类似于谷歌，微软的方法非常实际并且面向工程。微软拥有一流的计算机科学人才，发明残差网络就是一个例子。微软还有其他新颖的方法，例如 Decision Forrest，这些表明微软显然是深度学习领域思想的领导者而非只是追随。微软的认知工具包，虽然参与 AI 这场游戏比较晚，但是从工程上说品质很高。微软的开源深度学习平台 CNTK 可能是使用分布式计算学习方面最好的框架之一。

　　可以说，微软在深度学习方面的研究贡献可能仅次于谷歌。这可是相当了不起的，因为没有研究深度学习出身的研究人员加入他们的团队。请参考：

　　https：//www.microsoft.com/en-us/research/research-area/artificial-intelligence/

　　OpenAI：偏爱对抗生成网络

　　OpenAI 是由 Elon Musk 等人创办的，成立的初衷是他们害怕其他公司大幅吸取深度学习人才。如果不能在财务上竞争（给予高新），OpenAI 就提供学术上的自由——这也的确吸引到了很多的人才，包括从谷歌。

　　OpenAI 倾向于使用生成模型，更具体地说，是对抗生成网络（GAN）。他们还对增强学习环境做出了认真的努力（例子是 ）。很奇怪的是，尽管 GAN 的性能表现如此之好，但是 DeepMind 似乎更偏爱变分模型（variational model）。

　　微软已经向 OpenAI 提供了 Azure 服务，因此可以认为微软与 OpenAI 已经结成联盟。此外，就在 NIPS 2016 开会的前一天，，后者是一个在几乎所有环境中衡量和训练 AI 通用智能水平的开源平台。而且，其合作伙伴可是有一大堆显赫的公司名字。

　　OpenAI 的研究重点概述在这里：https：//openai.com/requests-for-research/。

　　蒙特利尔大学／Yoshua Bengio 团队：仅存的学术重镇

　　这是 Yoshua Bengio 带领的小组，经常发表论文。Bengio 是少数意志坚定的研究人员，目前还没有不向任何一家商业实体屈服（不过，，以强大的学术实力为卖点，为企业提供独一无二的解决方案，atv，还以合资经营的方式扶持 AI 初创公司）。

　　与 LeGun 在 NYU 的研究小组类似，Bengio 团队也侧重于弄清深度学习的工作原理。此外，该团队还建立了很多深度学习新模型和学习算法。MILA（蒙特利尔大学学习算法学院）可以说是地球上最好的学术深度学习研究小组，详见 https：//mila.umontreal.ca/en/。

　　谷歌非常精明，通过资助 Bengio 的小组进行一些间接的控制。

　　SalesForce MetaMind：应该认真对待

　　由 Richard Socher 领导，来自该组的大部分工作都明显地倾向于使用基于RNN（递归神经网络）的方法来解决NLP 问题。SalesForce 的解决方案大多面向在其构造中使用记忆（employ memory）的网络。这些人的研究成果相当令人印象深刻，因此应该认真对待。

　　这是他们的工作：http：//metamind.io/research-list.html

　　百度：强调基础设置建设

　　吴恩达的团队可能是第一批真正使用 Infiniband 网络创建大规模 GPU 系统的组织之一。他们做了很多强调基础设施的工作，并有一些开源的解决方案（包括 ）。百度的研究重点是图像和语音处理，后者做得非常好。此外，不要忘了百度还有无人驾驶汽车。

　　百度的研究可以在这里找到：。

　　英伟达：把一切都赌在了深度学习上

　　英伟达把一切都赌在了深度学习解决方案上。他们有最好的工程团队孜孜不倦地调整他们的GPU，以获得最好的性能。虽然英伟达在深度学习创新方面完全没有进行任何研究，但他们花费了大量精力来打造深度学习所需的强大计算资源。