组委会 发自 凹非寺 人工智能落地，有方向可以参考了。 在 MEET2020 智能未来大会上，IDC 联合量子位发布白皮书，全面展示了 2019 年中国人工智能应用状况。 这是国内首份以人工智能应用为主题的白皮书，也是站在年底对中国人工智能市场的一次梳理与总结。 IDC 中国副总裁钟振山认为，这份白皮书“驳斥”了人工智能市场遭遇到的一些降温的观点。 他介绍称，2019 年中国在全球市场占比大概 12%，是全球第二大单一人工智能市场，虽然比美国还有差距，但增速惊人会达到 64%，成为全球第一。 从而可以看到，中国人工智能市场还是一个充满活力的市场。 当然，白皮书中谈到的不仅仅如此。作为这一年人工智能产业中的大趋势，AI 技术与传统行业进一步产生了实质性融合，整个产业又有了新变化，比如：
这背后还有哪些新价值涌现？新边界又拓展到哪些地方？又会有什么样的新格局？ 现在，我们可以结合这份白皮书，一文看尽。
金融公司 2019 投入上亿元部署 AI 人工智能技术商业化之后，“To G”成为一种新的商业模式，也成为 AI 公司获取第一桶金主要来源。 白皮书数据显示，在 2019 年地方政府的投入规模依旧最大，但已不是当初的一骑绝尘。 随着近年来 AI 技术向 To B 发力，专业服务提供商和零售商的投入规模，已经追了上来。
但最凶猛的还要数金融行业，技术投入稳步增⻓，不乏有公司在 2019 年投入了上亿元。 制造、医疗、电信等领域快速增⻓，产业智能化下 AI 应用场景愈加丰富。
在落地过程中，关键词是“需求”。 白皮书中显示，有明确业务需求的 AI 应用，已经在市场中逐步得到推广，根据需求不同，技术的落地程度也有不同。
2019 年，已经成熟落地的人工智能应用包括金融领域的反欺诈、生物识别类身份验证、智能客服等以及服务行业的内容审核类应用。 正在规模推广的人工智能应用，包括政府的服务机器人、智能终端，以及政务⻔户智能化改造等。 此外，零售行业的智能货柜、货架识别，制造业的质量检测，医疗行业的智能导诊以及面对商业的安防布控应用也正在规模化推广。
面向未来，潜力巨大的人工智能应用包括跨行业的视频结构化、 业务流程自动化，金融领域的智能网点服务机器人，服务领域的营销互动，零售行业的供应链预测以及医疗行业的辅助临床诊断决策、虚拟智能助理等应用。 除此之外，电信行业智能网络将能够自动识别网络故障、潜在攻击，也是未来充满潜力的创新应用。 超七成企业落地应用多项 AI 技术 从企业视角来看，73% 的受访者表示，企业为了更好地满足业务需求引入了多项 AI 技术能力。
例如，金融行业用戶涉足的 AI 技术领域非常广，对人体与人脸识别、OCR、内容安全审核等领域都有关注，制造业用戶则聚焦图像识别类 AI 技术。 专业服务/互联网/信息服务用戶涉足的技术领域也非常广泛，引入了 NLP、机器学习平台、图像、语音等多种 AI 能力。 这种趋势之下，技术供应商也在拓展提供 AI 技术的边界，语音识别公司攻入视觉领域，视觉创业公司切入语音和芯片，芯片公司加码软件和算法。 此外，虽然 2019 年人工智能算法创新的速度虽然减缓，但用戶使用的模型却更加丰富。
人工智能开发者数量增⻓迅速，使用的工具也日益丰富。行业用戶普遍选择使用 TensorFlow、Pytorch 等较为成熟的工具。
除此之外，主流行业用戶也倾向使用 Scikit-learn、Pandas、SciPy、Caffe/Caffe2 及国产技术工具百度飞桨等。 越来越多的开发者，也选择将适配的人工智能模型从本地训练推理转向云（44%）、边缘（13%）、端（48%）运行，来提高模型部署的效率。
北京供应超上海深圳总和 从地域分布来看，中国 AI 技术供应商目前重点分布在北京、上海、深圳、杭州这四大城市，其中，北京人工智能企业数量 547 家，比上海和深圳的总和都多，遥遥领先。
