7.人工智能產業鏈

　　人工智能產業鏈根據技術層級從上到下，分為基礎層、技術層和應用層。基礎層最靠近“云”，應用層最靠近“端”。

　　基礎層（按技術層級從上到下，下同）

　　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。

　　技術層

　　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。

　　應用層

　　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。

　　8.人工智能產業鏈價值分析：

　　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。

　　9.未來人工智能競爭格局：

　　在人工智能平臺化的趨勢下，未來人工智能將呈現若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。

　　模式一：生態構建著——全產業鏈生態+場景應用作為突破口。

　　關鍵成功因素：大量計算能力投入，積累海量優質多維數據，建立算法平臺、通用技術平臺和應用平臺，以場景應用為入口，積累用戶。

　　模式二：技術算法驅動者——技術層+場景應用作為突破口。

　　關鍵成功因素：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。

　　模式三：應用聚焦者——場景應用。

　　關鍵成功因素：掌握細分市場數據，選擇合適的場景構建應用，建立大量多維度的場景應用，抓住用戶；同時，與互聯網公司合作，有效結合傳統商業模式和人工智能。

　　模式四：垂直領域先行者——殺手級應用+逐漸構建垂直領域生態。

　　關鍵成功因素：在應用較廣泛且有海量數據的場景能率先推出殺手級應用，從而積累用戶，成為該垂直行業的主導者；通過積累海量數據，逐步向應用平臺、通用技術、基礎算法拓展。

　　模式五：基礎設施提供者——從基礎設施切入，并向產業鏈下游拓展。

　　關鍵成功因素：開發具有智能計算能力的新型芯片，如圖像、語音識別芯片等、拓展芯片的應用場景；在移動智能設備、大型服務器、無人機（車），機器人等設備、設施上廣泛集成運用，提供更加高效、低成本的運算能力、服務，與相關行業進行深度整合。

　　10.人工智能對企業的啟示：

　　傳統企業的競爭優勢主要來自兩個方面：

　　其一，在企業布局上，企業有專有的固定資產、品牌、知識產權等資源，在所在領域取得規模經濟和范圍經濟，并通過門店和經銷商網絡建立了穩定的客戶關系；

　　其二，在企業自身的能力上，企業積累獨特的人力資源和技能，并在流程上盡可能精簡。

　　人工智能時代，企業競爭優勢轉變為算法和數據資產，建立學習網絡和數據生態，360度洞察消費者，通過人工智能不斷地學習產生新的知識，同時在數據驅動下，進行即時自動決策。

　　利用人工智能構建新的競爭優勢，傳統企業需要攜手互聯網企業，探索新的商業模式。

　　11.人工智能對政府的啟示：

　　為加快人工智能產業發展，政府應從以下三個維度加強對人工智能產業的政策支持：

　　（1）開放政府及公共領域數據，打造國家級人工智能資源平臺。數據是人工智能的基礎。為鼓勵人工智能產業發展，應開放公共數據，并優化數據質量，建立系統化結構化的數據庫平臺，為人工智能的發展提供資源。

　　（2）建立企業主導、高校研發、國家投入的人工智能產業一體化發展模式。人工智能在未來數年內將以服務智能為主，因此需要樹立企業在人工智能行業的主導地位，鼓勵企業積極開發人工智能的場景應用，以將人工智能科研成果轉變為商業價值。同時，鼓勵高校研發、增加國家科研投入，為長期人工智能基礎科技突破做準備。

　　（3）以產業基金、專項基金等激勵人工智能創新，提供針對人工智能創業企業的稅收優惠，以人才為導向，配套全球人工智能人才安家政策，提供寬松的人工智能法律法規環境。

　　結語

　　總體而言，阿里的人工智能體現于對于自身的產品與業務進行功能試水。當然，類似的方式也是騰訊和華為的人工智能戰略邏輯。

　　但其對人工智能產業鏈價值，以及商業模式的剖析，對于創業公司的價值非常大。指出機會在哪里，有助于創業公司在巨頭的夾縫中找到自身優勢，回避短板，獲得更好的發展。