人工智能商業(yè)圖景

文 / 齊卿

?

人工智能商業(yè)圖景

文 / 齊卿

國際人工智能巨頭布局基礎(chǔ)平臺，國內(nèi)企業(yè)可從技術(shù)和應(yīng)用層面尋求突破。

2016年3月的人機圍棋大戰(zhàn)，令人工智能被更廣泛的大眾討論。樂觀主義者認為，人工智能可以帶來烏托邦般美好的社會；悲觀主義者則擔(dān)心人類社會的毀滅；勞動者們擔(dān)心越來越多的專業(yè)化工作會被人工智能所取代；激進的企業(yè)家則希望人工智能帶來顛覆性的商業(yè)版圖……

其實，人工智能的概念并不年輕。早在1956年，這個概念就在達特茅斯學(xué)會上被提出。要理解今天人工智能的技術(shù)要素和產(chǎn)業(yè)結(jié)構(gòu)，不妨從回顧人工智能的三個發(fā)展階段開始。

人工智能發(fā)展的三次浪潮

人工智能發(fā)展的第一次浪潮是在1956～1974年，當(dāng)時計算機已經(jīng)在工業(yè)領(lǐng)域大量采用，強大的運算能力讓科學(xué)家們認為，計算機理所當(dāng)然會超越人類的智慧。當(dāng)時主流的研究是“推理”和“搜索”。這個時期的人工智能技術(shù)很好地解決了博弈類問題，它的巔峰之作就是IBM研制的超級計算機“深藍”在1997年擊敗人類國際象棋冠軍卡斯帕羅夫。但搜索技術(shù)對非結(jié)構(gòu)化的數(shù)據(jù)無能為力，如它無法回答“我們要采取哪些營銷對策才能提高新品銷量”這樣的問題。

隨后在1980～1987年，人們開始關(guān)注于如何讓計算機模擬人類的決策過程，這時的主要技術(shù)是“專家系統(tǒng)”，著重解決生產(chǎn)制造、會計審核等領(lǐng)域的問題，方法是將已有的專業(yè)知識錄入系統(tǒng)，通過綜合的檢索和判斷，做出決策。如當(dāng)你向電腦描述病情，電腦根據(jù)過去海量的診斷記錄，可以將患病概率最大的疾病檢索出來，輔助醫(yī)生進行診斷。Siri有部分功能是基于此技術(shù)實現(xiàn)的。“專家系統(tǒng)”的一個瓶頸是，機器不能夠自主學(xué)習(xí)，可用性受制于專家?guī)煲?guī)模。

1993年至今，人工智能迎來了第三次浪潮。這次的特點是軟、硬件的協(xié)調(diào)發(fā)展。軟件上，模擬神經(jīng)處理信息的神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以通過訓(xùn)練實現(xiàn)自學(xué)習(xí)。同時發(fā)展的云計算、GPU等硬件技術(shù)，也為軟件提供了數(shù)據(jù)入口和計算能力的支撐，使得大規(guī)模運算成為可能。

人工智能的產(chǎn)業(yè)結(jié)構(gòu)

權(quán)威的IT研究與咨詢公司高德納發(fā)布的2015新興技術(shù)成熟度曲線中，人工智能相關(guān)的主要技術(shù)大部分處于技術(shù)萌芽期和期望膨脹期（表 1）。目前尚無處于穩(wěn)定回升期的技術(shù)。一般而言，處于萌芽期的技術(shù)，概念開始被公眾所接受，產(chǎn)品和服務(wù)處于探索階段，尚無固定的形態(tài)。處于期望膨脹期的技術(shù)則兩極分化，部分技術(shù)取得了較大的成功，但失敗的例子也不勝枚舉。

