双语阅读

万亿美元市场:AI公司如何提供价值?

2019/05/01 04:24
收藏
对照中文英文原文
尽管人工智能处于初期发展阶段,基于人工智能的解决方案的支出预计将达到65%的复合年增长率,到2027年将超过1万亿美元。人工智能的繁荣得到了技术改进,政府政策和全球积极投资的支持。

Fri Apr 26 2019 17:02:57 GMT+0800 (中国标准时间)

在这个数字化和快速变化的技术时代,随着企业部门的采用不断增加,人工智能(AI)正在进入一个动态的增长阶段。然而,人们对人工智能技术能否通过提供承诺的价值继续推动革命提出了疑问。特别是,当市场从炒作变为现实时,AI算法/软件公司(AI公司)面临越来越多的挑战。他们可以做些什么来确保顺利进入价值数万亿美元的人工智能市场?

人工智能是一个万亿美元的市场

尽管人工智能处于初期发展阶段,但基于人工智能的解决方案的支出预计将达到65%的复合年增长率,到2027年将超过1万亿美元。人工智能的蓬勃发展得益于技术改进,政府政策和全球的积极投资。人工智能的可持续发展受三个关键因素驱动:

数据的大小和深度 - 数据是公司利用的新资产。数据生成/收集(来自记录,视觉,音频等)的复杂化以及特别是“物联网”的增长预计将产生大量有意义的数据(2020年约40个zettabytes的数据)。通过决策洞察和工作流程自动化获取价值已成为大多数公司的必要条件。数据越来越易于培训和验证AI算法,这对于得出结论和预测AI模型的未来结果非常有价值。

计算能力 - 结合最先进的技术和系统(GPU / FPGA / ASIC芯片,云,分布式和并行),AI从学术阶段发展到应用阶段,突破了传统计算技术的极限。

对企业的真正价值 - AI为企业提供真正的颠覆性变革,并允许在聊天机器人等领域创造重要的价值,用于客户关系管理,欺诈检测,服务个性化等。例如,Netflix的支持AI的内容推荐流程已产生10亿美元每年额外的收入。

需要确定优先顺序

每个纵向都有不同的采用轨迹和动态,由“用例”的意义驱动;因此,需要确定优先顺序。人工智能正在迅速改变许多行业。人工智能的主要用例逐渐出现,以解决各行业的关键痛点。将用例,分析和数据之间的点连接起来以充分回答实际价值的问题非常重要。根据AI分析的质量以及证明结果的证据和一致性的障碍,用例在近期和远期都可行/可货币化。

因此,并非所有行业垂直行业都是相同的。在评估AI收养时,可以通过内在需求(用例值,AI采用准备等)和易于进入(竞争,分析透明度要求等)来评估垂直行业。

银行,金融服务和保险(BFSI) - 主要人工智能用例包括自动交易,欺诈/风险检测和客户关系管理工具。 BFSI的技术采用准备程度很高,因为该部门越来越依赖于数据和数据分析,这为AI革命奠定了基础。 BFSI业务的核心竞争力 - 可靠性,速度,安全性,准确性等 - 可以通过AI技术进一步提高。由于该行业对现代技术升级持开放态度,监管门槛较低。

医疗保健和生命科学 - 主要的AI用例包括诊断帮助,药物发现和患者管理。技术采用准备就绪处于中等水平,但AI可以显着提高生产力并改善医疗资源的稀缺性。该行业的竞争和进入壁垒适中,有许多有前途的创业公司。

广告,媒体和娱乐 - 人工智能的主要用例包括消费者行为分析,自动推荐系统等。由于该行业通过先进的IT基础设施实现高度数字化,因此技术采用的准备和需求很高。 AI算法已应用于目标营销,以协助客户细分和产品推广。进入壁垒较低,但欧盟和美国等发达地区存在数据泄露问题

零售(离线) - 主要人工智能用例包括客户分析,购物体验增强和供应链管理。但是,由于客户和业务数据无法从外部传输,因此该部门的技术采用率较低。由于离线零售的固有特征,人工智能实施的紧迫性并不像其他行业那么高。零售业的进入壁垒较低,与广告,媒体和娱乐行业类似。

教育 - 主要人工智能用例包括自适应学习工具和课程个性化。教育是一种传统行业,数据的数字化和结构化程度较低。许多从业者不懂技术。改进人工智能技术需要时间。另一方面,AI将使在线学习平台能够为学习者提供具有附加价值的个性化课程。尽管当前的内在需求很低,但由于竞争对手很少且监管障碍很少,因此很容易进入教育市场。

