杭州都市網

20世紀50年代到70年代初，人們認為如果能賦予機器邏輯推理能力，機器就能具有智能，人工智能研究處于“推理期”。當人們意識到人類之所以能夠判斷、決策，除了推理能力外，還需要知識，人工智能在20世紀70年代進入了“知識期”，大量專家系統在此時誕生。隨著研究向前進展，專家發現人類知識無窮無盡，且有些知識本身難以總結后交給計算機，于是一些學者誕生了將知識學習能力賦予計算機本身的想法。發展到20世紀80年代，機器學習真正成為一個獨立的學科領域、相關技術層出不窮，深度學習模型以及AlphaGo增強學習的雛形-感知器-均在這個階段得以發明。隨后由于早期的系統效果的不理想，美國、英國相繼縮減經費支持，人工智能進入低谷。 80 年代初期，人工智能逐漸成為產業，  但又由于5代計算機的失敗再一次進入低谷。2010年后，相繼在語音識別、計算機視覺領域取得重大進展，圍繞語音、圖像等人工智能技術的創業大量涌現，從量變實現質變。但是一個市場的形成會經歷不同的階段，每一個階段的環境帶來不同的利潤。

正如吳恩達曾在一次訪談中舉出了iPhone和深度學習的例子：iPhone這樣的產品，會在2007年而不是1993年發布的原因就是1993年的芯片、電池和屏幕技術都沒有發展到位；而深度學習也是一樣，上個世紀90年代的數據和計算量都不足以支撐深度學習的需求，只有到了2007年，有了大數據做基礎，深度學習才可以緩慢地發展。

對于人工智能技術來說，也是一樣。進入2018年以來，越來越多的媒體開始關注人工智能技術落地的問題，也有一些先行者開始唱衰“人工智能”，認為AI的新一輪寒冬即將到來，或許人工智能目前已經處在了泡沫化的低谷期，但越是在這種時候，才越能看出真正能賺錢的人工智能商業應用是怎樣的。正像那句話所說的：“只有等到浪潮褪去，才能看到誰在裸泳?！?/p>

人工智能公司的幾種類型

目前市面上的人工智能公司主要分為以下幾種：

第一種是傳統互聯網公司巨頭，跨國市場超巨頭包括谷歌和微軟亞洲研究院，國內巨頭包括大家熟知的阿里、騰訊、百度，當然也包括乘著人工智能算法的東風不斷壯大的今日頭條、滴滴等企業。

第二種是人工智能創業公司，即以某種類別的人工智能技術為基礎創業的公司，也是前兩年媒體會大肆報道的公司。在不同的人工智能技術領域里，也有不同的明星企業。比如說在自動駕駛領域里的蔚來、小馬智行、Momenta、圖森未來等；在語音識別領域的科大訊飛、出門問問、云知聲、思必馳等；在計算機識別領域的商湯科技、曠視科技、云從科技、依圖科技、圖普科技等。

第三類則是將人工智能技術融入到自身業務當中的企業，比如前段時間上市的英語流利說、第四范式、學霸君等等。

人工智能商業應用如何變現

縱觀人工智能市場，如果根據商業應用或者產業鏈進行分析，可以大致從上至下分為三類：應用層、技術層和基礎層。

人工智能基礎層主要以硬件為主，分為運算芯片、終端數據采集、終端數據傳輸、云計算、用戶行為大數據、行業大數據、智能終端等等。人工智能技術層則包括機器學習、語音及NLP處理、計算機識別。人工智能應用層則可以細分為十三類，包括通用機器學習、應用機器學習、通用自然語言處理、語音識別、通用圖像識別、應用圖像識別、手勢控制、虛擬私人助手、智能機器人、推薦引擎和協助過濾算法、情景感知計算、語音翻譯、視頻內容識別等。

而根據商業應用類型的不同，盈利能力也有區分。解決方案是大部分公司最容易進入而且相對來說變現速度較快的部分，通過將技術應用在垂直行業或者跨行業當中實現盈利，但是競爭相對激烈，難以形成行業壁壘，在這一步拼的不僅僅只是算法能力，更多的是對深耕行業的理解、服務能力和最終產品效果，舉例來說，在新零售的風口之中，很多知名的圖像識別公司紛紛開始為零售商研發相應的解決方案，比如智能貨柜，客流分析等等，其中曠視科技、依圖科技、圖普科技均是其中典型；其次就是大數據，但是大數據的進入門檻基本已經壟斷在了巨頭手中，像騰訊、阿里均為其中典型案例。而在技術層的通用技術和算法框架則對技術要求較高，適合中長期布局，比如圖像識別公司中的商湯科技；而在基礎層中的計算能力則大多也是巨頭在布局。

人工智能的常見商業模式

如上圖所示，人工智能的商業模式大概分為以上五種，但是大部分盈利都來自于項目整合，比如像云從科技、依圖科技的人臉識別技術在安防領域的應用，圖普科技的圖像識別技術在鑒黃和零售領域的應用等等，但是就盈利部分來說，也不算很高，因此之前一度有媒體聲音說人工智能就是用錢堆出來的行業，人工智能不靠B，不靠C，只靠VC存活。據前瞻產業研究院分析，2018年有關人工智能的融資，在企業數量上放緩，但是融資數額仍舊增大。僅2018年上半年，融資事件就有146件，但融資規模達到402億元。這是因為商湯科技、云從科技和優必選等企業獲得高額投資，半年的融資額已經超過2017年全年，而一些頭部的人工智能公司估值累積起來已經達3500億。

從2016到2017年，國內投資過人工智能領域的機構多達145家，而無論是否投資過人工智能企業，幾乎所有投資機構在公開場合都認為：人工智能的確是未來，只是在未來有多遠，以及如何估值這個問題上存在一定疑問。 以學術水平論估值，是正在布局這個行業的一些VC的基本邏輯。但是隨著人工智能技術從過高的期望峰值回落以及資本的相對吃緊，相信未來VC投資的基本邏輯也將有所改變。

目前來看，人工智能的炒作還是集中在一些標志性的技術型公司，變現渠道還不明確，而另一些開始有盈利的垂直應用公司，由于方案落地需要時間和精力，相對來說則不太為媒體所知。

人工智能商業落地代表性公司(以下非全面數據)

計算能力層：大數據、云計算、GPU/FPGA等硬件加速、神經網絡芯片等計算能力提供商 數據層：身份信息、醫療、購物、交通出行等各行業、各場景的一手數據。

框架層：TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系 統 算法層：機器學習、深度學習、增強學習等各種算法 通用技術層：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規劃等技術或中間件。

應用平臺層：行業應用分發和運營平臺，機器人運營平臺 解決方案層：智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機器人等場景應用，人工智能產業鏈中，基礎層是構建生態的基礎，價值最高，需要長期投入進行戰略布局；通用技術層是構建技術護城河的基礎，需要中長期進行布局；解決方案層直戳行業痛點，變現能力最強.