整合营销服务商
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
辑导语：如今我们想找一个企业的信息非常简单，在搜索引擎上进行搜索就可以获取很多信息；上篇《深入行业分析：行业信息搜集（上）》中，笔者介绍了行业信息收集中的搜索引擎和企业数据库；本文笔者继续介绍了行业信息搜集的一些方法，我们一起来看一下。
俗话说术业有专攻，做企业研究谁在厉害啊，当然是咨询公司了；基本上所有的咨询公司每年都会编写大量的分析报告，这些报告数据翔实，分析入理，具有很高的参考价值，拿来做为行业分析的资料再合适不过。
但咨询公司做咨询报告毕竟是属于商业行为，他们的做报告也要符合自身利益诉求，所以我们在看这些报告的时候就要对其真实性加以甄别，最好是找到不同咨询公司对同一行业的咨询报告来对比阅读
本着羊毛不薅白不薅的原则（就是穷），笔者就给大家介绍几个靠谱的可以免费看咨询报告的互联网咨询平台。
国内不可多得的良心咨询平台了，旗下的艾瑞网（https://www.iresearch.cn/）定位于新经济门户网站，为用户提供互联网数据资讯聚合平台。我们主要用到的就是它的报告服务。
艾瑞网会不定期的更新一些咨询报告，主要都是跟互联网行业相关，对于互联网产品经理来说具有很高的参考价值。
艾瑞报告支持按行业和发布时间进行筛选，并且支持搜索，不过很可惜，截止到笔者写这篇文章的时艾瑞还是没有上新关于社区团购的咨询报告；不过这一点大家也要理解，毕竟咨询公司也要靠做咨询报告赚钱的，越前沿的行业商业价值越大，必然是不可能很早就放咨询报告免费阅读的，确实有需要的话可以付费购买最新的咨询报告。
199IT（http://www.199it.com/）是国内非常著名的中文互联网数据资讯网，在这里可以找到大量TMT（Technology科技，Media媒体，Telecom通信）行业的咨询报告。
不同于艾瑞是专业的咨询企业自己写报告，199IT的咨询报告全部收集自互联网，所以报告会比较得全面，更新也较为及时；不过199IT最香的地方在于提供了搜索功能和细致的行业分类。
这里的官方研究报告特指政府以及对口部门出的研究报告，一般代表着比较权威官方的研究结果。
国研网（国务院发展研究中心信息网）（http://report.drcnet.com.cn/#/），是由国务院发展中心主导的文献、数据服务平台，其研究报告多集中在国家宏观层面，基本上要收费；但单份报告并不贵，产品经理在做BRD、MRD的时候引用这些报告，会比较有说服力。
行业的发展跟国情政策关联度非常高，除了研究行业本身，研究宏观政策对于行业发展的趋势判断也非常重要。
中国互联网协会（https://www.isc.org.cn/hyyj/fzbg/）这个是中国互联网标志性的政府报告，每年一份；不止产品经理，是所有互联网从业人士必看的一份报告。
其它行业协会的专项报告，比如中国电子商务协会报告（http://www.cecc.org.cn/newslist/hangyebaogao.html）。
如果你刚好是某个比较冷门的垂直行业从业者，那就需要多花点心思去找找有没有你们行业的咨询报告了，笔者分享几个垂直领域的咨询报告媒体：
以上只是各垂直领域的一些参考，并不全面。
除了上面提到的几家媒体提供行业报告，还有一些诸如Talkingdata数据报告（http://mi.talkingdata.com/reports.html）、极光行业洞察（https://www.jiguang.cn/reports）、Mob研究院（https://www.mob.com/mobdata/report?page=1）都能找到质量非常不错的行业报告。
但俗语说授人以鱼不如授人以渔，笔者就分享一些寻找行业报告的思路：
1）国家部门、行业协会的研究报告
比如上面提到的国研网（国务院发展研究中心信息网）、中国互联网协会提供的中国互联网发展报告。
2）咨询公司，包括传统的以及互联网的
好多传统老牌咨询公司都在中国开设了中国区官网，提供一些行业报告，比如麦肯锡中国，BCG大中华区，贝恩中国，埃森哲中国等。
立足于国内互联网平台的咨询媒体有艾瑞咨询（https://www.iresearch.com.cn/），艾媒咨询（https://www.iimedia.com.cn/consult.jsp），清科研究（https://www.pedata.cn/）等。
3）互联网数据服务平台
像199IT（http://www.199it.com/），前瞻网（https://www.qianzhan.com/）这类是属于综合性的数据服务平台，还有像专注电商领域的网经社（http://www.100ec.cn/），专注消费领域的CBNData第一财经商业（https://www.cbndata.com/）。
4）行业头部企业
怎么证明你是这个行业的头部企业呢，成立一个研究院，输出行业研究观点可能是非常有用的方法；这方面的代表如上面已经提到过的出行行业的百度地图彗眼行业报告，互联网金融行业的苏宁金融研究院，房产经济行业的贝壳研究院。
5）数据工具服务商
比如Talkingdata数据报告、极光行业洞察、Mob研究院他们本身都是做数据工具的，所以自然沉淀了很多数据，基于此再做出一些研究报告也是顺理成章的事。
6）报告分享网站
这是笔者分享的比较偏门的寻找行业报告的方法，大家使用时要多多甄别；这方面的代表有报告汇（https://www.vicsdf.com/），天天报告（http://51hangyebaogao.com/）等。
最后一个，也是老鱼平时用得比较多的偏门方法，那就是万能的淘宝，你懂的，自己研究下吧。
深入的行业分析，不仅要通过搜索引擎、企业数据库以及咨询报告对行业形成定性的认知，还要寻找到精准的数据作支撑，对行业形成定量的认识；比如这家企业好，到底有多好，收入是多少、利润率是多少？这个APP产品好，那下载量、全球排名、预估收入又是多少？要搞清楚这些问题，就需要借助专业的数据库帮忙。
对于一些新兴行业或者与民生息息相关的行业，国家的宏观政策直接影响了行业的兴衰，这方面的典型代表如新能源汽车。
国研网统计数据库（http://data.drcnet.com.cn/），提供了世界经济数据库、宏观经济数据库、区域经济数据库和重点行业数据库；但是大部分的数据需要收费查看，好在数据大而全，如果确有需要可以付费查看数据。
国研网特色数据库（http://www.drcnet.com.cn/www/int/），提供新兴产业和特色专题数据库，比如战略性新兴产业数据库、文化产业数据库等。
国家财政部数据库（http://www.mof.gov.cn/gkml/caizhengshuju/），如果你是金融行业的从业者，应该要多关注这个数据库，像政府债券、财政收支、国有企业经济运行情况都可以直接查到；笔者觉得国家公开这些数据，代表着国家治理透明度的提升，也是国家综合国力增强与国家自信增强的体现。
工信部数据（https://www.miit.gov.cn/gxsj/），工信部的数据跟互联网行业关系最为密切；这里不仅可以查看到一些新兴行业相关的数据，比如新能源汽车动力蓄电池回收服务网点信息；还提供了一些数据查询工具，比如互联网电子公告服务专项审批及备案查询、中国汽车能源消耗量查询；还提供很多互联网行业相关的数据简报，比如互联网、网络安全、软件业等，对于互联网行业的宏观研究能提供有力的数据支撑。
中国政府网公开数据（http://www.gov.cn/shuju/index.htm），这里提供了国家层面的宏观的统计数据，比如GDP、CPI、固定资产投资等；国家宏观数据隐含了非常多的信息，值得深入研究。
比如今年CPI指数明明一直在持续下降，但为什么我们感觉买东西却越来越贵呢？思考一下。
这里面还有个比有价值的服务叫数据说，它把非常有代表性的数据拎出来做成信息图，这里面的信息可不少，从这些宏观表征数据能发现行业的增长潜力；比如说我国快递年业务量首次突破800亿件，这意味着什么？快递行业一片红海还是有竞争机会？每年那么多快递包裹得产生多少包装垃圾，做快递包装的资源回收是否是一个可增长的产业？每年那么多快递在人与人之间流动，是不是一个超级营销平台？
