热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

国内科技公司不爱收购爱挖人?探索中外“贫富差距”背后的原因

我们有差距,但我们正在飞速成长中。“说到人工智能,大家脑海里第一个想到的公司是什么?应该是谷歌。那为什么是谷歌?因为谷歌愿意

我们有差距,但我们正在飞速成长中。

“说到人工智能,大家脑海里第一个想到的公司是什么?应该是谷歌。

那为什么是谷歌?因为谷歌愿意在人工智能发展上投入大量资金。数据统计,仅2015年,谷歌在人工智能上的研发经费就高达120 亿美金。”商汤科技创始人、香港中文大学信息工程系教授汤晓鸥在EmTech现场说。

紧接着,汤晓鸥提到了一个可能大家都知道的公司DeepMind,又说了一个大家可能都不知道的故事。

2010年,人工智能程序师兼神经科学家戴密斯·哈萨比斯在英国伦敦创立了DeepMind。直到2014年,这家公司还只是一个没有盈利、只有12个员工的小公司,每天所做的也只是用深度学习玩游戏和下棋。

但也就是在这一年,谷歌用4亿英镑收购了这家公司,随后,用AlphaGo点燃了全球人工智能行业的激情。

反观中国,可能就不会有多少人愿意斥巨资去收购一家不盈利的公司了。最多,就是看中了团队的“才华”,花几百万美金把人一个个挖过来。这样做是便宜了很多,但也就不会有AlphaGo这样的产品出现了。

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

Alphabet和百度,盈利能力差距很大,研发投入差距也很大

可能大家会有些疑惑,在中外企业发展模式和综合实力本身就存在差异的情况下,以上论断是否过于片面。

既然故事是从谷歌说起的,那我们就找一家公认的与其对标的中国的企业——百度,来看看“客观情况”究竟是怎样的。

先来看一组数据:

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

很显然,Alphabet的营收能力强于百度,且最好情况下,也是强于百度5倍以上。

但有时候,营收能力和赚钱能力之间是不能画上等号的,所以,我们来看下一组数据。

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

和营收差距基本持平,谷歌在2017年前三季度盈利能力远高于百度。

那么,这二者在技术方面的投入比例也是如此吗?

“百度可能是中国科技公司中研发投入最高的公司之一,在全球科技公司中也能位居前列。近年来,百度每年都会拿出15%的营收用于研发,大约为人民币100亿元(约合15亿美元)。“李彦宏曾说。

为此,我们整理了百度从2009年至2015年的研发投入情况:

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

谷歌方面,除去众所周知的两大“烧钱实验室”Google Labs和Google X外,我们再来看一份欧盟委员会发布的一份榜单——《欧盟委员会2016全球企业研发投入排行榜》。

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

仅2016年,Alphabet的研发支出就高达110.54亿欧元,位列第四。而百度,则以累计投入14.44亿欧元位列第93位。Alphabet是百度的7.7倍。

虽然,有时候付出与回报并不成正比,但在国外媒体Ranker列举的《最出名的22个收购科技公司的案例》中,我们可以看到,谷歌占了7个,分别是Youtube、Andriod、Motorola移动、AdMob、Applied Semantics、ITA Software和Urchin Software。

Facebook和腾讯,盈利能力差不多,研发投入却差的多

然而,是不是这样就可以证明,中国科技公司在技术方面的投入低于国外,是因为自身实力有限,没有那么多钱为未来买单呢?

仅一组对比,可能是不够的。与谷歌、百度一样,我们找了两家公认的对标公司,Facebook和腾讯。

营收方面,Facebook和之间虽有差距,但基本持平。

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

盈利方面,差距虽有有所拉大,但相较于谷歌和百度,还是好了很多。

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

国内科技公司不爱收购爱挖人?探索中外贫富差距背后的原因

那么,这二者在技术研发上的投入情况如何呢?

2015年第一季度,Facebook研发上的投入达10.6亿美元,占该季度收入的30%;2016年全年,Facebook的研发投入达44.24亿欧元,位列《欧盟委员会2016全球企业研发投入排行榜》第29位。

而腾讯,并没有上得百强榜,仅位列117位(第100位是富士通,全年研发投入为13.71亿欧元)。

可以看到,在盈利差异不是很大的情况下,腾讯的研发投入较逊于Facebook。

当然,我们依旧不能一概而论,认为中国科技公司在技术研发上投入比较“吝啬”。不同的企业有不同的运营模式,也有着自己的特色,从企业出发制定发展战略,是正确也是必行的事情。

最后

2016年数据统计,美国企业在研发上的投入占全球的38.6%,其次是日本、德国和中国。其中,中国企业的投资额同比猛增24.7%,全球占比提升了1.3%。

无法否认,相较于世界领先科技国家,中国科技公司不仅在盈利能力和研发投入上落后,在产业布局方面也较为保守。仅从Alphabet和百度来看,百度的资金大多用于人工智能技术研发,而Alphabet则涉猎3R(VR/AR/MR)、AI、新能源、新材料、黑科技等多个领域。

从近年发展形势看,国内较有实力的几大科技公司,在技术研发上的投入一直是呈上升趋势的。除此之外,很多创业型公司已得到国际认可,相较于国外同类公司,吸金能力毫不逊色。

在刚刚过去的2017年,中国科技巨头和初创公司总计融资588亿美元,较2016年多出数十亿美元,创历史最高纪录。这是进步......