將技術(shù)成熟度曲線與風(fēng)投數(shù)據(jù)公司CB Insight發(fā)布的全球人工智能融資數(shù)據(jù)對比分析（圖 1），融資規(guī)模在2014年四季度和2015年一季度達到峰值，分別為2.01億和1.21億美元。2015年四季度和2016年一季度，人工智能創(chuàng)業(yè)公司融資數(shù)量大幅提升，分別為24家和27家。這說明人工智能相關(guān)公司依然以早期概念技術(shù)為主流，成熟的商用技術(shù)和商業(yè)模式尚未開發(fā)出來。同時由于商業(yè)應(yīng)用的前景尚不明朗，投資者趨于謹慎。這表現(xiàn)為最近幾個季度人工智能的創(chuàng)業(yè)企業(yè)數(shù)量在激增，而獲得的融資額趨于保守。

表 1　人工智能技術(shù)成熟度

圖 1　全球人工智能融資情況

國際巨頭布局基礎(chǔ)平臺

人工智能的產(chǎn)業(yè)結(jié)構(gòu)可分為基礎(chǔ)設(shè)施層、技術(shù)層和應(yīng)用層?；A(chǔ)設(shè)施層主要包括芯片、云平臺、大數(shù)據(jù)等底層平臺。技術(shù)層包括各類算法如圖像識別、機器學(xué)習(xí)、語音識別等。應(yīng)用層是各種應(yīng)用的產(chǎn)品形態(tài)。

國際巨頭由于在數(shù)據(jù)、平臺上具有先發(fā)優(yōu)勢，其產(chǎn)業(yè)邏輯是繼續(xù)加強平臺建設(shè)，強化核心算法以及垂直數(shù)據(jù)的獲取。表2展現(xiàn)了近幾年主要國際巨頭在人工智能領(lǐng)域的收購情況。以搜索為核心業(yè)務(wù)的谷歌，收購了多家深度學(xué)習(xí)領(lǐng)域的公司，進一步強化公司在算法方面的優(yōu)勢地位，挖掘公司依靠搜索引擎積累的海量數(shù)據(jù)的價值，尤其加強圖像、語音和社交方面的能力。同時公司與DWave展開量子計算機的合作開發(fā)，向芯片領(lǐng)域深耕，強化公司垂直領(lǐng)域的能力。作為最大的社交平臺，F(xiàn)acebook依靠在人臉識別、語言文字處理方面的能力，試圖深挖社交平臺的資源優(yōu)勢。微軟在平臺和算法領(lǐng)域本身就擁有較強的技術(shù)實力，推出的Azure平臺，是非常領(lǐng)先的機器學(xué)習(xí)平臺。微軟在今年6月收購LinkedIn，希望通過加強商務(wù)社交領(lǐng)域大數(shù)據(jù)的積累，以補齊公司的短板。

表2　國際IT巨頭人工智能領(lǐng)域主要收購情況

國內(nèi)企業(yè)注重技術(shù)和應(yīng)用

與國際巨頭不同，國內(nèi)企業(yè)技術(shù)積累相對較弱，且受益于移動互聯(lián)快速發(fā)展所帶來的創(chuàng)新機遇，在技術(shù)和應(yīng)用層的布局相對完善（表 3）。

國內(nèi)巨頭BAT仍然在人工智能領(lǐng)域具有先發(fā)優(yōu)勢，騰訊和阿里在支付和社交領(lǐng)域的積累深厚，并且都打通了城市服務(wù)，雙方的人工智能布局基本以結(jié)合自身業(yè)務(wù)為主。如阿里的“未來醫(yī)院”主打智慧醫(yī)療，阿里云則是較為成熟的數(shù)據(jù)平臺。騰訊的布局動作主要深化挖掘優(yōu)化社交應(yīng)用的價值，加強圖片識別、文字分析等技術(shù)，與Facebook的路徑有些相似。相對而言，百度在人工智能的技術(shù)積累更為豐富，“百度大腦”計劃已經(jīng)向基礎(chǔ)硬件設(shè)施進行了較為深入的探索。但與阿里和騰訊相比，百度與用戶的距離較遠，這在一定程度上影響了百度人工智能的深度應(yīng)用。因此，盡管百度外賣看似與人工智能無關(guān)，但作為潛在的用戶入口以及位置數(shù)據(jù)的獲取，是百度一直堅持發(fā)展外賣的戰(zhàn)略考量。