有观念认为，国家崛起的秘密在于掌控了人与人之间联系的通道；想想大航海时代以黄金白银为代表的物质流通对于世界格局的重新塑造，二战后正式兴起的国际贸易，孕育了像UPS、DHL等国际物流巨头，它们的发展离不开背后快速崛起的国家体系支撑。
现在全球物流正从集装箱时代向包裹时代转变，我们每个人都可以方便的买到全球各个国家原装的进口商品，小物流企业的机会也会越来越多，那快递处理量最大和处理效率最高的中国是不是有重塑世界格局的可能？还满让人期待的！
地方政府的公开数据，比如成都市公共数据开放平台（http://www.cddata.gov.cn/oportal/index）；每个地方政府都会类似的政府公开数据，如果是聚焦于本地业务的行业，需要经常研究本地政府的公开数据。
拿成都市公共数据开放平台来说，不仅数据种类全，大部分数据可以申请免费使用，还提供了数据demo，数据库、excel表和API多种数据使用方法，做得非常好，聪明的产品经理是否能从中发现一些本地服务行业的机会呢？
当然，数据这么专业的领域，肯定是少不了专业的商业数据库的，不少的咨询公司都提供了商业数据库服务，向有数据需求和付费意愿的用户提供专业的数据服务。
拿艾媒数据中心（https://data.iimedia.cn/）举例，不仅提供了行业筛选和搜索，还提供了近几年的数据量，可导出图片或者excel表。
指数，本来是分析社会经济现象数量变化的一种重要统计方法，现如今，在互联网上也重新进行了诠释。
搜索指数能最直观的反应大众对于行业热度的关注和期望，我们还是拿社区团购举例，看一下最近30天大众对于它的关注程度。
首先是360趋势（https://trends.so.com/），可以看到12月13日后有个关注的小高潮，回想起那时候人民日报站出来评社区团购“互联网企业别总惦记几捆白菜、几斤水果的流量”；此评一出，立即引起了网民的高度关注。
360趋势还可以按地域、多达一年以上的时段提供筛选，还提供了需求分布分析，即关于社区团购关联度最高的话题都是什么。
用户画像提供了简单的性别分布和年龄分布：
我们再来看看基于的巨量算数（https://trendinsight.oceanengine.com/）：
同样可以发现12月13日有一波关注高潮，这是来自于头条的数据，我们把数据来源切成抖音，有意思的一幕出现了：
我们发现关注波峰提前了，这是不是意味直播平台上信息传播得更快？这就是通过搜索指数分析能发现的非常有意思的点，说不定这当中还能产生一些新的产品或服务出来（如果你也想到了，欢迎留言咱们一起讨论）。
巨量算数也提供了关联分析和用户画像，接上面的分析，对于同一个行业关键词，头条和抖音呈现了较大的趋势差异，也同样存在着较大的关联度差异。
这是头条关于社区团购的相关度排名：
这是抖音关于社区团购的相关度排名：
这里笔者就不展开分析了，感兴趣的朋友可以留言我们一起探讨。
是的，搜索指数里面并没有讲百度指数（http://index.baidu.com/），大家可以自行对比分析多个搜索指数平台的结果，相信一定会有意想不到的结果。
只要是行业就一定存在竞争，只要有竞争就一定会分个三六九等出来；特别在在toC的互联网行业，APP是企业与用户传递价值，提供服务最直接的桥梁，而APP的指数排名，也能最直观的反应在特定行业中，各企业的排名情况。
不过考虑到国内情况特殊，APP指数我们也只能看个大概，对于数据的真实性要经过多方求证。
提到APP指数，就不得不提App Annie（https://www.appannie.com/），它是移动应用和数字内容时代数据分析和市场数据的行业的典型代表；我们用App Annie来研究一下社区团购行业目前用户的真实选择。
由于没有社区团购这个应用分类，我们选择跟社区团购比较相近的美食佳饮和购物分类，分别看看各家社区团购企业的APP下载量排名：
从美食佳饮分类当中可以看到叮咚买菜在当前时间位列前三，我们再查查叮咚买菜的最近融资情况：
近期才获得一笔融资，笔者回想到在回家路上路过的一个小区，每天停满了叮咚买菜的配送车，这些迹象是否说明叮咚买菜已经悄然占领了不少市场份额？值得思考。
这里要引出后面要分享的另一个行业分析方法，就是实际观察法，通过实地观察了解企业和行业发展情况；对的，就跟浑水通过实地观察收集信息做空瑞幸用的方法差不多。
除了App Annie外，还有非常多优秀的APP指数平台：
极光iAPP（https://www.jiguang.cn/iapp-corp），提供海量移动APP运营数据，助力企业主、投资者实现全方位对标分析，洞察行业机会。
蝉大师（https://www.chandashi.com/），可以免费使用的比较好的移动应用数据分析平台，比较有特色的是排名飙升榜和排名下跌榜，还有新品发现等。
易观千帆（https://qianfan.analysys.cn/），易观做得比较好的地方在于详尽的应用分类。
艾媒北极星（http://bjx.iimedia.cn/），从活跃人数维度进行的统计，典型的应用TOP榜单，不过好在可以自行提交收录。
艾瑞APP指数（https://index.iresearch.com.cn/new/#/app），从独立设备数、行业使用人数、行业有效时间占比多个维度进行统计。
笔者再抛个坑，如果大家对于这类工具感兴趣的话可以留意，我们后期专门写一篇各类指数工具的对比。
写到的这里，大家以为行业分析的信息搜集方法就到这儿了么，no no no，笔者要分享的干货还不只这点儿，咱们先消化一下；下期咱们继续肝行业信息搜集方法，笔者会跟大家聊聊通过企业财报、行业媒体、人物访谈和实地观察做行业信息搜集。
回看前两篇通过知识引擎、企业数据库、投融资数据库搜集行业信息的方法，咱们下一篇接着聊。
鱼老豆（微信号公众号鱼老豆），高级产品经理，8年互联网产品设计经验，主导过多款千万级用户产品的设计和操盘，BC端产品设计经验丰富，喜欢研究设计、运营和商业模式的全栈型产品经理。
本文由@yulaodou 原创发布于人人都是产品经理，未经许可，不得转载。
题图来自Unsplash，基于CC0协议。
处 | 前端之巅|
最近前端届多端框架频出，相信很多有代码多端运行需求的开发者都会产生一些疑惑：这些框架都有什么优缺点？到底应该用哪个？
作为 Taro 开发团队一员，笔者想在本文尽量站在一个客观公正的角度去评价各个框架的选型和优劣。但宥于利益相关，本文的观点很可能是带有偏向性的，大家可以带着批判的眼光去看待，权当抛砖引玉。
那么，当我们在讨论多端框架时，我们在谈论什么：
笔者以为，现在流行的多端框架可以大致分为三类：
1. 全包型
这类框架最大的特点就是从底层的渲染引擎、布局引擎，到中层的 DSL，再到上层的框架全部由自己开发，代表框架是 Qt 和 Flutter。这类框架优点非常明显：性能（的上限）高；各平台渲染结果一致。缺点也非常明显：需要完全重新学习 DSL（QML/Dart），以及难以适配中国特色的端：小程序。
这类框架是最原始也是最纯正的的多端开发框架，由于底层到上层每个环节都掌握在自己手里，也能最大可能地去保证开发和跨端体验一致。但它们的框架研发成本巨大，渲染引擎、布局引擎、DSL、上层框架每个部分都需要大量人力开发维护。
2. Web 技术型
这类框架把 Web 技术（JavaScript，CSS）带到移动开发中，自研布局引擎处理 CSS，使用 JavaScript 写业务逻辑，使用流行的前端框架作为 DSL，各端分别使用各自的原生组件渲染。代表框架是 React Native 和 Weex，这样做的优点有：
缺点有：
1. 交互复杂时难以写出高性能的代码，这类框架的设计就必然导致 JS 和 Native 之间需要通信，类似于手势操作这样频繁地触发通信就很可能使得 UI 无法在 16ms 内及时绘制。React Native 有一些声明式的组件可以避免这个问题，但声明式的写法很难满足复杂交互的需求。
2. 由于没有渲染引擎，使用各端的原生组件渲染，相同代码渲染的一致性没有第一种高。
3. JavaScript 编译型
这类框架就是我们这篇文章的主角们：Taro、WePY 、uni-app 、 mpvue 、 chameleon，它们的原理也都大同小异：先以 JavaScript 作为基础选定一个 DSL 框架，以这个 DSL 框架为标准在各端分别编译为不同的代码，各端分别有一个运行时框架或兼容组件库保证代码正确运行。
