人工智能很快就會改變我們的日常生活方式。各大公司是否已經準備好從即將來臨的創新浪潮中獲取價值?

 

替你當地醫院的放射科惋惜吧。誠然，它們具備先進的磁共振掃描儀(MRI)和強大的軟件來生成圖像，但這恰恰是機器停擺的地方。放射科醫生必須找到并閱讀患者的文件，檢查圖像并做出診斷。如果人工智能(AI)可以通過實現實時且更準確的診斷或指導來啟動這個流程，大大超越人眼的判斷，那會怎么樣?

 

由于過去幾年的技術進步，制造商如今幾乎可以提供這種先進的磁共振解決方案。實際上，它們正在探索幾乎涵蓋工業部門和公共部門等所有主要行業的新人工智能應用。隨著算法的改進和數據存儲的增加，計算機的錯誤率現在往往與人類在圖像識別和其他一些認知功能上的錯誤率接近或更低。硬件性能也得到了極大的提升，這使機器能夠處理空前的數據量。這一直是人工智能模型準確性提高的主要動力。

 

在人工智能領域，深度學習(DL)是開發潛力最大的領域。該技術依賴于復雜的神經網絡，這個網絡使用各種架構來處理信息，這些架構由多個層級和節點組成，這近似于大腦中神經元的功能。網絡中的每個節點集都執行不同的模式分析，使深度學習可以提供更為復雜的洞察，這遠比早期人工智能所帶來的洞察要復雜。隨著復雜程度的不斷提高，人們對尖端硬件和軟件的需求也越來越大。

 

先進的高科技公司深知人工智能的巨大潛力，它們早就采取措施以在這個市場上取勝。但是，該行業仍處于起步階段，成功的秘訣還沒有誕生。那么，公司如何才能利用人工智能獲得價值并從龐大的人工智能投資中獲得回報?

 

我們所做的研究以及我們與人工智能終端客戶的互動表明，一旦塵埃落定，六個原則將成真。首先，價值獲取最初將局限于消費領域，公司將通過專注于企業“微垂直行業(microvertical)”(在特定行業中特定的用例)來獲得最大價值。我們對技術棧的分析還表明，商機因不同的層級而異，最成功的公司往往會通過合作關系或收購來獲得各種端到端解決方案。由于受軟件吸引的投資者對硬件的投資興趣一年不如一年，再加上嚴重的商品化使利潤率下降，因此對于某些硬件廠商而言，人工智能可能代表著命運的逆轉。我們認為，人工智能的出現帶來了巨大的商機，因為云計算和邊緣解決方案將產生強大的終端客戶需求。但是，我們得到的最大啟發是，公司必須迅速采取行動。如今那些押寶人工智能并徹底改變傳統戰略的公司將成為贏家。

 

 

盡管有關人工智能的炒作鋪天蓋地，但市場甚至可以嚇倒無所畏懼的分析師和投資者。該行業尚未出現技術棧的標準定義，因此人們很難理解這一競爭異常激烈的領域。那么爭奪市場份額的數百家公司都帶來了什么呢?

 

為了使看似混亂的供給格局更加清晰明了，我們將機器學習(ML)和深度學習技術棧分為九個層面，橫跨服務，概念，平臺，接口和硬件。有些公司正在多個層面參與競爭，而另一些公司則只專注于其中一兩個層面。正如我們稍后將討論的那樣，將精力集中在特定層面的公司很可能會發現自身處于不利地位。

 

 

多數人工智能應用程序向來都部署于云端(遠程服務器網絡)，用于訓練和推斷。但是，對微秒級的延遲也顯得至關重要的應用來說，在邊緣進行推斷將變得越來越普遍。例如，對于無人駕駛車輛，制動或加速的決策必須以近乎零延時的時間做出，這使得在邊緣進行推斷成為首選。邊緣計算也將成為一些應用程序的首選，因為在這些應用程序中，隱私問題和數據帶寬至關重要，例如支持人工智能的CT掃描診斷程序。邊緣計算的增長將為技術棧中的所有參與者(尤其是硬件開發商)帶來新的商機。

 

 

人工智能可以顛覆我們的世界。麥肯錫全球研究院(McKinsey Global Institute)估計，自動化和人工智能的快速發展將對我們的工作方式和生產力產生重大影響。為了在這個不斷增長的市場中獲取價值，各大公司正在嘗試不同的戰略，技術和機會，而這一切都需要大量投資。盡管不確定性依然存在，但那些關注以下幾點的公司將更有可能獲勝。

 

1. 價值獲取最初將局限于消費領域

 

