在當今信息化和科技爆炸的時代，人工智能進入了飛速增長的階段，在各商業領域中的應用得到不斷拓展。然而對人工智能熱潮是否能持續的疑問仍然存在，能否為企業帶來如預期的真實價值將決定人工智能長期增長的可持續性。伴隨市場態度逐漸從‘過熱’轉變到‘務實’，人工智能算法和軟件開發企業（在下文中簡稱人工智能企業）將面對更多的挑戰，人工智能企業如何在這萬億美元的市場中立于不敗之地？

1．人工智能是一個萬億級的廣闊市場

盡管人工智能（AI）的發展仍處于商業化的早期，預期未來十年AI相關解決方案市場的復合增長率將保持在65％，并于2027年達到萬億美元。人工智能熱潮受到科技進步，政府政策紅利以及全球投資者不斷加持，其持續高速發展的三個核心驅動因素包括：

數據規模和深度： 數據日益成為公司的最有價值的資產，數據生成和收集技術的成熟（記錄、圖像、音頻等），尤其是物聯網的普及使得數據可獲取的來源呈現幾何級增長（2020年數據規模將達到～40ZB）。對于各行業的公司來說，如何從數據中獲取有價值的商業洞察與實現流程優化，從而為企業創造價值將成為必修課。可供人工智能算法訓練的數據不斷增長，積極推進了人工智能模型的完善，以及更準確的結論和預測。

算力：最前沿的硬件技術和系統，包括GPU，FGPA和ASIC芯片，云計算，分布式和并行計算，打破了傳統計算技術的邊界，推動人工智能走出實驗室進入商業場景的實際應用。

為公司帶來真實的價值：人工智能已助力企業實現顛覆性的改變，更好地滿足切實的商業需求，如客戶服務中使用的Chatbots，金融機構的防欺詐系統，消費行業的客戶定向推薦等等。拿Netflix來舉例，人工智能驅動的用戶定向推薦為Netflix帶來了每年10億美元的額外收入。

2．不同垂直領域的應用場景、需求和引入曲線大相徑庭，人工智能企業需要合理制定優先級

人工智能正在急劇改變很多行業，一些應用場景已經開始幫助解決行業的核心痛點。高價值的應用場景、高效的分析工具、與海量數據的具備，是實現AI垂直領域價值的基礎。有些應用場景可以在短期內實現，而另一些應用場景需要長時間的積累與提升，才能真正實現商業化。

因此，并非所有的垂直領域都已準備好迎接人工智能的到來。我們建議通過兩個維度分析各垂直領域人工智能的應用：行業的內在需求（包括人工智能應用價值以及行業接受度）和進入難度（包括進入壁壘、競爭、及分析工具透明度要求）。

金融保險業：人工智能主要的應用包括自動交易、欺詐和風險檢測、客戶服務工具等。金融保險業由于行業本身對于數據和數據分析的高度依賴，其技術成熟度和行業特性為人工智能的應用打下了良好的基礎。業務中的關鍵痛點，比如可靠性，處理速度，安全性，準確性等，可以通過人工智能技術實現改進。同時行業和政策導向對于新技術的引入保持較高的開放程度。

醫療和生命科學：人工智能主要的應用包括輔助診療，藥物開發和病患管理系統。人工智能可以極大地提高效率和解決醫療資源匱乏的問題，但核心的醫療服務行業整體技術成熟度不高。競爭程度和進入壁壘相對較低，有眾多成功的創業企業已經成功在市場中占據了一席之地。

廣告媒體娛樂：人工智能主要的應用包括消費者習慣分析，自動推薦系統等。該行業的電子信息化程度很高，有人工智能應用的良好技術基礎。同時對人工智能的需求也非常高。人工智能算法已經幫助更好地實現精準營銷和客戶畫像、產品推介。進入壁壘相對較低，但在發達國家對于消費者數據的公開有一定的顧慮。

零售（線下實體）：人工智能主要的應用包括消費者分析，購物體驗提升和供應鏈管理。然而人工智能在線下實體零售中的應用面臨電子信息化程度低以及消費者數據難獲得的問題，尤其是需要獲得外部數據。同時由于實體零售業務的特性，對新興技術的接受程度不如其他行業。類似廣告媒體娛樂行業，其進入壁壘相對較低。

教育：人工智能主要的應用包括自適應學習工具，課程定制等。教育是相對傳統的行業，數據的獲取和信息化程度非常低，同時從業者對于新技術的接受程度也較低。人工智能的應用可能需要較長時間的培育期。在另一方面，線上教育平臺的崛起，成為人工智能在教育領域應用的完美試驗田，但目前對于人工智能的需求仍較低。不管從競爭情況還是法規來看，教育市場的進入壁壘較低。