这类框架最大优点和创造的最大原因就是小程序，因为第一第二种框架其实除了可以跨系统平台之外，也都能编译运行在浏览器中。(Qt 有 Qt for WebAssembly, Flutter 有 Hummingbird，React Native 有 react-native-web, Weex 原生支持)
另外一个优点是在移动端一般会编译到 React Native/Weex，所以它们也都拥有 Web 技术型框架的优点。这看起来很美好，但实际上 React Native/Weex 的缺点编译型框架也无法避免。除此之外，编译型框架的抽象也不是免费的：当 bug 出现时，问题的根源可能出在运行时、编译时、组件库以及三者依赖的库等等各个方面。在 Taro 开源的过程中，我们就遇到过 Babel 的 bug，React Native 的 bug，JavaScript 引擎的 bug，当然也少不了 Taro 本身的 bug。相信其它原理相同的框架也无法避免这一问题。
但这并不意味着这类为了小程序而设计的多端框架就都不堪大用。首先现在各巨头超级 App 的小程序百花齐放，框架会为了抹平小程序做了许多工作，这些工作在大部分情况下是不需要开发者关心的。其次是许多业务类型并不需要复杂的逻辑和交互，没那么容易触发到框架底层依赖的 bug。
那么当你的业务适合选择编译型框架时，在笔者看来首先要考虑的就是选择 DSL 的起点。因为有多端需求业务通常都希望能快速开发，一个能够快速适应团队开发节奏的 DSL 就至关重要。不管是 React 还是 Vue（或者类 Vue）都有它们的优缺点，大家可以根据团队技术栈和偏好自行选择。
如果不管什么 DSL 都能接受，那就可以进入下一个环节。
以下内容均以各框架现在（2019 年 3 月 11 日）已发布稳定版为标准进行讨论。
开发工具
就开发工具而言 uni-app 应该是一骑绝尘，它的文档内容最为翔实丰富，还自带了 IDE 图形化开发工具，鼠标点点点就能编译测试发布。
其它的框架都是使用 CLI 命令行工具，但值得注意的是 chameleon 有独立的语法检查工具，Taro 则单独写了 ESLint 规则和规则集。
在语法支持方面，mpvue、uni-app、Taro 、WePY 均支持 TypeScript，四者也都能通过 typing 实现编辑器自动补全。除了 API 补全之外，得益于 TypeScript 对于 JSX 的良好支持，Taro 也能对组件进行自动补全。
CSS 方面，所有框架均支持 SASS、LESS、Stylus，Taro 则多一个 CSS Modules 的支持。
所以这一轮比拼的结果应该是：
uni-app > Taro > chameleon > WePY、mpvue
多端支持度
只从支持端的数量来看，Taro 和 uni-app 以六端略微领先（移动端、H5、微信小程序、百度小程序、支付宝小程序、头条小程序），chameleon 少了头条小程序紧随其后。
但值得一提的是 chameleon 有一套自研多态协议，编写多端代码的体验会好许多，可以说是一个能戳到多端开发痛点的功能。uni-app 则有一套独立的条件编译语法，这套语法能同时作用于 js、样式和模板文件。Taro 可以在业务逻辑中根据环境变量使用条件编译，也可以直接使用条件编译文件（类似 React Native 的方式）。
在移动端方面，uni-app 基于 weex 定制了一套 nvue 方案 弥补 weex API 的不足；Taro 则是暂时基于 expo 达到同样的效果；chameleon 在移动端则有一套 SDK 配合多端协议与原生语言通信。
H5 方面，chameleon 同样是由多态协议实现支持，uni-app 和 Taro 则是都在 H5 实现了一套兼容的组件库和 API。
mpvue 和 WePY 都提供了转换各端小程序的功能，但都没有 h5 和移动端的支持。
所以最后一轮对比的结果是：
chameleon > Taro、uni-app > mpvue > WePY
组件库 / 工具库 /demo
作为开源时间最长的框架，WePY 不管从 Demo，组件库数量 ，工具库来看都占有一定优势。
uni-app 则有自己的插件市场和 UI 库，如果算上收费的框架和插件比起 WePy 也是完全不遑多让的。
Taro 也有官方维护的跨端 UI 库 taro-ui ，另外在状态管理工具上也有非常丰富的选择（Redux、MobX、dva），但 demo 的数量不如前两个。但 Taro 有一个转换微信小程序代码为 Taro 代码的工具，可以弥补这一问题。
而 mpvue 没有官方维护的 UI 库，chameleon 第三方的 demo 和工具库也还基本没有。
所以这轮的排序是：
WePY > uni-app 、taro > mpvue > chameleon
接入成本
接入成本有两个方面：
第一是框架接入原有微信小程序生态。由于目前微信小程序已呈一家独大之势，开源的组件和库（例如 wxparse、echart、zan-ui 等）多是基于原生微信小程序框架语法写成的。目前看来 uni-app 、Taro、mpvue 均有文档或 demo 在框架中直接使用原生小程序组件 / 库，WePY 由于运行机制的问题，很多情况需要小改一下目标库的源码，chameleon 则是提供了一个按步骤大改目标库源码的迁移方式。
第二是原有微信小程序项目部分接入框架重构。在这个方面 Taro 在京东购物小程序上进行了大胆的实践，具体可以查看文章《Taro 在京东购物小程序上的实践》。其它框架则没有提到相关内容。
而对于两种接入方式 Taro 都提供了 taro convert 功能，既可以将原有微信小程序项目转换为 Taro 多端代码，也可以将微信小程序生态的组件转换为 Taro 组件。
所以这轮的排序是：
Taro > mpvue 、 uni-app > WePY > chameleon
流行度
从 GitHub 的 star 来看，mpvue 、Taro、WePY 的差距非常小。从 NPM 和 CNPM 的 CLI 工具下载量来看，是 Taro（3k/week）> mpvue (2k/w) > WePY (1k/w)。但发布时间也刚好反过来。笔者估计三家的流行程度和案例都差不太多。
uni-app 则号称有上万案例，但不像其它框架一样有一些大厂应用案例。另外从开发者的数量来看也是 uni-app 领先，它拥有 20+ 个 QQ 交流群（最大人数 2000）。
所以从流行程度来看应该是：
uni-app > Taro、WePY、mpvue > chameleon
开源建设
一个开源作品能走多远是由框架维护团队和第三方开发者共同决定的。虽然开源建设不能具体地量化，但依然是衡量一个框架 / 库生命力的非常重要的标准。
从第三方贡献者数量来看，Taro 在这一方面领先，并且 Taro 的一些核心包 / 功能（MobX、CSS Modules、alias）也是由第三方开发者贡献的。除此之外，腾讯开源的 omi 框架小程序部分也是基于 Taro 完成的。
WePY 在腾讯开源计划的加持下在这一方面也有不错的表现；mpvue 由于停滞开发了很久就比较落后了；可能是产品策略的原因，uni-app 在开源建设上并不热心，甚至有些部分代码都没有开源；chameleon 刚刚开源不久，但它的代码和测试用例都非常规范，以后或许会有不错的表现。
那么这一轮的对比结果是：
Taro > WePY > mpvue > chameleon > uni-app
最后补一个总的生态对比图表：
从各框架已经公布的规划来看：
WePY 已经发布了 v2.0.alpha 版本，虽然没有公开的文档可以查阅到 2.0 版本有什么新功能 / 特性，但据其作者介绍，WePY 2.0 会放大招，是一个「对得起开发者」的版本。笔者也非常期待 2.0 正式发布后 WePY 的表现。
mpvue 已经发布了 2.0 的版本，主要是更新了其它端小程序的支持。但从代码提交， issue 的回复 / 解决率来看，mpvue 要想在未来有作为首先要打消社区对于 mpvue 不管不顾不更新的质疑。
uni-app 已经在生态上建设得很好了，应该会在此基础之上继续稳步发展。如果 uni-app 能加强开源开放，再加强与大厂的合作，相信未来还能更上一层楼。