工业/制造业 - 人工智能的主要用例包括质量控制,产量优化,预测性和规范性维护以及供应链管理。大量的物联网数据为该行业的人工智能开发提供了坚实的基础。通过先进的AI算法实现效率优化,流程集成和洞察力分析。潜在用例范围尚未彻底探索。

高科技 - 主要的AI用例包括各种AI授权的软件系统和设备。内在需求很高,因为IT公司倾向于接受新技术并提高其核心技术能力。另一方面,领先的高科技巨头已经建立了自己的生态系统,具有内部化的AI专有技术和价值链功能。

汽车和运输 - 主要人工智能用例包括自动驾驶和路线管理。新的AI应用程序由试点阶段的汽车OEM和IT巨头领导。一些潜在的应用程序可以推动革命性的变化和长期需求。由于新球员面临来自现有球员的激烈竞争,进入门槛很高。

智慧城市 - 主要人工智能用例包括国家安全和交通监控。该市场主要受提高管理效率和降低安全风险的举措的推动。由于监管数据的高度监管以及政府资助项目中继承的偏袒,特别是在中国,与非政府相关的参与者会发现很难进入这个市场。

通过分析每个行业的内在需求和进入的便利性,LEK咨询公司确定了AI公司在近期内关注的四个有前途的垂直行业:BFSI,广告/媒体,医疗保健和工业物联网(见图1)。

AI公司应该关注行业垂直领域的实施难点

人工智能算法和软件公司可分为基础广泛的框架供应商和垂直应用程序供应商。

谷歌,亚马逊和百度等科技巨头已经建立了广泛的生态系统,提供广泛的产品和服务,涵盖基础设施,框架和实施。一些面向框架的供应商通常将其覆盖范围扩展到多个垂直行业。其他主要关注特定的行业垂直或技术,如Yitu Technology,Face ++(基于图像阅读)和iFlyTech(基于语音识别)。

为了向不同行业垂直行业的客户提供真正的价值,AI公司首先需要了解客户的痛点。

1.有限的AI框架功能

数据量级的增加需要卓越的计算能力和培训效率。市场上存在的框架可能无法充分处理各种机器学习模型。

2.实施人才短缺

机器学习垂直应用程序需要领域知识和定制工作流程,因为标准化解决方案不适合最终用户的所有需求。由于缺乏专业技能和深厚的行业经验,AI实施经常面临障碍。

AI公司需要一个灵活且可扩展的AI框架,支持不同的模型/算法。

例如,分布式机器学习框架的处理能力可以比单个框架的处理能力高10倍。随着数据和模型参数的不断增加,处理速度成为任何AI框架日益重要的特征。分布式机器学习建立在数据并行和模型并行性的基础上,可以扩展以实现显着的速度。

模块化框架也非常重要。可重复使用的模块可以实现快速实施并缩短交付时间,这在与第三方开发人员和系统集成商共同构建垂直平台时非常重要。

AI公司需要尽可能地将行业专有技术嵌入到垂直整合的平台中以获取价值。

垂直整合的平台可以快速部署,并为价值链中的客户创造高价值的价值。尽管AI框架通常是AI公司的差异化因素,但客户价值创造主要是在实际应用中实现的。

AI公司需要建立核心商业能力

除了核心AI技术知识外,AI公司的成功还取决于商业能力和有效的市场战略。

首先,AI公司,尤其是初创公司,应该优先考虑垂直领域,以便构建深层领域知识并开发备受瞩目的用例。人工智能公司可能面临竞争,特别是来自GE和西门子等传统市场领导者的工业物联网。人们担心商业能力的提升速度会赶上更大,更“商业化”的竞争对手。对于AI公司而言,快速构建备受瞩目的用例以在优先垂直行业中产生吸引力至关重要。建立可持续的市场模型以快速扩大客户范围并确保市场准入也很重要。

AI公司需要分析价值创造并确定正确的目标客户群。他们应该保持定价模式的灵活性,以满足不同的需求。对于特定的行业垂直行业,AI公司可以确定上市模式和一组垂直专业合作伙伴的正确组合,以确保市场准入。例如,AI公司可以与医院信息系统集成商合作,以渗透医疗保健市场。

AI公司还需要与潜在客户合作,将AI投资置于领导力议程的首位。

AI公司应该能够阐明AI解决方案的价值。通过强调对客户业务运营的影响,AI公司可以提升AI投资的优先级。

为提升阅读体验,智堡对本页面进行了排版优化 查看原文