時間：2023-09-12 17:10:56
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能商業模式，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞：技術驅動；共同物流；云計算；人工智能；物聯網
中圖分類號：F252 文獻標識碼：A 文章編號：1003-854X（2013）06-0073-04
一、相關文獻述評
商業模式是指企業為持續達到其主要目標而確立并運用相關運營機制，并對運營機制進行拓展，綜合利用全部相關策略，創造顧客價值并實現企業價值的新型經營方式。刁玉柱（2010）較為系統地梳理了商業模式創新的相關研究成果，從戰略分析、要素利用、價值創造及系統整合等四大視角歸納總結了商業模式創新的基本邏輯，認為戰略分析與選擇是商業模式創新的前提條件與邏樣起點，技術、知識及組織創新是商業模式創新的主要動力，價值鏈的升級轉換是商業模式創新的本質邏輯，企業系統間的因果聯系是商業模式創新的內在機理①。
關于商業模式創新路徑的研究集中在三個方面：一是基于商業模式創新動力與路徑關系的研究。Yao Weifeng（2007）等人認為，商業模式創新起源于技術創新，技術創新產生了新的技術突破及市場需求，企業通過抓住技術革新和市場變遷的發展機遇，形成核心競爭力，增加新的利潤來源，就可以產生新的贏利模式和商業模式，為顧客和自身創造價值。Fumio Kodama（2004）等人通過研究世界發達國家實踐經驗，認為網絡技術、人工智能技術和模塊化制造技術的變化推動了美國、歐洲國家和日本相關企業的商業模式創新，而且商業模式創新有助于企業在更大程度上獲得技術變化所帶來的收益③。二是商業模式創新途徑方向的相關研究。代表性的成果有：Amit等人（2001）采用問卷調查分析方法，研究了美國和歐洲59家互聯網企業的商業模式，認為高效率、互補性、目標一致性和新穎性是商業模式創新的方向④；Miles（2006）認為企業之間的深入合作是推動商業模式持續創新的方向。三是基于商業模式創新類型的研究。代表性的成果有：Linde和Cantrel借鑒熊彼特的創新理論將商業模式創新分為四種類型：挖掘型、調整型、擴展型、全新型，為企業引入全新的商業邏輯⑥。Mark等三位著名學者（2008）認為商業模式創新是企業利潤增長的關鍵原因，商業模式創新涉及四個基本要素：客戶價值主張、盈利模式、關鍵資源和關鍵流程，客戶價值主張和盈利模式分別明確了客戶價值和公司價值，關鍵資源和關鍵流程則描述了如何實現客戶價值和公司價值⑦。
共同物流是一種將分散的物流資源共同利用，物流設施與設備共同運作和物流體系共同管理的新型運作模式，多個分散的物流參與方形成合作聯盟，共同提高物流系統整體運行效率，顯著降低資源消耗。對共同物流的研究最早起源于日本運輸省和相關學者對共同配送的研究。榮朝和（2001）介紹了歐洲共同運輸政策，并對我國的相關運輸體制和政策問題進行了探討⑧。黃福華、周敏（2007）等深入研究了湖南省農產品共同物流、中小企業共同物流、城市共同物流體系，以及中部地區零售企業的共同物流問題⑨。歐陽小迅、黃福華（2011）基于企業資源理論、交易費用理論提出了共同物流的兩種運作模式：物流聯盟和物流虛擬企業。王圣云等（2012）采用運輸成本和網絡分析方法，重點探究長江中游城市集群的物流一經濟網絡及其空間組織戰略⑩。
二、技術變遷引發共同物流商業模式變革的機理
1 新一代技術變遷趨勢
能夠引致共同物流商業模式創新的新一代技術主要包括：云計算技術、人工智能技術、物聯網技術。新一代信息技術和人工智能技術的應用，打破了傳統商業模式各要素之間的平衡，建立起一種新的平衡態勢，獲取競爭優勢。云計算（Cloud Computing）是基于互聯網的相關服務的增加、使用和交付模式，通過互聯網來提供動態易擴展且經常是虛擬化的資源。云計算使得計算能力也可作為一種商品通過互聯網進行流通，使共同物流各參與主體的各種復雜信息實時溝通成為可能。人工智能技術（Artificial Intelligence）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能技術企圖解析人類智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。在新一代人工智能技術支持下，共同物流的運作過程可以實現全智能化，從而大幅度減少人工勞動比例和操作失誤，明顯改善共同物流合作的工作效率。物聯網技術（Internet of Things）是一種通過射頻識別（RFID）、紅外感應器、全球定位系統（GPS）、下一代互聯網IPv6技術、激光掃描器等信息傳感設備，按約定的協議，將任何物品與互聯網相連接，進行信息交換和通訊，以實現智能化識別、定位、追蹤、監控和管理的網絡技術。在物聯網時代，各種復雜信息可以通過無線傳感網實現共享，共同物流各參與主體都可以實時監控整個運作過程。
2 技術變遷將引導共同物流服務內容的變化
物流服務是共同物流商業模式的支撐點。是共同物流各參與主體與服務客戶進行價值交換的載體，當物流服務越能滿足客戶需求時，共同物流各參與主體盈利能力就越強。在物聯網技術支持下，客戶可以實時掌握貨品運動軌跡，便于企業收集客戶需求；云計算技術實現了對海量技術處理的可能；加上人工智能技術的數據挖掘與智能處理，能夠實時地應對客戶需求的各種變化。共同物流服務體不僅通過提供物流服務滿足客戶需求，同時也能夠提供有價信息、知識服務、產品構想等虛擬產品，形成一體化的集成解決方案，全方位滿足客戶潛在需求，形成新的利潤增長點。
共同物流聯盟利用云計算強大的數據挖掘與分析能力，深化多樣化的擴展需求，最終實現數據結點越多，資源組合可行性越多，可能開發的新型服務類型越多；另一方面，基于新技術的物流服務服務邊際成本不斷降低。共同物流各參與企業以開發高附加值產品、開發增值產品擴大收入：通過對客戶知識的運用，深度預測未來物流業務的發展趨勢，開發出引導客戶需求的新型服務，保持長久的競爭力。
3 技術變遷將引導共同物流合作形式的變化
在新技術變遷中。共同物流聯盟的成員企業之間信息變得更加透明，信息共享成本迅速降低，能夠實現共同物流各成員企業合作形式的變革。在最終客戶需求的導引下，共同物流各參與企業的合作形式將從“效率優先”向“智能優先”轉變。企業之間的關系從“競爭對抗”向“合作聯盟”形式轉變，各成員企業與上下游企業共同構成價值鏈的節點網絡，通過滿足最終用戶需求，獲得合作聯盟收益。
4 技術變遷將引導共同物流服務的客戶需求變化
在傳統技術條件下，共同物流各參與主體之間的信息溝通困難，知識共享與傳播的難度非常大。通過物聯網技術與云計算技術，實現了共同物流各參與主體之間的知識協同，能夠更好地發掘、滿足客戶需求，提升客戶價值。在新技術支持下，共同物流各參與主體對客戶需求管理進行創新，從“滿足需求”向“創造需求”方向發展，新技術實現了客戶與共同物流服務企業之間的信息透明化，大大降低了雙方的“信息不對稱性”，客戶對服務的認知越來越深刻，未來將更重視個性化、多樣化需求的滿足，不僅要求服務的結果，并且要求服務過程的體驗。基本需求滿足后，在服務之上所附加的個性價值、愉悅體驗和精神滿足成為客戶需求的終點。未來，在新技術支持下，客戶能夠迅速學習各種新知識，在享受服務過程中知識增長和自身價值提升有可能成為服務重點。
三、共同物流商業模式創新路徑設計
當前。我國共同物流還處于初期探索階段，缺乏成熟的商業模式。在技術快速變遷的驅動下，共同物流的商業模式要素正在發生變化，共同物流聯盟所提供的服務價值將從自身價值轉變為客戶價值，由此將引導共同物流服務內容、合作形式、需求發生變化，在此情景下，共同物流各參與主體必須在商業模式上有所應對，積極探索符合技術變遷背景的商業模式創新路徑。
1 共同物流服務內容創新路徑
共同物流服務是圍繞最終客戶的物流需求，多個參與主體聯合開展相關業務，實現客戶在全供應鏈上的價值。在技術變遷的背景下，共同物流服務內容將從以下幾個方面創新：（1）供應鏈一體化服務。現有的物流企業一般采用“單打獨斗”的運作形式，和其他物流企業是單純的競爭關系，由于實力單薄，加上缺乏現代技術支持，無法提供覆蓋供應鏈全過程的一體化服務。在新技術支持下，供應鏈的各企業能夠實現信息實時共享，從原材料開始到最終產品交付客戶手中的所有物流過程都能夠置于共同物流各參與主體的監控之下，從而共同物流聯盟能夠提供供應鏈一體化服務。由于合作信息更加透明，共同物流參與主體的合作伙伴型業務關系有建立的可能，促進全供應鏈的協調。成為無縫鏈接的一體化過程。（2）完善信息服務內涵與范圍。共同物流服務的各參與主體由于面向多個客戶服務，能夠及時收集掌握大量行業內一手數據，通過對相關海量信息的全面收集、深入挖掘、科學分析和智能化處理，利用云計算技術，得出各服務行業內的相關經驗數據。共同物流合作企業可以憑借其廣泛的服務網絡為客戶收集市場需求信息、產品銷售與庫存信息、用戶反饋信息等，為生產經營企業的決策提供服務。（3）完整的全供應鏈金融服務。傳統的技術條件下，中小企業雖然有大的融資市場。但由于單個物流企業對物流金融業務操作的技術能力十分有限，不可能滿足中小企業的融資需求。在技術變遷的背景下，共同物流服務聯合多個參與主體，可以共同完成供應鏈的全程物流服務，對整個供應鏈的庫存實現了全程監控，能夠在更大范圍內提供“物流金融”業務。此舉不僅能夠解決中小企業的融資難題，同時給共同物流參與企業帶來新的利潤源泉。（4）知識發現與知識共享服務。物流服務具備技術密集、知識密集、資本密集、勞動密集等特點，在技術變遷推動下，技術密集特點將不斷增強，勞動密集特點將削弱。在新技術支撐下，共同物流服務要求有豐富的經濟學知識、管理學知識、運籌學知識、計算機網絡知識、物流專業知識以及信息處理技術等知識與之相配套。未來，共同物流服務的核心競爭力就體現在它能綜合運用各種知識為客戶提供一個專業化的最優物流解決方案上。與此同時，共同物流還將綜合利用各種新技術手段，為客戶提供知識發現和知識共享服務，提升客戶技能，實現高層次價值滿足。
通過積極引導共同物流各參與企業注重新技術的應用開發，依靠新技術實現物流效率提升，把有限市場變成無限市場。根據服務對象需求變化，沿著共同物流商業模式創新路徑，在供應鏈一體化服務、信息服務、全供應鏈金融服務和知識發現與知識共享服務等方面進行創新，不斷開發符合客戶需要的服務內容。
2 共同物流合作方式創新路徑
共同物流合作的主要推動力量來自組合價值，組合價值讓渡可以有效利用共同物流各參與者之間的優勢互補或正的外部性效應，提高顧客價值并改善各參與企業盈利空間。在新技術支持下，原來制約共同物流發展的合作機制將得到消除，共同物流合作方式創新路徑主要是以下兩個方面：一是形成鏈式網絡合作方式。共同物流各參與主體在長期合作中，由于缺乏全程信息技術和海量數據計算分析技術，無法實現對供應鏈全程服務。在物聯網技術、人工智能技術、云計算技術的系統集成支持下，共同物流各參與主體能夠實現對供應鏈全程實時海量數據的掌控與利用，合作形式也將從目前的條塊分割轉變為鏈式合作。在鏈式網絡中，共同物流參與企業與客戶都是屬于多條價值鏈中的節點，客戶是指聯盟共同物流服務的外部消費者。共同物流企業通過價值交換獲得收益，技術變遷能夠延長價值鏈，有效地連結終端客戶。二是搭建基于云技術的合作平臺。現有的共同物流合作平臺基于靜態網頁，內容更新困難，數據實時共享難度大：未來在技術變遷推動下，有望搭建基于云技術的數據實時交互系統平臺，共同物流各參與主體的合作方式也將依托云技術，步人“云時代”：通過搭建基于云技術的新型合作平臺，實現數據的全程覆蓋。共同物流各參與主體綜合利用現代最新技術，打通各企業之間的組織壁壘和合作瓶頸，完善信息溝通模式，將合作貫通供應鏈全段，最終將單一企業合作模式轉變為鏈式合作模式。
AI最先商業化的項目，應數2011年初次亮相的IBM人工智能認知系統Watson。2016年，借助商務領域的積累切入具體應用，Watson的商業模式逐漸明朗，并為IBM的第四次轉型貢獻了亮麗業績。
然而還不夠快。受傳統業務下滑拖累，IBM 2017年一季度營收繼續下滑。
拖著鉛球，Watson在與未來賽跑。
百年商業帝國的第四次轉型
與眼下最熱的圍棋AI等通用人工智能不同，IBM的“人工智能”一開始便是為解決商業問題而生，其方向是商業領域的增強人工智能（Intelligence Augmentation）。2007年8月，幾個人工智能專家告訴IBM高級副總裁約翰？凱利，他們要創建世界上第一個處理非結構化數據、可與人互動的人工智能系統。2011年人工智能認知系統Watson初次亮相，就打敗了美國問答游戲電視節目《危險邊緣》的連勝紀錄保持者和最高獎金得主。2014年，IBM專門組建Watson部門，并陸續投入數十億美元。
2011年IBM百年之際，《經濟學人》周刊曾撰文總結IBM三次重大轉型：從機械制造到計算機制造、從大型機制造到包括個人電腦在內的分布式計算機系統、從計算到服務。2016年初，IBM董事長兼CEO羅睿蘭宣布IBM正式進入第四次轉型，目標是成為一家認知解決方案云平臺公司，“未來五年，我們所作的每一個決策，無論個人或專業機構，都將受到Watson的協助。”
2017年4月，“天工開物 人機同行”2017 IBM中國論壇在北京舉行，IBM展示了其作為認知解決方案和云平臺公司在全球范圍內的突破性進展，及與中國本地伙伴在電子、能源、教育、汽車、醫藥、高性能材料及相關服務等行業或領域的合作成果：