chameleon 的规划比较宏大，虽然是最后发的框架，但已经在规划或正在实现的功能有：
如果 chameleon 把这些功能都做出来的话，再继续完善生态，争取更多第三方开发者，那么在未来 chameleon 将大有可为。
Taro 的未来也一样值得憧憬。Taro 即将要发布的 1.3 版本就会支持以下功能：
同时 Taro 也正在对移动端进行大规模重构；开发图形化开发工具；开发组件 / 物料平台以及图形化页面搭建工具。
那说了那么多，到底用哪个呢？
如果不介意尝鲜和学习 DSL 的话，完全可以尝试 WePY 2.0 和 chameleon ，一个是酝酿了很久的 2.0 全新升级，一个有专门针对多端开发的多态协议。
uni-app 和 Taro 相比起来就更像是「水桶型」框架，从工具、UI 库，开发体验、多端支持等各方面来看都没有明显的短板。而 mpvue 由于开发一度停滞，现在看来各个方面都不如在小程序端基于它的 uni-app 。
当然，Talk is cheap。如果对这个话题有更多兴趣的同学可以去 GitHub 另行研究，有空看代码，没空看提交：
数据、概率统计算法、计算资源的成熟推动了AI的收获季，这份百强榜单既有市场开拓者，也有后深度学习时代的探索者。
毕马威刚刚发布的2016年第四季度风投报告显示，中国在这期间又一次创下风投纪录新高，人工智能成为了投资者一个新的关注点。是的，资本寒冬也没能阻挡AI的朝气勃发。
中国科学院院士张钹认为，现在是人工智能收获的季节，这个收获主要基于三样东西——大数据、概率统计算法、计算资源，所有的深度学习都在消费这三件东西，这三个资源基本上都是无限的。通过消费这三个资源，我们可以做出很多成果。
本期的智能内参，我们推荐来自CB Insight的人工智能百大创业新锐盘点，如果想收藏本文的报告全文，可以在智东西（公众号：zhidxcom）回复关键词“nc121”下载。
以下为智能内参整理呈现的干货：
CB Insight本次排名的考虑因素主要有四点
1、动态：包括新闻、敏锐度、人事、社交媒体、网络流量、合作等。
2、市场：包括经费、交易量、撤资、人事等。
3、资本：包括金融估值、公司总额等。
4、投资者：通过重量级的投资者来判断投资回报、投资组合质量等。
以下是CB Insight整理出的百大AI创业公司
公司地址：affectiva.com
Affectiva是从麻省理工媒体实验室出来的创业公司，是情感AI方面的先锋。
Affectiva的技术基础在于计算机视觉、深度学习和全球最大的面孔分析数据库，包括75个国家的480万个样本。其主要应用是把情感和数字世界联系起来，利用情感识别技术实现人性化的人机交互，帮助SDK和API开发者在自己的应用程序、游戏设备和数字体验中添加情绪感知功能。
目前，有三分之一的全球财富百强使用Affectiva，总客户超过1400家，应用于在线教育、医疗保健、游戏、机器人、媒体和广告、市场研究、汽车零售、人力资源、培训和指导、视频通信、经验设计和可穿戴设备等。
公司地址：aimotive.com
AImotive目前有着五大软件产品，开发了一个完整的全自动无人驾驶软件套装。AImotive设计的嵌入式汽车神经网络IP解决方案能够帮助优化现有的硬件加速器，提供功率高效、高性能的AI软件套件。
AImotive的算法主要依赖于基于摄像机的传感器数据，实现任务的目标识别、分类、本地化和决策、路线规划、车辆控制，提供适配现有车型的可伸缩的解决方案。其软件引擎组建借助于广泛的数据包营造模拟环境进行训练和校准。
公司地址：aigorithmia.com
Algorithmia帮助软件开发者、企业和研究人员创建、分配和市场化智能微服务。
Algorithmia提供两个主要产品：名为Algorithmia.com的微服务市场平台，和名为CODEX的智能算法模型。他们的理念在于AI不应受到算法语言或者技术栈的局限。CODEX可以组织服务共享，发现内部算法，并将防火墙之后的AI模型规模化。
目前，已经有超过30000的开发者在Algorithmia建立了2500多个微服务，并通过简单的插件（REST API）将其集成到应用程序中去。
公司地址：alpha-sense.com
AlphaSense主要解决信息过载的问题，帮助（金融）专业人士进行数据瘦身和提供日常决策建议，避免信息遗漏和过时。
已经有一些平台在提供相关内容检索的功能，但没有智能搜索功能。AlphaSense提供专业研究数据库，包括特定语义的金融知识语言和相关性分析，以及隐藏片段信息。其数据库涵盖百万量级的文件，包括公司文件和记录、报告、新闻、新闻稿、华尔街研究和任何上传内容。
公司地址：anki.com
Anki的主要功能是将AI个消费机器人嵌入到我们的日常生活中去。
Anki的主要产品是Anki Overdrive，其技术将视屏游戏和体育玩具结合起来。也就是说，用户使用智能手机，就能在Anki上玩赛车游戏，并邀请好友共同挑战。视频游戏的应用程序是完全可定制的。
公司地址：appier.com
Appier是一家AI交叉技术公司，成员技能覆盖AI、数据分析、分布式系统、市场营销等，提供各类基于AI和深度学习的解决方案，他们来自谷歌、英特尔、雅虎、哈佛和斯坦福的AI小组。
Appier的总部设于台北，目前为全球500多个品牌和机构提供服务。Appier业务遍布亚洲，在台北、新加坡、东京、悉尼、胡志明、马尼拉、香港、孟买、新德里、雅加达和首尔共设有11个办公室。
公司地址：atomwise.com
Atomwise利用人工智能来研发新药。
Atomwise建立了第一个基于结构的药物设计的深层神经网络，帮助研究人员应对慢性疾病、癌症、突发性硬化、糖尿病、埃博拉、疟疾、耐抗生素细菌等问题。其卷积神经网络具有自主学习空间，能够通过化学特性预测那些药物分子式可能是有效的，并避免毒性问题。
目前，Atomwise每天都能分析数以百万计的分子式，能比其他物理测试技术早几个月，甚至几年，找到治疗方法。
公司地址：automat.com
Automat是第一款基于AI的对话式营销平台，使公司提供个性化的一对一客户咨询服务，且具有广泛的适用性。
Automat的主要技术在于对话语言理解（Conversational Language Understanding），识别客户咨询内容，回应以品牌阐释或产品介绍，是典型的对话服务型产品（Conversation as a Service platform）。
公司地址：ayasdi.com
Ayasdi的目标市场在于制造业，帮助全球企业利用AI和大数据提高生产力。
Ayasdi的技术基础在于平台自动化、机器学习、拓扑数据分析、知识简化提取等，研发团队来自于斯坦福大学计算数学组，目标客户/合作伙伴是世界五百强、政府机构、研究机构等。
公司地址：babylonhealth.com
babylon提供基于智能手机或平板的私人健康服务。它能帮在几分钟内安排与医生对话，提供健康建议、疾病检测方法、医疗知识等。
公司地址：benevolent.ai
BenevolentAI的功能是利用深度学习技术对复杂的科学信息分析、合成并简化。
全球科研成果正以每30秒10000多篇的速度发表，人类几乎不可能独立进行信息处理。BenevolentAI能够对这些信息进行结构化，构建动态的知识库。BenevolentAI的第一个应用在于生物科学领域，加速了药物的发现。此外，BenevolentAI在兽医学、营养学、材料科学等领域有所拓展。
公司地址：bloomreach.com
BloomReach是一个为客户提供经验和业务转化的个性化平台，是大数据技术的一个应用拓展。BloomReach的个性化平台涵盖数据集、路径、出版物等各方面，集成后为客户发送定制化的服务。
公司地址：bluerivert.com
Blue River Technology的目标市场在于农业机器人。公司利用计算机视觉和机器人建立精确测量、实时回馈，大大减少化学剂和营养剂的实用，整合了传统农业经验和机器学习技术。
公司地址：bons.ai
Bonsai是一家软件开发平台，帮助开发者建立、学习智能模型，技术团队来自伯克利，获得了NEA的投资。Bonsai能够内部运行简易、抽象的算法，让开发者更专注于重要的关键结构。它的理念是帮助开发者更快，更高效的组织软硬件产品，共享概念和经验。