最早的消費級人工智能產品都有一個共同的特征：它們強化了產品，但并沒有直接為企業帶來利潤。其中大多數產品來自大名鼎鼎的技術公司，包括某些在線翻譯和照片標記服務或手機上的數字語音助手。這樣的產品增強肯定能吸引消費者(例如，它們可能會延長人們的上網時間)，但它們并不會帶來銷售或收入的直接增長。如果規模較小的公司提供類似的產品，它們往往會發現銷量有限或根本不沒有銷量，因為消費者往往會使用各種免費的解決方案。大型企業還可以使用大型的消費者數據(這是人工智能的命脈)，這使他們可以為消費者開發更準確，更具洞察力的人工智能解決方案。大型企業的免費產品贏得了最大的市場份額，從短期來看，人工智能價值的獲取將局限于消費領域。

 

但是，未來也許不是這種情況，因為越來越多的收費服務(包括家庭助理)正在進入市場。隨著汽車制造商和其它公司紛紛推出新產品，下一波消費級人工智能將具備更多創新。以自動駕駛汽車為例，有些消費者可能對由人工智能實現自動制動的車輛十分滿意，但是另一些消費者則希望擁有更多功能(例如完整的自動駕駛功能)，哪怕他們必須支付額外費用。

 

2. 成功的企業將專注于朝陽行業中的微垂直行業

 

我們早期對麥肯錫全球研究所的數據所做的分析和對專家所做的訪談和研究揭示了主要行業中近600種人工智能的各種不同用途。其中，大約有400種用途需要用到一定級別的機器學習，而有300種用途需要用到深度學習功能。許多有趣的人工智能應用程序仍處于試驗階段，尚未得到大規模部署。以下列舉了一些人工智能應用程序，這些應用程序由于其強大的視覺感知和處理能力而在未來幾年可能會出現巨大的需求：

 

政府可以使用人工智能掃描視頻并識別公共場所的各種可疑活動，或者應用人工智能算法來檢測潛在的網絡攻擊。許多軍事應用(包括無人機)也依賴于人工智能。除了安全性以外，人工智能還在交通管控中發揮作用，包括傳感器和攝像頭，它們使光信號可以根據道路上的車輛數量而改變信號指示的時間和順序。

 

與公共部門一樣，銀行也開始使用人工智能來檢測可疑行為，例如表明洗錢的模式。人工智能算法還有助于處理交易并做出決策，其準確性往往比人更高。例如，人工智能算法可能會揭示這樣的事實——某些被忽略的特征會增加這種可能性，即某個特定交易具有欺詐性。

 

在零售業中，人工智能已經在幫忙進行盜竊檢測，并且可以進一步增強自動結賬功能。有些零售商正在使用攝像頭和傳感器來檢測購物者何時從商店取貨或退貨。客戶離開商店后，商店將向其賬戶收取總消費額。另一些零售商使用店內視頻來使導購可以顧及更多的客戶。如果攝像頭檢測到購物者在貨架前猶豫徘徊，那么系統會通知員工向其提供幫助。將來，這個領域會有更多改進，包括通過查看各種特征(例如表情(作為情緒的象征)，衣物和同伴人數)來識別極具購買潛力的客戶的人工智能系統。然后，他們可以向導購發出提醒，讓他們知道這些購物者在商店中的位置。

 

在確定謀求哪些機會時，公司面臨著艱巨的任務，但是它們可以通過結構化的方法來縮小選擇范圍。第一步涉及選擇行業焦點。公司所具備的專業知識和能力確實會影響這一決策，但它們還必須考慮行業特征，包括行業規模。同樣重要的一點是，某個行業可能會發生顛覆，我們通過考察人工智能用例的數量，啟動資金以及人工智能的總體經濟影響來估計，這被定義為解決方案降低成本，提高生產率的程度，或者從各種應用程序的回顧性分析中受益。經濟利益越大，客戶購買人工智能解決方案的可能性就越大。

 

人工智能價值因行業而異，成熟度也同樣如此。例如，工業領域可以從人工智能中受益，但是成員公司不像汽車行業的同行那樣愿意接受這些解決方案。對人工智能產品和服務的生產商來說，這意味著價值獲取只能勉強得到維持，有些行業一開始就比別的行業產生更高的回報。

 

當我們將風險價值與成熟度結合起來考慮時，有幾個行業如今很明顯地為人工智能帶來了最大的商機：公共部門，銀行，零售和汽車行業。盡管在政府削減預算的時代，公共部門的突出地位似乎令人驚訝，但許多官員見證了人工智能在提高效率和功效方面所體現的價值，因此他們愿意提供資金。供應商在規劃人工智能策略時應將投資重點放在愿意成為首批使用人工智能解決方案的潛在消費者上。