神思電子采用IBM 的Watson Explorer，在金融和醫療行業鎖定“智能客服”、“實體服務機器人”和“自助設備智能升級”領域，提升服務質量與效率。與杭州認知合作，應用IBM Watson腫瘤解決方案幫助中國醫生獲得循證型癌癥診療的決策支持，從而為患者提供個性化治療方案。隆基泰和與IBM共同合作，借助Watson平臺構建綜合能源云平臺，為工業商業企業構建完整的客戶能耗視圖、用能預測及能效水平的分析和洞察能力打造智慧能源服務體系。
此外，IBM為上海世外教育集團打造“兒童英語口語辨識及評價系統”幫助6-15歲學生學習英語，與禾嘉股份共同推出基于區塊鏈的醫藥采購供應鏈金融服務平臺，在精細化工行業，默克正在利用IBM IoT技術打造全新智能物流與智能工廠，而一汽大眾也將采納IBM大數據、云計算、認知計算等技術打造佛山創新中心，建立智能工廠。
除了垂直行業，IBM“商業人工智能”也在為專業人士提供增強智能，提高工作效率和業務水平。目前，Watson系統已進入法律、醫療、教育、金融，零售，服b設計等60多個職業領域示范人機協作，將專業人士從重復勞動中解放出來。論壇上，IBM大中華區董事長陳黎明表示，“我們相信，企業大規模采用人工智能技術的爆發期就在當下，并將為各行業和專業帶來巨大的創新價值。”
拖著鉛球賽跑
商業的殘酷在于，僅憑方向正確，未必能贏得賽跑。除了亞馬遜、微軟、谷歌這樣的外部競爭者，IBM對云計算和Watson孤注一擲，更大的壓力來源于自身：新興業務的增速能否超越傳統業務下滑的速度。
4月19日，IBM2017年一季度財報，其“戰略業務小組”（IBM重點發展的云計算、分析、社交、安全及移動產品）營收增長12%，至78億美元。Watson所屬的認知解決方案業務板塊營收同比增長逾2%，達41億美元；云計算業務營收增長33%至億美元，凈收入為23億美元。
與戰略業務表現亮麗形成對比的是，受傳統硬件和軟件業務增長停滯的拖累，IBM整體業績依然繼續在下滑：公司一季度營收同比下滑2.8%，降至181.6億美元，低于預期的184億美元。其公司營收連續20個季度下滑，并創下2002年一季度以來最低水平。
財報后，IBM股價下跌超過8美元，跌幅近5%。其大股東伯克希爾哈撒韋2016年報顯示持有8120萬股IBM，也就是說，如果巴菲特一季度沒有減倉，將損失約6.5億美元。
有趣的是，之前盡管和比爾？蓋茲關系很好，巴菲特開始嘗試購買科技股的時候，并沒有買微軟的股票，而是選擇了IBM，幾乎全程體驗了一把IBM轉型帶來的緩慢復蘇。
2015年，巴菲特入股IBM時正是其收入連年下滑之際，2016年初，IBM股價已跌至不足120美元。一年之后，2016年IBM財報顯示，IBM云業務當年實現137億美元營收，同比增長35%，占IBM全年總營收的17%；云業務年化營收達86億美元，同比大幅增長63%；計入“技術支持及云平臺”項目的年毛利率達41.9%；以Watson為主的IBM認知解決方案營收達182億美元，毛利率高達81.9%。2016年，IBM股價上漲了20%。
2014-2016年，IBM猶如傳統企業轉型的一個縮影：借助自身在商務領域的積累，在云服務和人工智能領域大力投資，切入具體應用，商業模式逐漸明朗。
并購與合作
IBM對云服務和Watson期許甚高，Watson的十年布局也逐漸步入收獲季。隨著醫療、物聯網、金融、零售、時尚、教育等多個行業標志性樣本的出現，Watson的商業版圖正在擴張。
Watson成為全球醫療健康第一人工智能系統，其秘籍是不斷吸收大量非結構化數據并加以學習。為了“喂飽”Watson， IBM不斷收購醫療健康領域的公司，兩年間花費超40億美元。除了加大并購，IBM為拓展商務版圖同時也采用了更實際的方式：與垂直領域巨頭合作，補充基礎數據和垂直行業領域的專業知識。
2016年10月，IBM宣布與通用汽車合作，Watson為其新版車機系統OnStar提供技術支持；與全球教育機構培生合作，Watson為其學生提供自然語言下的學習指導。今年3月19日，IBM認知商業戰略在中國正式落地一年之際，萬達網絡科技集團與IBM在北京簽訂戰略合作協議。萬達網絡科技集團正式進軍公有云業務領域，萬達也將成為Watson在中國落地的重要基礎設施。
從另一方面來看，萬達選擇IBM，很大程度上是由于IBM這部分業務的體量。IBM云業務在2016年實現137億美元營收。亞馬遜AWS 2016年營收122億美元；微軟未透露Azure云業務的實際營收，摩根大通分析師估算約26億美元；谷歌也未披露云計算業務營收，外界估算在10億美元左右。從總體營收規模來看，IBM云計算業務其實并不輸于AWS、微軟云和谷歌云。
據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。
2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。
如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。
第一部分人工智能行業發展概述
1.人工智能概念及發展
人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。
自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。
人工智能發展歷程
2.人工智能產業鏈圖譜
人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。
A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。
B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。
C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。
人工智能產業鏈
資料來源：創業邦研究中心
第二部分人工智能行業巨頭布局
巨頭積極尋找人工智能落地場景，B、C 端全面發力。
資料來源：券商報告、互聯網公開信息，創業邦研究中心整理
第三部分機器視覺技術解讀及行業分析
1.機器視覺技術概念
機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。
機器視覺的兩個組成部分
資料來源：互聯網公開信息，創業邦研究中心整理
2.發展關鍵要素：數據、算力和算法
數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。
深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。
3.商業模式分析
機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。
（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口
這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。
此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。
國內外基礎算法應用對比
資料來源：互聯網公開信息，創業邦研究中心整理
（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口
軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。
4.投資方向
（1）前端智能化，低成本的視覺解決模塊或設備
從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。
機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。
（2）深度學習解決視覺算法場景的專用芯片
以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。
（3）新興服務領域的特殊應用
前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。
（4）數據是爭奪要點，應用場景是著力關鍵
機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。
第四部分智能語言技術解讀及行業分析
1.語音識別技術
（1）語音識別技術已趨成熟，全球應用持續升溫
語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。
（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流
語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。
（3）語音識別技術發展瓶頸與趨勢
低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。
麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。
在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。
2.自然語言處理（NLP）發展現狀
（1）多技術融合應用促進NLP技術及應用的發展
深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。
深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。
（2）NLP主要應用場景
問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。
圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。
機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。
對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。
（3）創業公司的機遇
1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。
2)應用于垂直領域的自然語言處理技術
避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。
第五部分人工智能在金融行業的應用分析
人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。
人工智能在金融行業的典型應用情況
資料來源：創業邦研究中心
第六部分人工智能在醫療行業的應用分析
1.人工智能在醫療行業的應用圖譜
人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。
圖 人工智能在醫療行業的應用圖譜
資料來源：創業邦研究中心
2.人工智能在醫療行業的具體應用場景
醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。
藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。
虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。
第七部分智能駕駛行業分析
1.智能駕駛行業產業鏈
智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。
產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。
智能駕駛產業鏈圖譜
資料來源：創業邦研究中心
2.智能駕駛市場分析
伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。
按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。
根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。
第八部分中國人工智能企業畫像分析
隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。
地域分布
全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。
行業分布
從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。
從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。
收入情況
收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。
最新估值
企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必
選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業。(備注：分析樣本量剔除一半未披露企業)