公司地址：capeanalytics.com
Cape Analytics的理念是突破信息在人工环境上的局限性，利用AI来自动、快捷的获取地理空间意向的相关数据。Cape Analytics的技术背景也是计算机视觉，并能够瞬间建模，数据可以帮助保险公司建立财产利益相关者关系网，提供即时、准确、细节化的财产评估。
公司地址：Captricity.com
Captricity是一家安全云软件平台，将手写内容转化为数据，精确度超过99%，可用于保险、医疗、政府和非营利组织。Captricity的云解决方案功能是通过深度学习技术实现的，提取源文件，如扫面文件、传真、邮件、电话中心、网页表单等，自动链接到后端系统，减免手工数据输入过程。
公司地址：chorus.ai
Chorus.ai利用销售员和客服数据，解决客户关系管理问题，帮助团队决策。
公司地址：chronocam.com
chronocam开发仿生和自适应方法视觉传感，用于自动驾驶车辆，连接设备、安全和监视系统，实现的速度、动态范围、视频压缩和传感器水平功率效率等具有优势。
公司地址：citrine.io
Citrine有着世界上最大的材料存储库平台，数据来源于公共和私人，基于该数据库建立的AI软件可以帮助更有效的发现、优化、生产和部署材料，提高客户的研发制造工作。Citrine Informatics为依赖尖端材料的竞争行业服务，包括汽车、航空航天、消费产品、电池、电子产品等。
公司地址：claralabs.com
Clara Labs主要应用于个人工作行程规划，比如从邮件内容中提取会议安排，发送日历邀请等。Clara Labs能够帮助全球数以百计的团队，从主管到销售，节省数以千计的反复性工作。
公司地址：clarifai.com
Clarifai是一个人工智能公司，擅长视觉识别，赢得了ImageNet 2013比赛，创建了高效的智能应用程序。
公司地址：cloudmedxhealth.com
CloudMedx 建立了临床人工智能平台,将规模和简单向医疗brain-inspired临床的应用算法。他们的自然语言处理利用丰富的医疗数据深入了解每个病人的风险，进行更高效的护理，CloudMedx 结合机器学习的力量和大数据分析生成实时健康见解，节约了多达90%的医疗成本。
公司地址：cognitivescale.com
CognitiveScale的智能软件服务于医疗、商业、金融等市场。该公司产品Eengage和Amplify帮助客户实现更好的交流，提供给决策建议，并具备自我学习、自我验证的功能。
目前，CognitiveScale已经成功在世界五百强企业形成战略部署，拥有大量的出版物和技术支持，与IBM、微软、德勤等公司均有合作，创始人就是从IBM沃森研究组、Oracle和Salesforce出来的。CognitiveScale的总部设于德克萨斯州奥斯汀，在英国和印度都设有办事处，投资者包括Norwest Ventures、Intel Capital、IBM沃森、Microsoft Ventures。
公司地址：contextrelevant.com
Context Relevant是一家基于机器学习技术的自动化数据科学平台，同比有着更快更有效的解决方案。
Context Relevant的机器学习平台采用最好的开源框架，即Hadoop、Spark，并将他们于自动化数据科学引擎和应用程序环境相结合，能够建立完整的、面向生产的平台，快速建模、测试、整合数据，进行预测。
公司地址：cortical.io
Cortical.ioi提供基于文本数据的自然语言理解解决方案，技术灵感来自于大脑皮层处理方式。
Cortical.io的Retina引擎可以将语言转化为语义，作为数据进行重组、计算，有效过滤非结构化的文本数据，转化方言、术语，降低自然语言理解成本。公司于2011年建立于奥地利维也纳，并拥有Numenta的网页技术一般许可证。
公司地址：crowdflower.com
CrowdFlower是数据科学研究团队中包含人类交互环节（human-in-the-loop）的典型代表。
CrowdFlower能够帮助客户生成高质量的数据训练定制化的机器学习算法，或自动化的业务过程建模，以及包含人类员工的工作流部署。其应用案例包括自动驾驶、智能个人助理、内容分类、医学图像标签、内容分类、客户分类、社交数据洞察力、CRM数据浓缩、产品分类, 相关性搜索等。
CrowdFlower的总部设于旧金山，拿到了Canvas Venture Fund、Trinity Ventures和Microsoft Ventures的风投。
公司地址：cylance.com
Cylance是一家网络安全服务公司，由前迈克菲CTO Stuart McClure和前迈克菲首席科学家Ryan Permeh创立。Cylance的产品CylancePROTECT?是世界上第一个基于AI和机器学习的反病毒软件，被SC杂志评为2015年最佳新技术（Best Emerging Technology）。
公司地址：darktrace.com
Darktrace是一家网络安全防御公司，创始人来自剑桥，被Info Security Products Guide 2016评为年度最佳安全公司。Darktrace的关键技术就是不规则签名，即利用独特的设备“生活模式”（使用偏好历史），维护客户网络安全，应对突变性威胁。
公司地址：dataminr.com
Dataminr是一家实时性的基于社交媒体的软件服务公司，其算法可以通过公开数据集，进行突发新闻消息提醒，帮助全球各地金融和通讯专家根据数据展开分析，联动全球企业、金融机构、新闻媒体、公共部门等。
公司地址：datarobot.com
DataRobot提供自动化的机器学习建模解决方案。这个平台能让用户更快，更准确的进行业务决策，成为业务分析师或者数据科学家的小帮手。DataRobot整合了大量的开源平台，包括 R、Python、SparkML、H2O、Tensorflow等，提供算法组和、预处理步骤、参数调优等。
公司地址：deepgenomics.com
Deep Genomics建立与2015年，是一家基因算法公司，目标在于诊断、治疗、了解疾病，其技术难点在于将基因特征和生理表现联系起来。Deep Genomics的研发团队包括深度学习和基因组生物学领域的专家，他们想要建立一个能够自我学习自我优化的算法，预测DNA的变化及其对生理现象的影响，从而寻求疾病治疗方案。
公司地址：deepinstinct.com
Deep Instinct是一家将深度学习利用到网络安全的公司。Deep Instinct通过不停的监测威胁算法，它将能预测网络威胁，实时检测并阻止攻击，其功能是跨组织、跨服务器、跨设备的，能从数据源学习保护任何平台、操作系统的方案。
公司地址：deepgram.com
Deepgram利用深度学习记录商业数据并进行分析，从而预测生产、客户满意度、净推荐值、转化，并实现相关性搜索等。
公司地址：descarteslabs.com
Descartes Labs成立于2014年，是一家墨西哥科学预测公司，创始成员来自洛斯阿拉莫斯国家实验室。Descartes Labs的机器学习平台适用于卫星图像这类的大数据集，在农业上能帮助预测玉米、土豆产量，主要关注户田拓夫预测问题。
公司地址：digitalreasoning.com
Digital Reasoning是一家认知计算平台，其主要产品Synthesys?可以处理结构化或非结构化的数据，优化软件与人类的沟通，应用于大型企业和政府部门的监督和控制。
Synthesys可以实用自然语言处理语义分析和机器学习于人类交流，获得上下文关联性，适应不用的语境和知识领域，并不断提高准确性。Synthesys的数字推理可以服务于金融解决方案、情报、国防、卫生保健组织等。
公司地址：digitalgenius.com
DigitalGenius是一家基于深度学习和人工情报的企业服务系统，能够进行客户服务信息预测和自动填充，自动回复客户问题（包括电子邮件、即时聊天、社交媒体、移动通讯和短信）。DigitalGenius目前已应用于创新者荷航荷兰皇家航空公司、联合利华和汇丰银行。
