算法与框架

AI主要包括各种不同的算法与技术。其中机器学习是一种统计学习方法，旨在训练具有大量数据的模型。该模型从已知数据“学习”“规则”并自动更新模型中的相关参数。经过训练的“规则”和“模型”可用于预测现实世界中的未知数据。

深度学习是机器学习的一个子领域。它广泛用于图像识别，语音识别等领域。深度学习可实现无监督学习——无需人工提取规则或功能。卷积神经网络（CNN）是一种典型的深度学习算法，经证明在图像识别和分类等领域非常有效。CNN通过分层多个（通常为4～5层或更多层）非线性函数来模拟人类神经系统的工作过程。

AI框架的核心竞争力在于计算能力和训练效率。数据并行性和模型并行性是提升算力与效率的两种方式。

在数据并行性中，数据被放置在并行计算环境中的多个处理器上，不同的机器具有完整的模型副本。每台机器只需获取不同部分的数据并训练数据。其关键在于整合不同机器的结果，达到快速收敛。

在模型并行性中，分布式系统中的不同机器负责单个网络的不同部分中的计算——例如，神经网络中的每个层可以被分配给不同的机器。模型并行的优点是可以通过使用多台机器同时更新多个参数来加速算法。

垂直应用

AI的商业价值最终仍需要在垂直领域的应用中体现。成功的应用需要结合AI和特定行业的专业知识，将AI产品转化为最终用户的定制解决方案／服务。 AI目前已应用于医疗保健，工业，安全，金融科技等众多行业。

AI能实现什么？

通过监督学习、无监督学习和强化学习等手段，机器可以利用统计模型，达到一定的“思考”能力。

图像识别和人类语音识别已成为目前AI最重要的两大应用。AI的准确性已达到满足日常生活与工作需求的水平。当数据在未来变得更加结构化和准确时，其应用将会变得更加广泛。

机器学习结合其他技术支持各种应用。像DoNotPay这样的聊天机器人使用机器学习来解释用户响应并确定后续查询。特定于某种服务的语音命令即将成熟。使用语音识别可以在法庭上检测情绪和谎言。内部数据分析，例如通过机器学习可以实现协助起草文件，如简报和语言优化动作。

对于企业来说，AI可以提升运营效率、推动创新，并降低员工的劳动强度。

AI的应用存在哪些挑战？

数据可获得性、实施的复杂性、业务价值的开发是AI应用推广所面临的挑战。

数据可获得性：训练模型用的数据集的数量和质量在许多案例中都成为了AI应用的瓶颈。AI模型训练需要基于充分的历史或参考数据。而在很多情况下，企业缺乏有效的数据跟踪与访问的系统，甚至可能没有数据的访问权限。在另一些情况下，可能面临的问题包括可用的数据不足、现有数据格式无法进行模型训练等。

实施的复杂性：在某些领域（例如语音识别，安防监控，图像阅读），AI可以当做平台被使用（AI－as－a－platform）。但在大多数情况下，要开发一套行业统一的AI解决方案，更不用说跨行业的解决方案。AI的实施需要大量的定制化工作和行业专业知识的支持。

业务价值的开发：AI的应用必须以给行业带来真正的价值为基础，无论是为了创收还是节约成本，或是赋予公司切实的竞争优势。我们预测AI会首先应用于能产生直接利益的领域，如：

提升营收：基于客户特定的定制化推荐

节省成本：提高工作效率，预测异常情况

有形竞争优势：如用AI赋予成像设备，金融投资决策等

企业应该为AI时代的到来做些什么准备？

首先，企业的管理层应明确发挥AI技术优势的方式与方法，他们应评估AI应用的会带来的短期和长期的价值以及相应的财务影响。

其次，公司应有效评估其内部IT能力和基础设施。通常，不同行业企业的能力和资源会有非常大的差异，很多传统行业企业或小规模企业通过依靠自身投入很难有效地达成技术升级。此时企业应该仔细评估是否需要引入外部合作伙伴，如云服务平台，AI解决方案提供商和AI系统集成商。

最后，关键的利益相关者应共同制定明确的AI实施路线图以及绩效跟踪机制。管理层应强调AI项目对企业的重要性，并分配足够的资源以确保达成预期的结果和按时交付。

AI技术供应商的市场格局？

越来越多的玩家瞄准不同的业务环节切入了AI市场

一体化行业巨头：AI生态系统包括以芯片为核心的基础设施，算法与框架和行业垂直应用。谷歌，亚马逊和百度等IT巨头已经渗透到价值链的各个组成部分，提供种类繁多产品和服务。他们是AI市场的领导者。

芯片供应商：一些企业专注于AI芯片的生产和销售，芯片是AI基础设施的核心部分。在这一细分市场中，英特尔，高通，nVIDIA等IC巨头凭借他们丰富的设计、制造和广泛的行业经验，占据行业领导者地位。另外一些初创公司如寒武纪（Cambricon），深思创芯科技（DeepcreatIC）和中国科学院微电子研究所（IME）等亦进入AI芯片领域成为新兴的竞争对手。他们通常获得大学和研究机构的支持，以扎实的学术背景切入市场。

算法与框架供应商：在AI的算法与框架产业中，有很多新兴企业与IT巨头展开了充分竞争。以商汤科技（SenseTime）为例，发挥自身在深度学习算法框架的优势，为公安行业提供视觉分析和面部识别服务，同时与其他行业如教育、零售和汽车等领域实现广泛的垂直行业覆盖。

垂直应用提供商：很多AI公司专注于特定的细分行业或先进技术领域，专注垂直行业应用的开发，如科大讯飞（IFLYTek）及碳云智能（iCarbonX）等。