第九部分典型企業案例分析
1.Atman
企業概述
Atman由來自微軟的人工智能科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品，致力于成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智能時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品。
目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。
企業團隊
創始人&CEO：馬磊
清華大學計算機系畢業，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。
Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發人員占比70%，一半以上來自微軟亞洲研究院和工程院。
核心技術與產品
技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。
Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。
機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，大幅提升專業領域寫作效率。
知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能采集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析并結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。
2.黑芝麻
企業概述
黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發企業，2016年分別在美國硅谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。
目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。
企業團隊
團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業于清華、交大、中科大和浙大等知名高校。
創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。
核心技術和產品
在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。
3.乂學教育
企業概述
乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。
企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。
主要產品
學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。
智適應學習人工智能系統
智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態推薦最佳學習路徑，實現個性化教育。
業務模式
線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。
4.云從科技
企業概述
云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。
云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。
企業核心團隊
創始人
周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。
周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜志 上發表60余篇文章，被引用上千次。
核心技術團隊
云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。
技術優勢
全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。
云從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業。
在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。
正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。
行業應用
目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平臺等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。
5.Yi+
企業概述
北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力于“發現視覺信息的價值”。
旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。
目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。
企業團隊
團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。
創始人&CEO：張默
北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。
核心技術與產品
技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。
公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：
行業解決方案
針對營銷、安防、相機和電視的不同特點，推出相應解決方案。
營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。
智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。
電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。
相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。
新零售+AI。Yi+新零售解決方案是基于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。
6.擎創科技
企業簡介
擎創科技成立于2016年，專注于將人工智能和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。
核心團隊
擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟件廠商。
主要產品
“夏洛克AIOps” 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的“年度最具影響力AIOps產品”獎。
“夏洛克AIOps”充分利用自研算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。
“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數據積累和機器學習，運用新型深度神經網絡算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。
商業模式
目前，擎創科技已與多家金融和制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，采用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。
核心優勢
近日，由移動互聯網領域的我答答科技聯合全球云計算平臺領導者阿里云共同主辦的“云動力賦能-實體零售再升級”峰會在福建石獅舉行，我答答、阿里云、駐云科技、曠世科技、漢明科技、達觀數據六個不同領域的行業領導者圍繞中國實體零售再升級的話題，從云平臺-云計算-O2O交互-人工智能-數據采集-數據預測，向與會企業分享了各自領域的解決方案。
“互聯網+”助推傳統行業轉型升級。“互聯網+”正深刻改變著傳統的生產方式、消費方式、商業模式和管理模式。石獅市科技局局長陳增壇表示：新形勢下，植入“互聯網+”思維，推進“O2O線上線下共建共融”的落地執行，是本地傳統企業轉型升級的大勢所趨。積極推進實施“互聯網+”行動計劃，發展分享經濟，實施大數據戰略，讓傳統企業在新常態下具有更強的競爭力。
云計算，大數據助力在公共云上構建企業服務。本次會議上阿里云互聯網事業部總經理金戈提出：大數據時代，云計算成為經濟社會發展的基礎設施。阿里云通過完善的產品體系、豐富的解決方案及生態體系頂級的數據中心和優良的帶寬資源，賦能企業向云化、數據化和智能化企業轉型。
化云為雨，助力傳統零售行業擁抱互聯網+。如何讓云計算化云為雨，真正幫助企業有效的使用云計算和大數據，驅動和幫助中國企業向互聯網+發展？駐云科技杭州分公司總經理陳峰在會上分享：零售業與混合云、零售業與大數據分析、零售業與CRM、零售業與移動支付、零售業與視頻直播與點播、零售業與 ERP等方面的解決方案及相關的成功案例，對現場的零售企業家有很大的借鑒意義。
020助力實體零售門店再升級。互聯網+概念興起后，延伸出各種O2O模式，我答答華東東北區總經理盧曉江通過我答答服務幾十家上市企業與上千家零售企業的O2O落地經驗，并從貨品流通、云店活動、人員激勵、會員粉絲、資金流轉、線上客服、門店營銷等多個維度，讓在座的各個企業家對“零售O2O”的未來有了更深層次的理解。
人工智能視覺技術助力打造智能零售商業場景。020的根本在于門店，在于更精準的消費數據分析，通過識別技術來實現的精準營銷時代即將到來。曠世科技智能商業產品線商務總監宋晨帶著現場零售行業的企業家們進入了人工智能場景，領略Face++人工智能視覺技術在智能零售商業場景，從相同產品、相同服務給到所有人，向相同產品、不同服務給到特定人群的轉變。
智能WLAN打造商業自循環系統。漢明科技華南區銷售總監駱海昌帶來的WLAN技術可以進行品牌宣傳、微信營銷吸粉、下載專屬移動APP應用、大數據的挖掘與收集、無線盤點、吸引客戶入店？？功能相互服務與支撐直接形成了一個商業閉環。
大數據推動企業智能化營銷。大數據已廣泛滲透并深入應用于各領域，成為促進生產方式、生活方式和社會管理方式創新變革的重要驅動力。達觀數據CEO、創始人陳運文針對傳統企業的大數據服務進行了詳細講解，圍繞用戶的深度挖掘、商品的數據預測與內容的有效傳遞，以智能化系統整合大數據技術，最大化發揮大數據信息對于企業的推動作用。
網友提問：連日來，世界冠軍李世石與“阿狗”力戰3局，戰況可謂空前激烈、驚心動魄，最終李世石以0：3不敵“阿狗”。此一戰，人類遭遇完敗，我們該如何看待這場人類智能與人工智能的巔峰對決？
劉慈欣：1997年IBM的超級計算機“深藍”戰勝了國際象棋冠軍弗加里?卡斯帕羅夫；2015年10月“阿狗”以5：0戰勝歐洲圍棋冠軍樊麾；這次“圍棋人機大戰”中“阿狗”再度力克世界冠軍李世石。實際上，前兩次的比賽就已經能夠證明計算機在棋類方面超越人類，結果屬于意料之中。雖然圍棋在復雜程度和組成數量上遠超國際象棋，它最多有3361種局面，這個數字大概是10170，比已觀測到的宇宙中的原子數量還多。但不管怎樣，計算機下棋的思維方式沒有發生根本變化，可以說本質上是一樣的。
計算機在很多方面超越人類已經是不爭的事實，這點毋庸置疑。相較于前兩次人類與計算機的對決，這次比賽的進步之處在于計算機的處理速度、數據庫容量、檢索和分類速度都有巨大提高。但總體來看，仍屬于量變，而不是質變。對于人工智能技術而言，想要實現計算機模擬人的意識、思維以及信息判斷，還需要計算機技術從本質上發生變化。舉個例子，人工智能技術中包括模式識別功能，當前計算機能夠識別出人的面孔，但是還不能理解表情，更無法通過人的肢體動作獲取人類內心的想法。
網友提問：據谷歌公司介紹，“阿狗”已經擁有了極強的學習能力。“圍棋人機大戰”中，面對李世石“奇招”，“阿狗”從容應對，似乎看出它除了有超強的計算能力之外，還具備了一定的學習能力。如果它具備了這種能力，那成熟的人工智能技術離我們還遠嗎？ 李世石（中）
劉慈欣：從“阿狗”的表現來看，它主要展示出的能力還是計算機基本邏輯推理能力，至于谷歌所說的學習能力還沒有得到完全驗證。從人工智能的角度來講，計算機最需要向人類學習的能力是基于有限信息基礎上所產生的想象力和判斷力，當計算機的邏輯推理能力和這些能力實現完美結合時，才意味著人工智能進入成熟階段。
當前距離實現成熟的人工智能技術還很遙遠，甚至可以說，未來能不能實現還是個謎。因為有兩個重要的技術屏障無法突破，一是當前馮?諾依曼型計算機還不具備模擬人腦的強大能力；二是腦科學的發展速度仍然緩慢，人類對于自身大腦詳細的深層結構和運作方式知之甚少。如果腦科學無法實現重大突破，那產生真正意義上的人工智能就是天方夜譚。