 

微垂直行業。一旦公司選擇了一個或幾個行業作為重點，它們就必須通過選擇特定的用例(我們稱之為微垂直行業)來集中精力，從而謀求更深遠的發展。買家并不僅僅因為人工智能是有趣的新技術而興趣盎然，而是希望人工智能解決特定問題，為他們省錢或增加銷售額，從而產生可觀的投資回報(ROI)。例如，一家想要減少機器停機時間的制造工廠不會僅僅尋找在工業領域廣為人知的人工智能提供商。相反，它將尋求一家擁有可靠的預測維護專業知識和解決方案的公司。如果人工智能提供商試圖提供一種橫向解決方案(客戶可以在各種不相關的用例中應用該解決方案)，那么價值主張就不會那么具有吸引力。最終客戶會質疑該解決方案的投資回報是否可以證明其巨額支出是合理的，如果該解決方案適用于他們認為不重要或不相關的多個用例時，情況尤其如此。

 

3. 公司必須擁有端到端解決方案才能在人工智能領域獲勝

 

為了在人工智能領域獲勝，公司必須在整個技術棧的九層中提供或協調端到端的解決方案，因為許多企業客戶都難以實施七零八散的解決方案。例如，有一家醫院寧愿購買一個既包含MRI機器又包含進行診斷的人工智能軟件的系統，而不是單獨購買這些組件再試圖使其協同工作。除了增加銷售量外，具備端到端解決方案的供應商還可以抓住客戶的戰略立足點并加快采用速度。例如，英偉達提供其Drive PX平臺作為模塊，而不僅僅是芯片，以此來提供用于自動駕駛的端到端解決方案。該平臺結合了處理器，軟件，相機，傳感器和其他組件，以提供汽車周圍環境的實時圖像。它還可以在地圖上標識其位置并規劃車輛的安全行駛路線。

 

大型硬件和軟件廠商通常會通過收購其他公司來擴展其人工智能產品組合。盡管交易在整個行業中很普遍，但由于需要端到端解決方案，因此在人工智能中更為普遍。自2012年以來，已有250宗收購案涉及到具備人工智能專業知識的私營公司，其中37宗發生在2017年第一季度。為了與這些巨頭競爭，許多初創企業正在建立合作伙伴關系，將自己定位為人工智能解決方案的系統集成商。

 

4. 在人工智能技術棧中，大多數價值將來自解決方案或硬件

 

在人工智能技術棧中，我們對未來趨勢的分析表明，每一層都將直接產生不同數量的利潤或價值。最大的價值將集中在兩個領域。首先，有鑒于行業的發展趨勢，許多最佳機會將來自硬件領域(頭節點，推斷加速器和訓練加速器)，這有點令人驚訝。我們一致認為，這些組件將占人工智能供應商總市值的40%到50%。

 

盡管硬件已在許多領域得到商品化，但這種趨勢這么快出現在人工智能領域，，因為為解決每個微垂直行業的問題而優化的硬件將提供比通用硬件(例如通用的中央處理器)更高的性能(涉及到總體擁有成本時)。例如，針對卷積神經網絡優化的加速器最適合用于圖像識別，因此醫療設備制造商會選擇它。但是針對長期短期存儲網絡進行了優化的加速器更適合語音識別和語言翻譯，因此它將吸引高級虛擬家居助理的制造商。由于每個用例的要求略有不同，因此每個用例都需要部分定制的硬件。

 

在另一個背離規范的模式中，軟件(定義為平臺和接口層)不太可能是人工智能中唯一的長期差異化因素。正如深度學習加速器的問世所見證的那樣，單獨使用硬件或將其與軟件結合使用將可能顯著改善性能，例如減少延遲或降低功耗。在這種環境下，廠家需要嚴選硬件。

 

人工智能解決方案另外40%至50%的價值將來自服務，其中包括解決方案和用例。系統集成商通常可以直接與客戶聯系，他們可以通過將解決方案集成到人工智能棧的各層來獲得大部分收益。

 

在不久的將來，人工智能棧的其他領域并不會產生多大價值，即便他們有可能產生推動深度學習生態系統發展的間接價值。例如，如今數據和方法(兩者都是訓練的兩個要素)最多只占一般的人工智能供應商市值的10%。之所以會出現這種模式，是因為大多數數據來自人工智能解決方案的最終用戶，而不是第三方提供商。但是，數據市場最終可能會出現在消費者和企業界，相對而言使這層棧在將來更具吸引力。

