【新智元100】十张图看清 AI 赛道，十大顶级调研公司报告汇总

【新智元导读】科技公司TechEmergence创始人、国外著名科技产业作家DANIEL FAGGELLA日前汇总全球十大顶级调研咨询公司出品的AI产业最新报告，阐述AI产业现状及其各个赛道。FAGGELLA指出：目前AI赛道划分稍显凌乱，但随着时间推移情况会有好转；健康、市场营销和金融一直都是AI投融资3大焦点；但没有人真正知道“风口”在哪，投资人和创业者应该注意细分领域，并对行业整体保持乐观。

今天的AI市场是很难估量的。不仅是因为在“AI”的定义上缺乏共识，还因为该领域的发展尚在起步阶段，很难在各个行业或者是应用领域之间进行划分。

在最近的一篇文章中，我们基于当前的市场调研和自己的见解对AI市场进行估值。而本篇文章会更多地阐述AI行业的现状，包括它的各个分类和应用领域。

如果你想了解机器学习和AI的发展会如何影响你的公司，那么密切关注行业和应用的增长趋势是必要的。我们从网上整理得出AI市场及其分类的深入评估，希望这篇文章是你了解AI市场的一个好起点。虽然我们无法保证从其他公司和研究员得来的数据都是准确的，但是我们把它们列在文中，以供查询。

首先，我们通过现有的信息对AI市场进行分类。最后，我们将综合得出我们认为最重要的趋势和见解。

CB Insights各种AI产业报道 (2016)

CB Insights是纽约的一家研究公司下，约有200名员工，致力于从各种渠道获取科技信息，包括风投机构、初创公司、专利、合作伙伴和新媒体。CB Insights发布了关于AI市场的一些重要的图表和信息。

我整理了一些图表，并附上相关报告和数据平台的连接。

上图显示AI各个行业在过去5年的并购和融资频率。其研究表明，医疗行业位列榜首，市场营销/广告和商业智能紧随其后。

“2015年，AI医疗行业的融资次数占所有AI初创企业的15%。Lumiata、SigTuple、DeepGenomics和twoXAR都得到了风投机构的支持。”

上图显示过去5年中主要投资公司的投资情况。英特尔、谷歌和通用电气位列榜首。该排名依据投资企业的数量而不是投资的资金数（尽管两者之间有相关性）。知道谁在投资哪些公司（和哪些技术），有助于其他行业领导者了解AI市场哪些地方吸引投资。

这张图非常有意思，它似乎证明，“眼光长远”的AI平台和核心技术，要比只关注未来几年的具体技术问题能赢得更多的投资。

在互联网的时代，网景（Netscape）、雅虎、微软和其他公司之间互相竞争，争夺互联网的统治地位。而谷歌突出重围，成为网页搜索和消费者网络应用的赢家。现在，投资者想要投资于AI同一种改变游戏规则的技术，这似乎给像有情技术和转承系统他们的一些诱惑力大致为中心的公司。

你需要留意这些AI“行业标杆”的公司关注哪些领域，因为这些领域肯定会聚集更多的发展动力。这些公司会争先恐后地成为全球AI平台或解决方案指明方向。

VentureScanner的AI产业评估 ( 2016年3月 )

下图将AI行业分为13个种类，括号里是每个种类所有活跃企业的数量

VentureScanner 3月份的报告结果如下：

• 深度学习/机器学习 （通用） （123家）
• 深度学习/机器学习 （应用）（260家）
• 自然语言处理（通用） （154家）
• 自然语言处理 (语音识别) （78家）
• 计算机视觉/图像识别 （通用）（106家）
• 计算机视觉/图像识别 （应用） （83家）
• 手势控制（33家）
• 虚拟个人助理（92家）
• 智能机器人（65家）
• 识别引擎和协同过滤（60家）
• 情境感知计算（28家）
• 语音翻译（15家）
• 视频自动内容识别（14家）