如《三體》中所說，當半人馬座α星人發現地球存在生命體后，派出智子將人類的基礎科學鎖死，因為只要基礎科學不能實現重大突破，那么應用型科學的發展是有瓶頸的。同樣，人工智能技術的發展也遵循這個道理，在人工智能技術之下還有更為基礎的計算機科學、腦科學等領域，只有這些科學技術取得重大突破后，人工智能技術才能迎刃而解。
另外，有些網友對人工智能心懷恐懼，這是大可不必的。假如有朝一日成熟的人工智能技術真的誕生了，人類還是有很多辦法可以對它進行約束的。 李世石專心參賽
網友提問：作為人工智能程序的“阿狗”還需要進一步提升、完善，谷歌公司的負責人也表示，希望通過“圍棋人機大戰”找出它的弱點。不過經此一戰，人類已經見識到了人工智能技術的強大能量，那么未來當這種技術成熟后，人類生活會發生哪些變化呢？
劉慈欣：這個現在還無法進行預測，不過可以肯定的是，人工智能的出現，意味著人類所做的很多事情都可以完全被計算機、機器人所替代。而且可以斷定，計算機、機器人能憑借它們強大的能力幫助人類做出更多出色的成績。到那時，機器人會走入家庭，像朋友一樣與人類相處，甚至還可能為成為人類家庭中的一員。
將思路拉回現實，“圍棋人機大戰”再次讓科技成為輿論熱點，并引發公眾對基礎科學的高度關注，對于科學推廣與普及有著積極的意義，會讓越來越多的人真實感受到科學技術的魅力，從而產生濃厚的興趣。同時，對于國家一直以來倡導的科技創新理念也有助推意義，相信人工智能技術會因此受到各方面的關注，吸引更多國家、企業與個人投入力量進行研究。
延伸閱讀：
AlphaGo贏了之后 人工智能的必然
20年前，IBM的計算機“深藍”打敗了國際象棋世界冠軍卡斯帕羅夫，當時引起不少討論與關注。而被視為“智力巔峰”的圍棋，卻是計算機所遇到的一個壁壘，一直無法攻破。如今歷史終于被打破，當學習了人類職業棋手和頂尖棋手上萬份的棋譜，并且進行了上千萬場次自我博弈的AlphaGo出現時，不得不說這是一次質的飛躍。《自然》雜志總結了AlphaGo具備的四套重要算法，如走棋網絡、快速走子、估值網絡、蒙特卡羅樹搜索等，已然具備了高水平的智能決策。
有人質疑AlphaGo沒有情感，沒有創造力，那么試想如果在比賽前不告訴人類，他對戰的是AlphaGo，人類多半會肯定對方棋手的創造力。因為此前，機器的創造力一直不被人類認可，它們看上去死板而且麻煩。但是隨著技術的發展，它們變得越來越簡易而又快速，甚至成了必不可缺的“助手”。在大量工作中，按照固定流程處理的步驟正在變得完全自動化，而且這些自動化的流程還會像AlphaGo那樣，在多種算法與自我博弈中尋求最佳優化。雖然不是每一個公司都像世界級棋手那樣高超得屈指可數，但還是有大量公司對人工智能帶來的智能水平優化趨之若鶩。
說到這里，不得不提一下，人類對于人工智能的恐懼也是有道理的。技術不一定帶來大面積的失業，但是卻會帶來大量工作轉移。大量的白領工作正在被人工智能優化，大量的機械生產管理有了全新的智能流程，大量的市場調查與分析具備新的智能水平，這是一種必然。
與此同時，諸如人工智能（AI）、虛擬現實（VR）、區塊鏈等方興未艾的技術創新，正在滲透和影響著整個金融行業的面貌和商業模式。
4月29日，作為GMIC 2016全球移動互聯網大會重頭戲之一，全球金融創新峰會在北京國家會議中心召開，《中國經濟周刊》作為特邀媒體全程報道。中信銀行軟件開發技術中心平臺開發處處長陳海、芝麻信用副總經理鄧一鳴、匯百川信用首席技術官丁磊正分享了他們對于科技改變金融行業的看法。
當人工智能遇上金融：
“刷臉火了”
今年3月，隨著人機圍棋大戰最終以Alpha Go 4：1完勝李世石的戰績收官，Alpha Go所代表的人工智能概念開始躥紅。而從2015年開始，中國互聯網公司也掀起了布局人工智能的熱潮，擴展人工智能團隊。在金融界，人工智能領域的科技創新技術正逐漸受到青睞。
“人臉是非常自然的生物特征，首先它便于攜帶，不容易遺忘，也不需要人去主動配合，是非配合式、非侵入式、用戶體驗非常好的生物驗證手段，它也有官方可靠的數據源滿足銀行風險控制和身份驗證要求。”曠視科技（Face++）云產品副總裁吳文昊表示，人臉識別技術進入金融行業并非偶然現象。
中信銀行軟件開發技術中心平臺開發處處長陳海表示，對于傳統商業銀行而言，合規經營是其工作底線，為客戶服務則是其最大價值。商業銀行為客戶提供服務有兩個本質需求，一是客戶在銀行做交易的時候完成安全可靠的認證，傳統方式是使用密碼。二是銀行網點能夠識別這個客戶。“只有好的安全認證手段才能為客戶帶來一種安全感，同時能夠識別出客戶身份才能給客戶提供更好的服務。”陳海稱，銀行里面存在許多場景，例如跨境匯款、大額存款、貸款授信等環節，能夠識別客戶，進而提供差異化的服務是銀行的需求。
據陳海介紹，2015年，中信銀行與曠視科技合作，引入了人臉識別技術，首先在柜面和客戶交易的時候引入了相關流程，未來會在智能柜臺，客戶到網點以后使用設備自助服務場景也會使用刷臉場景。下一步，中信外拓人員開展信用卡、存貸款業務時也將成為人臉識別的應用場景。未來，該技術有望運用到移動互聯網上，“在移動互聯網上體驗刷臉的感覺”。
不過，人臉識別的實現并非易事，吳文昊表示，人臉識別是人工智能中機器視覺技術，背后需要強大的深度學習算法作為支撐。
“近幾年我們感覺科技改變潮流愈發明顯了，包括5G技術的應用，可穿戴設備的發展以及智能分析能力的提升，傳統的金融行業已經感覺到了這種壓力。”陳海表示，隨著競爭者的增多，傳統金融行業需要在技術儲備和思想層面都提前布局。
“互聯網+”改造征信體系
互聯網征信在2015年可謂是風頭“一時無兩”。包括騰訊征信有限公司、芝麻信用管理有限公司在內的8家機構成為首批獲得個人征信牌照的機構，被獲準進入大數據征信業務。而數據和技術正在成為互聯網征信的關鍵門檻。
在全球金融創新峰會上，芝麻信用副總經理鄧一鳴表示，整個普惠金融的升級所帶來的需求，技術發展、數據的應用以及信用體系的完善，為芝麻信用的發展帶來了良好的機遇。
“芝麻信用專注征信行業，解決兩個問題，一是真實性的問題；二是靠譜度問題。”鄧一鳴表示，“互聯網+信用”后，在用戶授權后通過采集方方面面的數據，通過云計算、機器學習等，讓沒有信貸歷史的人也享受到了信用帶來的普惠金融便利。
鄧一鳴稱，作為螞蟻金服旗下獨立的第三方征信機構，目前芝麻信用接入的外部數據源在八成以上，包括政府的數據，而阿里的數據源只占約10%。目前，通過與芝麻信用的合作，包括拍拍貸、廣發銀行在內的金融機構發放貸款約280億元。
在他看來，“互聯網+信用”并沒有改變征信行業的本質，即對經濟信用的評價和違約概率的預測。移動互聯對征信帶來的改變有三：第一，最大的改變是數據采集寬度與實時性得到了提升；第二，新技術的應用令信用評價更加準確；第三，用信過程變得更加便捷，應用、服務場景更豐富、用戶體驗更便捷。
“區塊鏈技術讓互聯網金融夢想照進現實”
隨著虛擬電子貨幣“比特幣”風靡全球，區塊鏈作為其底層技術也逐漸受到了銀行與金融業的關注。
作為對區塊鏈技術探索較早的公司，火幣網技術副總裁張健表示，區塊鏈正在成為互聯網的基礎協議之一。“從應用角度來講，或者從金融角度來講，我認為區塊鏈技術可以讓互聯網金融夢想照進現實，它從本質上解決了如何在互聯網上傳遞價值的問題。” 張健稱，“針對區塊鏈的研究還處于基礎設施構建階段，我們現在主要是做基礎設施的研究和構建方面工作。”
“區塊鏈技術可以用一句話概括，就是一個分布式的可信任的數據基礎設施。”匯百川信用 CTO 丁磊表示，區塊鏈技術有兩個關鍵點，一是分布式，不是集中式架構，分布在全網各個節點上。二是可信任，任何在區塊鏈上寫下的數據都沒辦法篡改。“這兩點特性，為我們挖掘區塊鏈在金融領域，包括其他非金融領域的應用提供了空間。”丁磊說。
【關鍵詞】大數據 人工智能 行為干預
近年來隨著大數據和人工智能技術的發展，越來越多的領域應用這些技術來提高自身的專業水平。保險作為基于大數法則進行風險管理的一種方式，對數據的處理和應用要求更高。目前大數據技術在保險業的應用主要是精準營銷、保險產品開發和理賠服務等，但在保險中的防災防損方面的應用還不夠。如果能夠深入挖掘大數據在被保險人行為方面的研究，再結合人工智能進行智能干預，則可以對被保險人實現有效的風險管理，提高被保險人的身體健康狀況，從而極大程度的提升客戶效用，提高社會整體福利水平。
一、被保險人行為干預簡介
行為干預是通過對環境進行控制從而使個體產生特定行為的方式，目前主要在教育，醫療等方面發揮作用。但在被保險人管理方面，行為干預應用很少。現行的對被保險人的管理主要集中在投保審核的過程中，而在投保后提供的服務和干預很少，一般也就是提供健康體檢等服務，而對被保險人投保后的日常生活行為方式，健康隱患則基本處于放任自流的狀況。而被保險人行為干預則是通過對被保險人日常生活行為，飲食習慣等進行實時數據收集和分析，然后制定干預方式進行針對化管理的模式。
二、利用大數據和人工智能進行被保險人行為干預的優點
實現精準、良好的對被保險人的行為干預，需要利用大數據和人工智能技術。大數據相比傳統數據具有海量、高速、多樣等特點，它實現了對信息的全量分析而不是以前的抽樣分析。在被保險人行為干預模式中，需要對每一個個體的日常生活作息，行為，飲食，身體健康指標的進行實時數據采集，然后進行分析，這用傳統的數據統計方法是難以做到的。利用大數據技術進行分析能從海量信息中獲取被保險人的風險狀況，從而為精準干預提供基礎。簡單的干預難以實現特定的干預結果，而人工智能則讓干預顯得更加自然，讓被保險人更加易于接受，從而很大程度上提高了干預效果。
三、如何利用大數據和人工智能進行被保險人行為干預
利用大數據和人工智能進行被保險人的行為干預主要有以下步驟：
首先利用人工智能設備進行被保險人數據收集，除了目前的手機APP，網絡等軟件和設備上的數據能夠被收集外，未來人工智能家居能提供更多的被保險人信息。例如提供體重、坐姿等數據的椅子，提供飲食時間和品種的筷子，提供身體運動和健康數據的智能穿戴式設備等等。數據收集后，需要利用大數據技術對海量數據進行清洗，去噪等技術處理，然后對數據進行分析。第三步是根據數據分析結果，制定具體的行為干預方案。最后一步是根據制定的方法，利用人工智能進行干預，如智能椅子調整坐姿，智能廚具減少含油量，針對性的健康食譜推薦，鍛煉提醒，智能家居輔助鍛煉等等。與此同時，新一輪的數據收集又開始了，整個過程是連續進行，不斷循環的。
四、利用大數據和人工智能進行被保險人行為干預的預期成果
對被保險人來說，這種干預方式能有效的進行健康管理。未來的健康保險將成為個人真正的健康管家，從日常生活行為，到身體機能都能提供很好的干預，并且讓良好生活方式的養成更加容易，從而提高自身的健康狀況，達到更好的生活狀況。但另一方面，全面數據化，智能化的方式可能會帶來很大的數據泄露風險，所以如果保護客戶私密數據是另一個值得研究的問題。另外，對于投保前健康狀況較差的客戶，或者是對行為干預較為抵制，干預效果較差的客戶，可能需要承擔更多的保費。當然對于優質客戶和樂于提升和改變的客戶則可以享受到更加優惠的費率。也就是說在大數據和人工智能技術下，客戶進行了進步一步細分。
對保險人來說，行為干預能夠降低被保險人的風險，很多疾病能實現防范于未然，降低賠償程度。另外，借助大數據和人工智能，保險人還能根據分析結果，被保險人對干預的反應等進行客戶的進一步分類，從而實現區塊化管理。但這對保險公司也提出了更高的技術要求，尤其在前期，可能會帶來加大的成本。
五、保險公司推進被保險人行為干預的建議
對于保險公司來說，目前的一些人工智能技術還未能實現，或者成本高昂，難以普及。所以現階段對保險公司來說首先是提高大數據能力。
具體來說，首先是利用大數據對公司已有客戶信息進行數據挖掘，包括承保數據，理賠數據等，從而一定程度挖掘出客戶的特征，并提供服務。如根據挖掘出的性別差異，地區差異，年齡差異等，提供不同的生活建議。
如果公司已經充分進行了自身客戶已有數據的挖掘，則可以利用目前的手機APP，佩戴設備進行數據的進一步收集。例如，利用薄荷、飲食助手、微信運動、春雨掌上醫生、血糖記錄、小米手環等數據進行用戶數據收集。同時可以針對被保險人開發專門的手機APP，集數據收集和服務于一身。
更進一步，保險公司可以嘗試與其他高科技企業合作，開發一些智能穿戴式設備，智能家居等，逐步實現對被保險人的行為干預。
參考文獻
[1]彼得?迪亞曼迪斯.將會被人工智能和大數據重塑的三個行業[J].中國青年，2015，23：41.
[2]王和，鞠松霖.基于大數據的保險商業模式[J].中國金融，2014，15：28-30.
烏鎮世界互聯大會已經進入到第三屆，本次大會除人工智能與物聯網成為熱門話題外，可以看到2B互聯網，也就是企業和產業互聯網正越來越成為一個重要的熱點方向。
從1988年到現在，用友在企業信息化領域已經服務企業28年，在此過程之中，見證了信息技術一次又一次的浪潮，更見證了信息技術的發展對企業發展的推進作用越來越大。因此，從企業信息化的歷程來看，第一個階段的企業信息化從部門開始，主要目的是通過電算化提高辦公效率；第二個階段進入到企業的流程優化階段，代表產物為信息化管理軟件，通過優化流程提高效率；企業的信息化從部門應用的階段走到企業應用的階段；現在，企業信息化的發展進入到第三個階段：以社會級的商業服務平臺為代表的企業互聯網化。如果說前兩個階段是以辦公自動化和流程優化為主要價值，新階段則是以商業創新為核心價值。
