現(xiàn)在，人工智能已經(jīng)變成一個網(wǎng)絡(luò)熱詞，基本上家喻戶曉了。但是，很多人對人工智能的理解，也僅停留在一個模糊的概念上，當(dāng)我們說人工智能產(chǎn)業(yè)，或人工智能的風(fēng)口和機(jī)會，具體指向是什么？要回應(yīng)這個問題，需要先梳理一下人工智能產(chǎn)業(yè)鏈。

人工智能產(chǎn)業(yè)鏈，可以分為三個層面：

1、硬件層

第一層面是硬件層，涵蓋人工智能的硬件和基礎(chǔ)設(shè)施，如AI芯片、傳感器、服務(wù)器等。

人工智能硬件廠商，是AI產(chǎn)業(yè)第一輪發(fā)展的受益者。國外著名的企業(yè)如英偉達(dá)、AMD等。國內(nèi)也有很多做人工智能芯片研發(fā)的企業(yè)，坦白講其實未來還很難預(yù)測，我甚至認(rèn)為做這種專業(yè)領(lǐng)域的研發(fā)，還不如像FPGA，就是專門為某個領(lǐng)域做人工智能的方案，那個機(jī)會還大一點。做人工智能現(xiàn)在類腦計算芯片、人工智能計算芯片，相對通用性強(qiáng)一點，這種其實壓力比較大。

為什么呢？因為人工智能芯片是需要構(gòu)筑生態(tài)的，這個領(lǐng)域的領(lǐng)軍企業(yè)是英偉達(dá)。英偉達(dá)有幾千個工程師，去幫它的芯片做各種應(yīng)用的場景開發(fā)，或者是應(yīng)用的支持。也就是說基于英偉達(dá)的芯片做應(yīng)用的時候，你會感覺到英偉達(dá)的生態(tài)是非常健全的。所以說硬件企業(yè)要勝出，不光是要硬件性能好，更主要的是生態(tài)構(gòu)建能力。

2、基礎(chǔ)服務(wù)層

第二層面是基礎(chǔ)服務(wù)層，涵蓋云基礎(chǔ)服務(wù)，以及 在云基礎(chǔ)上提供附加的人工智能能力。

在硬件基礎(chǔ)上，云服務(wù)公司是AI產(chǎn)業(yè)第二輪的受益者。它受益要比硬件大得多，因為它能支撐廣泛的應(yīng)用。在美國幾乎所有的IT巨頭，都在花巨資去建立大的云計算平臺，而且都要有強(qiáng)大的人工智能的支撐能力。最領(lǐng)先的是亞馬遜的AWS和谷歌這兩家，但是其實微軟、Facebook，甚至包括蘋果，都在云業(yè)務(wù)上下了巨大的成本。

中國也是一樣，現(xiàn)在比較領(lǐng)先的是阿里云，騰訊、百度也在發(fā)力，但是現(xiàn)在看起來阿里還是比較領(lǐng)先的空間。當(dāng)然華為也在做自己的云。中國也會誕生幾朵大云，也有很大的市場空間，因為中國的IT市場不比海外小多少。

3、行業(yè)應(yīng)用層

第三層面是行業(yè)應(yīng)用層，就是在前兩個層面上衍生出來的、與各行業(yè)結(jié)合的應(yīng)用，如無人駕駛、智能醫(yī)療、新零售等AI應(yīng)用。

在這個層面，有大量的人工智能應(yīng)用公司，而且還會不斷繁榮。這些公司的特點很明確，一定要有自己本行業(yè)的特色。因為人工智能這個技術(shù)本身，沒有辦法形成壁壘，真正能夠形成壁壘的一定是行業(yè)特色，也就是說行業(yè)數(shù)據(jù)、行業(yè)經(jīng)驗和行業(yè)準(zhǔn)入會是壁壘，這需要我們?nèi)フ业竭@些壁壘，從而把業(yè)務(wù)做起來。所以任何先進(jìn)領(lǐng)域，不代表領(lǐng)先就好，還必須找到自己的壁壘和競爭優(yōu)勢，才能夠做好。