公司地址：dispatch.ai
Dispatch提供智能化快递服务，利用本地化平台进行优先级路线规划。Dispatch可以分析不同的交通工具能够在该地携带的包裹数量，分析路况，实时通知行程，知会收货人员。
公司地址：drawbridge.com
Drawbridge专业提供匿名数字身份，改变了品牌于消费者联系的方式。其产品Drawbridge Connected Consumer Graph?已有超过十亿的用户，关联设备超过30亿，算法准确度达97.3%。品牌公司也可以通过Drawbridge针对性的投放广告。
Drawbridge的总部位于硅谷，已经获得了红杉资本、Kleiner Perkins Caufield Byers、Northgate Capital的风投，并被评为美国过去两年内增长最快的公司之一。
公司地址：drive.ai
Drive.ai提供交通路径规划，其产品主要包括传感器、人机交互、深度学习软件，面向自动驾驶设备，已在加州获取路测授权。
公司地址：elitic.com
Elitic, Inc提供基于深度学习的医疗诊断解决方案，研究团队包括多位知名数据科学家。Elitic的技术分析能够用于大量非结构化的医疗数据，包括放射图像、病理图片、实验室结果、基因组学、病例、电子健康记录等。Elitic的目标是帮助医生进行诊断，更及时，更准确的发现疾病。
公司地址：fido.ai
fido.ai提供自然语言处理解决方案，它会自动提取事实和观点从文章、博客、社会媒体等等。
公司地址：freenome.com
Freenome构建软件了解等离子体的变化随着时间的推移游离DNA(cfDNA)模式，通过研究正常cfDNA 动力学行为辨别早期癌症，比如前列腺癌、肺癌、大肠癌和乳腺癌等。
公司地址：gigster.com
Gigster是一家定制软件服务公司。客户联系他们的产品经理，协商价格与产品要求。Gigster的创业团队来自于IBM、世界银行、空中客车公司广场和万事达，目前已获得彭博和Y Combinator提供的1200万美元融资。
公司地址：gradescope.com
Gradescope是基于AI的教育辅助软件，帮助教师进行纸质考试或者作业分发，公正透明且富有个性化，能够跟踪学生的学习进展。比如，及时发现学生需要帮助的难题等。目前，Gradescope已被应用于全球200多个机构，造福超过1200万学生。
公司地址：grokstyle.com
Grokstyle的可视化开发软件可以即时搜索对象进行识别。他们的技术正在开发可以应用广泛的室内设计、服装搜索、房地产搜索、产品查询、等公司的当前的重点是室内产品设计。GrokStyle的新功能帮助寻找消费者智能检索所需的相关产品。
公司地址：h2o.ai
H2O集合了多家开源平台，包括Python、Java、Scala、JSON等，进行数据分析，关键应用程序包括欺诈、反洗钱、审计、搅动、信用评分等。
公司地址：icarbonx.com
iCarbonX是一家健康数据分析公司，提供个性化的健康指数预测和保健指导。据称，iCarbonX已与多家研究机构、制药工厂、体检中心、医院、保险公司、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推动的销售平台，主要利用大数据、机器学习、预测分析、可行的应用程序层来解决销售问题。InsideSales的客户包括ADP、微软和Groupon，被福布斯誉为百大增长最快的公司。
公司地址：kasisto.com
Kasisto将AI应用于银行业，帮助交易和账户分析、个人财务管理等。Kasisto的聊天程序具有流畅的与人类交流的能力，即谈话追踪和自然语言理解能力。
公司地址：kensho.com
Kensho瞄准基于可伸缩分析架构的全球金融体系优化，目标客户是投资专业人士。Kensho利用大规模的并行统计计算、用户友好的可视化接口，根据非结构化数据工程进行实时的金融问题预测分析。
公司地址：kitt.ai
KITT.AI提供自然语言理解解决方案，已经拿到了艾伦研究所人工智能部、亚马逊Alexa基金、Madrona Venture Group的支持。起可定制的检测器hotword和引擎ChatFlow可用于创建基于文本或者声音的设备或聊天程序。
公司地址：konux.com
KONUX的总部位于慕尼黑，是一家利用传感器和AI算法生成实时的仪器状态数据分析的公司。KONUX可以帮助运营商了解机器运行状况，代替手动检查方法，通知什么时候需要维修，减少故障率，降低维修成本。
公司地址：logz.io
Logz.io是一家日志分析平台，创始人员来自以色列军方算法工程师。Logz.io可以利用AI和深度学习找到关键事件，其云平台建立的ELK栈提供实时数据访问，是目前最受欢迎的日志分析软件堆栈。
公司地址：loop.ai
Loop AI Labs的平台Loop Q是一个认知平台，应用于工业4.0。Loop Q利用基于GPU的硬件加速、学习能力、语境分析、语义理解等构建机器人自动化（Robotic Process Automation），该认知程序已被多名福布斯排名2000的客户使用。
公司地址：lunit.io
Lunit是提供基于AI的视觉感知技术，解释医学图像。Lunit的团队在ImageNet 2015大规模视觉识别的挑战 (ILSVRC)中一鸣惊人。Lunit已经利用AI实现胸部x光片的异常检测、乳房x光检查自动评分的乳房组织病理检测，在肿瘤扩散评估挑战（TUPAC 2016）中打败微软和IBM摘得桂冠。
公司地址：maluuba.com
Maluuba是一家加拿大的AI公司，主攻人机交互、自然语言理解等。他们的研究团队致力于深度学习和强化学习，研究团队来自蒙特利尔理工学院学习算法(米拉)和麦吉尔大学，公司总部位于蒙特利尔。
公司地址：mindmeld.com
MindMeld是一家加利福尼亚的AI公司，提供声音或文本的自然语言理解应用程序。MindMeld允许专有的高级程度的功能内容域，甚至跨大域数十亿排列的查询。MindMeld的客户和投资者包括谷歌、三星、优衣库、Spotify、英特尔、西班牙电信、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的语音搜索技术，包括语音识别、自然语言理解、垂直搜索、主动搜索，是谷歌过去六年间首次直接投资的一家中国公司，自2012年底建立以来，已筹集了超过7500万美元，估值3亿美元。2014年末， Mobvoi还发布了智能手表TiWatch。
公司地址：mode.ai
mode.ai是一家利用计算机视觉和深度学习的移动商务消息传递平台，主要产品类型是聊天机器人，主要业务面向零售商和出版商。
公司地址：nanit.com
Nanit是第一家针对孩子安全进行监控的AI公司，利用基于可穿戴产品的计算机视觉科技为父母提供孩子的睡眠指标。Nanit特制的婴儿床可以帮助孩子熟悉自己的行为，监测孩子睡眠时的细微的变化。
公司地址：narrativescience.com
Narrative Science是一家自然语言理解企业，擅长数据可视化，识别和传达，为客户提供更高效的文字内容，释放员工关注更高的价值，进行创新。
公司地址：nauto.com
Nauto为汽车提供设备、网络、应用程序三个维度的升级。Nauto系统包括车载系统设备、视觉数据处理、智能安全的云和辅助驾驶。
公司地址：getnexar.com
Nexar成立于2015年，利用网络记录事故，帮助报警、保险索赔等。Nexar利用数以百万计的数据包以及深度学习算法等技术提供数据服务，用于汽车、保险、测绘等。Nexar是伯克利深度驾驶协会（Berkeley DeepDrive Industry Consortium）的一员。
公司地址：numenta.com
Numenta致力于构建神经网络框架，并已经创建了几个HTM小样。Numenta把他们的研究和软件进行开源，鼓励开发者的加入，创建开发者社区。
公司地址：numer.ai
Numerai是一家针对对冲基金的数据科学平台，利用机器学习问题改变和调整财务数据。2015年12月,他们创造了世界上第一个加密数据科学比赛股票市场预测。此外，他们对杰出数据科学家进行比特币奖励。
