82％早期使用人工智能技術(shù)的產(chǎn)品項(xiàng)目投資回報率都很高。

63％的企業(yè)采用了機(jī)器學(xué)習(xí)，這使得機(jī)器學(xué)習(xí)成為2018年最受歡迎的人工智能技術(shù)

69％的企業(yè)在為新的人工智能驅(qū)動的商業(yè)模式和項(xiàng)目招聘員工時面臨“中等、重大或極端”的人才缺口。

59％的企業(yè)使用專門開發(fā)的人工智能軟件簡化工作流程、縮短銷售周期。

37％的企業(yè)已經(jīng)在認(rèn)知技術(shù)上投資了500萬美元，甚至更多。

以上結(jié)論都來自采訪了1100名來自美國公司的IT和業(yè)務(wù)主管之后，Deloitte所作出的報告：《State of AI in the Enterprise，2nd Edition：Early adopters combine bullish enthusiasm with strategic investments》。

如今，科技、媒體、娛樂和電信企業(yè)的人工智能投資回報率平均為20％，或者更高。畢竟，隨著全球認(rèn)知技術(shù)市場預(yù)計將達(dá)到191億美元，專利成了創(chuàng)造新市場的關(guān)鍵。在這些領(lǐng)域中競爭的企業(yè)也正在競相創(chuàng)造和許可盡可能多的知識產(chǎn)權(quán)（IP）。

除了蘋果、谷歌、IBM、微軟和其他公司今年在人工智能和認(rèn)知技術(shù)上投入的數(shù)十億美元，Netflix也正在使用人工智能來改善客戶體驗(yàn)。

Netflix發(fā)現(xiàn)，如果用戶搜索一部電影超過90秒，他們就會放棄。Netflix估計，通過人工智能推薦最有趣的電影，使得它每年節(jié)省了10億美元的銷售損失。制造商也在采用人工智能相關(guān)技術(shù)，以便更好地理解如何在不同的生產(chǎn)運(yùn)行中預(yù)測機(jī)械的可靠性、穩(wěn)定性和性能。

59％的企業(yè)正在使用人工智能軟件簡化工作流程，縮短銷售周期。

與其他方法相比，更多的企業(yè)通過包括CRM和ERP系統(tǒng)在內(nèi)的企業(yè)軟件獲得認(rèn)知能力。Salesforce的Einstein就是人工智能集成到CRM中幫助實(shí)現(xiàn)收入和客戶目標(biāo)的一個例子。

今年早些時候，Salesforce宣布成功創(chuàng)建了一個高級NLP模型，用于處理通常需要不同模型的多個用例。企業(yè)軟件供應(yīng)商正在競相擴(kuò)展其AI功能，Salesforce在CRM和相關(guān)市場中保持著快速發(fā)展的步伐。

Deloitte發(fā)現(xiàn)，IT自動化（47％），質(zhì)量控制和檢測缺陷（46％）以及網(wǎng)絡(luò)安全（41％）是人工智能的三大使用案例。下圖比較了當(dāng)今企業(yè)如何獲取和開發(fā)AI的一些最常見案例。

63％的企業(yè)高管表示，他們自己的人工智能必須要趕超競爭對手，最少也應(yīng)該必須領(lǐng)先那么一點(diǎn)點(diǎn)。

Deloitte發(fā)現(xiàn)，高管們在2018年變得更加現(xiàn)實(shí)，更加專注于如何加強(qiáng)擅長人工智能項(xiàng)目與獲得更大競爭優(yōu)勢之間的聯(lián)系。

11％的受訪者認(rèn)為，人工智能在今天具有至關(guān)重要的戰(zhàn)略意義；42％的人認(rèn)為兩年后它將至關(guān)重要；28％的人表示，人工智能正在幫助他們擴(kuò)大對競爭對手的領(lǐng)先優(yōu)勢；9％的人可以利用包括人工智能在內(nèi)的先進(jìn)技術(shù)實(shí)現(xiàn)跨越式發(fā)展。

讓現(xiàn)有產(chǎn)品變得更智能、聯(lián)系更緊密（51％）、優(yōu)化內(nèi)部運(yùn)營（36％）、做出更好的決策（35％）是當(dāng)今企業(yè)運(yùn)用人工智能的主要收獲。

人工智能還被用于優(yōu)化外部運(yùn)營（30％），包括供應(yīng)鏈和供應(yīng)商網(wǎng)絡(luò)，讓員工更有創(chuàng)造力（36％），創(chuàng)造智能、互聯(lián)和依賴物聯(lián)網(wǎng)連接的新產(chǎn)品（32％）。

25％的企業(yè)依賴人工智能來獲取和應(yīng)用稀缺的知識，這對于在企業(yè)范圍內(nèi)創(chuàng)建可擴(kuò)展的配置、價格和報價（CPQ）以及產(chǎn)品配置策略至關(guān)重要。

企業(yè)在人工智能和認(rèn)知技術(shù)的投資上，最擔(dān)心的是網(wǎng)絡(luò)安全漏洞問題，盡管如此，仍有36％的企業(yè)在繼續(xù)推進(jìn)項(xiàng)目。