前面討論了人工智能的產(chǎn)業(yè)結(jié)構(gòu)。你可以看到，其實第一個層面的硬件層，和第二個層面的基礎(chǔ)服務(wù)層，要么創(chuàng)業(yè)門檻較高，要么競爭壁壘較低，對大多數(shù)人而言，第三個層面的行業(yè)應(yīng)用層，創(chuàng)業(yè)或從業(yè)機(jī)會相對更多。

下面就人工智能的產(chǎn)業(yè)前沿，列舉四個領(lǐng)域的機(jī)會：

1 推薦算法

目前最普遍的AI應(yīng)用就是推薦算法。電商其實就是推薦算法，比如現(xiàn)在有人做海外購，其實就是與國外的數(shù)據(jù)連接，分享一部分?jǐn)?shù)據(jù)，海外有客戶就可以利用算法推薦，做的好了，也有可能成為一個小淘寶。另外，比如今日頭條，能夠從新聞門戶及微博網(wǎng)站中殺出重圍，依靠的也是推薦算法。我自己就有體會，我現(xiàn)在大量的新聞獲得都是從頭條上來的。因為我看的東西頭條會捕捉到，然后給我推薦的也會越來越精準(zhǔn)，所以就成了我獲得科技前沿進(jìn)展的一個好幫手。

2 智能預(yù)測

第二個現(xiàn)在做的很多的AI應(yīng)用是智能預(yù)測。比如在車上裝一個搜集數(shù)據(jù)的小盒子，就可以獲得每個用戶的行車習(xí)慣和行車數(shù)據(jù)，基于這些數(shù)據(jù)的智能預(yù)測就可以和保險業(yè)務(wù)掛鉤，根據(jù)用戶的風(fēng)險指數(shù)來動態(tài)的決定保費(fèi)。

3 軟硬結(jié)合

第三個比較大的AI應(yīng)用機(jī)會是軟硬結(jié)合。比如自動駕駛就是一個很好的例子。一個新的技術(shù)在發(fā)展過程中，總會有迭代升級的過程，所以常見于報端的是：特斯拉又出事了，或自動駕駛又撞到人或障礙物了。其實，特斯拉或自動駕駛救人的例子更多，只是這樣的新聞，媒體上沒有人愿意報道而已。另外，比如智能掃地機(jī)器人，我在家里就有兩臺機(jī)器人，一個負(fù)責(zé)掃地，一個負(fù)責(zé)擦地，節(jié)省了我們很多的家務(wù)時間。硬件在經(jīng)過人工智能改造和賦能以后，就會在很多應(yīng)用場景中，給人們的工作和生活帶來便利。

4 數(shù)據(jù)掘金

第四個AI應(yīng)用是數(shù)據(jù)掘金。很多數(shù)據(jù)用人眼或人腦來判斷或認(rèn)知是很有限的，但用人工智能來解讀，就會有新的的洞察出來。比如商業(yè)指征數(shù)據(jù)，人的行為數(shù)據(jù)，像心電圖，原來心電圖很多東西解讀不出來，特別牛的老醫(yī)生可能會看出差異，但是現(xiàn)在用人工智能解讀，就能把心臟病里很多小的特征都提取出來，甚至能夠救命。這里面最經(jīng)典的例子就是Apple Watch，如果你上網(wǎng)去搜 Apple Watch救命的例子就很多。因為患者 隨身攜帶，就會對生理指征產(chǎn)生持續(xù)的量化輸入和訓(xùn)練，當(dāng)出現(xiàn)異樣的指征時，智能硬件就會比病人甚至醫(yī)生，更提前地預(yù)判風(fēng)險的出現(xiàn)，從而起到救人的作用。
卸任編輯：tzh