公司地址：nutonomy.com
nuTonomy提供自动驾驶系统，公司创始人是两位机器人和智能车辆技术专家，麻省理工的Drs. Karl Iagnemma和Emilio Frazzoli。nuTonomy自动驾驶系统提供点对点的移动，并可用于城市环境、遥控管理等，即将在波士顿进行路测。
公司地址：orbitalinsight.com
Orbital Insight大规模商业化分析卫星和无人机图像，分析汽车、公路、飞机、云、阴霾、淡水湖泊、农田、建筑和储油罐等宏观图像。
公司地址：paxata.com
Paxata是一个交互平台，组织信息，提炼有价值的丰富数据。Paxata利用分布式计算、机器学习和动态视觉空间,促进透明的治理和特别协作。Paxata的数据可以用来编码,脚本和取样，其服务可由AWS虚拟私有云或在Hadoop环境获取。
公司地址：persado.com
Persado是一家生成认知内容的平台，为企业提供独特的行业视角和资讯。Persado的“智能条目”能最大化客户接触，提供独特的洞察特定触发驱动行动。
公司地址：petuum.com
Petuum提供AI和机器学习应用程序，能够有效减少计算消耗，集成不同格式的数据数字、文本、图像、表格，包括结构化或非结构化的静态的或流媒体数据、消费者档案、电子健康记录、物联网设备的传感器、金融系统日志和机器制造业设备。
公司地址：pilot.ai
Pilot AI Labs提供可靠的智能安全摄像机和自动驾驶，拓展应用程序优势，创建嵌入式模块。预计2017年， Pilot AI Labs的软件将用于数以百万计的设备。
公司地址：prospera.ag
Prospera将AI应用于农业自动化，优化劳动力、灌溉、施肥、温室和喷洒等，利用实地气候照相和传感器提供准确的远程农学和管理世界各地的农民解决方案。
公司地址：rapidminer.com
Rapidminer基于软件，加速创建，并使其预测分析模型，嵌入到业务操作中去。其数据科学项目也应用于社区组织，帮助实现小成本的数据科学解决方案。
公司地址：retentionscience.com
Retention Science追踪用户的购买周期，消费习惯等。
公司地址：rokid.com
Rokid利用AI和深度学习创建智能家居产品，提供娱乐交互，做家务。Rokid不仅仅制造硬件，还强调个性化的软件构建，识别家庭成员。
公司地址：rossintelligence.com
ROSS Intelligence主要提供解决方案和信息咨询服务，并已经研发了自己的专有框架，上线了自家的法律AI咨询。ROSS Intelligence与IBM、YC都有合作关系。
公司地址：scaledinference.com
Scaled Inference正致力于使新一代的智能软件能够由大众构建，搭建一个开放的共享平台。
公司地址：semanticmachines.com
Semantic Machines是一家私人持有的人工智能技术开发商，在加州伯克利和马萨诸塞州波士顿设有办事处。该公司获得了由来自Bain Capital Ventures，General Catalyst和其他公司的2100万美元风投，正在开发基础性AI技术，教授计算机理解语言，理解语境和自然交互。 该公司计划向战略合作伙伴提供高度可定制的AI平台技术。
公司地址：sentient.ai
Sentient的使命是接受企业的委托，告诉企业如何解决他们最复杂的关键问题。 Sentient的技术拥有进化和感知能力，将为客户提供高度先进的解决方案，由专用于分布式人工智能的最大的计算机基础设施提供支持。
公司地址：shift-technology.com
Shift Technology为保险公司提供旨在改进和扩大欺诈检测的SaaS解决方案。该解决方案可在四个月内快速实施，与客户现有的操作流程和技术环境无缝集成。
Shift Technology的数据科学家团队创建了专门的算法，用于再现保险员的出保逻辑。其客户端可以通过登录易于阅读的定制仪表板来查看结果，突出显示最可疑的案例。每个声明都标记有潜在的欺诈风险，并明确了解声明的可疑部分。虽然有很多现有的欺诈检测工具可以提供“在哪里”和“何时”但Shift帮助欺诈处理程序确定“为什么”和“如何”，并且不仅可以识别保单持有人，而且还可以识别专业骗保的团队和“演员”。
公司地址：siftscience.com
Sift Science为全球的企业提供实时的机器学习欺诈预防解决方案。 他们的机器学习软件自动学习和检测欺诈行为模式，在他们或他们的客户被欺骗之前发出提醒。 除此之外，该公司还推出了一组新产品，用于检测和减少其他类型的欺诈和垃圾信息，包括帐户、内容和促销三方面。
公司地址：sightmachine.com
Sight Machine于2011年在美国密歇根成立，并于2012年扩展至湾区，融合了硅谷技术创新的精神与底特律制造传统。 其团队包括Slashdot的创始人以及早期雅虎，Palantir，特斯拉，思科，IBM，麦肯锡和苹果的领导。
Sight Machine是制造分析领域的领导者，其产品被全球500强公司应用，以优化决策。Sight Machine的分析平台专为物流和制造而设计，使用人工智能，机器学习和高级分析来帮助解决整个企业在质量和生产力方面面临的关键挑战。 该平台提供“车间地板AI”，由业界唯一的Plant Digital Twin（专利申请）提供支持，可为企业中的每台机器，线路和工厂提供实时可见性和可操作的自动化能力。
公司地址：sigopt.com
SigOpt是一家优化研究成果的平台，成立于2014年。他们基于云的优化算法集合被证明能够无缝应用，并在全球被保险，信用卡，算法交易和消费品包装商品行业中的领导者使用。
SigOpt旨在使专家们更高效地工作。 联合创始人斯科特·克拉克在康奈尔大学读博时注意到，通常研究的最后阶段总是一个领域专家调整他们通过试验不断犯下的错误。 完成博士后，Scott开发了MOE来解决这个问题，并用它来优化Yelp的机器学习模型和A / B测试，为每一个领域的每一个专家提供这项技术。
公司地址：skymind.io
Skymind是人工智能中的红帽。它围绕着名为Skymind情报层（SKIL）的开源库的企业分布提供支持，培训和服务。这些库包括Deeplearning4j，最广泛使用的Java深度学习工具;和科学计算库ND4J，或用于Java的N维数组（Numpy for the JVM）。
在许多模式识别任务中，深度学习可以比肩乃至超越专家的准确性，Skymind将其应用于诸如欺诈检测，网络入侵检测，硬件故障预测，流失预测，市场预测和图像识别等既有的硬性业务问题。 Skymind的客户主要在金融服务，电信，制造，医疗保健和零售等行业。 Skymind的开源软件与其他的AI堆栈集成，使用Hadoop，Spark，Kafka和ElasticSearch等工具。 Skymind使用大型客户端和云端一起运作，以确保数据的隐私和安全。
公司地址：snips.ai
Snips是一个SDK（Software Development Kit，软件开发工具包），允许任何人在一行代码中创建自己的AI助手。
其安全性和隐私都能得到保障，并且是第一个无需服务器就能在设备上完整运行的人工智能助手。该公司团队中有41个人，包括18个从事机器学习的和14个工程方面的人才。公司所有创始人都是博士，领导层则由过去在隐私保护领域和移动领域的创业者组成。 SDK整合了深度学习功能，能够进行自然语言处理。 它可在移动设备（iOS，Android）上使用; 服务器和桌面（Java，Scala，MacOS）和IoT（TvOS，WatchOS，Android Things）。
公司地址：sparkcognition.com
作为全球领先的认知计算分析公司，SparkCognition配备了尖端的机器学习和人工智能算法，以便及时发现趋势，异常和网络物理威胁，同时自动进行调查并提出物联网和互联网中的解决方案。
SparkCognition结合了各种来源的数据，应用机器学习构建自动化模型，并使用它们深入了解底层性能，可优化性和安全性。该公司的技术能够利用实时的基础设施数据并持续学习，制定更准确的风险应对和预防政策，以干预和避免灾害。该公司的网络安全解决方案分析结构化和非结构化数据和自然语言，以识别物联网环境中的潜在故障或攻击。其认知平台可不断从数据中学习，并获得自动化的识别能力，阻止新出现的问题。
