本文首發於2019年6月18日期《中國資管評論》

Harsha Madannavar、滕勇、王懌凱、樓一孺

在當今信息化和科技爆炸的時代，人工智能進入了飛速增長的階段，在各商業領域中的應用得到不斷拓展。然而對人工智能熱潮是否能持續的疑問仍然存在，能否為企業帶來如預期的真實價值將決定人工智能長期增長的可持續性。伴隨市場態度逐漸從“過熱”轉變到“務實”，人工智能算法和軟件開發企業（在下文中簡稱人工智能企業）將面對更多的挑戰，它們該如何在這萬億美元的市場中立於不敗之地？

人工智能是一個萬億美元級的廣闊市場

儘管人工智能的發展仍處於商業化的早期，預期未來10年相關解決方案市場的複合增長率將保持在65%，並於2027年達到萬億美元。人工智能熱潮受到科技進步、政府政策紅利以及全球投資者不斷加持，其持續高速發展的核心驅動因素主要有以下3個。

數據規模和深度—數據日益成為公司最有價值的資產，數據生成和收集技術的成熟（記錄、圖像、音頻等），尤其是物聯網的普及使得數據可獲取的來源呈現幾何級增長。對於各行業的公司來說，如何從數據中獲取有價值的商業洞察與實現流程優化，從而為企業創造價值將成為必修課。可供人工智能算法訓練的數據不斷增長，積極推進了人工智能模型的完善，並帶來了更準確的結論和預測。

算力—最前沿的硬件技術和系統，包括GPU、FPGA和ASIC芯片、雲計算、分佈式和並行計算，打破了傳統計算技術的邊界，推動人工智能走出實驗室，進入商業場景的實際應用。

為公司帶來真實的價值—人工智能已助力企業實現顛覆性的改變，更好地滿足切實的商業需求，如客戶服務中使用的Chatbots、金融機構的防欺詐系統、消費行業的客戶定向推薦等。以Netflix為例，人工智能驅動的用戶定向推薦為Netflix帶來了每年10億美元的額外收入。

並非所有領域都已準備好迎接人工智能

人工智能正在急劇改變很多行業，一些應用場景已經開始幫助解決行業的核心痛點。高價值的應用場景、高效的分析工具、海量數據的具備，是實現人工智能垂直領域價值的基礎。有些應用場景可以在短期內實現，而另一些應用場景需要長時間的積累與提升，才能真正實現商業化。不同垂直領域的應用場景、需求和引入曲線大相徑庭，人工智能企業需要合理制定優先級。

並非所有的垂直領域都已準備好迎接人工智能的到來。我們建議通過兩個維度分析各垂直領域人工智能的應用：行業的內在需求（包括人工智能應用價值以及行業接受度）和進入難度（包括進入壁壘、競爭、及分析工具透明度要求）。

金融保險業—人工智能主要的應用包括自動交易、欺詐和風險檢測、客戶服務工具等。金融保險業由於行業本身對於數據和數據分析的高度依賴，其技術成熟度和行業特性為人工智能的應用打下了良好的基礎。業務中的關鍵痛點，比如可靠性、處理速度、安全性、準確性等，可以通過人工智能技術實現改進。同時行業和政策導向對於新技術的引入保持較高的開放程度。

醫療和生命科學—人工智能主要的應用包括輔助診療、藥物開發和病患管理系統。人工智能可以極大地提高效率和解決醫療資源匱乏的問題，但核心的醫療服務行業整體技術成熟度不高。競爭程度和進入壁壘相對較低，有眾多成功的創業企業已經成功在市場中佔據了一席之地。

廣告媒體娛樂—人工智能主要的應用包括消費者習慣分析、自動推薦系統等。該行業的電子信息化程度很高，有人工智能應用的良好技術基礎。同時對人工智能的需求也非常高。人工智能算法已經幫助更好地實現精準營銷和客戶畫像、產品推介。進入壁壘相對較低，但在發達國家對於消費者數據的公開有一定的顧慮。

零售（線下實體）—人工智能主要的應用包括消費者分析、購物體驗提升和供應鏈管理。然而人工智能在線下實體零售中的應用面臨電子信息化程度低以及消費者數據難以獲得的問題，尤其是需要獲得外部數據。同時，由於實體零售業務的特性，對新興技術的接受程度不如其他行業。類似廣告媒體娛樂行業，其進入壁壘相對較低。

教育—人工智能主要的應用包括自適應學習工具、課程定製等。教育是相對傳統的行業，數據的獲取和信息化程度非常低，同時從業者對於新技術的接受程度也較低。人工智能的應用可能需要較長時間的培育期。在另一方面，線上教育平臺的崛起，成為人工智能在教育領域應用的完美試驗田，但目前對於人工智能的需求仍較低。不管從競爭情況還是法規來看，教育市場的進入壁壘較低。

工業和製造業物聯網—人工智能主要的應用包括質量控制、產出優化、預測性維護和供應鏈管理。物聯網的普及為人工智能在工業領域的應用提供了大量的數據。人工智能已經在一些特定的領域幫助實現了效率提升、流程優化以及生產管理，但更多的應用場景有待進一步開發。