工業和制造業物聯網：人工智能主要的應用包括質量控制，產出優化，預測性維護和供應鏈管理。物聯網的普及為人工智能在工業領域的應用提供了大量的數據。人工智能已經在一些特定的領域幫助實現了效率提升，流程優化以及生產管理，但更多的應用場景有待進一步開發。

高科技：人工智能主要的應用包括廣泛的軟件系統和功能性硬件。對于人工智能的需求是各行業最高的，同時高科技企業對于新技術也有著極高的接受度。然而，高科技巨頭都計劃建立自己的人工智能能力（核心技術開發和價值鏈各環節能力），并打造圍繞自己核心業務的人工智能生態系統。

汽車和交通：人工智能主要的應用包括自動駕駛和路徑規劃。新的人工智能應用由領先的汽車品牌和科技巨頭主導，目前尚處于開發階段。一些未來新興的應用可能會引發革命性的變革，并打開全新的市場空間。其進入壁壘相對較高，新進入者將面對巨頭長期技術儲備以及商業資源的巨大挑戰。

智慧城市：人工智能主要的應用包括國土安全以及城市管控。該市場的高速發展主要由政府提高管理效率和提升城市安全舉措的驅動。缺少政府相關背景的企業將面臨相對更高的進入壁壘，主要因為對于監控數據的高度監管以及政府采購的傾向性。

通過對每個垂直領域的潛在需求和進入難易程度的分析，L．E．K．甄別了四個對于人工智能企業更具吸引力的垂直領域，可以作為中短期打開市場的切入點：金融保險業，廣告媒體娛樂，醫療和生命科學和工業和制造業物聯網。

3．人工智能企業應該重點關注行業痛點并提供針對性的解決方案

人工智能企業可分為全產業鏈整合巨頭，基礎框架及算法開發商和垂直領域解決方案提供商。

科技巨頭如谷歌，亞馬遜和百度都建立了自己廣泛的人工智能生態體系，提供一系列產品和服務，包括基礎設施，算法框架和垂直應用方案。有些以算法框架為核心的開發商通過向下游拓展，切入選定的垂直領域。其他解決方案提供商會選擇一些特定垂直領域作為業務開發重點，如依圖科技，曠視科技（圖像識別系統為基礎）和科大訊飛（語音識別系統為基礎）。

不同類型的人工智能企業可能在落地針對性的方案時面臨技術和商業應用兩方面的困難。

對算法框架缺少掌控：大量的數據處理需求對計算能力和模型效率提出了很高的要求。市場上開放的計算框架經常沒有辦法滿足所有機器學習模型的要求，更不用說滿足每個垂直領域客戶的特定需求。

應用落地的復雜性：垂直領域的應用要求解決方案提供方對特定行業有著較深入的了解，以提供定制化的方案。標準化的解決方案很難同時滿足不同行業或不同場景的需求。由于缺少專業領域知識或經驗，人工智能企業的解決方案經常面臨落地難的問題。

人工智能企業需要有靈活的，可擴展的計算框架支持不同的模型和算法。

比如，分布式計算的數據處理能力比單體計算能力快十倍以上。不斷增長的數據和模型參數體量，處理能力對計算框架越來越重要。分布式計算可以基于數據并行和模型并行，以拓展計算能力達到高速處理的要求。

建立一個模塊化的框架也非常重要。可重復使用的模塊可以幫助企業更快實現不同應用的落地，縮短交付時間。與第三方開發者和系統集成商合作時，需要共同打造一個垂直整合的平臺。

人工智能企業需要不斷整合垂直領域行業知識

一個垂直整合的平臺可以幫助人工智能企業加速應用落地，并獲取價值鏈上更多的價值。盡管人工智能計算框架是所有人工智能實現的基礎和最重要的差異化技術要點，但從商業價值角度考慮，通過服務終端客戶應用產生的價值會比平臺開發的價值更有吸引力。

4．人工智能企業需要重點投入建立商業開發能力

除了核心技術儲備，人工智能企業的成功很大程度上取決于其商業化能力。

首先，人工智能企業尤其是創業型企業，需要對垂直領域進行優先級排序，有側重的開發。在重點開發的領域積累深入的行業認知，建立廣泛認可的應用案例。人工智能企業可能面對來自傳統行業巨頭的競爭，比如GE和西門子在工業物聯網領域的布局。