VentureScanner 报告的其他图表还包括（下面这4张图是额外）：

【AI各个分类的融资（目前大部分是在机器学习应用类，其次是自然语言处理）】

【AI的风险投资（大部分在机器学习应用类，其次是自然语言处理）】

【AI年总融资（2010年后加速增长）】

【AI各个分类的技术平均年龄（语音翻译年龄最大，接着是手势控制、视频内容推荐、语音识别）】

TechEmergence对AI趋势的高管调查（2016年6月)

这份报告中总共有910家公司。VentureScanner去年的报告总计有633家公司。

最近的AI行业研究调查了超过30位 AI初创企业的创始人和公司高管的意见（公司最小的只有6人，最大的有600人）。我们的第一个问题是，关于AI消费者技术在未来5年的应用情况。以下是其中一个问题的图：

受访的绝大部分公司都与聊天机器人或个人助理无关，但是有超过三分之一的表示，未来几年后，聊天机器人会成为最有影响力的消费者AI技术。

O’Reilly 机器学习2.0 (2015年12月)

这篇文章是彭博社的Shivon Zilis所写，他将“机器智能生态系统”分为好几个种类和子类：

该图列出了数十家公司，然而受图片大小限制，还有许多公司被排除在外。在这张图中，我们能看到与其他研究的图表截然不同分类。图中还包括非盈利组织（如OpenAI）和开源技术（如Caffe）。

完整的分类如下列所示：

Agents

• Professional
• Personal
• 操作系统界面

Autonomous Systems

• Air
• Ground
• Sea
• Industrial

Enterprise

• 安保
• HR / 招聘
• 销售
• 市场
• 客服
• 国内情报（Internal Intel）
• 市场情报（Market Intel）

Platforms

• 研究 / AGI
• Full Stack
• 机器学习
• 产业物联网
• 音频
• 图像视频
• Data Enrichment

Industries

• AdTech
• 农业
• For Good
• 零售金融
• 法律
• 材料 & MFG
• 医疗
• 教育
• 交通物流
• 投资情报

Tech User Tools

• 数据科学
• 机器学习
• 开源

“自去年做这份分析以来，我发现最大的2个变化是：（1）真实世界和虚拟世界都出现了自动化系统；（2）初创公司从建立广泛的技术平台转向解决具体商业问题。”

Shivon于2014年12月发表的“machine learning landscape”可在Medium网站阅读，附图如下：

机器智能分类如下：

Core Tech

• AI
• 深度学习
• 机器学习
• NLP平台
• 预测API
• 图像识别
• 语音识别

Rethinking Enterprise

• 销售
• 安全保险
• 欺诈检测
• HR/招聘

Marketing

• 个人助理
• 智能工具

Rethinking Industries

• AdTech
• 农业
• 教育
• 金融
• 法律
• 制造
• 医疗
• 石油/天然气
• 传媒/内容
• 消费金融
• 慈善
• 自动化
• 诊断
• 零售

Rethinking Humans/HCI

• 增强现实
• Gestural Computing
• 机器人
• 情感识别

Supporting Technologies

• 硬件
• 数据预处理
• 数据采集

Comet Labs AI 和机器人初创公司产业分析图 (February 2016)

Comet Labs是一个风险基金，尤其关注AI相关技术，而且在评估整个行业上表现不错。它对AI行业和机器人初创公司的划分如下图所示：

该图不仅包括众多初创企业，而且还有少数诸如安川（成立于100多年前）、苹果和Nvidia等企业，这些可不能贴上“初创企业的标签”。此外，文章没有说清楚到底评估了多少家公司，如何以及为什么没有列出一些分类（“自然语言处理”、“助理”或“市场营销/广告”就没有出现）。

该图确实体现了AI的一些主要应用领域，但不全面，也没有总结出什么重要的见解。

BCC Research 智能机器市场报告 (May 2014)

