在數(shù)字時代，人工智能（AI）即將引起新一輪的科技革命。全球AI市場將呈現(xiàn)迅猛的增長。推動它快速發(fā)展的動力來源于技術(shù)的不斷突破、強勁的政策支持和充沛的資金投入。如何尋找AI行業(yè)切入點和投資機會是眾多決策者關(guān)注的重要問題。隨著AI黃金時代的到來，我們是否能乘風破浪，發(fā)揮它的最大價值？

十年后，AI市場規(guī)模將會超過萬億美元

AI多年來一直是新技術(shù)革命的熱點。雖然AI的熱潮經(jīng)歷了幾次波動，但是越來越多的實際落地應(yīng)用使投資者和企業(yè)始終保持熱情。

盡管處于萌芽階段，AI市場預計將在未來十年呈現(xiàn)指數(shù)級的增長。我們預計AI市場的年增長率將達到64％，在2027年超過1萬億美元。

AI的發(fā)展驅(qū)動力是什么？

AI技術(shù)和市場的蓬勃發(fā)展受技術(shù)的不斷進步與成熟、政府政策的鼓勵和資金的大量投入等眾多力量的推動。

深度學習算法、AI芯片和大數(shù)據(jù)的可獲性與可用性推動AI技術(shù)的創(chuàng)新

AI技術(shù)的快速發(fā)展，使其從學術(shù)階段發(fā)展到實際應(yīng)用階段，結(jié)合最先進的技術(shù)和系統(tǒng)，突破了傳統(tǒng)計算技術(shù)的極限。云存儲和計算技術(shù)的成熟為處理大量圖像、文本和其他類型的數(shù)據(jù)奠定了基礎(chǔ)。通過大數(shù)據(jù)，AI可以讓企業(yè)實現(xiàn)以往都無法想象的轉(zhuǎn)變。

不斷改進的AI算法，助力AI技術(shù)能實現(xiàn)突破性的創(chuàng)新。自2012年以來，音頻和圖像識別的準確性得到了顯著提高，已經(jīng)超越人類的基本能力。

開源框架，例如Tensorflow、Caffe、Neon、Torch、Theano、CNTK，降低了開發(fā)深度學習算法的障礙。大數(shù)據(jù)的可用性為深度學習算法提供了充足的學習材料。到2020年，全球每月上傳的在線視頻總長度預計為500萬年，即每分鐘在線上傳100萬分鐘的視頻。

硬件的成熟為深度學習算法提供了足夠的計算能力。采用圖形處理器GPU、現(xiàn)場可編程門陣列FPGA、專用集成電路ASIC（TPU和NPU是ASIC芯片的主要代表）等AI芯片，大大提高了AI訓練和推理的計算效率。毫無疑問，創(chuàng)新技術(shù)將繼續(xù)推動AI革命。

政府的積極引導，加快AI的發(fā)展

AI對于國家來說戰(zhàn)略意義重大，全球主要國家政府紛紛啟動AI發(fā)展計劃。

中國于2018年1月發(fā)布了人工智能標準化白皮書。這是指導中國人工智能產(chǎn)業(yè)高水平發(fā)展的重要戰(zhàn)略。在此之前，國務(wù)院于2017年7月發(fā)布了下一代人工智能發(fā)展計劃，制定了人工智能發(fā)展的總體思路、戰(zhàn)略目標、主要任務(wù)和配套措施，努力到2030年把中國打造成世界領(lǐng)先的人工智能創(chuàng)新中心。

美國于2016年12月發(fā)布了“人工智能、自動化和經(jīng)濟”報告，重點關(guān)注人工智能驅(qū)動的自動化經(jīng)濟學和推薦的政策反應(yīng)。 2016年6月，網(wǎng)絡(luò)與信息技術(shù)研究與發(fā)展小組委員會（NITRD）制定了國家人工智能研究與發(fā)展戰(zhàn)略計劃，為聯(lián)邦政府資助的人工智能研究制定了一系列目標。

類似的，日本政府頒布了第五個科學技術(shù)基本計劃（2016－2020），進一步推動AI、邊緣計算和高速處理設(shè)備技術(shù)的發(fā)展，作為構(gòu)建超智能社會服務(wù)平臺所必需的基礎(chǔ)技術(shù)。

大量的資金投入，是AI從實驗室走向應(yīng)用的基礎(chǔ)

持續(xù)的資本投入促進了全球AI產(chǎn)業(yè)的發(fā)展。 2017年，AI初創(chuàng)公司獲得了152億美元投入，其中近48％是種子或天使輪融資。 此外，谷歌和百度等互聯(lián)網(wǎng)巨頭在2017年在AI領(lǐng)域投入了約300至400億美元，其中90％用于研發(fā)，10％用于收購。戰(zhàn)略和財務(wù)投資者都在大力尋找AI行業(yè)的優(yōu)質(zhì)資產(chǎn)。

