接单流程

您提供需求 - 我们设计方 案 - 您确定方案 - 双方签订合 同 - 支付预付款 - 我们按时施 工或进行程序开发 - 项目完成您 验收 - 客户验收合 格后15日内付清尾 款 - 维保期内非 人为所导致的问题我方免费提供技术支持 - 合作愉快

 您当前的位 置:首页 > 行业资讯

AI淘金热时期   谁能挖到第 一桶金

发布时间: 2018-09-28 09:36:29  已点击:

我们目前在 经历AI市场的另一 次淘金热。巨额资金涌入AI初创公司, 遍布每个想象得到的行业和业务领域。谷歌、亚 马逊、微软和IBM这些巨头在  2016年往AI投资超过200亿美元。许 多公司一边小心提防初创公司,一边竞相确保抢在竞争对手的前面,获得AI在生产力方 面带来的好处。中国在大力支持AI,欧盟在谈 论高达220亿美元的AI投资,生怕 输给中国和美国。
 
  AI无处不在: 从谷歌的每天35亿次搜索、 使用人脸识别技术的新款苹果iPhoneX,到巧妙回 答我们问题的亚马逊Alexa。媒体头版 报道AI在如何帮助 医生诊断疾病,帮助银行更准确地评估贷款风险,帮助农民预测作物产量,帮助营销人员吸引和留住顾客,帮助厂商改善质量控制。还有一些智库致力于研究AI的实体、网 络和政治风险。
 
  那么谁 会从AI大赚一把?
 
  AI和机器学习 将变得无处不在,并融入到社会结构中。但与任何淘金热一样,问题是谁会掘到金子?会是少数的勇敢者?还是那些敏捷的后起之秀?提供铁镐和铁锹的那些巨头会赚到大头吗?谁又会找到金矿?
 
  那么, AI创造的价值 在哪里?我开始思考谁会从AI赚到钱时, 到头来思考的是这7个问题:赚 钱的会是下列主体中的哪些?
 
  (1)芯片制造商
  (2)平台和基础 设施提供商
  (3)基础模型和 算法提供商
  (4)企业解决方 案提供商
  (5)行业垂直解 决方案提供商
  (6)AI企业用户
  (7)国家
 
  虽说有 许多方法可以剖析AI格局,但愿 下图提供了一种实用的解释性框架:某种价值链。图中的公司代表了每个类别的大玩家,但该图绝不是想一网打尽,也不想作任何预测。
这是AI价值链的例 子。图中的公司代表了每个类别的大玩家,但该图绝不是想一网打尽,也不想作任何预测。
 
  谁有最 好的AI芯片和硬件 ?
 
  尽管计 算能力的费用急剧下降,但需求在以更快的速度增长。AI和机器学习 需要庞大的数据集和数万亿的矢量和矩阵运算,对计算能力有着永无止境的需求。芯片就有了表现的机会。
英伟达股价 在过去两年上涨了1500%,这得益于 过去用来渲染酷炫游戏图形的图形处理单元(GPU)芯片用于机 器学习再合适不了。谷歌最近推出了第二代Tensor处理单元(TPU)。微软也在 打造自己的Brainwave AI机器学习芯 片。与此同时,像Graphcore这些初创公 司期望进入这个市场。IBM、英特尔、 高通和AMD等传统芯片 供应商也没有坐以待毙。甚至有传闻称Facebook在组建一个 团队,自行设计AI芯片。中国 的专业芯片厂商也在纷纷崛起,寒武纪科技在月初宣布了首款云AI芯片。
 
  谁赚到 了钱?Levi Strauss和SamuelBrannan本身并不采 金,而是通过为矿工们提供手推车、帐篷、牛仔裤、铁镐和铁锹之类的物资赚了一大笔。
 
  很显然,设计和制造芯片并保持全球芯片领导者的地位需要非常高的成本。它需要极其雄厚的财力以及世界级的硅片和软件工程师团队。这意味着新的赢家寥寥无几。就像昔日的淘金热时期   那样,那些提供最便宜、最常用的铁镐和铁锹 的人将大发其财。
 
  谁有最 好的AI基础设施和 平台云?
 