互聯網技術已在重塑企業的商業思維和場景，正在革命性地改變企業邊界、資源、經營要素、資產等。所以，在產品與業務發展上，要突破既有的思維和范式， 走出企業圍墻，從企業級到社會級，包括：從企業的部門內、部門之間到企業之間，實現連接、協同和共享（B2B，生態經濟）；從銷售商到最終消費者，將最終消費者納入到企業服務系統中，也正因為智能手機和移動互聯網普及，使得任何企業連接最終消費者變得極其便利（C2B，粉絲經濟）；從部分人員使用到覆蓋全員應用（社群經濟），幫助客戶建立社會化的新商業。
企業互聯網化是全球企業進步發展的重要歷史進程，是中國企業轉型升級的重要路徑。幾年前，曾經預言“所有的企業都會成為互聯網企業”、“所有的企業都將成為金融企業”，現在這個趨勢已經逐步成為現實；幾年前，很多企業從開始熱烈談論企業互聯網化，近兩年企業已經都在積極實施過程中。在企業推進互聯網化實踐過程中，已經有一批企業取得成功，但是更多的企業還在探索。根據用友的實踐與服務企業互聯網化的體會，企業互聯網化需要一種全局思維，不能只從技術的角度或者部署模式的角度看待它，而是應該看到企業信息化焦點的應用領域在哪里以及帶給企業的價值是什么，包括企業要實現的目標價值是什么。
互聯網化作為當代企業的商業創新，是企業通過深度應用新一代信息技術實現的商業模式與管理方式的巨大變革，包括：生產經營從廠商導向 （B2C）到客戶導向（C2B），真正建立起以客戶為中心的商業模式和流程；企業組織從傳統的從上到下 （M2E）模式到員工能動 （E2M），成為員工的賦能平臺；企業的經營與管理從流程驅動 （PDE）到數據驅動（DDE），數據超越流程成為新的核心；企業運行從延時運營（DTE）狀態到實時運營（RTE），“實時企業”的夢想得以真正實現。
在商業創新的基礎上，企業實現互聯網化的最終目標和價值仍然是：增長收入、降低成本、提高效率、控制風險。所以，以移動互聯網包括物聯網、云計算、大數據、人工智能為關鍵技術支撐，采用公有云包括專屬云、混合云或私有云方式的部署，通過在數字營銷與客服、社交與協同、智能制造、共享服務四個焦點領域的應用，實現走向C2B、E2M、DDE和RTE的商業創新，并在此基礎上實現企業增收入、減成本、提效率和控風險的商業目標，才是企業互聯網化全景圖。
在企業互聯網化的市場方向上，有五個焦點領域加速了產品創新和應用推廣，包括數字營銷、社交協同、智能制造、財務/人力共享以及互聯網金融。
第一，數字營銷。也就是以客戶為中心的營銷，這是今天眾多企業推進信息化的第一焦點需求，因為它能夠帶來收入的增長，能夠更好的滿足客戶的個性化需求。
第二，社交協同。今天的企業要提高整體效率，不僅在企業內部，更在于企業之間、外部組織之間進行高效的溝通與協作。社交協同的互聯網平臺，實現了企業內部的及時溝通和企業間的高效溝通。
第三，智能制造。主要體現在生產制造、產品設計和管理方面；更廣義的智能制造同時也包括數字營銷。
第四，共享服務。主要以財務和人力資源等的共享服務為主。在企業中的財務、人力、法務這樣一些公共的應用部門、支撐運營部門以及一些企業，通過私有云或者公有云的方式，把原來的人力資源/財務等工作，建立一個共享中心來服務企業，效率更高，成本更低。
2015年12月，微軟亞洲研究院首席研究員劉鐵巖博士去蒙特利爾參加了NIPS年會(Annual Conference on Neural Information Processing Systems)，這是人工智能領域的頂級學術會議。但與會期間，他印象最深的不是同行的專業進展，而是一位科學家告訴臺下的與會者，早些年，他的博士生根本找不到工作，今年卻被一搶而空。
這也是中國正在發生的故事。從硅谷到北京，人工智能都是熱浪滾滾。這個在上世紀50年代和80年代掀起過兩次的技術，現在似乎真的到了產業化的臨界點。互聯網時代的思想家和預言家凱文·凱利宣稱，人工智能是下一個20年里顛覆人類社會的技術，它的力量堪比電與互聯網。
人工智能(Artificial Intelligence)，縮寫為AI。它是研究開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。該領域的研究包括機器人、語音識別、圖像識別、自然語言處理和專家系統等。
人工智能快速進入大眾視野，源于今年3月谷歌圍棋人工智能程序AlphaGo戰勝世界冠軍李世石。人機圍棋對弈只是普及人工智能的一個秀。它的背后是規模千億級的人工智能產業市場。BBC預測，2020年全球人工智能市場規模將達1190億元人民幣。
目前看，這一數據遠比不上2015年中國移動互聯網的產業規模。但人工智能的意義不僅于此，人工智能技術的發展，還將帶動云服務、大數據分析、移動互聯網和物聯網產業的升級迭代。它甚至將超越移動互聯網，全面改變人類的生活和工作方式。
離人工智能最近的IT互聯網公司敏銳嗅到了這一機遇。從2011年開始，包括深度學習算法、計算資源和大數據產業的成熟令人工智能技術實現飛躍，包括微軟、IBM、谷歌、Facebook、BAT在內的國內外企業都開始深度布局人工智能，試圖把握風口，成為下一個產業變革的巨擘。
已布局人工智能的IT和互聯網巨頭們，最有資格成為這一輪革命的獲益者。但這終究是一個漫長的耐力游戲，除了技術布局，產業布局和戰略視野也是決定成敗的關鍵因素，短視者將隨時出局。
BAT保守布局
中國的所有行業中，以BAT為代表的互聯網行業在人工智能研究和商業化探索方面走得最早，也看得最遠。其中，技術起家的百度走在最前端。
2012年10月，百度董事長兼首席執行官李彥宏參加了內部的一個基于深度學習的語音識別產品研究會。當時該產品的主導者余凱回憶，那是李彥宏第一次知道深度學習，他非常吃驚，并給全公司寫信，讓所有產品經理都要了解人工智能技術的發展。
當年12月，李彥宏開始和余凱討論成立深度學習研究院的可行性。次年7月，這個研究院成立，李彥宏任院長，余凱為常務副院長。這是中國公司里的第一個人工智能研究院。
李彥宏很快將相關技術投入到搜索的核心業務中。2014年的百度內部統計數據顯示，深度學習技術的應用，讓百度和競爭對手的Diff(different，內部叫Diff)指標提升了若干倍。
但人工智能的科研，尤其是基礎科學研究，是一個冗長寂寞的過程。此后，迫于財務數據和競爭壓力，百度的決策者們更加注重眼前的布局和資源。
“到了后期，太長遠項目，或是比較創新的項目，百度總部確實不太支持了。百度i站的項目、百度快搜這樣的項目沒了。”一位不愿具名的前百度人工智能研究崗位人士評價。一位現任百度相關人士對《財經》記者表示，百度前些年確實剔除了不少經過驗證沒有商業化前景的分支項目，但最近兩三年，百度明顯加大了在人工智能上的投入，包括無人駕駛汽車等長期項目。
6月8日，在2016百度聯盟峰會上，李彥宏將百度無人駕駛汽車稱作“一臺帶輪子的電腦”。他現場播放了百度無人車路測的實況錄像，百度無人車已經可以像正常車輛一樣加速、并線、超車，他同時表示，三五年之內，無人駕駛一定可以成為現實。
從整體來看，百度仍是BAT三家中首先完成有關人工智能技術體系整合的公司。目前，百度研究院、百度大數據、百度語音和百度圖像等技術都已歸入人工智能技術體系。李彥宏多次向外界強調，百度未來的發展將嚴重地依賴人工智能。
IBM研究院一位人工智能專家告訴《財經》記者，百度是被他們列入競爭列表的唯一中國公司。
硅谷尤其關心“百度大腦”的進展。百度大腦是百度在人工智能領域的核心。百度此前的諸多人工智能產品，如無人駕駛、智能搜索等，都是基于百度大腦的能力。
百度高級副總裁、自動駕駛事業部總經理王勁稱，百度大腦已具備視、聽、說和預測、規劃決策以及行動控制的能力。在數據方面，百度有萬億級的網頁、移動和行為數據可供分析。在深度學習方面，百度的萬億參數排在世界第一。
2015年，百度的研發投入超過100億元。占百度2015年總營收663.82億元的15%。
百度正在計劃將百度大腦在金融、汽車、醫療等領域商業化。李彥宏稱，人工智能的“井噴式”創新，將推動互聯網進入第三幕，并將重構傳統產業。比如“人工智能+金融”，可以快速地實現征信升級，實現“秒放”貸款。
阿里巴巴和騰訊的布局則更加克制。或者說，它們更代表中國公司的普遍做法，從業務驅動開始，逐漸加大檔位。
阿里從2011年開始布局互聯網醫療，投資收購和戰略合作的公司數以百計。圍繞醫院、醫保、醫藥做了大量布局。最新的統計數據顯示，全國已經有超過400家大中型醫院加入阿里的“未來醫院”計劃，覆蓋全國90%省份。阿里云人工智能首席科學家閔萬里博士告訴《財經》記者，阿里在健康醫療領域的布局快慢，取決于阿里在人工智能領域的技術突破。
阿里的設想是，未來，在阿里遍布全國邊遠山村的醫院醫療點里，病患足不出戶，只需拍一張CT，通過遠程技術來完成專家級的診療過程。這種診療，依賴的就是基于阿里云的人工智能醫療系統。隨著學習數據的不斷增加，機器會變得越來越聰明，最終成為一個“永不退休的醫學專家”。
多位接受《財經》記者采訪的專家評價，阿里這個技術并不復雜，醫療診斷是基于經驗的專家型勞動，是機器擅長的經驗學習，三年內該技術便可成熟。
閔萬里告訴《財經》記者，要實現這個目標，除了技術平臺，還需要整個醫療體系的打通，需要政府和社會共同推動設備和資源的開放。一旦打通，聚合在一個人工智能服務平臺之上，就將衍生出更多的應用服務場景，從而實現“商業和技術互為驅動”。
阿里是目前中國所有公司里，數據生態最完善、最健全的公司。iPIN創始人兼CEO楊洋認為，阿里的MaxComputer數據通道，是非常健康的數據大動脈，可以將阿里的所有數據資源非常高效地結合在一起。
此外，阿里云也是目前世界上最接近AWS(亞馬遜云服務)的云計算平臺。數據生態體系是做人工智能的重要基礎。因此，在這場有關未來的布局中，阿里云的主導地位清晰。
阿里的人工智能研究分散在其各個業務分支之中，有待整合。閔萬里說，阿里希望在算法能力上有所突破，這需要一個集中的技術機構來整合阿里的所有相關技術資源。
騰訊和阿里的情況類似。騰訊在人工智能上的布局，以IM和SNS業務為基礎。例如語音識別主要是在微信部門、圖片識別主要是在QQ，支付和金融業務方面植入了人臉識別，搜索部門則關注自然語言識別。
其中一些技術已在騰訊內部實現產品化。SNG(社交網絡事業群)的優圖團隊聚焦圖象識別領域，推出了黃圖識別功能，并為騰訊內部產品如圖片優化工具“天天P圖”提供技術支持。WXG(微信事業群)則人機互動領域的拓展，也對圖像和語音識別進行了原發。WXG推出了智能機器人“小微”，用戶可以用自然語言與之溝通，解決此前語音助手智能機械應答的短板。對于未來，工程師希望“小微”成為一種“連接器”——與微信支付串聯起來，接入微信公眾號以及錢包內的各種生活服務，打造完整的微信內O2O閉環生態體系。
騰訊高級副總裁姚星在接受《財經》記者采訪時表示，騰訊越來越重視在人工智能領域的技術開發，這包括兩個路徑：一是整合騰訊自身的技術資源，形成體系和重點;二是加快對優秀公司的收購和合作步伐。
騰訊參與了多個人工智能項目的早期投資。騰訊投資并購部一直在為公司尋找需要的標的，服務于騰訊的整體戰略。騰訊日前與硅谷風投機構Felicis Ventures領頭了人工智能創業公司Diffbot 1000萬美元的A輪。這家公司通過人工智能技術，讓“機器”抓取網頁關鍵內容，并輸出軟件可以直接識別的結構化數據。
BAT的人工智能技術研發從第一天開始就是商業需求驅動的，他們從業務入手，收購甚至模仿別人的東西，這種做法避免了漫無目的研究和不必要的失敗，但也無法保證在下一輪的人工智能平臺大戰中勝出。
今年，阿里和騰訊均有組建人工智能研究院的想法。姚星對《財經》記者說，很快，騰訊人工智能研究院就會成立。
國際巨頭深入無人區
如果說BAT的人工智能布局處于對標和追趕的狀態，那么以IBM、微軟、谷歌、Facebook為代表的美國巨頭公司已經開始深入科技無人區。
這些公司技術和業務各有所長，面向的用戶也不同，但它們的目標一致：把人工智能機器做大、做強、再做沒。
IBM和微軟可能沒有谷歌、Facebook看起來那么酷，但在人工智能領域有深厚的技術底蘊，IBM甚至已經開始用人工智能賺錢。
IBM人工智能研究可以追溯到1997年“深藍”戰勝當時的國際象棋世界冠軍卡斯帕羅夫。2011年，代表著IBM在認知計算領域最先進技術的Watson在一個電視節目中一戰成名，被認為是人工智能歷史上的一個里程碑。
今天可以代表IBM在人工智能領域最高技術水平的，是不斷進化中的Watson系統，和已經可以量產的人腦模擬芯片SyNAPSE(超大規模神經突觸計算機芯片)。
Watson是一臺超級計算機，最初由90臺IBM的Power 7服務器并行組成。和Google、微軟的人工智能相比，它從硬件芯片構架就開始模擬人類神經元，基于IBM的“DeepQA”技術開發。2014年1月初，IBM宣布組建“Watson Group”，旨在進一步開發、商用和增強“Watson”及其他認知技術，此外還投入10億美元用于其他相關項目。
Watson已經開始為IBM賺錢了。法國農業信貸銀行預測，Watson系統創造的收入將在2018年占IBM總收入的12%以上。Watson已經被部署在IBM去年收購的云計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌、微軟等大型科技公司在云計算領域展開競爭的武器。
另一個代表性產品是IBM在2014年的人腦模擬芯片SyNAPSE。該芯片能夠模仿人腦的運作模式、低功耗，在認知計算方面要遠勝傳統計算架構。和其他芯片公司的紙上規劃不同，這款芯片已達到量產要求。