在技術(shù)層，由于中文語音識別的壁壘較高，在語音識別及其應(yīng)用領(lǐng)域，國內(nèi)企業(yè)處于相對領(lǐng)先的優(yōu)勢。從國際市場看，盡管市場領(lǐng)導(dǎo)者Nuance占據(jù)62%的市場份額，但在國內(nèi)市場，科大訊飛以54%的市場占有率遙遙領(lǐng)先，Nuance在國內(nèi)市場的占有率僅有6%。在國內(nèi)市場由于移動互聯(lián)的快速發(fā)展，基于場景式的智能應(yīng)用發(fā)展勢頭良好。如本期案例中的出門問問，就聚焦于出行場景，打造了初具規(guī)模的企業(yè)生態(tài)。

表3　國內(nèi)主要人工智能企業(yè)分布

在語音識別及其應(yīng)用領(lǐng)域，國內(nèi)企業(yè)處于相對領(lǐng)先的優(yōu)勢。此外，基于場景式的智能應(yīng)用發(fā)展勢頭良好。

商機何在

從Vebture Scanner的統(tǒng)計數(shù)據(jù)來看，人工智能企業(yè)最為集中的是應(yīng)用型機器學(xué)習(xí)，有23%的企業(yè)集中于該領(lǐng)域，這也是商業(yè)化應(yīng)用較為成熟的領(lǐng)域。如IBM沃森平臺就主要處理應(yīng)用型的機器學(xué)習(xí)。針對每個行業(yè)，沃森開發(fā)了相應(yīng)的API以提供服務(wù)。如針對金融業(yè)，沃森可以通過機器學(xué)習(xí)，從新聞、社交網(wǎng)絡(luò)等平臺獲取信息，可以識別出過去依靠財務(wù)報表分析難以發(fā)現(xiàn)的三角債、內(nèi)幕交易等行為。

圖2　人工智能企業(yè)分布領(lǐng)域

自然語言處理是另一個企業(yè)相對集中的領(lǐng)域，占到總數(shù)的14%。因為語音交互是人工智能應(yīng)用一個重要的入口，而語音識別是語音交互的基礎(chǔ)技術(shù)。該技術(shù)的進入門檻相對較低，這是企業(yè)較為集中的原因。通用型機器學(xué)習(xí)是人工智能最為核心的組成部分，具有較強的進入門檻，但商用形式較為單一，一般是作為底層平臺，通過使用授權(quán)的方式，提供給第三方使用，變現(xiàn)能力較弱。

其他技術(shù)如虛擬個人助理、智能機器人、推薦引擎、情感計算等，技術(shù)成熟度不高，應(yīng)用的范圍比較聚焦于專業(yè)領(lǐng)域，現(xiàn)在主要由一些具有技術(shù)積累的公司在該領(lǐng)域從事研發(fā)和應(yīng)用工作。

從人才儲備來看，根據(jù)領(lǐng)英數(shù)據(jù)顯示，該平臺上的全球人工智能人才數(shù)量約為25萬人，主要分布在美國、歐洲、印度及中國。從中美人工智能人才的從業(yè)年限構(gòu)成比例上看，美國擁有10年以上經(jīng)驗的人工智能人才比例接近50%，而我國的比率不到25%，這與我國起步較晚有關(guān)。然而，從5年以下的比例來看，我國這一數(shù)字比率超過了40%。從人才從業(yè)年限結(jié)構(gòu)分布上來看，我國新一代人工智能人才比例較高。

根據(jù)領(lǐng)英數(shù)據(jù)，目前在為人工智能Top10雇主工作的美國人才中，僅有16%來自高等院校，大部分人才都服務(wù)于企業(yè)雇主。而我國有約32%的人才為清華大學(xué)、北京大學(xué)、中科院和浙江大學(xué)這四所科研院校工作。隨著BAT等高科技企業(yè)在人工智能應(yīng)用和開發(fā)上的不斷探索，或許將刺激更多人才和資本向人工智能商業(yè)應(yīng)用領(lǐng)域涌入。