 

5. 特定的硬件架構將是云計算和邊緣計算的關鍵差異化因素

 

隨著人工智能的增長，軟件吸引了公司和投資者的極大興趣，之后硬件又重新流行起來。我們與最終用戶的討論表明，取決于用例的不同，公司和投資者對云和邊緣解決方案的興趣將十分濃厚。云由于其規模優勢將繼續成為許多應用程序的不二之選。在云硬件中，客戶和供應商對專用集成電路(ASIC)技術的偏好超過了圖形處理單元(GPU)，而且市場可能仍然高度分散化。

 

也就是說，當低延遲或隱私問題十分重要或連接存在問題時，推斷也將發揮越來越重要的作用。在邊緣，專用集成電路將在消費領域勝出，因為它們為許多應用提供了優化度更高的用戶體驗，包括更低的功耗和更高的處理能力。現場可編程門陣列(FPGA)，圖形處理單元(GPU)和專用集成電路(ASIC)技術之間的良性競爭也會出現在企業邊緣(enterprise edge)。但是，專用集成電路可能更具優勢，因為它們功耗更低，這在邊緣至關重要。我們認為，當需求大得足以為高昂的開發成本正名時，它們就可以主導特定的企業應用程序。

 

6. 市場已經開始騰飛——公司需要立即采取行動并重新評估其現有策略

 

盡管技術公司可能不完全了解人工智能需求的發展趨勢，但它們意識到深度學習的巨大商機并希望把握商機。由于技術還在不斷發展，而且幾個廠家實施截然不同的策略，成功的秘訣仍然不明朗。

 

大型企業已經開始采取行動了，有些先進企業的發展方向違背了當前的認知。僅舉一個例子，從2012年到2016年，英偉達在人工智能方面的研發支出每年增長8%，達到13億美元。這些成本約占英偉達總收入的27%，遠高于同行15%的平均水平。這表明英偉達愿意采取與許多半導體公司不同的發展方向，后者正在積極削減研發支出。英偉達還采取了重大的措施來創建專注于其圖形處理單元(GPU)的端到端產品生態系統。該公司正在積極地培訓開發人員，使他們具備將圖形處理單元(GPU)應用到深度學習所需的技能，同時為將圖形處理單元(GPU)推廣到深度學習的初創公司提供資金，形成合作伙伴關系以創建包含其產品的端到端解決方案并增加圖形處理單元(GPU)驅動的應用程序數量。遵循這種非常規策略的其他公司也可以得到豐厚的回報。

 

英偉達的成功表明，科技公司僅僅維持現狀是無法在人工智能方面取得成就的。它們必須立即改變策略并為開發可靠的人工智能產品投入巨資。面對如此多的風險，公司萬萬不可制定模糊不清或猶豫不決的計劃。那么，他們發展的主要考慮因素是什么呢?我們的調查提出了以下有關業務戰略經典問題的新思想：

 

在哪里競爭。在決定在何處競爭時，公司必須同時考慮行業和微垂直行業。他們應該選擇與自身能力相符的用例，賦予他們競爭優勢并滿足行業最緊迫的需求，例如信用卡交易的欺詐檢測。

 

如何競爭。公司現在應該尋找合作伙伴或收購其他公司，以圍繞其產品創建生態系統。硬件供應商應該提升軟件水平，而軟件廠商應該構建一攬子解決方案。現在是重新了解獲利模型的時候了。客戶期望人工智能供應商在購買過程中承擔一些風險，這可能會帶來一些創造性的定價選擇。例如，一家公司可能會對具備人工智能功能的MRI機器收取普通的價格并且只需要為使用深度學習處理的圖像支付額外費用。

 

何時競爭。高科技公司因尖端解決方案而獲得回報，但對完美的關注也許不利于人工智能。早期進入人工智能領域的公司可以得到提升并迅速擴大規模以成為標準。公司應該專注于現在就能讓他們產生影響力的強大解決方案，而不是追求完美。由于他們早就取得成就，他們可以抓住更多的投機機會。

 

如果公司等兩三年才制定人工智能戰略并下注，我們認為它們不太可能在這個快速發展的市場中恢復勢頭。大多數企業都知道風險所在并愿意進取，但他們缺乏強有力的戰略。本文概述的六個核心信念可以為企業指點迷津并有一個良好的開端。哪個參與者能在機會消逝前采取這個發展方向，這才是關鍵問題。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。