AI是如何工作的？

AI是指給機器提供“思考”的能力。通常，AI由3層架構(gòu)組成：底層硬件與服務(wù)、算法與框架、以及垂直應(yīng)用。

底層硬件與服務(wù)

AI的底層基礎(chǔ)設(shè)施是擴展、加速、自動化管理大量數(shù)據(jù)處理的重要基礎(chǔ)。AI數(shù)據(jù)的編程和存儲是AI技術(shù)落地最大的挑戰(zhàn)之一，尤其是隨著數(shù)據(jù)量飛速的增長，需要通過AI芯片的強大的計算能力支持基礎(chǔ)架構(gòu)環(huán)境建立，為AI提供充足的算力。如果從計算效率和可編程性的維度上評估不同類型的芯片，ASIC是最快的計算引擎，而CPU是最靈活。在對選擇不同的AI基礎(chǔ)架構(gòu)做決策之前，企業(yè)應(yīng)該充分評估其業(yè)務(wù)需要的容量。

算法與框架

AI主要包括各種不同的算法與技術(shù)。其中機器學習是一種統(tǒng)計學習方法，旨在訓練具有大量數(shù)據(jù)的模型。該模型從已知數(shù)據(jù)“學習”“規(guī)則”并自動更新模型中的相關(guān)參數(shù)。經(jīng)過訓練的“規(guī)則”和“模型”可用于預測現(xiàn)實世界中的未知數(shù)據(jù)。

深度學習是機器學習的一個子領(lǐng)域。它廣泛用于圖像識別，語音識別等領(lǐng)域。深度學習可實現(xiàn)無監(jiān)督學習——無需人工提取規(guī)則或功能。卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種典型的深度學習算法，經(jīng)證明在圖像識別和分類等領(lǐng)域非常有效。CNN通過分層多個（通常為4～5層或更多層）非線性函數(shù)來模擬人類神經(jīng)系統(tǒng)的工作過程。

AI框架的核心競爭力在于計算能力和訓練效率。數(shù)據(jù)并行性和模型并行性是提升算力與效率的兩種方式。

在數(shù)據(jù)并行性中，數(shù)據(jù)被放置在并行計算環(huán)境中的多個處理器上，不同的機器具有完整的模型副本。每臺機器只需獲取不同部分的數(shù)據(jù)并訓練數(shù)據(jù)。其關(guān)鍵在于整合不同機器的結(jié)果，達到快速收斂。

在模型并行性中，分布式系統(tǒng)中的不同機器負責單個網(wǎng)絡(luò)的不同部分中的計算——例如，神經(jīng)網(wǎng)絡(luò)中的每個層可以被分配給不同的機器。模型并行的優(yōu)點是可以通過使用多臺機器同時更新多個參數(shù)來加速算法。

垂直應(yīng)用

AI的商業(yè)價值最終仍需要在垂直領(lǐng)域的應(yīng)用中體現(xiàn)。成功的應(yīng)用需要結(jié)合AI和特定行業(yè)的專業(yè)知識，將AI產(chǎn)品轉(zhuǎn)化為最終用戶的定制解決方案／服務(wù)。 AI目前已應(yīng)用于醫(yī)療保健，工業(yè)，安全，金融科技等眾多行業(yè)。

AI能實現(xiàn)什么？

通過監(jiān)督學習、無監(jiān)督學習和強化學習等手段，機器可以利用統(tǒng)計模型，達到一定的“思考”能力。

圖像識別和人類語音識別已成為目前AI最重要的兩大應(yīng)用。AI的準確性已達到滿足日常生活與工作需求的水平。當數(shù)據(jù)在未來變得更加結(jié)構(gòu)化和準確時，其應(yīng)用將會變得更加廣泛。

機器學習結(jié)合其他技術(shù)支持各種應(yīng)用。像DoNotPay這樣的聊天機器人使用機器學習來解釋用戶響應(yīng)并確定后續(xù)查詢。特定于某種服務(wù)的語音命令即將成熟。使用語音識別可以在法庭上檢測情緒和謊言。內(nèi)部數(shù)據(jù)分析，例如通過機器學習可以實現(xiàn)協(xié)助起草文件，如簡報和語言優(yōu)化動作。