不同人工智能企業具有不同的規模和商業化能力基礎，業務發展速度將決定最終成功與否。人工智能企業需要盡快實現廣泛認可的應用案例落地在特定垂直領域建立知名度和權威性。

同時可持續發展的渠道模式對于客戶拓展和市場進入也起到了至關重要的作用。

人工智能企業需要分析價值鏈價值分配，并挑選合適的客戶群體。

針對不同的客戶需求，提供靈活的定價和服務模式選擇。在一些特定的垂直領域，人工智能企業可以建立一套組合的渠道布局，與不同側重的渠道伙伴合作以確保最大化渠道覆蓋。比如人工智能企業可以和醫院信息系統供應商合作，提供結合人工智能的醫院整體解決方案，開拓醫院客戶。

人工智能企業需要教育客戶，強調人工智能對企業發展的重要性。

人工智能企業需要讓客戶認識到人工智能應用對企業帶來的潛在巨大價值，和對企業業務發展的重要性。成功的案例將成為極具說服力的工具。讓客戶管理層認識到人工智能的重要性，可以使客戶對人工智能的投入優先排上日程以及加大投入額度。

3．人工智能企業應該重點關注行業痛點并提供針對性的解決方案

人工智能企業可分為全產業鏈整合巨頭，基礎框架及算法開發商和垂直領域解決方案提供商。

科技巨頭如谷歌，亞馬遜和百度都建立了自己廣泛的人工智能生態體系，提供一系列產品和服務，包括基礎設施，算法框架和垂直應用方案。有些以算法框架為核心的開發商通過向下游拓展，切入選定的垂直領域。其他解決方案提供商會選擇一些特定垂直領域作為業務開發重點，如依圖科技，曠視科技（圖像識別系統為基礎）和科大訊飛（語音識別系統為基礎）。

不同類型的人工智能企業可能在落地針對性的方案時面臨技術和商業應用兩方面的困難。

對算法框架缺少掌控：大量的數據處理需求對計算能力和模型效率提出了很高的要求。市場上開放的計算框架經常沒有辦法滿足所有機器學習模型的要求，更不用說滿足每個垂直領域客戶的特定需求。

應用落地的復雜性：垂直領域的應用要求解決方案提供方對特定行業有著較深入的了解，以提供定制化的方案。標準化的解決方案很難同時滿足不同行業或不同場景的需求。由于缺少專業領域知識或經驗，人工智能企業的解決方案經常面臨落地難的問題。

人工智能企業需要有靈活的，可擴展的計算框架支持不同的模型和算法。

比如，分布式計算的數據處理能力比單體計算能力快十倍以上。不斷增長的數據和模型參數體量，處理能力對計算框架越來越重要。分布式計算可以基于數據并行和模型并行，以拓展計算能力達到高速處理的要求。

建立一個模塊化的框架也非常重要。可重復使用的模塊可以幫助企業更快實現不同應用的落地，縮短交付時間。與第三方開發者和系統集成商合作時，需要共同打造一個垂直整合的平臺。

人工智能企業需要不斷整合垂直領域行業知識

一個垂直整合的平臺可以幫助人工智能企業加速應用落地，并獲取價值鏈上更多的價值。盡管人工智能計算框架是所有人工智能實現的基礎和最重要的差異化技術要點，但從商業價值角度考慮，通過服務終端客戶應用產生的價值會比平臺開發的價值更有吸引力。

4．人工智能企業需要重點投入建立商業開發能力

除了核心技術儲備，人工智能企業的成功很大程度上取決于其商業化能力。

首先，人工智能企業尤其是創業型企業，需要對垂直領域進行優先級排序，有側重的開發。在重點開發的領域積累深入的行業認知，建立廣泛認可的應用案例。人工智能企業可能面對來自傳統行業巨頭的競爭，比如GE和西門子在工業物聯網領域的布局。

不同人工智能企業具有不同的規模和商業化能力基礎，業務發展速度將決定最終成功與否。人工智能企業需要盡快實現廣泛認可的應用案例落地在特定垂直領域建立知名度和權威性。

同時可持續發展的渠道模式對于客戶拓展和市場進入也起到了至關重要的作用。

人工智能企業需要分析價值鏈價值分配，并挑選合適的客戶群體。

針對不同的客戶需求，提供靈活的定價和服務模式選擇。在一些特定的垂直領域，人工智能企業可以建立一套組合的渠道布局，與不同側重的渠道伙伴合作以確保最大化渠道覆蓋。比如人工智能企業可以和醫院信息系統供應商合作，提供結合人工智能的醫院整體解決方案，開拓醫院客戶。

人工智能企業需要教育客戶，強調人工智能對企業發展的重要性。

人工智能企業需要讓客戶認識到人工智能應用對企業帶來的潛在巨大價值，和對企業業務發展的重要性。成功的案例將成為極具說服力的工具。讓客戶管理層認識到人工智能的重要性，可以使客戶對人工智能的投入優先排上日程以及加大投入額度。