BCC的2019-2024年的增长预测图如下所示：

该图来源于西门子公司网站，括号里的数字单位为百万：

• 自动机器人: 31% (3,582 – 13,927) （包括自动驾驶车辆）
• 数字助理: 30% (2,175 – 8,075) （例如，自动在线助理Siri）
• 神经元计算机: 22% (1,590 – 4,685)
• 嵌入式系统: 19% (877 – 2,095) （机器监测和控制系统）
• 专家系统: 12% (7,055 – 12,433) （例如，医疗决策支持系统、智能电网）

BCC预测数字助理在未来5年的总增长率最高，这与我们自己做的初创企业高管预测5年AI发展趋势研究结果相符。

Nvidia’s GPU使用报告 (2016年1月)

Nvidia公司是世界领先的GPU制造商之一，它将各个行业的GPU相关的销售增长情况做成下图：

虽然GPU的使用对于AI的应用没有直接影响，但它从一定程度上体现了行业发展情况（Nvidia公司称，在2015年购买其GPU的企业数量是2013年的100倍）。

即使是在2015年，我们也可以看到，高校（假定这指大学研究）仍是Nvidia的GPU技术的最大消费市场。

下列排名依据各个行业GPU的使用比例：

• 高校

• 互联网

• 生命科学

• 开发

• 金融

• 传媒&娱乐

• 政府

• 制造业

• 国防

• 汽车

• 游戏

• 石油/天然气

随着各行业里越来越多的公司开始使用机器学习，我们可以推测，高校的GPU销售量占总销售量的比例将继续减少。

“在短短两年时间里，与NVIDIA在深度学习上合作的公司超过了3400家，增加了近35倍。医疗行业、生命科学、能源、金融服务、汽车、制造业、娱乐业等行业都将从数据中获益。”

其他垂直领域分类

还有一些机构也在对AI市场进行分类和估值。以下两种值得一看。

Markets and Markets（http://www.marketsandmarkets.com/Market-Reports/artificial-intelligence-market-74851580.html?gclid=CNfoic2Ahs4CFVKIfgodr80FAQ）将AI垂直领域划分为以下几大类：

• 媒体&广告

• 金融

• 零售

• 医疗

• 汽车&运输

• 农业

• 法律

• 石油&天然气

• 其他

Tractica（https://www.tractica.com/research/artificial-intelligence-for-enterprise-applications/）最近的一项关于AI在企业的应用报告将AI技术分为以下几类：

• 认知计算

• 机器学习

• 深度学习

• 预测 API

• 自然语言处理

• 图像识别

• 语音识别

• 其他AI技术

要点总结

关于AI市场的可靠信息还不够多，比较为成熟的市场和已经成熟市场更难衡量。尽管如此，我们仍然能从中获得一些洞见。以下是从前文对AI市场的评估中得出的重要总结。

1. 健康、市场营销和金融一直都是AI焦点

CB Insights称，医疗行业已经成为AI交易流量最大的领域。谷歌的DeepMind已经进入医疗行业，IBM多年前就将眼光投向了医疗行业，以及许多像大型的“broad AI”企业也都扎进医疗市场。

医疗领域还能带来一种“高尚”的感觉，这是其他应用领域所没有的。致力于金融领域的AI公司可能被只会追逐利益的，而致力于治疗疾病或改善治疗的公司（即使也为了追求利益）则被另眼相待。我认为，像DeepMind这样的想发展强AI技术的公司未来必须涉足医疗领域这样的“高尚”领域，因为这样才能驱散人们对未来机器比人更聪明的担忧。

市场营销和金融也是AI的重点领域。Sentient Technologies公司称，其感知软件能为电商对来更高转化率。Cortica公司也将要推出用于电子商务和市场营销的各种应用。

医疗、市场营销和金融这三个常见的AI应用领域，包含着海量信息，而且规模不可限量。我相信，医疗行业里复杂的销售周期和市场力量将导致金融、电子商务、市场营销在相关AI应用和创新方面快速发展。而这一切只有等到未来才能知道。现在能够确定的是，这三个领域将成为AI企业最大的发展领域。而这些应用领域本身还会给AI带来大量的创新。