广州、成都、南京、苏州、合肥、重庆、西安、青岛成为 AI 技术供应商选择布局的第二梯队城市。 具体到行业中，2019 年中国人工智能软件市场，加入了更多的国内外互联网公司、AI 独⻆兽企业以及大数据公司。 这些市场参与者，都在细分市场的赛道上打磨 AI 技术。先说通用软件平台，定义是基于深度学习、机器学习的 AI 应用开发平台。 在 2019 年，中国形成了以国内外云服务商、中国 AI 独⻆兽公司以及传统大数据公司为主的市场格局。
然后是对话式人工智能平台，主要使用内容分析、信息发现以及深层自然语言处理和理解技术与人类进行交流。 报告中指出，得益于聊天机器人和智能对话终端应用的大规模落地，企业级、消费级对话式人工智能平台市场驱动了整个人工智能软件市场的发展。
2019 年提供对话式人工智能平台的厂商，已经不仅仅限于互联网头部企业，还有更多的 AI 初创公司加入。 分析市场中，聚集了众多头部互联网企业、AI 独⻆兽企业。在白皮书中进一步划分为了 NLP 及文本分析、音频语音分析、图像视频分析等子市场。 2019 年，图像分析市场参与者，大部分已经具有能够提供 OCR、人脸、人体识别等热⻔AI 技术的能力，随着视频数据的逐步增⻓，视频分析市场也已具备增⻓动力。
NLP 及文本分析软件方面，主要应用在智能客服、舆情分析、警务情报分析、品牌监测、办公自动化等方面。
音频、语音分析软件仍处于浅层应用阶段，多数互联网及 AI 公司仅提供一些企业级、消费级的应用，在技术创新性、价值提升方面还需要加强。
搜索系统方面，钟振山介绍称，有越来越多的企业级的用户有相关的需求，但提供解决方案的厂商并不多，主要来源于海外，像 IBM、微软、Google 等等。国内仅有百度等有相关动作，还处于相对比较初期的阶段。
AI 落地价值不限于降本增效 降本增效，提升服务体验，是人工智能给企业带来的直接效益，也是当前 AI 落地过程中承担的核心角色。 但从白皮书中提供的数据来看，人工智能落地带来的新价值，并不限于此。有 26.6% 的受访者认为，价值主要体现在创新业务方面。
白皮书中援引了某 AI 企业解决方案主管的说法，“客戶选择尝试更多的 AI 创新应用，除了降本增效，对于业务创新理念启发也非常重要。” 当然，降本增效，提升服务体验，提高运营效率，降低运营风险等直接效益，也是 AI 落地价值的核心。 具体的价值获取方式，是行业用戶根据不同的业务需求，把人工智能应用嵌入到组织内的业务流程中。 例如，金融行业企业把人工智能应用在运营、欺诈⻛险管理以及 IT 安全上，制造业不仅把 AI 引入物流、供应链制造环节，也在市场营销环节积极采用，专业服务/互联网/信息服务企业，则把 AI 应用在运营、市场营销以及 IT 安全上。
虽然近年来人工智能一直在谈落地与应用，但都是图像、视频、自然语言处理、语音、知识图谱、AR 与 VR 等“单点人工智能能力”在迅猛增长。 这背后的原因得益于机器学习、深度学习算法模型的不断突破创新。 随着人工智能初步落地带来了市场反馈，人工智能技术需要进一步提升与深耕，来应对更加广阔的落地空间，与更加广阔的边界。
这些动向，在 2019 年已经有所显现，比如视频等非结构化信息数量的持续增加，视频分析技术会迎来进一步发展契机。 白皮书中指出，语音语义技术也会持续发展，多轮对话、情绪感知、认知智能、辅助决策等将是未来技术突破方向。 因此，也就形成了 AI 落地的新格局。 超六成企业认为部署 AI 难 AI 落地过程中也有种种阻力。 白皮书中指出，有超过 60% 的受访者认为，“部署 AI 真的好难！”
核心阻力，来自于组织内部 AI 技术人员匮乏、 缺乏质量高的数据集。 应用场景不明确、项目成本等也是企业落地人工智能受阻的重要方面。
除此之外，AI 项目的实际落地效果尚未量化，或并未达到预期，也使企业落地 AI 的投资计划回归理性。