IBM將其技術和商業實力總結為“認知計算體系”。IBM大中華區副總裁、戰略部總經理郭繼軍向《財經》記者表示，IBM推動認知計算體系，目標是把IBM在人工智能、大數據、深度學習、模式識別等所有領域里所做的積累應用到各個行業中去，幫助各行各業客戶提升效率，解決他們所面臨的現實挑戰。
微軟人工智能技術的研究已超25年。1991年微軟成立研究院，最早的五個研究組，研究方向分別是人機交互、自然語言處理和機器學習、語音識別和語音合成、計算機視覺。這些恰恰是今天人工智能的幾個最重要的分支。
微軟的人工智能研究方向要寬泛很多，微軟研究院擁有超過1000位科學家，在包括深度學習的多個領域的技術布局處于世界頂端。
微軟最新的深度學習系統在2015年ImageNet計算機視覺識別挑戰賽中，將計算機視覺系統錯誤率降低至3.57%，相比于人眼辨識的5.1%，這是人工智能首次在識別圖像的錯誤率上超越人類水平。這些機器由微軟的Azure云服務提供支持。
微軟不僅將人工智能技術應用于如Windows、Azure等核心業務中，還構建開放的平臺，將多年的技術積累開放給產業界，它的目標是打造一個人工智能生態圈。
它在無人區走得最遠，在現實商業世界中隱蔽得最深。
和前輩相比，年輕的谷歌在人工智能領域做的事情更讓外界看得懂，也更興奮。谷歌一方面不知疲倦地做底層人工智能技術的積累，研發更加高級的深度學習算法，增強圖形識別和語音識別能力。另一方面親力親為布局了包括智能家居、自動駕駛、機器人(2013年收購了8家機器人公司)等領域，前者為后者帶來基礎技術支撐，后者為前者提供數據和反饋。
值得一提的是，谷歌在無人駕駛汽車領域的技術積累，已經遠遠超過傳統汽車廠商和其他互聯網公司。
更加年輕的Facebook，將人工智能視為未來的三大方向之一。Facebook天然擁有全球范圍內的海量社交數據，但在基礎科學的研究上依然不遺余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大學機器人系博士、Facebook人工智能組研究員田淵棟稱，FAIR的研究方向自由寬松，研究所需的計算資源(如GPU)相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究。他稱，這樣的學術氛圍在各大公司是極其少見的。
如果說前述幾大巨頭都是從人工智能技術出發，結合云計算賦予技術更多勢能，那么亞馬遜的路徑正好相反。亞馬遜是全球第一大云服務提供商，它的云服務收入超過微軟、IBM、谷歌、Salesforce等所有對手的總和。但亞馬遜目前的人工智能技術，多數集中在提升購物體驗的深度學習領域。
人工智能技術有兩大要素：核心技術平臺和數據循環。只擁有技術是不夠的，需要業務和數據結合，才能打造好的技術。對循環數據的獲取，巨頭們也都不遺余力。
以最熱衷開源的微軟為例，去年，微軟了“牛津計劃”(現更名為“微軟認知服務”)，這是一個基于微軟云平臺的智能API(應用程序編程接口)，涵蓋了五大方向的人工智能技術，包括了計算機視覺、語音、語言、知識、搜索五大類API。去年夏天火爆的How-Old.net，就是借助該平臺快速開發出來的一款應用，一共只有20多行代碼。
類似的工具包微軟還有很多，例如深度學習工具包(CNTK)和微軟亞洲研究院主導的微軟分布式機器學習工具包(DMTK)等。
這些對于創業公司和中小企業來說相當實用。他們不用從底層技術一點點學，在小集群上或者是云服務上就可以直接調用。
對于巨頭來說，算法已經不再是競爭的障礙，數據和用戶習慣才是山頭。大量的初創企業會采用開源做很多垂直領域的業務，其中包括海量試錯和驗證，最終也會反饋回開源，而這正是巨頭們所期望的。
做B2B生意的IBM對數據的專業度要求更高，無法僅依賴搜索引擎和大量應用的交互來訓練Watson系統，因此通過深度合作和并購來獲取專業數據。
以醫療領域為例，IBM和多家世界級頂尖醫院合作，向醫院部署Watson的智能系統，通過分析這些醫院的病歷、專家的治療經驗、現有的學術研究等，幫助它們制定、觀察和調整癌癥患者的治療方案。在這一過程中，Watson也就有了這一領域的數據積累。
2015年4月，IBM收購了Explorys，它是一家可以查看5000萬份美國患者病歷的分析公司。類似的收購IBM還有不少，并且出手相當大方。
Watson已經可支持針對乳癌、肺癌和結腸直腸癌、皮膚癌等癌癥的初期診斷。在皮膚癌領域，在一項對3000幅皮膚鏡檢查圖像的研究中，Watson識別皮膚癌的準確率高達95%以上。而人類識別皮膚癌的準確率只有84%。
國內的一位人工智能業者調侃，國際巨頭在人工智能領域真正有價值的是它們的那些你看不見的、沒開源的、國際會議上含含糊糊一筆帶過的技術。“那些才是可以顛覆未來的彈藥。”
填補斷層
人工智能的產業結構可以分為三層：應用層、技術層和基礎層。應用層聚焦在人工智能和各行業各領域的結合;技術層是算法、模型和技術開發;基礎層則是計算能力和數據資源。
BAT擅長第一層。BAT手中，天然握有全球最大的數據資源。但在第二層和第三層嚴重斷層。中國在人工智能領域的科研水平停留在工程數學、物理算法等工程科學的創新層面，基礎理論研究領域的人才和資源很少。
多位接受《財經》記者采訪的中外業者認為，BAT的優勢在于海量數據，和國際巨頭的核心差距在技術。
騰訊高級副總裁姚星告訴《財經》記者，今年初，他和騰訊的投資并購部達成了一個共識，開始大量考察美國的機器學習平臺類創業公司。一則中國這類技術公司不多;二則收購這種公司可以快速補足騰訊在算法領域的不足。
姚星向《財經》記者分析，同樣提供10萬個樣本給機器，優秀的算法平臺可能只需要幾個小時，速度慢的可能需要幾天時間。
對于海外收購，搜狗公司CEO王小川則更加直白：“國內適合收購的標的公司很少，因為根是斷的，(技術和基礎研究)源頭在國外，要到國外看。”
在快速迭代的互聯網世界里，即便是互聯網巨頭，單打獨斗練獨門秘籍也會錯失良機。最佳方式，就是擁有數據和擁有技術的公司，通過各種結盟方式形成優勢互補，快速搶占市場。
2014年11月，螞蟻金服宣布和曠視科技戰略合作，利用后者的人臉識別技術Face++軟件去確認開立在線銀行賬號的用戶身份，即“人臉支付”。
Face++在人臉檢測的多項指標評測中接連拿下世界第一。2013年，在極難識別的互聯網新聞圖片上，獲得了97.27%的準確率，這個指標高于Facebook團隊。三年后，這一準確率已提高至99.5%。
進行面部識別，需要處理大量來自面部的數據信息，包括結構、五官以及肌肉等方面的數據分析。阿里云為這個合作注入自身的數據和分析能力。
“凡是花錢解決的問題都不是問題，阿里可以自己完成這些事情，但時間成本是相當昂貴的。”閔萬里對《財經》記者說，“阿里有1000件同級別的事情要做，能做好的只有其中幾件，剩下的用投資+合作，這是時間和資本效率最高的做法。”
技術和數據的結盟并不限于BAT，更多的公司希望通過結盟方式獲得未來，新的巨頭或許從中誕生。
搜狗CEO王小川的思路是社交化，做更多連接，通過建設社群關系，把人大腦里的智慧表達出來，從而解決目前搜索技術存在的內容不夠精準和實用性較差的問題。2013年騰訊入股搜狗后，先后向搜狗開放了微信公眾號數據和QQ興趣部落，為搜狗輸入數據資源。除此之外，搜狗還在去年11月戰略投資知乎1200萬美元，全面接入知乎內容。
王小川想讓搜狗的人工智能機器不斷學習社群數據，他對《財經》記者說，“人工智能下一個五年不在于人工智能本身，而是讓機器找到人。”
李彥宏稱，人工智能擁有廣泛的商業用途，人工智能的“井噴式”創新將重構傳統產業。
今天，技術和數據的天然開放性讓各公司之間的競爭變得“我中有你、你中有我”，最終的贏家是可以將技術和數據平衡利用，達到平臺效益最大化的公司。
微軟亞洲研究院常務副院長芮勇認為，橫向對比，中國和國際領先公司在核心技術上確實存在差距，國外更加注重基礎研究和技術研發，國內企業可以將國外的研發工具化、商業化;從縱向看，中國在人工智能領域的技術積累近幾年確實出現了飛躍，無論是最底層的計算機體系架構，還是智能硬件，或是上層軟件應用，都有質的進步。
“只要不太急于求成，持之以恒地投入，中國的人工智能產業相當值得期待。”芮勇說。
擠出泡沫
馬云在一次內部講話中強調：“全球都在講人工智能，到了風口浪尖，在創新面前，沒有第二只有第一，創新落伍了，你就輸了。”
焦慮的不僅是BAT，華為公司創始人任正非5月30日在全國科技創新大會上發言提到，“未來二三十年人類社會將演變成一個智能社會，其深度和廣度我們還想象不到。如果不能堅持創新，遲早會被顛覆。”
開放趨勢之下，人工智能也注定不是一場巨頭間的戰爭。
市場調研機構CB Insights的統計數據顯示，2014年風險資本對人工智能的投資增長302%，達到3.09億美元。
中國人工智能領域已有近百家創業公司，65家獲得投資，共計29.1億元人民幣，其中曠視科技、優必選、云知聲、SenseTime四家公司登上艾瑞獨角獸榜單。
更多初創公司只是打上了人工智能的標簽。它們本質上是用國際開源的平臺，用數據訓練一兩個模型，甚至照搬國際模型，這其實潛含危險，最大的風險是產品嚴重同質化，尤其在人臉識別、語音識別等成熟領域，這些公司的產品沒有突破性創新，根本沒有繼續走下去或被收購的價值。
姚星常常為投資人鑒定真偽人工智能公司。他說，辨識偽人工智能公司有兩個關鍵點：一是這家公司所采用的技術是否是最新、最前沿的技術，如果不是，則是用人工智能概念包裝的偽人工智能。
其二，這家公司的技術和業務是否具備可擴展性?若否，則是采用部分機器學習算法或淺層人工智能技術的商業公司，而非真正的人工智能公司。
iPIN是一家擁有文本認知智能技術的公司，從去年開始，iPIN收到了不少投資機構的投資意向，該公司創始人兼CEO楊洋告訴《財經》記者，到目前為止，他還沒有遇到真正有能力鑒別人工智能技術水平的投資機構。
“這對于做偽人工智能的公司絕對是一個好消息。”楊洋調侃說。
危險在于，就算是一些初創時期確實手握人工智能獨特技術和商業模式的公司，也在資本的脅迫下慢慢走形。
在資本的壓力之下，一些人工智能創業公司開始過早商業化，研發投入逐步降低，人員結構也發生變化，銷售開始主導公司，最終技術公司變成營銷公司，失去了被并購的價值。
投資人工智能公司，需要專業技術知識和長線投資眼光。根據Gartner的“智能機器炒作周期圖”，由人工智能驅動的應用中，語音識別產業化最高，自動駕駛汽車和智能顧問處于炒作最高點，智能機器人、自然語言處理/生成和虛擬個人助手則處于爬坡期。這些都屬于5年-10年內能廣泛普及的顛覆性技術。而神經形態硬件(如神經元芯片等)屬于10年以后才能普及的技術，但該技術可能還沒研發成熟就被淘汰了。
需要在這一輪變革中保持耐心和恒心的還有政府和高校。人工智能涉及計算機科學、生物學、社會學、哲學、材料學、工程學等多個學科，中國高校基礎學科的研究能力無法被充分利用，體制內缺乏一套產學研流暢對接的機制。這導致中國高校在這次產業變革中嚴重缺位。從美國的經驗來看，正是其從法律、機制上保證了產學研的平滑轉換，才令美國在這一輪的人工智能研究中占據上風。
一些樂觀的投資人認為，技術發展本身就是驅逐泡沫的手段，“不用很長，一年或一年半的時間，很多真實情況就會暴露出來，泡沫也將逐漸散去”。
掌上通的SP時代
2000年年底，中國移動推出“移動夢網”品牌，開啟SP業務的火熱時代。SP業務是服務提供商的縮寫，是通過移動通信網和定位技術獲取移動終端（手機）的位置信息（經緯度坐標數據），開展一系列應用服務的新型移動數據業務。邁著SP時代的步伐，北京掌上通網絡技術股份有限公司（以下簡稱“掌上通”）應運而生，是中國最早的移動互聯網公司。
掌上通從成立之初就風生水起，在野蠻生長的互聯網初期，SP服務接近完美。“掌上通從成立開始便和整個互聯網業都有合作，向他們提供SP服務。因為公司創始人作為最早期的投資者出身，并且曾投資過‘8848’和‘連邦軟件’這兩個當時中國最著名的公司，所以在融資上也沒有多大困難。”掌上通首席產品官李科說道。SP業務作為中國互聯網在流量經濟上的最早應用，掌上通與中國移動等運營商合作取得號段，成為變現流量的主要通道，成為全球最早實現短信支付的SP。15年來，掌上通一直努力讓用戶在手機上指掌間通天下，獲得他想要的任何產品和服務。直到現在，掌上通的初心從未更改，這也是公司取名“掌上通”的由來，創立9588生活助理也是要延續同樣的夢想。李科說：“SP業務雖然已經開始衰落，但9588生活助理會比SP更便捷更貼心的為我們用戶提供服務。”
最懂用戶心理的生活助理
早在2011年，掌上通便成功上市。雖然掌上通經歷門戶、電商、O2O等互聯網大時代，是見證者更是參與者，但是在日息萬變的今天，SP時代的風光早已消失殆盡。基于營利狀況不是很好，掌上通不得不再次尋找企業自身發展的契機。李科向《融資中國》記者解釋說：“轉型的第一個原因是因為公司的SP業務在走下坡路，目前整個新三板市場都知道掌上通在轉型。其二是生活服務市場的迅速崛起，已知日常服務市場便達26萬億，像滴滴或是美團等，都是在生活服務領域崛起的公司。”因此，2015年，掌上通重新出發，提倡一種生活態度，打造一種生活方式，構建一個開放生態，與合作伙伴一起，成為最懂用戶心理的生活助理――“9588”。