受訪者中，30％的人表示為了解決網(wǎng)絡(luò)安全問題放慢了人工智能計劃；20％的人決定不啟動基于網(wǎng)絡(luò)安全問題的人工智能計劃；32％的人在過去兩年內(nèi)曾遇到過與人工智能相關(guān)的網(wǎng)絡(luò)安全漏洞。

39％的企業(yè)更喜歡將基于云的服務(wù)作為人工智能和基于先進(jìn)技術(shù)的應(yīng)用程序的交付平臺，相比之下，只有15％的企業(yè)更喜歡基于本地的服務(wù)。

Deloitte發(fā)現(xiàn)，在所有應(yīng)用程序交付方法中，有人工智能技術(shù)加持的交付方式的增長速度最快。并且，對基于云平臺的先進(jìn)技術(shù)和人工智能應(yīng)用的需求也在日益增長。

最近的一項(xiàng)研究預(yù)測，到2023年，全球人工智技術(shù)加持的服務(wù)市場將從2018年的15．2億美元增長到10．88億美元，預(yù)測期間復(fù)合年增長率將達(dá)到48．2％。

基于云的平臺和先進(jìn)技術(shù)為企業(yè)提供了更強(qiáng)大的計算能力，企業(yè)可以利用這些計算能力從非結(jié)構(gòu)化數(shù)據(jù)中管理更大的數(shù)據(jù)集、加速應(yīng)用程序開發(fā)、簡化算法開發(fā)和部署。

當(dāng)然，在最近出版的一本名為《智力建筑師》的新書中，作家、未來學(xué)家Martin Ford采訪了23位今天在人工智能領(lǐng)域有著杰出表現(xiàn)的人物，其中包括DeepMind首席執(zhí)行官Demis Hassabis、谷歌AI首席執(zhí)行官Jeff Dean和斯坦福大學(xué)人工智能專家李飛飛。

Ford要求他們每個人猜測哪一年將至少有50％的機(jī)會實(shí)現(xiàn)通用人工智能。23個人中，只有18人回答了這一問題，而最終只有兩個人的回答被記錄了下來。

有趣的是，這兩個人提供了兩個最極端的答案：谷歌的未來學(xué)家和工程總監(jiān)Ray Kurzweil認(rèn)為，到2029年，通用人工智能將有50％的可能性建成。

iRobot的機(jī)器人研究專家和聯(lián)合創(chuàng)始人Rodney Brooks認(rèn)為這一年份是2200。其他人給出的年份都在這兩個年份中間，平均算下來在2099年——離現(xiàn)在還有81年。

也就是說，大多數(shù)人還是能在有生之年看到通用人工智能實(shí)現(xiàn)的，只不過還需要一點(diǎn)時間。

Ford在接受The Verge網(wǎng)站的采訪時表示，此次他收集到的數(shù)據(jù)偏向于更長的時間段，而之前的調(diào)查傾向于30年左右，這一點(diǎn)特別有趣。

Ford還表示，從采訪中能看出專家們意見中一個有趣的分歧——不是關(guān)于何時可以實(shí)現(xiàn)通用人工智能，而是使用現(xiàn)有方法是否可能實(shí)現(xiàn)通用人工智能。

一些研究人員表示，我們已經(jīng)擁有所需的大部分基本工具，現(xiàn)在只是時間問題了；另一些人說，我們?nèi)匀蝗鄙賹?shí)現(xiàn)這一目標(biāo)所需的大量根本性突破。

所有受訪者都指出了當(dāng)前人工智能系統(tǒng)的局限性，并提到了他們尚未掌握的關(guān)鍵技能，包括轉(zhuǎn)移學(xué)習(xí)（將一個領(lǐng)域的知識應(yīng)用到另一個領(lǐng)域）和無監(jiān)督學(xué)習(xí)（系統(tǒng)在沒有人類指導(dǎo)的情況下學(xué)習(xí)）。

目前絕大多數(shù)機(jī)器學(xué)習(xí)方法依賴于人類標(biāo)注的數(shù)據(jù)，這是目前發(fā)展遇到的嚴(yán)重瓶頸。

受訪者還強(qiáng)調(diào)，在人工智能這樣的領(lǐng)域進(jìn)行預(yù)測是完全不可能的，因?yàn)檫@個領(lǐng)域的研究時斷時續(xù)，并且關(guān)鍵技術(shù)在首次被發(fā)現(xiàn)幾十年后才能充分發(fā)揮潛力。

不過從這份報告也可以看出，工業(yè)界的人工智能應(yīng)用還是要比學(xué)術(shù)界的看法樂觀很多的。

當(dāng)然，F(xiàn)ord也表示，這種反復(fù)思考可能是人工智能研究者們最重要的收獲：在人工智能這樣復(fù)雜的領(lǐng)域，確實(shí)沒有簡單的答案，畢竟即使是最優(yōu)秀的科學(xué)家在“世界面臨的基本問題和挑戰(zhàn)”的問題上意見也不完全一致。