  如今云 领域也在上演AI竞赛。亚马 逊很早认识到初创公司宁愿租用计算机和软件,而非购买。为此,它在2006年推出了AWS。如今,AI需要极其庞 大的计算能力,于是许多公司日益转向云,通过基础设施即服务(IaaS)和平台即服 务(PaaS)解决方案来 租用硬件。
 
  亚马逊 是云服务市场的领头羊,但微软、IBM、谷歌和阿 里云紧随其后。
我们还看到 巨头们不仅比拼机器学习算法,还在比拼为会话代理及机器人、语音、自然语言处理、语义和视觉等提供服务的认知算法以及改进后的核心算法。在这个竞争日益激烈的领域,有一家名为Clarifai的初创公司 ,它为公司企业提供先进的图像识别系统,以检测近似重复的内容和视觉搜索。它在过去三年已融资近4000万美元。据 估计,2016年至2025年间,视觉 相关算法和服务这个市场的收入累计将达80亿美元。
 
  竞争的 焦点是将支持应用型AI解决方案的 深度学习和认知算法。
 
  巨头们 没有坐以待毙。比如说,IBM在提供名为 Watson的认知产品 和服务。它有20套左右的API用于聊天机 器人、视觉、语音、语言、知识管理和同理心,这些API可轻松嵌入 到企业软件中,开发具有AI功能的应用 程序。认知API无处不在。 KDnuggets列出了科技 巨头和初创公司提供的50多项顶级认 知服务。这些服务部署到云端,成为一种AI即服务(AIaaS),因而更易 于使用。就在最近,微软的首席执行官Satya Nadella声称,100万开发人员 在使用微软的AIAPI、服务和工 具来构建基于AI的应用程序 ,近30万开发人员 在使用其工具来开发聊天机器人。谁都不想自己是与这些巨头较量的初创公司。
 
  这个领 域的赢家可能会再次青睐大玩家。它们能招到最好的研究和工程人才,拥有最多的预算,可以访问最大的数据集。初创公司想蓬勃发展,就要有充裕的资金,要有一批领先的研究人员(有一整套的 知识产权专利和已发表的论文、扎实的领域专业知识),拥有高质 量的数据集。它们还要有长袖善舞的本领,以便能够抢先巨头一步,或者征战不同的领域。许多初创公司会沦为炮灰,但发展起来的那些公司会发觉自己成为全球企业,或者很快被巨头收购。即使初创公司没有找到商业化的道路 ,如果有一个强大的研究型团队研发基础AI算法,也会 成为人才收购对象(别的公司冲 其人才而收购)。2014年我们看到 了这一幕: DeepMind这家在伦敦 成立才两年的公司被谷歌斥资4亿美元收购 ,它开发独特的强化机器学习算法。
 
  谁有最 好的企业解决方案?
 
  企业软 件一直由Salesforce、IBM、Oracle和SAP等巨头称霸 。它们都认识到AI这种工具需 要整合到各自的企业产品中。但许多初创公司竞相成为下一代企业服务,以填补传统企业目前没有涉足的缺口,或者甚至试图颠覆它们。
 
  我们分 析了企业领域的200多种使用场 景,从客户管理、市场营销、网络安全、情报分析、人力资源,到认知机器人流程自动化(RPA)这个热门领 域,不一而足。企业领域比以前更开放,形形色色的初创公司为这些使用场景提供单点解决方案。今天光招聘领域就有200多家基于AI的公司,其 中许多是AI初创公司。
很显然,许 多创业公司在提供颇有价值的单点解决方案,如果它们能获取下列资源,就会取得成功:
 
  (1)庞大且专有 的数据训练集,
  (2)得以深入了 解某个行业内机会的领域知识;
  (3)应用型AI方面的人才 库;
  (4)支持迅速发 展的雄厚资金。
 
  那些表 现不俗的初创公司通常谙熟公司企业关注的方面:客户、业务效率和投资回报率。
 
  比如说 ,ZestFinance已融资近3亿美元来帮 助改善信贷决策,这将为所有人提供公平透明的信贷。它声称拥有世界上最优秀的数据科学家,对于想颠覆现有企业玩家的初创公司来说,它们其实需要雄厚的资金。比如说,在销售点向消费者提供贷款的Affirm已融资逾7亿美元。这 些公司很快需要构筑一条防御性的护城河,确保保持竞争力。这可能来自数据网络效应:数据越多,基于AI的服务和产 品越好,因而获得越多的收入和消费者,进而获得越多的数据。那样就形成了良性循环。
 
  哪些企 业获得AI的价值?
 
