算法與框架

AI主要包括各種不同的算法與技術(shù)。其中機(jī)器學(xué)習(xí)是一種統(tǒng)計(jì)學(xué)習(xí)方法，旨在訓(xùn)練具有大量數(shù)據(jù)的模型。該模型從已知數(shù)據(jù)“學(xué)習(xí)”“規(guī)則”并自動(dòng)更新模型中的相關(guān)參數(shù)。經(jīng)過訓(xùn)練的“規(guī)則”和“模型”可用于預(yù)測現(xiàn)實(shí)世界中的未知數(shù)據(jù)。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域。它廣泛用于圖像識別，語音識別等領(lǐng)域。深度學(xué)習(xí)可實(shí)現(xiàn)無監(jiān)督學(xué)習(xí)——無需人工提取規(guī)則或功能。卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種典型的深度學(xué)習(xí)算法，經(jīng)證明在圖像識別和分類等領(lǐng)域非常有效。CNN通過分層多個(gè)（通常為4～5層或更多層）非線性函數(shù)來模擬人類神經(jīng)系統(tǒng)的工作過程。

AI框架的核心競爭力在于計(jì)算能力和訓(xùn)練效率。數(shù)據(jù)并行性和模型并行性是提升算力與效率的兩種方式。

在數(shù)據(jù)并行性中，數(shù)據(jù)被放置在并行計(jì)算環(huán)境中的多個(gè)處理器上，不同的機(jī)器具有完整的模型副本。每臺(tái)機(jī)器只需獲取不同部分的數(shù)據(jù)并訓(xùn)練數(shù)據(jù)。其關(guān)鍵在于整合不同機(jī)器的結(jié)果，達(dá)到快速收斂。

在模型并行性中，分布式系統(tǒng)中的不同機(jī)器負(fù)責(zé)單個(gè)網(wǎng)絡(luò)的不同部分中的計(jì)算——例如，神經(jīng)網(wǎng)絡(luò)中的每個(gè)層可以被分配給不同的機(jī)器。模型并行的優(yōu)點(diǎn)是可以通過使用多臺(tái)機(jī)器同時(shí)更新多個(gè)參數(shù)來加速算法。

垂直應(yīng)用

AI的商業(yè)價(jià)值最終仍需要在垂直領(lǐng)域的應(yīng)用中體現(xiàn)。成功的應(yīng)用需要結(jié)合AI和特定行業(yè)的專業(yè)知識，將AI產(chǎn)品轉(zhuǎn)化為最終用戶的定制解決方案／服務(wù)。 AI目前已應(yīng)用于醫(yī)療保健，工業(yè)，安全，金融科技等眾多行業(yè)。

AI能實(shí)現(xiàn)什么？

通過監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等手段，機(jī)器可以利用統(tǒng)計(jì)模型，達(dá)到一定的“思考”能力。

圖像識別和人類語音識別已成為目前AI最重要的兩大應(yīng)用。AI的準(zhǔn)確性已達(dá)到滿足日常生活與工作需求的水平。當(dāng)數(shù)據(jù)在未來變得更加結(jié)構(gòu)化和準(zhǔn)確時(shí)，其應(yīng)用將會(huì)變得更加廣泛。

機(jī)器學(xué)習(xí)結(jié)合其他技術(shù)支持各種應(yīng)用。像DoNotPay這樣的聊天機(jī)器人使用機(jī)器學(xué)習(xí)來解釋用戶響應(yīng)并確定后續(xù)查詢。特定于某種服務(wù)的語音命令即將成熟。使用語音識別可以在法庭上檢測情緒和謊言。內(nèi)部數(shù)據(jù)分析，例如通過機(jī)器學(xué)習(xí)可以實(shí)現(xiàn)協(xié)助起草文件，如簡報(bào)和語言優(yōu)化動(dòng)作。

對于企業(yè)來說，AI可以提升運(yùn)營效率、推動(dòng)創(chuàng)新，并降低員工的勞動(dòng)強(qiáng)度。

AI的應(yīng)用存在哪些挑戰(zhàn)？

數(shù)據(jù)可獲得性、實(shí)施的復(fù)雜性、業(yè)務(wù)價(jià)值的開發(fā)是AI應(yīng)用推廣所面臨的挑戰(zhàn)。

數(shù)據(jù)可獲得性：訓(xùn)練模型用的數(shù)據(jù)集的數(shù)量和質(zhì)量在許多案例中都成為了AI應(yīng)用的瓶頸。AI模型訓(xùn)練需要基于充分的歷史或參考數(shù)據(jù)。而在很多情況下，企業(yè)缺乏有效的數(shù)據(jù)跟蹤與訪問的系統(tǒng)，甚至可能沒有數(shù)據(jù)的訪問權(quán)限。在另一些情況下，可能面臨的問題包括可用的數(shù)據(jù)不足、現(xiàn)有數(shù)據(jù)格式無法進(jìn)行模型訓(xùn)練等。

