1.布局
從產業圖譜來看，人工智能主要分為技術層、應用層和基礎層。技術層包括人工智能通用技術平臺（例如計算機視覺與圖像、自然語言處理、語音識別）。應用層包括人工智能行業應用方案、消費類終端或服務等。基礎層包括人工智能芯片、算法和數據。
美國巨頭呈現出全產業布局的特征，包括基礎層、技術層、應用層，均有布局；而中國巨頭主要集中在應用側，只在技術層局部有所突破。
2.實驗室
3.收購
中美并購事件近兩年密集增加。CB Insights的研究報告顯示，谷歌自2012年以來共收購了11家人工智能創業公司，是所有科技巨頭中最多的，蘋果、Facebook和英特爾分別排名第二、第三和第四。集中于計算機視覺、圖像識別、語義識別等領域。Google于2014年以4億美元收購了深度學習算法公司Deepmind，該公司開發的AlphaGo為Google的人工智能添上了濃墨重彩的一筆。
4.開源平臺
谷歌早在2011年就成立AI部門，在谷歌內部，由機器學習驅動的產品和業務不計其數，包括谷歌搜索、Google Now、Gmail等，同時谷歌還向其開源Android手機系統中注入大量機器學習功能。2011 年第一代機器學習系統，從大量的Youtube 圖片中學會了識別貓；2015年，谷歌將內部采用深度學習的技術整理到一起，發布第二代人工智能系統TensorFlow，并宣布將其開源。這是一套包括很多常用深度學習技術、功能和例子的框架。得益于龐大的計算和數據資源，谷歌大腦在深度學習方面取得了顯著的成果。在幾次人機大戰中大放異彩的DeepMind公司自2014年被Google收購后，陸續發表了207篇頂級期刊論文，為Google帶來了大量研究人才。
2013年卷積神經網絡發明者Yann LeCun加入Facebook，帶領公司的圖像識別技術和自然語言處理技術大幅提升。Facebook的深度學習框架是基于之前的Torch基礎上實現的，于2015年12月開源。此外，Facebook還開源了人工智能硬件平臺Big Sur等十余個項目。
微軟在2016年整合微軟研究院、Cortana和機器人等團隊建立“微軟人工智能與研究事業部”，現有7000多名計算機科學家和工程師。同年，微軟發布了其深度學習工作包CNTK，CNTK使得實現和組合前饋型神經網絡DNN、卷積神經網絡和循環神經網絡變得非常容易。
IBM也開源了其深度學習平臺SystemML。IBM主推的認知計算平臺也向開發者開放了Watson的認知計算能力，加速人工智能的部署。
2016年，百度開放了其深度學習平臺Paddle-Paddle，覆蓋了搜索、圖像、語音識別、語義處理、用戶畫像等領域的技術。騰訊不同事業部都在不同領域展開AI研究。AI Lab注重將技術與騰訊業務場景相結合，即游戲、社交、內容生態。
大公司紛紛擁抱開源有兩方面原因：第一，通過開源來構建生態和護城河。無論是谷歌、亞馬遜還是BAT都已經擁有云計算基礎設施，Google、微軟一直在講的開源、AWS推出的AI功能，本質上并無差別，都是為了賦予自家云端客戶更強的數據處理能力。在現有的云服務市場中，科技巨頭占據多數，構建基于人工智能的云服務將成為巨頭的下一個主戰場。AI是信息基礎設施的一個升級，是今后產業發展的巨大引擎。巨頭都想把握升級過程中涌現的大量機會，賦能全行業。
第二，開源是一種開放式創新。通過開源深度學習平臺，不僅可以吸引大量開發者，還可以為機器學習提供大量的數據支持，以及大量的現實場景。在人工智能平臺化的趨勢下，未來人工智能將呈現若干主導平臺加廣泛應用場景的競爭格局。
5.結論
第一，基礎層的開源算法平臺。
美國企業成為此次引領全球人工智能算法研究的領頭羊，谷歌、Facebook、微軟都已推出了深度學習算法的開源平臺，而國內目前僅有百度推出開放平臺paddle paddle。
第二，技術層的云平臺。
除了算法以外，大數據、云計算都是實現人工智能技術應用的關鍵性設施。從目前中美云服務平臺發展的情況來看，作為云計算的“先行者”，北美地區仍占據市場主導地位。雖然中國云服務起步晚于美國，但阿里、騰訊、華為等中國互聯網及IT企業都推出了領先的云服務平臺，Docker 技術在我國云計算領域逐步從實驗階段走向應用階段，在云服務的基礎技術上中美差距已不大，但在IT服務環境、用戶認知等方面與美國仍存在差距，但這個差距是很快就能縮小并趕超的。
第三，應用層的應用平臺。
在人工智能應用平臺領域，中、美兩國的互聯網企業均推出基于人工智能技術的垂直應用平臺。在語音平臺上，美國有谷歌的Google assistant、亞馬遜的Alexa、IBM的Watson、微軟的Cortana、Facebook的Deeptext等領先企業的語音平臺，國內百度的百度大腦、科大訊飛語音開放平臺等，雖然在開放平臺的數量上中國不及美國，但從整體布局來看，基本與美國并駕齊驅。