这些挑战虽然是客观存在，但也从另外一个维度折射出了 AI 落地新机遇：人才培养、数据集打造，以及提供具体场景、可量化效果的 AI 服务，将成为 AI 落地中最受欢迎的玩家。 从人才到数据，落地四大方法论 在这份白皮书中，也进一步提炼出了推动 AI 落地的经验： 首先，将员工再培训和发展视为企业采用 AI 的关键策略之一。提供技能培训资源，为内部员工转换为新⻆色做好准备。 其次，寻找合适的技术服务供应商作为合作伙伴。 一个好的合作伙伴可以为企业提供适用的建议，例如建立合理的 AI 项目组织架构，引入适配的技术平台，以及通过知识转移更好地提升企业内部 AI 能力。 第三，进行数据定义、分类，并记录存储位置，保证数据的一致性。 确保数据智能平台嵌入了数据安全管理标准。积极获取并善于利用非结构化数据，保证信息提取的完整性、精确性。 最后，与客戶服务、市场营销、销售等业务团队加强协作。了解 AI 应用场景给业务带来的附加价值。 具体来说，要与企业内部技术和业务人员共同协作来评估 AI 项目收费的具体方案，明晰候选解决方案的优势和不足，对技术供应商实施的 AI 项目进行结果分析和定量评估，确保解决方案的应用价值实现和业务目标制定的一致性。 明年增长超 50%，未来六大趋势 在白皮书的最后，也提供了对未来 AI 落地的展望，介绍了全球范围内 AI 市场六大趋势： 第一，人才技能增强。人工智能的落地采用，将使企业改变其运营方式，员工培训和组织变更管理，将是未来企业内部 AI 人才投资的关键领域。 到 2024 年，将有 75% 的企业投资于员工再培训和发展，包括第三方服务，以满足 AI 采用带来的新技能需求和工作方式转变。 第二，数据智能。能帮助技术业务人员快速寻找到构建 AI 应用、分析过程中将要使用的数据，将成为数据访问和授权控制的一个点，保证在分布式数据仓库中实现有效地数据保护和一致性应用，也会提升企业内部人员数据素养，实现数字化运营、转型的企业战略。 到 2023 年，60% 的组织将选择数据智能来统一数据获取、探索、和分析流程中的数据，从而提高应用开发过程和业务结果统计过程中数据的透明度和可信度。 第三，非结构化数据转化。人工智能技术(例如自然语言处理和计算机视觉)的采用，促进了非结构化和半结构化的数据转换过程。AI 正帮助释放非结构化数据的全部潜力，来提升决策和构建工作流程的准确度和效率。 到 2021 年，将有 25% 的数据驱动型组织会将 30% 的非结构化数据转化为离散因子，从而推动自适应决策和数据驱动工作流的自动化。 第四，超个性化应用发展。个性化是未来提供产品和服务的企业竞争的核心。个性化推荐、定价甚至根据个人的特定需求量身定制产品将是未来发展方向，客戶体验成为 AI 应用的重点领域。 到 2021 年，将有 15% 的客戶体验应用将通过持续结合各种数据和创新的强化学习算法实现超个性化。 第五，AI 边缘应用趋势。越来越多的连通性设备的出现、隐私和安全方面的考虑等使 AI 边缘应用成为趋势。随着边缘基础设施的发展，边缘 AI 应用的用例也将不断扩展。 到 2024 年，将有 50% 的计算机视觉和语音识别模型将在边缘端运行。 第六，AI 按价值收费。2019 年人工智能技术已被众多企业接受并认可。不断拓展的 AI 技术将推动 AI 解决方案的革新，组织内部采用人工智能将会显著提升业务效果，未来人工智能解决方案支出按价值收费是大势所趋。 到 2024 年，数字经济下以 AI 为驱动的企业将全面地采用人工智能技术来开展业务，人工智能将成为各个业务环节中不可或缺的一部分。 按价值收费的人工智能解决方案，也能给企业带来巨大的业务价值，例如提高业务流程的准确性和有效性，提升客戶满意度，加快响应时间，改善合规性等。 到 2024 年，人工智能将成为各个业务环节不可或的一部分， 25% 的人工智能解决方案支出将按价值收费，可推动大规模创新并实现巨大的商业价值。
聚焦到中国市场上，IDC 预计 2020 年中国人工智能市场将再续辉煌，市场规模将达到 42.5 亿美金， 预计年增⻓率将达到 51.5%。到 2023 年，规模将达到 119 亿美金，2018-2023 年复合增⻓率达 46.6%。 市场红利良多，依旧蓝海一片，天地广阔，仍旧大有可为。 |