  虽然许 多企业可能会在本行业寻找新的供应商,以获得改善收入的AI解决方案, 但它们不会任由后起之秀抢占客户,也不会任由企业竞争对手通过AI获得先行优 势。目前企业创新领域在上演一场好戏。大公司有自己的风投部门投资初创公司,创办孵化器,或自个成立初创公司,确保自己是AI创新方面的 领导者。
企业完全有 能力从AI获取价值, 具体表现为改善了客户服务、提高了生产力和改进了产品及服务。
 
  由于庞 大的数据资产,大企业面对初创公司和小公司处于强势地位。数据是AI和机器学习 的“燃料”。谁比保险 公司、金融服务公司以及搜索公司更有条件充分利用AI呢?毕竟它 们拥有保险理赔方面的海量历史数据、了解消费者金融产品购买行为方面的一切,以及拥有比其他公司更多的用户搜索信息。
 
  大大小 小的公司都有条件从AI获取价值。 实际上,Gartner的研究预测 ,到2022年,AI创造的商业 价值将达到3.9万亿美元。 AI能够支持众 多组织成百上千宝贵的使用场景。企业可以改善客户体验、节约成本、降低价格、增加收入,并销售基于AI的更优质产 品和服务。AI将帮助强者 更强,小公司沦为牺牲品。但是它们需要展现强大的领导力、执行力以及允许并不总是一下子就能搞好技术支持的项目。
 
  哪些国 家将从AI获得最大的 好处?
 
  世界各 国也在争夺AI霸权。中国 并不怯于展示AI方面的野心。它在大力投资,培养技术人才,扶植初创公司。 较为宽松的监管环境(尤其是数据 隐私方面)帮助中国在 安全和人脸识别等AI领域领先全 球。最近就有这样的例子:中国警察在5万人的演唱 会上揪出了一名通辑犯。商汤科技这家大规模分析人脸和图像的公司声称已融资6亿美元,成 为全球最具价值的AI初创公司。 中国移动市场规模是美国的3倍,移动支 付额是美国的50倍,这是巨 大的数据优势。欧洲专注于数据隐私监管可能会让它在AI的某些领域 处于劣势,即使欧盟在谈论往AI投资220亿美元。
 
  谁会是 AI领域的主权 赢家?中国?美国?日本?德国?英国?还是法国?
 
  英国、 德国、法国和日本最近都宣布了国家AI战略。比如 说,马克龙总统称法国政府将在未来5年内投入18.5亿美元以支 持AI生态系统, 包括构建大型公共数据集。谷歌的DeepMind和三星等公 司已承诺设立新的巴黎实验室,富士通也在扩建其在巴黎的研究中心。英国刚宣布向AI投资14亿美元,包 括资助1000名AI博士。虽然 各国都投入于AI人才和生态 系统,但问题是谁将真正获得价值。法国和英国补贴的博士会不会到头来被谷歌招募?虽然那些高达六位数的机器学习薪水会带来可观的薪资税,但创造的经济价值大部分可能归属这家美国公司、其股东以及乐开怀的美国财政部 。
 
  AI将为公司和 国家提高生产力和财富。但是媒体称我们的工作岗位中三四成将被机器取代时,这些财富将如何分配?经济学家可能强调从数百年来提高技术自动化汲取的经验。工作岗位到底新增还是减少?公众争论常常提到机器学习之父杰弗 里•辛顿(Geoffrey Hinton)的观点,他 认为许多放射科医生会因机器利用医疗影像诊断疾病而失去工作。但是别忘了,中国在利用AI帮助放射科 医生管理庞大的需求:每年要看14亿张CT,检测有无 肺癌。结果不是医生失业,而是市场因更高效、更精确的诊断变得更大。然而可能会有动荡期,大部分价值将流向控制AI技术和数据 的少数公司和国家。低技能国家可能会遭殃,这些国家的财富依赖被AI自动化淘汰 的工作岗位。AI青睐大公司 和技术熟练的国家。
 
  那么, 这一切意味着什么?
 