公司地址：talkiq.com
语音通话是企业最重要的数据。他们代表68％的客户联系，而电子邮件和面谈只有21％。这是公司向客户销售产品和服务的主要形式。但是，这些最关键的数据，没有被收集、分析并加以利用以促进业务。
TalkIQ为企业的电话建立了专有的语音识别和AI引擎，比Watson的表现准确2倍，比Google准确3倍。 TalkIQ使销售和后勤团队第一次采取科学的方法来理解和优化流程中的关键点，包括识别购买意图，处理异议，回应竞争对手，定价，公关。基于此，公司能赢得更多的交易，获得更多客户，并改善他们的营销和产品策略，以推动对他们最重要的KPI。
公司地址：talla.com
Talla成立于2015年，总部设在马萨诸塞州的剑桥。Talla让您有能力将您的聊天平台变成您公司的指挥中心。
Talla整合了在消息系统（包括Slack）中管理信息工作所需的工具、流程和智能自动化形式。 使用Talla可以在聊天中启用业务流程，如员工入职，新技能培训，问询以及自定义设置。 您将能够为您的团队提供和收集重要信息，保证每个人都获取消息、参与工作、并贡献了生产力。
公司地址：tamr.com
Tamr于2013年由数据库行业资深人士Andy Palmer，Mike Stonebraker和Ihab Ilyas成立，提供清晰，有层次的数据，这对优化关键决策至关重要。
Tamr独特的机器驱动+人工指导解决方案会自动收集和组织商业领域的数据（供应商，客户，产品，交易），实现以前难以进行的的成本和收入分析。 Tamr与全球2000家公司如Amgen，GE，GlaxoSmithKline，Thomson Reuters和Toyota合作，帮助推动数据分析的转型。
公司地址：textio.com
在你的内容发布之前， Textio就能够预测它将引起的反响，这能够让您成为最好的作家。 Textio基于预测引擎技术，将机器学习和自然语言处理同客户数据相结合。
其产物是学习过程的不断循环，通过将人工智能与人类创造力相结合，每一次学习都让它变得更加智能。 Textio的第一个重点是招聘和招聘的内容，如工作岗位和应聘者的电子邮件。 Textio会对你的写作进行评分，并突出显示最具统计意义的短语，然后提供清晰的指导以帮助你提高文本的可读性。 案例研究表明，使用Textio的公司招聘到的求职者，其平均合格率要高24％，多样化比竞争对手多12％，而使用Textio的应聘者，找到合适工作的时间则要快上17%。
公司地址：trifacta.com
Trifacta成立于2012年，通过使用户能够轻松地将原始的复杂数据转换为清晰的格式进行分析，从而显著提高企业大数据的价值。
利用人机交互，可扩展的数据管理和机器学习等方面数十年的工作经验，Trifacta的技术创造了用户和机器之间的伙伴关系，双方相互学习，同时取得进步。 无论您是要提高现有分析流程的效率，还是利用新的数据源进行分析，Trifacta的数据重组解决方案都将使你能够利用各种数据挖掘出更大的价值。
公司地址：twoxar.com
twoXAR是一家使用软件进行药物开发的公司。该公司利用其计算平台来确定有希望的候选药物，通过临床预前研究降低风险，并通过行业合作伙伴将候选药物推广到临床。
该平台迄今已应用于80多种疾病。同时twoXAR也与领先的研究机构合作，包括斯坦福大学，芝加哥大学和Mt. 西奈医院，twoXAR已经针对多个疾病发现了有前途的新药物，如关节炎，多发性硬化症和癌症。
公司地址：ubtrobot.com
优必选是一家致力于在全球进行商业和消费机器人研发，制造和推广的高科技企业。 中国第一家致力于将类人机器人商业化的公司，UBTECH于2008年投资人形机器人研究，并于2012年在中国深圳设立总部。
UBTECH的使命是将机器人带入每个家庭，真正将智能机器人融入每个人的日常生活中，创造一种更加智能和人性化的休闲生活方式。UBTECH将通过持续不断的研发投入来保持核心竞争力，并与顶级机器人工程团队一起开发专用的机器人硬件和软件技术。 他们还致力于在人形服务机器人行业拥有最核心的专利，包括发明专利，工业设计专利和实用专利。 UBTECH还将拥有自己的制造中心和供应链。
公司地址：verdigris.com
Verdigris是一个人工智能和物联网平台，旨在使建筑更智能，具有更广泛的链接，同时降低能耗和建造成本。通过结合专有硬件传感器，机器学习和软件，Verdigris“学习”建筑物的能源模式。
他们的软件生成综合报告，包括能源预测，有关故障设备的警报，维护提醒，以及每个设备的详细能耗信息。 Verdigris提供了一整套应用程序，为建筑工程师提供全局性的概览，各设备的“效率账单”，强大的报告和简单的自动化工具。
公司地址：vicarious.co
Vicarious是一家人工智能研究公司，运用大脑的计算原理来编写像人类一样思考和学习的软件。利用称为递归皮层网络的新计算范式，该公司开发了一种视觉感知系统，以类似于人类的方式解释照片和视频的内容。Vicarious的研究有望应用于机器人，医学图像分析，图像和视频搜索以及许多其他领域。
公司地址：voyagerlabs.co
Voyager Labs成立于2012年，开发了一项前所未有的核心技术，可从多个来源实时分析数十亿个数据，从而了解和预测人类和其群体行为，并提供实时可操作的意见。该公司在纽约，华盛顿和伦敦设有办事处，并在以色列设有研发中心，目前员工人数超过90人。
公司地址：x.ai
x.ai成立于2014年，位于纽约，其主要产品是人工智能个人助理。无需登录，没有密码，没有下载。，你要做的就是从与 amy@x.ai进行电子邮件对话，就像同你的个人助理交流一样。
艾米（或她的双胞胎安德鲁，都是该公司的AI个人助理）会接管烦人的电子邮件，为你安排会议。 x.ai是一家核心技术公司，从事软件层面的开发。 他们通过热情的服务换回了极高的用户粘度，快速拓展着自己的业务。 他们目前的投资者，包括IA Ventures，Firstmark，Two Sigma Ventures，SoftBank Capital，DCM和Pritzker Group。
公司地址：Zebra-med.com
Zebra Medical Vision正在建立一个医学成像洞察平台。 该公司提供一个平台，提供基于云的完全托管的研究和开发环境，包括访问结构化，未识别的研究，存储，GPU计算能力的大数据集，并支持众多研究工具。 该解决方案还使研究团队能够合作并创建共享工具。
公司地址：www.zoox.com
Zoox是一家由Tim Kentley-Klay和Jesse Levinson创立的机器技术公司。 他们正在开发无人驾驶车辆和将此技术推向市场的生态系统。 Zoox将机器人，机器学习和工业设计三者结合，旨在提供城市环境中的下一代出行服务。他们认为，向自动驾驶车辆的过渡需要结合有洞察力的远见和不妥协的执行。
Zymergen是一家将人工智能应用于生物领域的技术公司。 Zymergen开发了一个专有的平台，使用机器人和机器学习来更快，更可预测地、以从前无法实现的性能水平来研究对微生物的应用。
这些微生物及其产物在诸如化学品和材料，农业和医疗保健等行业中具有广泛的应用。 Zymergen与这些行业的客户合作，增加现有产品的盈利，更快地将产品推向市场，并开发全新的产品。
智东西认为，这些成功案例中，有非常多的大数据技术公司，利用AI进行数据压缩、结构化，应用于医疗、金融、农业、销售、网络安全等；还有很多一部分，是物联网，或者说自动驾驶软件，即针对传感器数据的处理；计算机视觉和自然语言处理，包括语音、文本识别，也是一大热点；此外，还有少量的神经网络架构、智能检索公司。前两种，是典型的技术转化为产业，而后两种，更像是科研的探索，以及后深度学习时代的先锋。
下载提醒：如果想收藏本文的报告全文，可以在智东西（公众号：zhidxcom）回复关键词“nc121”下载。
权威数据·专业解读 读懂智能行业必看的报告
在智东西回复“智能内参”查看全部报告
*请认真填写需求信息，我们会在24小时内与您取得联系。
