3)语音识别和图像识别
2014年12月，美国《福布斯》发布文章称，吴恩达及研究团队发明了一种新的语音识别方法，这款基于深度学习的名为“Deep Speech”语音识别系统可以在嘈杂环境下实现将近81%的辨识准确率。卡耐基梅隆大学工程学助理研究教授Ian Lane对其的评价是“百度研究院最近的工作有可能颠覆语音识别在未来的应用效果。”吴恩达表示，该语音识别系统采用深度学习算法取代了原来的模型，在递归神经网络或者模拟神经元阵列中进行训练，让语音识别系统更加简单。同时这套系统还使用了Nvidia等芯片制造商出品的多枚图形处理器(GPU)，这些处理器通过并行连接，能够用比普通计算机处理器更快的速度训练语音识别模型，从而提高工作效率。
在图像识别方面，余凯称摄像头成为连接人和世界信息的重要入口之一。而百度也一直在利用深度学习技术来提高图像识别的精度。2014年9月，百度云结合百度深度学习研究院提供的人脸识别及检索技术，推出云端图像识别功能。11月，百度发布了基于模拟神经网络的“智能读图”，可以使用类似人脑思维的方式去识别、搜索图片中的物体和其他内容。
4)人工智能算法和云计算
百度大脑既需要人工智能算法，也需要云计算中心提供硬件支持。百度大脑通过深度学习来模拟人类大脑的神经元，参数规模达到百亿级别，构建了世界上最大规模的深度神经网络。
百度在国内拥有十几座云计算中心，为满足人工智能在计算和存储上的高要求，还投入使用了4万兆交换机，并在探索10万兆交换机。百度还是全球首家将GPU用于人工智能和深度学习领域、并规模化商用ARM服务器的公司。百度将这些整合在一起，就形成强大的存储计算能力，从而可以进行多样的并行计算，支持生成、配置针对不同应用和场景网络结构，从而为人工智能提供有力的硬件支持。
5)自动驾驶项目
2014年9，百度宣布已经与宝马正式签署合作协议，共同研发自动化驾驶技术。其中，百度的三维地图及相关数据服务也将被融入宝马的车辆导航系统中，为自动驾驶汽车提供技术支撑。双方计划在接下来三年时间内，合作研究高度自动化驾驶在中国道路环境下面临的技术挑战，通过智能技术加强道路行驶安全性，减少交通事故及人员伤亡。
总结
百度在人工智能领域的布局可以总结为三点，第一，具有战略眼光，与世界科技巨头保持同步;第二，自身技术基因又使其非常注重技术人才的引进和人工智能底层技术的积累;第三，互联网入口的地位和丰富的产品线使得人工智能技术能够迅速落地，转化成具体的产品和服务。也正因如此，2014年11月首届百度技术节才会以“奇点临近技术引领未来”为主题，展望如何通过人工智能来改变世界。
3、Facebook
Facebook在人工智能领域的布局主要围绕着其用户的社交关系和社交信息来展开，在2013年加入公司的深度学习鼻祖Yann Le Cun的帮助下，公司的图像识别技术和自然语言处理技术大幅提升。
Yann Le Cun是纽约大学终身教授，是卷积神经网络领域的重要推动者，而该技术的最主要应用就是图像识别的自然语言处理，这与Facebook的需求和已经积累的数据类型非常匹配。在Yann Le Cun的帮助下，2014年Facebook的Deep Face技术在同行评审报告中被高度肯定，其脸部识别率的准确度达到97%。而他领导的Facebook人工实验室研发的算法已经可以分析用户在Facebook的全部行为，从而为用户挑选出其感兴趣的内容。而不久后，那些算法还能够分析用户在状态帖子中输入的文本，进而自动提示相应的标签。他还表示，想在Facebook中建立一个智能助手，如果用户上传的照片中又令人尴尬的内容会进行识别和提醒。用Le Cun的原话来说就是——Facebook人工智能实验室的职责就是给予用户更多的在线身份控制权，而不是削弱你的控制。
4、IBM
IBM目前看起来可能没有谷歌和Facebook这样酷，但其在人工智能领域有着丰富的底蕴，并在2014年采取了若干举措。主要是开放了Watson平台和发布了模拟人脑芯片SyNAPSE。
1)超级计算机沃森的开放战略
2014年1月初，IBM宣布组建“Watson Group”，旨在进一步开发、商用及增强“Watson”及其他认知技术，还将给其投入10亿美元资金用于研发和其他投资。2014年3月，已经在医疗和金融行业都有所应用的Watson又开始与纽约基因中心(New York Genome Center，NYGC)的合作。8月，IBM声称Watson即将被用于科学研究，目前，测试科学假设和理论常常需要花费几天甚至几个月时间。不过，借助沃森的“Discovery Advisor”项目，这样的工作可以更快地完成。
2014年5月，IBM通过Watson Group收购了人工智能创业公司Cognea，该公司开发了一个认知计算和对话式人工智能平台，为用户提供个性化虚拟助手服务。IBM对于Cognea的定位是能够理解用户的个性化需求，将互动提升至一个新的水平。
本年，Watson也被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、和微软、等大型科技公司在云计算领域展开竞争的武器。
2)人脑模拟芯片SyNAPSE发布
2014年8月，IBM再度发布能模拟人类大脑的SyNAPSE(Systems of Neuromorphic Adaptive Plastic Scalable Electronics，即“自适应塑料可伸缩电子神经形态系统”)芯片，相比前一代原型，新的芯片已达到量产要求，并且拥有100万个“神经元”内核、2.56亿个“突触”内核以及4096个“神经突触”内核，而功率则仅有70毫瓦，该芯片能够模仿人脑的运作模式，更擅长进行模式识别，而且低功耗，在认知计算方面要远远穿过传统计算架构。
总结
IBM在人工智能领域的布局还是在围绕着Watson和SyNAPSE做文章，这代表着他们在人工智能领域长时间技术积累，同时IBM也在越来越开放，希望能像其他科技巨头一样，建立一个真正的开放性的技术平台，真正组建一个生态系统，因为人工智能领域的技术门槛相对较高，所以在这个时代来临时，或许会成为IBM逆转的好时机。
5、微软
面对谷歌和IBM在人工智能市场的布局，微软的在人工智能市场动作缓慢一直倍受市场诟病。但从2014年开始，微软通过推出智能机器人小冰、语音助手Cortana以及增强现实头显Holo Lens，已经初步显现出其强大的雄心和实力。
2014年5月，微软小冰诞生在中国，背后团队是微软(亚洲)互联网工程院小冰项目组。小冰诞生时面临的首个难题是：跟随传统做个人助理机器人，还是另辟蹊径做看似不“实用”的聊天机器人?项目负责人李笛和其他三位STC工程师决定让她主打“情感计算”，试图与人类建立强烈的情感纽带。小冰与真人的平均对话(CPS)已经达到了23个回合，这就让她能够进一步优化原有的数据库。除了文字、语音聊天，现在的小冰还可以看“图”说话。
此后，2014年7月，微软在北京召开Windows Phone 8.1 Update中国区发布会，正式发布Cortana中文版，并将其命名为“微软小娜”。小娜和小冰的区别在于小娜能提供智能语音服务。而在发布了微软学术搜索之后，小冰、小娜还将能跟你聊学术。尽管微软小冰推出之初因为种种问题而广受诟病，但围绕微软小冰的改进工作一直在进行中。
在今年的开发者大会上，微软CEO萨提亚·纳德拉正式宣布了“对话即平台”战略。很显然，在“对话即平台”的新战略中，小娜和微软小冰处在核心位置。