  剖析AI格局时,有 一点很清楚:我们正进入真正属于AI的黄金时代 。关于经济价值会向何处转移,出现了几大主题:
 
  (1)全球科技巨 头好比是这场淘金热的铁稿和铁锹,为涌入的那些人提供AI。谷歌、亚 马逊、微软和IBM在争夺AI领域的领导 地位。它们在竞相提供最好的芯片、云、AI算法和服务 。紧随其后的是中国科技巨头阿里巴巴和百度。极少有初创公司提供比微软还要价廉物美的日益商品化的云计算,提供比谷歌的Tensor处理单元还 要好的AI芯片,或者 构建比亚马逊还要好的对象识别认知算法。
 
  (2)AI初创公司纷 纷提供认知算法、企业解决方案和纵深的行业垂直解决方案。要想成功,初创公司需要拥有独特的数据集、深厚的领域知识、雄厚的财力,还要能够吸引和留住日益 抢手的AI人才。不是 说车库里开发出一款应用程序就会改变世界。成为赢家的AI初创公司将 是解决重要的实际问题、迅速缩短入市时间,建立强大市场地位的那些公司。初创公司应专注于支持许多重要使用场景的企业和行业解决方案。然而在算法领域,随着人才大战继续上演,初创公司的人才收购会比较常见,至少今 后几年是这样。一路上会有许多初创公司沦为炮灰,每个类别只有少数赢家,任何淘金热都是如此。而那些赢家可能会发现巨头们向自己开出了金额诱人的支票。
 
  (3)企业完全有 条件从AI获取数万亿 美元的价值。AI将通过帮助 主要的业务流程并使之自动化,不断提升客户体验、提高生产力和降低成本,并提升产品和服务的竞争力。大多数价值将归属拥有庞大规模的公司,它们有最好最大的数据集、最多的客户和最大的分销网络。强者可能愈强,但前 提是公司表现出强大的领导力,还要灵活地执行,这是它们通常不具备的一项本领。AI执行方面领 先的企业仍旧是谷歌、Facebook、苹果和亚 马逊等科技巨头,它们提供基于AI的产品和服 务,吸引全球数十亿的用户。随着科技巨头利用AI进入并颠覆 新行业,零售、医疗和媒体等行业的企业陷入恐慌。
 
  (4)国家也在参 与AI竞赛。中国 并不怯于表明到2030年成为AI全球领导者 。它认为自己拥有结构性优势。虽然许多欧洲国家宣传政府致力于发展AI,但面临的 风险在于,它们可能只是在为全球AI科技巨头补 助人才,加速其他主权国家积累财富。严格的数据隐私监管会损害欧洲国家在AI领域的创新 吗?来自AI的财富可能 流向控制并利用领先的AI技术和数据 的那些国家和公司,想想美国和中国。随着自动化淘汰薪水越来越低的工作岗位,那些不具备这种能力的国家和公司可能面临挑战。
 
  简而言 之,AI淘金热似乎 青睐这样的公司和国家:它们拥有最好的AI工具和技术 、数据、最好的技术工人、最多的客户和强大的资本渠道。那些有规模优势的公司和国家将获得来自AI的经济价值 的大部分。但是少数几家大胆的初创公司也会找到大金矿。但就像任何淘金热一样,许多初创公司会找到金矿。而许多个人和社会可能觉得自己还没有看到淘金热的好处。
 
上一篇             下一篇
友情链接:        鐧惧埄褰╃エ    鍏冨疂妫嬬墝瀹樼綉