實(shí)施的復(fù)雜性：在某些領(lǐng)域（例如語音識別，安防監(jiān)控，圖像閱讀），AI可以當(dāng)做平臺(tái)被使用（AI－as－a－platform）。但在大多數(shù)情況下，要開發(fā)一套行業(yè)統(tǒng)一的AI解決方案，更不用說跨行業(yè)的解決方案。AI的實(shí)施需要大量的定制化工作和行業(yè)專業(yè)知識的支持。

業(yè)務(wù)價(jià)值的開發(fā)：AI的應(yīng)用必須以給行業(yè)帶來真正的價(jià)值為基礎(chǔ)，無論是為了創(chuàng)收還是節(jié)約成本，或是賦予公司切實(shí)的競爭優(yōu)勢。我們預(yù)測AI會(huì)首先應(yīng)用于能產(chǎn)生直接利益的領(lǐng)域，如：

提升營收：基于客戶特定的定制化推薦

節(jié)省成本：提高工作效率，預(yù)測異常情況

有形競爭優(yōu)勢：如用AI賦予成像設(shè)備，金融投資決策等

企業(yè)應(yīng)該為AI時(shí)代的到來做些什么準(zhǔn)備？

首先，企業(yè)的管理層應(yīng)明確發(fā)揮AI技術(shù)優(yōu)勢的方式與方法，他們應(yīng)評估AI應(yīng)用的會(huì)帶來的短期和長期的價(jià)值以及相應(yīng)的財(cái)務(wù)影響。

其次，公司應(yīng)有效評估其內(nèi)部IT能力和基礎(chǔ)設(shè)施。通常，不同行業(yè)企業(yè)的能力和資源會(huì)有非常大的差異，很多傳統(tǒng)行業(yè)企業(yè)或小規(guī)模企業(yè)通過依靠自身投入很難有效地達(dá)成技術(shù)升級。此時(shí)企業(yè)應(yīng)該仔細(xì)評估是否需要引入外部合作伙伴，如云服務(wù)平臺(tái)，AI解決方案提供商和AI系統(tǒng)集成商。

最后，關(guān)鍵的利益相關(guān)者應(yīng)共同制定明確的AI實(shí)施路線圖以及績效跟蹤機(jī)制。管理層應(yīng)強(qiáng)調(diào)AI項(xiàng)目對企業(yè)的重要性，并分配足夠的資源以確保達(dá)成預(yù)期的結(jié)果和按時(shí)交付。

AI技術(shù)供應(yīng)商的市場格局？

越來越多的玩家瞄準(zhǔn)不同的業(yè)務(wù)環(huán)節(jié)切入了AI市場

一體化行業(yè)巨頭：AI生態(tài)系統(tǒng)包括以芯片為核心的基礎(chǔ)設(shè)施，算法與框架和行業(yè)垂直應(yīng)用。谷歌，亞馬遜和百度等IT巨頭已經(jīng)滲透到價(jià)值鏈的各個(gè)組成部分，提供種類繁多產(chǎn)品和服務(wù)。他們是AI市場的領(lǐng)導(dǎo)者。

芯片供應(yīng)商：一些企業(yè)專注于AI芯片的生產(chǎn)和銷售，芯片是AI基礎(chǔ)設(shè)施的核心部分。在這一細(xì)分市場中，英特爾，高通，nVIDIA等IC巨頭憑借他們豐富的設(shè)計(jì)、制造和廣泛的行業(yè)經(jīng)驗(yàn)，占據(jù)行業(yè)領(lǐng)導(dǎo)者地位。另外一些初創(chuàng)公司如寒武紀(jì)（Cambricon），深思創(chuàng)芯科技（DeepcreatIC）和中國科學(xué)院微電子研究所（IME）等亦進(jìn)入AI芯片領(lǐng)域成為新興的競爭對手。他們通常獲得大學(xué)和研究機(jī)構(gòu)的支持，以扎實(shí)的學(xué)術(shù)背景切入市場。

算法與框架供應(yīng)商：在AI的算法與框架產(chǎn)業(yè)中，有很多新興企業(yè)與IT巨頭展開了充分競爭。以商湯科技（SenseTime）為例，發(fā)揮自身在深度學(xué)習(xí)算法框架的優(yōu)勢，為公安行業(yè)提供視覺分析和面部識別服務(wù)，同時(shí)與其他行業(yè)如教育、零售和汽車等領(lǐng)域?qū)崿F(xiàn)廣泛的垂直行業(yè)覆蓋。

垂直應(yīng)用提供商：很多AI公司專注于特定的細(xì)分行業(yè)或先進(jìn)技術(shù)領(lǐng)域，專注垂直行業(yè)應(yīng)用的開發(fā)，如科大訊飛（IFLYTek）及碳云智能（iCarbonX）等。