對于企業(yè)來說，AI可以提升運營效率、推動創(chuàng)新，并降低員工的勞動強度。

AI的應(yīng)用存在哪些挑戰(zhàn)？

數(shù)據(jù)可獲得性、實施的復雜性、業(yè)務(wù)價值的開發(fā)是AI應(yīng)用推廣所面臨的挑戰(zhàn)。

數(shù)據(jù)可獲得性：訓練模型用的數(shù)據(jù)集的數(shù)量和質(zhì)量在許多案例中都成為了AI應(yīng)用的瓶頸。AI模型訓練需要基于充分的歷史或參考數(shù)據(jù)。而在很多情況下，企業(yè)缺乏有效的數(shù)據(jù)跟蹤與訪問的系統(tǒng)，甚至可能沒有數(shù)據(jù)的訪問權(quán)限。在另一些情況下，可能面臨的問題包括可用的數(shù)據(jù)不足、現(xiàn)有數(shù)據(jù)格式無法進行模型訓練等。

實施的復雜性：在某些領(lǐng)域（例如語音識別，安防監(jiān)控，圖像閱讀），AI可以當做平臺被使用（AI－as－a－platform）。但在大多數(shù)情況下，要開發(fā)一套行業(yè)統(tǒng)一的AI解決方案，更不用說跨行業(yè)的解決方案。AI的實施需要大量的定制化工作和行業(yè)專業(yè)知識的支持。

業(yè)務(wù)價值的開發(fā)：AI的應(yīng)用必須以給行業(yè)帶來真正的價值為基礎(chǔ)，無論是為了創(chuàng)收還是節(jié)約成本，或是賦予公司切實的競爭優(yōu)勢。我們預測AI會首先應(yīng)用于能產(chǎn)生直接利益的領(lǐng)域，如：

提升營收：基于客戶特定的定制化推薦

節(jié)省成本：提高工作效率，預測異常情況

有形競爭優(yōu)勢：如用AI賦予成像設(shè)備，金融投資決策等

企業(yè)應(yīng)該為AI時代的到來做些什么準備？

首先，企業(yè)的管理層應(yīng)明確發(fā)揮AI技術(shù)優(yōu)勢的方式與方法，他們應(yīng)評估AI應(yīng)用的會帶來的短期和長期的價值以及相應(yīng)的財務(wù)影響。

其次，公司應(yīng)有效評估其內(nèi)部IT能力和基礎(chǔ)設(shè)施。通常，不同行業(yè)企業(yè)的能力和資源會有非常大的差異，很多傳統(tǒng)行業(yè)企業(yè)或小規(guī)模企業(yè)通過依靠自身投入很難有效地達成技術(shù)升級。此時企業(yè)應(yīng)該仔細評估是否需要引入外部合作伙伴，如云服務(wù)平臺，AI解決方案提供商和AI系統(tǒng)集成商。

最后，關(guān)鍵的利益相關(guān)者應(yīng)共同制定明確的AI實施路線圖以及績效跟蹤機制。管理層應(yīng)強調(diào)AI項目對企業(yè)的重要性，并分配足夠的資源以確保達成預期的結(jié)果和按時交付。

AI技術(shù)供應(yīng)商的市場格局？

越來越多的玩家瞄準不同的業(yè)務(wù)環(huán)節(jié)切入了AI市場

一體化行業(yè)巨頭：AI生態(tài)系統(tǒng)包括以芯片為核心的基礎(chǔ)設(shè)施，算法與框架和行業(yè)垂直應(yīng)用。谷歌，亞馬遜和百度等IT巨頭已經(jīng)滲透到價值鏈的各個組成部分，提供種類繁多產(chǎn)品和服務(wù)。他們是AI市場的領(lǐng)導者。

芯片供應(yīng)商：一些企業(yè)專注于AI芯片的生產(chǎn)和銷售，芯片是AI基礎(chǔ)設(shè)施的核心部分。在這一細分市場中，英特爾，高通，nVIDIA等IC巨頭憑借他們豐富的設(shè)計、制造和廣泛的行業(yè)經(jīng)驗，占據(jù)行業(yè)領(lǐng)導者地位。另外一些初創(chuàng)公司如寒武紀（Cambricon），深思創(chuàng)芯科技（DeepcreatIC）和中國科學院微電子研究所（IME）等亦進入AI芯片領(lǐng)域成為新興的競爭對手。他們通常獲得大學和研究機構(gòu)的支持，以扎實的學術(shù)背景切入市場。

算法與框架供應(yīng)商：在AI的算法與框架產(chǎn)業(yè)中，有很多新興企業(yè)與IT巨頭展開了充分競爭。以商湯科技（SenseTime）為例，發(fā)揮自身在深度學習算法框架的優(yōu)勢，為公安行業(yè)提供視覺分析和面部識別服務(wù)，同時與其他行業(yè)如教育、零售和汽車等領(lǐng)域?qū)崿F(xiàn)廣泛的垂直行業(yè)覆蓋。

垂直應(yīng)用提供商：很多AI公司專注于特定的細分行業(yè)或先進技術(shù)領(lǐng)域，專注垂直行業(yè)應(yīng)用的開發(fā)，如科大訊飛（IFLYTek）及碳云智能（iCarbonX）等。