原文发布时间:2018-01-29 18:58
本文作者:伶轩
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。



推荐阅读
  • 当前,众多初创企业对全栈工程师的需求日益增长,但市场中却存在大量所谓的“伪全栈工程师”,尤其是那些仅掌握了Node.js技能的前端开发人员。本文旨在深入探讨全栈工程师在现代技术生态中的真实角色与价值,澄清对这一角色的误解,并强调真正的全栈工程师应具备全面的技术栈和综合解决问题的能力。 ... [详细]
  • 特斯拉的盈利之谜:净利润未必源自汽车销售
    近日,特斯拉因客户投诉再度成为舆论焦点。一位车主反映其购买仅6天的Model 3在使用官方超级充电桩时突然断电,引发了对特斯拉产品质量和售后服务的质疑。然而,特斯拉的盈利模式并不仅限于汽车销售,其净利润可能更多地来自其他业务板块,如能源服务、自动驾驶技术和软件订阅等。这些多元化收入来源为特斯拉的财务表现提供了更多支撑。 ... [详细]
  • 利用TensorFlow.js在网页浏览器中实现高效的人脸识别JavaScript接口
    作者|VincentMühle编译|姗姗出品|人工智能头条(公众号ID:AI_Thinker)【导读】随着深度学习方法的应用,浏览器调用人脸识别技术已经得到了更广泛的应用与提升。在 ... [详细]
  • 本文目录一览:1、学习Python之后可以做什么工作?有哪些方向? ... [详细]
  • AI开发选择哪种编程语言?如果您是新手AI开发人员,您可能很难选择用于开发AI的编程语言。虽然有很多可用的编程语言,但我会将注意力集中在Python和 ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 超分辨率技术的全球研究进展与应用现状综述
    本文综述了图像超分辨率(Super-Resolution, SR)技术在全球范围内的最新研究进展及其应用现状。超分辨率技术旨在从单幅或多幅低分辨率(Low-Resolution, LR)图像中恢复出高质量的高分辨率(High-Resolution, HR)图像。该技术在遥感、医疗成像、视频处理等多个领域展现出广泛的应用前景。文章详细分析了当前主流的超分辨率算法,包括基于传统方法和深度学习的方法,并探讨了其在实际应用中的优缺点及未来发展方向。 ... [详细]
  • 视觉图像的生成机制与英文术语解析
    近期,Google Brain、牛津大学和清华大学等多家研究机构相继发布了关于多层感知机(MLP)在视觉图像分类中的应用成果。这些研究深入探讨了MLP在视觉任务中的工作机制,并解析了相关技术术语,为理解视觉图像生成提供了新的视角和方法。 ... [详细]
  • 表面缺陷检测数据集综述及GitHub开源项目推荐
    本文综述了表面缺陷检测领域的数据集,并推荐了多个GitHub上的开源项目。通过对现有文献和数据集的系统整理,为研究人员提供了全面的资源参考,有助于推动该领域的发展和技术进步。 ... [详细]
  • 本文提供了PyTorch框架中常用的预训练模型的下载链接及详细使用指南,涵盖ResNet、Inception、DenseNet、AlexNet、VGGNet等六大分类模型。每种模型的预训练参数均经过精心调优,适用于多种计算机视觉任务。文章不仅介绍了模型的下载方式,还详细说明了如何在实际项目中高效地加载和使用这些模型,为开发者提供全面的技术支持。 ... [详细]
  • 如何在Linux系统中部署TensorFlow的详细指南
    本文详细介绍了在Linux系统中部署TensorFlow的过程。作者基于北京大学曹建教授的MOOC课程进行学习,但由于课程内容较旧,环境配置方面遇到了不少挑战。经过多次尝试,最终成功解决了这些问题,并总结了一套详细的安装指南,帮助初学者快速上手TensorFlow。 ... [详细]
  • 基于TensorFlow的鸢尾花数据集神经网络模型深度解析
    基于TensorFlow的鸢尾花数据集神经网络模型深度解析 ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 本文介绍了一个在线急等问题解决方法,即如何统计数据库中某个字段下的所有数据,并将结果显示在文本框里。作者提到了自己是一个菜鸟,希望能够得到帮助。作者使用的是ACCESS数据库,并且给出了一个例子,希望得到的结果是560。作者还提到自己已经尝试了使用"select sum(字段2) from 表名"的语句,得到的结果是650,但不知道如何得到560。希望能够得到解决方案。 ... [详细]
author-avatar
小嘿嘿
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有