收集和組織商業領域的數據（供應商，客戶，產品，交易），實現以前難以進行的的成本和收入分析。 Tamr與全球2000家公司如Amgen，GE，GlaxoSmithKline，Thomson Reuters和Toyota合作，幫助推動數據分析的轉型。
公司地址：textio.com
在你的內容發布之前， Textio就能夠預測它將引起的反響，這能夠讓您成為最好的作家。 Textio基于預測引擎技術，將機器學習和自然語言處理同客戶數據相結合。
其產物是學習過程的不斷循環，通過將人工智能與人類創造力相結合，每一次學習都讓它變得更加智能。 Textio的第一個重點是招聘和招聘的內容，如工作崗位和應聘者的電子郵件。 Textio會對你的寫作進行評分，并突出顯示最具統計意義的短語，然后提供清晰的指導以幫助你提高文本的可讀性。 案例研究表明，使用Textio的公司招聘到的求職者，其平均合格率要高24％，多樣化比競爭對手多12％，而使用Textio的應聘者，找到合適工作的時間則要快上17%。
公司地址：trifacta.com
Trifacta成立于2012年，通過使用戶能夠輕松地將原始的復雜數據轉換為清晰的格式進行分析，從而顯著提高企業大數據的價值。
利用人機交互，可擴展的數據管理和機器學習等方面數十年的工作經驗，Trifacta的技術創造了用戶和機器之間的伙伴關系，雙方相互學習，同時取得進步。 無論您是要提高現有分析流程的效率，還是利用新的數據源進行分析，Trifacta的數據重組解決方案都將使你能夠利用各種數據挖掘出更大的價值。
公司地址：twoxar.com
twoXAR是一家使用軟件進行藥物開發的公司。該公司利用其計算平臺來確定有希望的候選藥物，通過臨床預前研究降低風險，并通過行業合作伙伴將候選藥物推廣到臨床。
該平臺迄今已應用于80多種疾病。同時twoXAR也與領先的研究機構合作，包括斯坦福大學，芝加哥大學和Mt. 西奈醫院，twoXAR已經針對多個疾病發現了有前途的新藥物，如關節炎，多發性硬化癥和癌癥。
公司地址：ubtrobot.com
優必選是一家致力于在全球進行商業和消費機器人研發，制造和推廣的高科技企業。 中國第一家致力于將類人機器人商業化的公司，UBTECH于2008年投資人形機器人研究，并于2012年在中國深圳設立總部。
UBTECH的使命是將機器人帶入每個家庭，真正將智能機器人融入每個人的日常生活中，創造一種更加智能和人性化的休閑生活方式。UBTECH將通過持續不斷的研發投入來保持核心競爭力，并與頂級機器人工程團隊一起開發專用的機器人硬件和軟件技術。 他們還致力于在人形服務機器人行業擁有最核心的專利，包括發明專利，工業設計專利和實用專利。 UBTECH還將擁有自己的制造中心和供應鏈。
公司地址：verdigris.com
Verdigris是一個人工智能和物聯網平臺，旨在使建筑更智能，具有更廣泛的鏈接，同時降低能耗和建造成本。通過結合專有硬件傳感器，機器學習和軟件，Verdigris“學習”建筑物的能源模式。
他們的軟件生成綜合報告，包括能源預測，有關故障設備的警報，維護提醒，以及每個設備的詳細能耗信息。 Verdigris提供了一整套應用程序，為建筑工程師提供全局性的概覽，各設備的“效率賬單”，強大的報告和簡單的自動化工具。
公司地址：vicarious.co
Vicarious是一家人工智能研究公司，運用大腦的計算原理來編寫像人類一樣思考和學習的軟件。利用稱為遞歸皮層網絡的新計算范式，該公司開發了一種視覺感知系統，以類似于人類的方式解釋照片和視頻的內容。Vicarious的研究有望應用于機器人，醫學圖像分析，圖像和視頻搜索以及許多其他領域。
公司地址：voyagerlabs.co
Voyager Labs成立于2012年，開發了一項前所未有的核心技術，可從多個來源實時分析數十億個數據，從而了解和預測人類和其群體行為，并提供實時可操作的意見。該公司在紐約，華盛頓和倫敦設有辦事處，并在以色列設有研發中心，目前員工人數超過90人。
公司地址：x.ai
x.ai成立于2014年，位于紐約，其主要產品是人工智能個人助理。無需登錄，沒有密碼，沒有下載。，你要做的就是從與 amy@x.ai進行電子郵件對話，就像同你的個人助理交流一樣。
艾米（或她的雙胞胎安德魯，都是該公司的AI個人助理）會接管煩人的電子郵件，為你安排會議。 x.ai是一家核心技術公司，從事軟件層面的開發。 他們通過熱情的服務換回了極高的用戶粘度，快速拓展著自己的業務。 他們目前的投資者，包括IA Ventures，Firstmark，Two Sigma Ventures，SoftBank Capital，DCM和Pritzker Group。
公司地址：Zebra-med.com
Zebra Medical Vision正在建立一個醫學成像洞察平臺。 該公司提供一個平臺，提供基于云的完全托管的研究和開發環境，包括訪問結構化，未識別的研究，存儲，GPU計算能力的大數據集，并支持眾多研究工具。 該解決方案還使研究團隊能夠合作并創建共享工具。
公司地址：www.zoox.com
Zoox是一家由Tim Kentley-Klay和Jesse Levinson創立的機器技術公司。 他們正在開發無人駕駛車輛和將此技術推向市場的生態系統。 Zoox將機器人，機器學習和工業設計三者結合，旨在提供城市環境中的下一代出行服務。他們認為，向自動駕駛車輛的過渡需要結合有洞察力的遠見和不妥協的執行。
Zymergen是一家將人工智能應用于生物領域的技術公司。 Zymergen開發了一個專有的平臺，使用機器人和機器學習來更快，更可預測地、以從前無法實現的性能水平來研究對微生物的應用。
這些微生物及其產物在諸如化學品和材料，農業和醫療保健等行業中具有廣泛的應用。 Zymergen與這些行業的客戶合作，增加現有產品的盈利，更快地將產品推向市場，并開發全新的產品。
智東西認為，這些成功案例中，有非常多的大數據技術公司，利用AI進行數據壓縮、結構化，應用于醫療、金融、農業、銷售、網絡安全等；還有很多一部分，是物聯網，或者說自動駕駛軟件，即針對傳感器數據的處理；計算機視覺和自然語言處理，包括語音、文本識別，也是一大熱點；此外，還有少量的神經網絡架構、智能檢索公司。前兩種，是典型的技術轉化為產業，而后兩種，更像是科研的探索，以及后深度學習時代的先鋒。
下載提醒：如果想收藏本文的報告全文，可以在智東西（公眾號：zhidxcom）回復關鍵詞“nc121”下載。
權威數據·專業解讀 讀懂智能行業必看的報告
在智東西回復“智能內參”查看全部報告
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