高科技—人工智能主要的應用包括廣泛的軟件系統和功能性硬件。對於人工智能的需求是各行業最高的，同時高科技企業對於新技術也有著極高的接受度。然而，高科技巨頭都計劃建立自己的人工智能能力（核心技術開發和價值鏈各環節能力），並打造圍繞自己核心業務的人工智能生態系統。

汽車和交通—人工智能主要的應用包括自動駕駛和路徑規劃。新的人工智能應用由領先的汽車品牌和科技巨頭主導，目前尚處於開發階段。一些未來新興的應用可能會引發革命性的變革，並打開全新的市場空間。其進入壁壘相對較高，新進入者將面對巨頭長期技術儲備以及商業資源的巨大挑戰。

智慧城市—人工智能主要的應用包括國土安全以及城市管控。該市場的高速發展主要驅動力為政府提高管理效率和提升城市安全舉措。缺少政府相關背景的企業將面臨相對更高的進入壁壘，主要因為對於監控數據的高度監管以及政府採購的傾向性。

通過對每個垂直領域的潛在需求和進入難易程度的分析，我們認為其中4個垂直領域對於人工智能企業更具吸引力，可以作為中短期打開市場的切入點，分別是金融保險業、廣告媒體娛樂、醫療和生命科學、工業和製造業物聯網。

解決落地難問題需從行業痛點入手

人工智能企業可分為全產業鏈整合巨頭，基礎框架及算法開發商，和垂直領域解決方案提供商。科技巨頭如谷歌、亞馬遜和百度都建立了自己廣泛的人工智能生態體系，提供一系列產品和服務，包括基礎設施、算法框架和垂直應用方案。有些以算法框架為核心的開發商通過向下遊拓展，切入選定的垂直領域。其他解決方案提供商會選擇一些特定垂直領域作為業務開發重點，如依圖科技、曠視科技（圖像識別系統為基礎）和科大訊飛（語音識別系統為基礎）。

不同類型的人工智能企業可能在落地針對性的方案時面臨技術和商業應用兩方面的困難。一方面，對算法框架缺少掌控。大量的數據處理需求對計算能力和模型效率提出了很高的要求，市場上開放的計算框架經常沒有辦法滿足所有機器學習模型的要求，更不用說滿足每個垂直領域客戶的特定需求。另一方面，面臨應用落地的複雜性。垂直領域的應用要求解決方案提供方對特定行業有著較深入的瞭解，以提供定製化的方案，標準化的解決方案很難同時滿足不同行業或不同場景的需求。由於缺少專業領域知識或經驗，人工智能企業的解決方案經常面臨落地難的問題。

人工智能企業需要有靈活的，可擴展的計算框架支持不同的模型和算法。比如，分佈式計算的數據處理能力比單體計算能力快十倍以上，不斷增長的數據和模型參數體量，處理能力對計算框架越來越重要，分佈式計算可以基於數據並行和模型並行，以拓展計算能力達到高速處理的要求。建立一個模塊化的框架也非常重要，可重複使用的模塊可以幫助企業更快實現不同應用的落地，縮短交付時間，與第三方開發者和系統集成商合作時，需要共同打造一個垂直整合的平臺。

人工智能企業還需要不斷整合垂直領域行業知識。一個垂直整合的平臺可以幫助人工智能企業加速應用落地，並獲取價值鏈上更多的價值。儘管人工智能計算框架是所有人工智能實現的基礎和最重要的差異化技術要點，但從商業價值角度考慮，通過服務終端客戶應用產生的價值會比平臺開發的價值更有吸引力。

有側重地投入 建立商業開發能力

除了核心技術儲備，人工智能企業的成功很大程度上取決於其商業化能力。

首先，人工智能企業，尤其是創業型企業，需要對垂直領域進行優先級排序，有側重地開發，在重點開發的領域積累深入的行業認知，建立廣泛認可的應用案例。在這個過程中，可能面對來自傳統行業巨頭的競爭，比如GE和西門子在工業物聯網領域的佈局。

其次，不同人工智能企業具有不同的規模和商業化能力基礎，業務發展速度將決定最終成功與否。人工智能企業需要儘快實現廣泛認可的應用案例落地，在特定垂直領域建立知名度和權威性。

同時，可持續發展的渠道模式對於客戶拓展和市場進入也起到了至關重要的作用。

人工智能企業需要分析價值鏈價值分配，並挑選合適的客戶群體。要針對不同的客戶需求，提供靈活的定價和服務模式選擇。在一些特定的垂直領域，人工智能企業可以建立一套組合的渠道佈局，與不同側重的渠道夥伴合作以確保最大化渠道覆蓋。比如人工智能企業可以和醫院信息系統供應商合作，提供結合人工智能的醫院整體解決方案，開拓醫院客戶。

另外，需要讓客戶認識到人工智能應用對企業帶來的潛在巨大價值，以及對企業業務發展的重要性。成功的案例將成為極具說服力的工具。讓客戶管理層認識到人工智能的重要性，可以使客戶對人工智能的投入優先排上日程並加大投入力度。

（作者單位：L.E.K.諮詢）