9588生活助理源于美國的magic模式，這是一種全新的模式。在各種O2O高頻、低頻服務滿天飛的今天，大量服務質量參差不齊的APP充斥著市場，困擾著眾多用戶。基于這些因素，美國產生一種新的商業模式，即magic模式。magic模式主要基于大數據、AI智能、人工客服，為用戶提取需求，包括提前預測推薦需求，然后將標類、非標類的服務通過匹配度分析，將需求分發給指定的服務提供商，滿足用戶的需要。9588生活助理正是基于這種模式，以微信公眾號9588為入口，為用戶提供全品類生活服務。在用戶關注9588公眾號后，可以在對話框中輸入自己需求，便于助理為用戶提供服務。比如說：買東西，訂餐，送貨，送禮物，辦事，提醒，喊外賣，訂酒店，訂機票等等，有關生活的任何合理需求都可以提出來。李科強調，9588希望每個人都可以有一個萬能的生活助理，有什么需求隨便說說話，就有個人專門去解決。而在現實生活中，一般人是不需要助理的，一方面成本比較高，另一方面可能自己也沒有那么忙。但是人們都是“懶”的，通過互聯網的方式為每個人配個助理是并不是不可能，因為9588的助理誰都可以用。
誠然，人工溝通的方式雖然在應對個性化需求上更加人性化，但隨著客戶數量的增加，客服人員團隊會急劇膨脹，運營成本和管理壓力等將會越來越大，在這樣的情況下，怎么保持高效的服務呢？李科告訴記者，9588的價值觀是“助人為樂”。未來，掌上通的9588生活助理將采用是人工+人工智能的方式，即該助理服務通過9588微信公眾號連接用戶，人工智能會引導獲取用戶相關具體需求，一些相對簡單、常規的場景由人工智能來提供服務，而一些復雜的需求場景則由人工客服完成下單和執行。
那么，9588生活助理為什么選擇人工+人工智能的方式呢？這還得歸咎于掌上通在客服和人工智能這兩個領域都具有商業基因。例如，掌上通旗下9588旅行網擁有一個龐大的客服團隊，支撐著來自114的大量訂機票、訂酒店業務；同時，掌上通還擁有TQ平臺，這是一個在線客服平臺，大概有10萬家商戶日常使用TQ平臺為自己的用戶提供咨詢服務；此外，掌上通旗下還有一家名為蘿卜絲的人工智能公司，這將協助9588來完成人工智能程序。
轉型中國服務市場
反饋差是整個服務市場的本質。譬如，你敢隨便叫修家電的人去你家嗎？為什么現在敢打專車，而以前的黑車不敢打？因為有了數據平臺，雖然風險仍然存在，但平臺的監管方式很透明，都由消費者監管，差評就是最好的證據。9588生活助理將其提供監管和平臺，保護用戶權益。此外，通過投資生活服務市場和自建平成整個產業的布局也是掌上通的策略之一。雖然9588生活助理市場的定義是萬能助理，但是當不斷往下開展時，實際上會面臨很多交付能力的問題，一些奇形怪狀的服務將會凸顯。因此，掌上通為解決這些問題，早在先前就做好了戰略部署。
2014年年底，掌上通投資一千兩百萬元設立重慶啄木鳥網絡科技有限公司，占注冊資本的48%。目前，投資啄木鳥修家電O2O項目已成為國內最大直屬直營家電保外服務提供商，并在全國新設立14個子公司，服務范圍覆蓋52個城市，擁有1800余名師傅，維修品類達300多種，日均訂單從年初的1000單增至3000單，預計全年服務家庭將達到100萬家。啄木鳥修家電圍繞家電產業鏈進行布局，采用移動互聯網思維改造傳統行業，實現互聯網+，解決傳統服務問題及痛點，打造專業服務品牌。“我們通過投資來構建9588的服務能力，如果用戶在9588生活助理上下單修家電，我們能夠在52個城市快速到達。”李科說。此外，掌上通投資的云通訊服務商TQ（北京商之訊軟件有限公司）是中國唯一集成“WEB 即時通訊、語音呼叫中心、CRM以及工作流信息系統”的連鎖門店分布式一體化客戶聯絡中心軟件提供商。在房產經紀連鎖、教育連鎖、旅游連鎖、醫療服務、證券金融等領域擁有廣泛的客戶群體。截止至2015年上半年，累計用戶數已超過10萬，其中分布式坐席量突破1萬，同比增長100%。
在本文中，我們將重點關注在市場上取得良好發展的技術趨勢，一起討論2018年下半年的重大技術突破。
1.人工智能將重塑市場戰略
人工智能為業務運營帶來大改變，利用先進技術與軟件的力量重塑整個行業。一些公司現在特別贊賞他們的業務實施人工智能戰略的價值，并且AI的重大技術飛躍也正在進行中。擁有超過100，000名員工的巨頭公司更希望實施人工智能戰略，但對他們來說，該過程更具挑戰性與價值。 2018年將成為領先企業將人工智能應用納入其戰略和組織發展的一年。此外，算法市場也有潛力，工程師或公司創建的最佳解決方案可以共享，購買和部署，供組織個人使用。
過去很難相信的想法正在變得真實，機器學習與人工智能技術使每個企業都變成數據驅動，每個行業都變得更加智能化。
經過多年的原型和創意背景研究，新的解決方案將令人嘆為觀止。為患病的人們提供虛擬援助，計算藥理藥藥以及遺傳學研究讓人們看到了醫學中更令人驚奇的案例。不同行業的自動化，機器人化和數據管理給行業帶來重大變化。醫療保健、建筑、銀行、金融、制造業等等，每個現有之行業都將被重塑。
2.區塊鏈將為行業提供新機遇
現在每個人都在談論區塊鏈，這是一種革命性的分布式技術，可以存儲和交換加密貨幣的數據塊。區塊鏈是一個分布式數據庫，其中包含交易和智能合約的數字存儲器。區塊鏈存儲一個不斷增長的有序記錄序列，這稱為塊，每個記錄包含一個時間戳和前一個塊的哈希鏈接。區塊鏈在數字交易領域具有令人無限想像的空間，這一切將在2018年開辟新的商業機會。
該項技術打開了在其它領域中的各種應用，更多新的可能性。由于社會責任和安全性在互聯網上的需求日益增強，區塊鏈技術變得越來越重要。在使用區塊鏈的系統中，幾乎不可能偽造任何數字交易，所以這種系統的可信度肯定最高的。這種方法可以成為企業和初創公司中顛覆性數字業務的基礎，以前在線下運營的公司將能把流程完全轉化為數字化環境。（來源微信號數字化企業）
業務需要考慮區塊鏈風險和機會，并分析該技術如何影響用戶（客戶）之行為。
隨著在金融服務行業中區塊鏈的炒作將放緩，我們將看到更多政府機構，醫療保健，制造業和其它行業的潛在實例出現。例如，區塊鏈對知識產權管理有著巨大的影響，在防止版權侵權方面開辟了新的見解。 Blockai，Pixsy，Mediachain和Exof of Existence等網站平臺打算將區塊鏈技術應用于到該領域。
3.隱私安全的新方法即將來臨
“道高一尺，魔高一丈”。技術發展提升了數據的重要性，因此黑客技術也變得越來越先進。連接到互聯網的設備數量的增加，這會產生更多的數據，使其更容易受到攻擊的機率更多。物聯網中的小工具越來越受歡迎并被廣泛使用，但它們在數據隱私方面仍然不是很安全。任何大型企業都經常受到黑客攻擊的威脅，就像Uber和Verizon在2017年發生的那種問題。
幸運的是，這些解決方案是可以達成的，今年我們將看到數據保護服務的巨大改進。機器學習將確保數據安全，概率性預測方法是下一步的安全趨勢。實施行為分析等技術可以檢測和阻止能夠繞過保護系統的攻擊。 另外，區塊鏈將我們的注意力引向一個名為Zero Knowledge Proof的新技術，此技術將在2018年進一步發展，它使用數學技術確保用戶隱私的交易。另一種新的安全方法稱為CARTA（持續適應風險和信任評估），它基于對潛在風險和信任程度的持續評估，以適應各種情況。該方法適用于所有業務參與者：從公司的開發人員到合作伙伴。
雖然我們的安全性仍比較脆弱，但有很多有前景的解決方案可以為我們的生活帶來更好的隱私保護。
4.物聯網將更加智能
智能物品將成為日常設備普及，它與人、環境進行更智能的互動。這些東西在不受控制的現實條件下半自動或自主地運行，而無需人為干預。
很多年來，智能產品一直備受關注，并且不斷擴展和增強，它們將影響另一個全球趨勢，這就是物聯網。
未來將有一個協作智能網絡，其中多個智能設備將協同工作，充分發揮物聯網的潛力。通過有線和無線通信渠道連接到全球互聯網，物聯網設備將變成一個大型集成系統，推動人機交互的重大轉變。人工智能與物聯網的融合帶來了創造智能家居和智慧城市的全新技術。
5.深度學習將更快，大數據收集更好
如今，深度學習面臨著大數據收集和計算復雜性相關的技術挑戰。目前業界正在開發硬件創新技術以加速深度學習實驗，例如具有更多內核和不同架構形式的新GPU。根據GE研究院的高級信息科學家Marc Edgar的說法，深度培訓將在未來 3到5年內將軟件解決方案的開發時間從幾個月縮短到幾天，這將改善功能特性，提高生產率并有效降低產品成本。
目前，大多數大公司都意識到大數據收集的重要性及其對業務有效性的價值影響。在未來一年內，更多公司將開始使用更多數據，這取決于結合不同數據的能力。（來源微信號數字化企業）
2018年，更多公司將通過CRM，任務系統，BMP和DMP以及全渠道平臺收集客戶數據，像LIDAR這樣的專用傳感器上收集數據的普及也在增加。將現有系統與所有類型的客戶數據集成到一個信息池中肯定會有趨勢。初創公司將繼續創建收集和使用數據的新方法，從而進一步降低成本。
6. AI模型能自動構建與優化
自Google去年推出AutoML以來，使用人工智能工具加速構建和調整模型的過程正在迅速普及。這種人工智能開發的新方法允許自動化機器學習模型的設計，并且無需人工輸入即可構建模型，從而讓其中一個AI成為另一個AI的架構師。
2018年下半年，預計商業AutoML軟件包的普及和AutoML集成到大型機器學習平臺將進一步增長。
在AutoML之后，有一個名為NASNet的計算機視覺算法，用于實時識別視頻流中的對象。使用AutoML實現的NASNet上的“強化學習”可以訓練模型，與需要人工輸入的算法相比，人類顯示更好的結果變得無關緊要。
這些技術發展，明顯拓寬了機器學習的視野，并將在未來幾年完全重塑模型建設的方法。
7. CDO職位持續走高
首席數據官（CDO）和其它專業人員越來越多地參與公司高層管理，從而改變他們的數據管理方法。 CDO將是創新和差異化的驅動力：會徹底改變現有的商業模式，改善與目標受眾與企業溝通，并探尋改善業務績效的新機會。雖然這個角色很新，但不論在國內外它已向主流邁進。據Gartner公司調查稱，到2019年，CDO職位將出現在90％的大型組織中，因為是新角色，也許只有一半的人會成功。這需要強大的個人品質，對責任的深度理解和突破潛在障礙，這才是取得成功的關鍵。還有一個重要的步驟來釋放CDO的全部潛力：企業可以考慮將IT部門分別劃分為“I”和“T”兩部分，CDO應該在負責信息管理的團隊中起帶頭作用。（來源微信號數字化企業）
8.AI道德爭論會爆發
隨著人工智能行業在日常生活中執行各種任務和行動方面取得重大進展，人們就道德，責任和人際交流提出了問題。如果人工智能使用了非法行為，誰將受到指責？AI機器人是否需要遵守法律規定？它們要接管所有人類工作嗎？
前兩個問題中，假設有一天機器人被法律承認為人類，可以承擔責任或因其行為而受到懲罰，這種觀點還需要幾年的時間，但關于AI道德的爭論已經在升溫，考慮到不同的可能性，科學家們正試圖找到關于機器人權利與責任的妥協方案。
大可放心，機器人占領所有工作場所的可能性接近于零。當然，人工智能行業的發展速度非常快，但是它仍然處于起步階段。
2018年下半年，圍繞這個問題的討論還會持續。當我們深入討論這個主題，了解如何與人工智能互動，并忠于這個事實，關于機器人接管地球的神話相信會被驅散。
9.沒有具體的命令：增長的NLP
在客戶服務中使用聊天機器人即將到來，這是2018年的主要趨勢之一。在2018年下半年，機器將需要能夠識別用戶訪問的細微差別，用戶希望通過提問和以自然語言發出命令來獲得聊天軟件的響應，而無需考慮“正確”的詢問方式。 NLP的發展與計算機程序的整合將是2018年最激動人心的挑戰之一，我們對此抱有很高的期望。
對于習慣于理解特定命令語言的計算機來說，對于人類來說，理解語音語調，情感色彩和多重含義的語言似乎是一項艱巨的任務。這些復雜的算法需要許多預測模型和計算步驟，所有步驟都在一秒鐘內完成，這些計算都發生在云中。
在NLP的幫助下，人們提出更多問題，都會快速獲得機器返回合適的答案，甚至比人的回答有更好的見解。
10.沒有人類數據，AI自學更加自信
當人工智能第一次發明以來，該領域的發展速度超出了人們的預期。專家們曾經預測，到2027年人工智能將在圍棋游戲中擊敗人類，但是它提前發生了10年 - 2017年。算法AlphaGo Zero只用了40天就成為人類歷史上最好的圍棋玩家，它在沒有任何人類數據輸入的情況下進行自我學習，并且制定了人類玩家無法實現的策略。
2019年，一個更發達的，自學成才的人工智能與人類的競賽會繼續展開。我們期待AI在解決許多人類問題方面取得更多突破，如決策，業務開發和科學模型，識別對象，情感與演講，以及重新塑造客戶體驗。
此外，我們更希望AI能夠比人們做得更好，更快，成本更低地應對這些任務。算法之自學能力能將AI應用到人類生活的更多領域。（來源微信號數字化企業）
總體上講，2018年在技術創新方面會取得重大進展。開發者將見證更快，更精確的機器學習和AI應用程序，包括一些新的令人興奮的發展。
離開谷歌，回國創業
EW：一開始你是怎么接觸到人工智能的？
LZF：2005年，我在美國約翰霍普金斯大學讀計算機博士。我所在的實驗室是全世界最好的實驗室之一，我當時做的就是語音識別、自然語言處理以及機器翻譯。
畢業后，IBM、微軟、谷歌、雅虎、Facebook的offer我基本上都拿到了。最后選擇去谷歌是因為谷歌的機器翻譯團隊是全球最好的。當時谷歌的產品影響力也更大，再加上我自己對創業文化比較有興趣，所以想去硅谷看看。
EW：在谷歌工作的經歷對你的最大影響是什么？
LZF：主要是兩方面。一是基本理念。在學校，我做的是學術，在谷歌，需要把學術的東西產品化、工程化。對我來說，在將技術轉化成產品上，自己的能力有了一個非常大的提升。二是谷歌的工作機制和文化。因為我自己一直也想創業，除了做好本職工作，我一直在琢磨，谷歌這樣的公司，它為什么能夠這么厲害。
