Vanguard的机器人顾问管理着1500亿美元的资金;辉瑞公司拥有约150个AI项目，其中许多涉及市场和销售，但不涉及药物开发。CapitalOne拥有约1000个AI项目，主要用于信贷，风险，市场营销的机器学习;Google / Alphabet在搜索，广告，自动驾驶汽车等领域拥有数千个AI项目。[Tom Davenport]

30%的企业在一般生产中具有多个AI应用程序;36%的AI程序仍处于开发阶段;55%的人表示，他们是AI部署的“先驱”，他们在学习AI的同时就学习了AI。安全是头等大事(48%);最大的预期收益是提高IT运营效率(大公司中49%，小公司中31%)[Informa Tech，InformationWeek和《 ITPro Today》对北美300名技术决策者的调查]

73%的企业认为AI对他们的成功至关重要(2019年为68%)，但49%的企业认为自己的公司在AI旅程中落后了;82%的公司在其业务中使用AI，但14%的公司报告未以任何能力使用AI。从2019年到2020年，报告AI预算超过500万美元的组织数量增加了一倍;2020年，报告使用全球云机器学习提供商的受访者数量是全球主要云提供商的4倍，其中包括Microsoft Azure(49%)，Google Cloud(36%)，IBM Watson(31%)，AWS(25%)和Salesforce爱因斯坦(17%);40%的人表示缺乏数据或数据管理是AI成功的最大障碍[Appen对374位企业高管的调查]

自动化技术和实践将在未来两年中对组织的弹性发挥重要作用：客户服务自动化(69%)，员工服务自动化(54%)，供应链自动化(39%)和机器人流程自动化(37 %)[对503位美国IT决策者的推理解决方案调查]

首席信息官们预计，今年在人工智能，机器学习和过程自动化项目上的支出将增长约7%，低于第一季度的预期增长约11%。首席信息官们预计，他们的整体技术预算今年将下降4.4%，低于今年初预期的3.5%增长[摩根士丹利在5月和6月对100位美国和欧洲首席信息官进行的调查中的华尔街日报]

93%的首席分析官和首席数据官表示，必须考虑道德考量，以推动组织内部采用AI。67%的人不监控模型以确保其持续的准确性并防止模型漂移;65%的人表示，建立具有适当技能的团队是采用AI的大中障碍[FICO和Corinium对100多个c级分析和数据主管的调查]

深度学习的未来

对1,058篇旨在了解深度学习性能如何取决于图像分类，对象检测，问题解答，命名实体识别和机器翻译等领域的计算能力的研究论文的分析，发现计算需求在这些方面均迅速提升领域，并且这些计算要求将迅速在技术和经济上变得过时。结论是，当前的发展正在迅速地在经济，技术和环境上变得不可持续，并且这些应用程序的持续发展将需要显着提高计算效率的方法，这些方法要么必须来自于对深度学习的改变，要么必须来自于向另一台机器的迁移。学习方法[arXiv]