2. 从现在看AI赛道划分还稍显凌乱，但随着时间推移这种情况应该会好转

划分AI市场很困难，这是一个需要有充足信息的创造性任务。一个市场可以用无限种方式（这取决于一个人的目的）进行划分，然而，要准确地将应用划分到具体的垂直领域会涉及到很多灰色地带。

• CB Insights没有把自然语言处理列在AI的垂直领域里，然而，有很多公司在研究NLP，不仅将NLP用于电子商务，还用于智能家居等等。
• AI可能是一家公司的所有业务（如RocketFuel）或是大部分业务（如雅虎），亦或是一部分业务（如IBM）。一家公司需要涉及多少的AI才能在某个AI子行业中占据一席之地？
• CometLabs对AI行业的划分没有包含市场营销/金融，然而，这可是现在以及未来最的当今最流行的应用领域之一。
• 同一家公司可能被一名分析师认为是属于“电子商务”，被另一名分析师认为属于“市场营销”，可能还会被另一名分析师认为二者皆是。随着AI市场划分的版本越来越多，要确定某一个企业属于哪个行业就非常困难。

这并不是说任何已经完成的AI行业的划分是“错误的”（我将很喜欢CB Insights的划分，因为它比较全面，而BCC的简单划分也很好），但是划分出的子行业的边缘总是模糊的。另外，研究机构想达成共识也是不可能的（事实上，任何一个研究机构内部要达成共识似乎都不太可能）。

AI子行业周围的“灰色地带”使得专注一个行业更有价值。例如，如果一家公司只是分析“AI商业智能”，它能构建一套相对严格的分类规则，来确定哪些符合及哪些不符合“AI”和“商业智能”。

3. 没有人知道“风口”在哪里，而这一事实对产业有很大影响

在最近的一次VentureBeat会议上， Robert Stephens（Geek Squad的前创始人）提到，AI聊天机器人现在所处的阶段，就如互联网在1994年所处的阶段。我们不知道这些应用会在哪里得到发展，或者是一下子取得成功。在许多领域里，这些应用还只是实验性质地慢慢发展，而不是作为商业价值的直接推动力。

因此，许多企业正在摸索，要将这些技术应用于何处（从“AI平台”转向解决特定问题）。事实证明，很多公司都难以实现AI的价值。例如，Sentient Technologies公司发布的许多演示视频只会让人疑惑，这些技术到底能帮到我公司什么？甚至是IBM也遭受批评，因为它不能把Watson的价值传递给客户。

我认为，这种不知道哪个行业能成功的现状导致了AI行业出现了下面几种情况 ：

• 相信谷歌AI和“行业标准”AI平台会取得胜利（AI的战场仍然是敞开的，不确定将于何时结束，或者是否会继续分割为更小的战场）
• 涉及多个应用领域的公司开始不再用高深的语言解释自己的技术，而是使用程序员和CEO能理解的术语（Ayasdi就是很好的例子 —— 他们的技术是极其复杂，但是他们用视频解释自己的价值主张和使用案例）
• AI小公司和大公司的高管都关注着得到上千万投资的最热门的AI初创公司以及最大的AI公司，如Facebook，谷歌，亚马逊，以便确定未来的发展趋势以及它们自己的下一步发展方向。由于许多AI小企业和大公司不具备真正获利的能力，它们必须时刻关注它们认为的能获利的地方。

4. 注意细分领域，对整体保持乐观

尽管对具体的行业或应用领域的划分存在分歧，但是AI不是少数特定工作的专用工具，而是完全不同的一个工作、研究和生产的领域。

二十年前，Bill Gates闭门思考“互联网”，并决定其对微软未来的重要性。要感谢他做出了行动。如今，微软的CEO和谷歌的CEO都表达了他们要将AI融入业务核心和增长计划的决心。当年互联网带来的巨大变化超过我们的想象，同样的，我们也无法遇见AI的众多应用汇给商业和个人生活带来怎样的影响。让我们拭目以待。