比如谷歌的TGIF（Thank God It’s Friday）大，就是每周五下午舉行的文化活動，我覺得這就挺有意思的。谷歌到今天，應該還是比較扁平化的公司。它不像其他大公司是金字塔架構，從上往下一層一層，像軍隊一樣把命令嚴密往下推。
TGIF的作用是，它能夠讓員工把公司創始人的戰略跟自己的工作聯系起來。這是至關重要的。因為眾所周知，谷歌有一大批極其聰明的人，但聰明的人最麻煩的是，如果他們的目標不一致，大家不是非常清楚地知道為什么要做這件事的話，每個人都會有自己強烈的想法，這樣反而可能會以天天吵架收場。通過TGIF活動，創始人可以經常地向員工解釋，公司做這個產品的初衷是什么，我們怎么評估對手的競爭，公司接下來的規劃是什么等。
EW：出門問問也在參考這種做法嗎？
LZF：是的。我們平時也都是每周五下午舉行。
EW：創辦出門問問4年半，你覺得自己有哪些決策做得特別正確，又有哪些失誤？
LZF：很多東西很難說正確還是錯誤，我只不過是沒有什么后悔的。比如，我們當時決定做智能手表，這是一個很大的決定，因為我們的經驗不在硬件上。但這是一個我認為很正確的決定，因為有了智能手表操作系統，我們才能去跟谷歌達成合作。另一件事情是我們去年做車載硬件，也是同樣的道理，因為做了車載，我們可以去跟大眾汽車集團有較大的戰略合作。
人工智能這種技術行業，是相對長線的，它不像O2O，時間窗口就那么兩個月，過了你就沒機會了。技術創業并不是這樣的。我覺得我們沒有失去這種巨大無比的機會，是因為我們有足夠的時間去琢磨產品。可能沒有特別大的失誤吧，即使有，我們也還不知道。
EW：目前出門問問團隊有多少人？你的性格對公司和產品的影響有多大？
LZF：我們現在有接近350人，占大頭的還是研發，包括硬件、軟件、算法，這部分占了三分之二。
我覺得一家創業公司的文化也好，對內的做事方式也好，一定是跟創始人有特別大的關聯的。我覺得自己的性格還是比較偏工程師特質的，比如，我非常推崇效率至上，我最不喜歡干的事情就是花冤枉錢，像O2O這種資金使用效率很低的創業項目，即使做成功了，我也不會有很多喜悅感。
工程師都希望用一個新技術去優化資源，最后讓產品有不錯的效果。這也就決定了我們公司，如果要去做特別偏運營主導的事情，我們肯定做不好。在那種競爭模式下，如果不燒錢去拼，你可能真就贏不了。
EW：這是否意味著出門問問在市場推廣方面存在短板？
LZF：是的，尤其在公司發展早期，在資源和能力都非常有限的時候。我覺得，目前的出門問問，如果跟一家稍微成熟的公司對比，我們的研發費用在總支出中的占比是過高的。因為我們每天都在想著如何創新，如何在市場上做一個有競爭力的產品。但確實，由于我本身不是銷售出身，這可能就會導致我們在銷售、市場營銷的規劃和投入上都存在滯后。任何一家創業公司，一定是從自己最擅長的領域出發的，比如你讓我帶領50名工程師開展工作，我會非常擅長這項管理。應該說，這是一個我們必然會遇到的問題，只是看后面我們如何解決吧。
EW：目前你們研發投入最高的是哪一款產品？
LZF：智能手表Ticwatch和智能車載后視鏡Ticmirror的每一款產品，我們都花了不少錢，預算都是數千萬元。我們這種模式的性價比可能是比較低的，其實我們完全可以調用免費API，能外包的都外包，而且大家普遍覺得，后者才是目前絕大部分做智能硬件產品企業的模式。但是我們不這樣認為，研發這一塊，我們全部是獨立投入，目前光人工智能算法，我們就有七八十人在做。
EW：回溯這幾年，你覺得哪幾個節點對于出門問問至關重要？
LZF：主要是兩個吧。第一個關鍵節點就是我們最初開始做硬件，谷歌投錢的，錢還是蠻重要的。第二個是我們真正把Ticwatch第一代做出來并量產，這件事培養了我們公司軟硬結合的能力。
圍繞語音交互做布局
EW：出門問問4年前曾做過虛擬語音助手，近期你們又了一個虛擬語音助理，在這一產品上，你們經歷了一個怎樣的迭代過程？
LZF：我覺得我們早期做的語音助手，更像是一個搜索引擎，問一句話，給一個答案，沒有上下文對話，也沒有遠場語音交互。但是，通過這4年的折騰，今天再看語音助手需要的東西，我們發現，我們當時做的是不對的。比如，在車載或家居的場景下，你沒有一個基本上下文對話，這種語音交互給用戶帶來的價值就非常小。
我們現在做的東西，已經不是純粹的語音交互了，而是一個虛擬的個人助理。它除了能跟你說話交流以外，更重要是他能夠懂你，包括你的習慣、常用地址、常去的地方等，能夠向你做很多個性化的推薦，甚至有角色幫你去做事。
這是我們4年前完全沒想到的。比如，你只要跟虛擬助理說，要訂去上海的機票，就不用每次都說我喜歡坐國航的飛機，它是懂你的。這種東西可能慢慢跟語音交互沒什么關系了。包括我們講的跨場景聯動，4年半前，我們連一個硬件都沒有，有什么能力去思考跨場景聯動呢。今天，我這兒有設備，我都可以控制，跟以前完全不同了。
整個大環境也不一樣了，現在像媒體、大公司甚至傳統行業，都在討論人工智能。有人討論，總會有人嘗試，這可以認為是一個螺旋式的上升。做的東西或者描述的東西，可能跟之前比較類似，其實是不一樣的，我覺得現在是一個新的起點。
EW：出門問問推出的系列產品有著怎樣的關系，你們的布局邏輯是怎樣的？另外，智能手表、車載后視鏡、智能音箱等硬件產品，輻射范圍確實挺大，但是對公司來說，會不會有用力太分散的問題？
LZF：肯定有。我同意你說的，會有精力分散的問題。但是我想說，它們其實是有關聯的，最重要的是，我們想打造一個跨場景的虛擬個人助理，這背后的核心技術是語音交互。首先，我從來沒有做充電器或電風扇，因為這跟語音交互沒什么關系。我們希望這個語音虛擬個人助理，無論是在你跑步時、在家里還是在開車時，它都能跟你在一起，無處不在。
這樣的話，我們的語音虛擬個人助理，能夠讓用戶熟悉交互習慣，哪些東西能做，哪些東西不能做，這很重要。今天很大的問題是用戶對虛擬助理的認知不對，以為它啥都能做，其實不是。但是，你要知道，在手機上能做的事情，在手表上、車里，它也能夠做到。我們希望，虛擬個人助理能夠對用戶的生活軌跡、個人興趣愛好有更深刻的理解，這樣我們才能提供最貼心的服務。
我們希望通過多場景交互，更深刻地去了解語音交互到底應該怎么去做。舉個例子，當我們做車里的語音交互時，我們發現，它跟在手機或手表上的語音交互是非常不一樣的：在車里，我最希望的是，我不需要用手，不需要用眼睛，也就是所謂的無手無屏交互方式――在車里，你不能問一個問題，再去點一下屏幕，因為你在開車，這樣很危險。按照手機的交互模式，你在車里放一首音樂，中間想換一首歌或者換成導航，你得先按一個按鈕，把音樂關掉，把地圖打開，再用語音說我導航去國貿之類，這會很傻。
家里又是另一個場景，家里對遠場語音交互要求更高。手機、手表可能是50厘米內，車載在1米以內范圍，但在家里，可能是2～4米的交互范圍，我覺得這對技術是個挑戰。
EW：亞馬遜有Echo音箱，谷歌有Home音箱，百度也在醞釀推出智能音箱，這些巨頭似乎都想以家庭智能硬件作為人工智能的切入點。家庭智能硬件這件事，國內已做了好幾年，目前看仍是雷聲大雨點小，但人工智能公司卻非常看好這個市場，你覺得這是為什么？
LZF：因為沒別的可做。在這一領域，其實不管是媒體還是創業者，都在關注To C的市場。但我問你，你覺得現在有什么別的石破天驚的新硬件形態出來嗎？去年爆紅的VR，事實上它也還沒有那么快地實現普及。我覺得智能音箱特別重要。
EW：為什么偏偏是音箱，而不是其他家居產品？
LZF：音箱小、便捷。比如電視，現在很多年輕人都不看電視了。第一，我覺得智能音箱是比較好的產品形態，本身需求還是挺大的。第二，電視要成為一個智能家居的中心還是比較難，你要使用電視，必須把屏幕打開才可以用，這樣很不智能。但智能音箱是個比較輕量的產品，永遠都在那兒，跟智能家居連接起來是比較自然的形態，而且它的額外成本沒那么高，價錢相對便宜。
亞馬遜Echo音箱在國外賣得比較成功。中國跟美國在智能家居的接受度上還是有差距的。在美國，人們對智能音箱這種概念，認知度可能有60%～70%，而國內可能只有10%～20%的人了解，這本來就存在認知差距。另外是使用場景，美國本來就有聽音樂和買音箱的習慣，客廳較大，廚房也是開放式的，這些都是造成中美之間差異的原因。但我認為，使用智能音箱是大的趨勢，以后兩國都會趨同的。
仍在探尋爆發點
EW：在你看來，目前出門問問發展上的最大煩惱是什么？
LZF：商業化。其實在目前的人工智能公司里面，我們在產品性能、營收上都是最頂級的。我們是2015年6月智能手表Ticwatch及其操作系統的，而真正大規模賣，是同年10月。在早期，我們基本都是做線上，今年才開始建立線下團隊。
也有人問過我說，你為什么不先養活自己，先做To B，再去做To C。我的答案是，我們創業從來不是為了活著，只為活著有什么意義。我從來沒有生存的危機，我們要活著太容易了。我們真的是希望能夠推動一個行業，或者促成一個更大的創新，這才是我們要做的事情。
我希望人工智能技術能夠真正用起來，最后產生商業價值。我一直說谷歌，它真是在全世界層面非常成功的一家科技技術型公司，這個沒人否認。我覺得谷歌能做到今天，就是因為它把技術用到了可以商業化的地方，然后產生了非常好的商業模式，而這又支撐著它能夠不停地進行技術創新。
人工智能走C端市場，本身就是很難的事情。我從來不認為我們成功了，我認為我們是走了一條非常獨特的路。如果我們再把銷售、市場營銷的能力增強一下，說不定我們真的就能夠做出一家自負盈虧、能夠正向循環的公司。
EW：現在完全沒有B端業務？
LZF：我們沒有傳統意義上的B端業務，但像我們的語音開發平臺等是面向B端的。我其實沒有那么排斥說一定要做To B或To C，對我來說，我想看到的是，人工智能技術真正能夠應用起來，解決一些問題，這是最核心的東西。
我們真的不是為了活著而活著。To B的公司有它的好處，養活自己容易，但要做成規模化非常非常難。今天你要到美元上市，你至少營收得有1.5億美金，靠To B我覺得真的蠻難的。但你要是賣設備，To C，如果你把產品做好，把渠道打開，其實沒有那么難。我覺得To C的天花板很高，To B的天花板比較低一點。
EW：出門問問一開始就獲得了真格基金、紅杉資本、SIG海納亞洲的投資，之后是谷歌投資，最近是大眾汽車集團獨家投了D輪。作為公司創始人，你覺得出門問問為什么能夠獲得這些知名投資方的垂青？
LZF：我覺得這是要分早期和后期的，不一樣。無論是早期的紅杉、真格還是SIG，這些機構，說白了是投資我的個人背景以及我的團隊，還有我們在技術上做出的一些demo。
其實今天也是一樣。我屬于較早一批在美國谷歌本部工作，然后要回國創業的科學家之一。這種背景的人，在當時是非常稀缺的，甚至稱得上獨一無二。
真正懂語音交互、自然語言處理的PH.D，對紅杉或真格這些早期投資基金而言，你能夠在美國一家最頂尖的學校拿到博士學位，在一家最頂尖的工業實驗室做科學家，這本身就是一個很大的背書，而人工智能創業這件事，本身又是技術驅動的，所以對他們來說，當時可能也沒有別的更好的選擇。所以我說，早期真的基本上是靠我個人、我的團隊以及一些基本的技術拿到投資的。
如果說我再重新做一次出門問問的創業，我覺得早期的投資對我來說很簡單，只是后面的東西，今天我要再重新做一遍，還真不一定能成功。到后面，我們中間還有別的戰略投資者，無論是谷歌還是大眾汽車，我覺得我們能拿到這些投資還是有獨一無二的價值在里面。
EW：你所謂獨一無二的價值，具體是指什么？
LZF：比如2015年，谷歌要把它的智能手表操作系統帶進中國，但是它的語音助手Google Now在中國是不能用的。這時候，谷歌要在國內找合作伙伴。出門問問之所以獨一無二，是因為我們當時的智能手表已經是一個端到端的產品了。谷歌一看我們的產品，放上去基本上跟在美國是一樣的，無論是體驗還是配套服務，都已經非常完備了。
當時國內智能手表產品的端到端，就是語音搜索、語義識別、垂直搜索、內容的對接，到最后，整個服務包括圓形屏幕這種手表的展現方式，市場上除了我們之外，真的沒別的公司，現在大家可能覺得不可能。如果不找我們，可能谷歌語音用訊飛，語義用另一家公司，搜索內容、UI界面再找另一個團隊。那時候我們真的是谷歌唯一的選擇。
大眾汽車也一樣，因為他們不是一個VC的投資，他們希望通過跟我們合作，能夠在汽車方面產生一個非常快的協同效應。比如我們的問問魔鏡（即Ticmirror），大眾汽車覺得，無論從硬件、軟件、算法，還是從內容以及語音的交互上看，這都是他們過去想了很多年都沒有實現過的東西。這時候，大眾汽車如果想在智能化方面快速行動，想建立一個比較扎實的啟動點，想在未來提供一個什么樣的體驗的話，那我不認為在中國除了我們，還有別的公司有這種能力。
EW：D輪這1.8億美元打算怎么用？
LZF：重點會投入到母公司出門問問以及跟大眾汽車合資開設的子公司身上。母公司仍然專注做人工智能，各種算法、迭代，另一塊是人工智能的產品化和商業化，我們已經做了可穿戴手表和家居智能音箱，未來可能還有其他商業化產品，我們會去擴充業務方向。子公司就是做汽車的智能化。到目前來說，怎么在汽車不聯網，連4G、攝像頭都沒有，屏幕也很差的情況下，先把汽車的智能化做起來，這是我們正致力解決的問題，也是雙方合作的目標。
EW：國內有你比較欣賞的創業公司嗎？不一定是人工智能行業的。
LZF：我不能f欣賞，我比較羨慕像今日頭條那樣的公司。它還是有一些核心技術的，然后用這個技術，快速做出了一家具有海量用戶且有很高用戶黏性，最后實現了商業變現的公司。它的模式還是比較清晰的。我想，這其實是很多技術創業者夢寐以求但不一定能達到的。
