How will Artificial Intelligence and Internet of Things change the world.
高紳國際 Secutech 攤位：5315
來源：L.E.K.
在當今資訊化和科技爆炸的時代，人工智慧進入了飛速成長的階段，在各商業領域中的應用，得到不斷拓展。然而對人工智慧熱潮，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，將決定人工智慧長期成長的可持續性。
伴隨市場態度逐漸從過熱轉變到務實，人工智慧算法和軟體開發企業（在下文中簡稱人工智慧企業）將面對更多的挑戰，人工智慧企業如何在這萬億美元的市場中立於不敗之地？
 |
| Artificial Intelligence Market Size Projected To Be $60 Billion by 2025 |
1．人工智慧是一個萬億級的廣闊市場
儘管人工智慧（AI）的發展，仍處於商業化的早期，預期未來十年，AI相關解決方案市場的複合成長率，將保持在65％，並於2027年達到萬億美元。人工智慧熱潮受到科技進步，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、音訊等），尤其是物聯網的普及，使得數據可獲取的來源，呈現幾何級成長（2020年數據規模將達到～40ZB）。對於各行業的公司來說，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。
可供人工智慧算法訓練的數據不斷成長，積極推進了人工智慧模型的完善，以及更準確的結論和預測。
 |
| Tractica on Twitter: "Deep Learning Chipset Market to Reach $66.3 Billion by 2025 https://t.co/Pkf2SFSdlJ #AI #deeplearning #artificialintelligence #semiconductor… https://t.co/HuON1QZhd3" |
算力：最前沿的硬體技術和系統，包括GPU、FGPA和ASIC晶片，雲計算，分布式和並行計算，打破了傳統計算技術的邊界，推動人工智慧走出實驗室，進入商業場景的實際應用。
為公司帶來真實的價值：人工智慧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，金融機構的防詐欺系統，消費行業的客戶定向推薦等等。拿Netflix來舉例，人工智慧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。
 |
| Vertical AI Startups: Solving Industry-specific Problems by ... |
2．不同垂直領域的應用場景、需求和引入曲線大相徑庭，人工智慧企業需要合理制訂優先級
人工智慧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累積與提升，才能真正實現商業化。
因此，並非所有的垂直領域，都已準備好迎接人工智慧的到來。我們建議透過兩個維度，分析各垂直領域人工智慧的應用：行業的內在需求（包括人工智慧應用價值，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）。
 |
| The State of AI in Banking and Financial Startups - Elinext |
金融保險業：人工智慧主要的應用包括自動交易、詐欺和風險檢測、客戶服務工具等。金融保險業由於行業本身，對於數據和數據分析的高度依賴，其技術成熟度和行業特性，為人工智慧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，可以透過人工智慧技術實現改進。同時行業和政策導向，對於新技術的引入保持較高的開放程度。
 |
| Artificial Intelligence in Healthcare Market Size, Growth, Trend and ... |
醫療和生命科學：人工智慧主要的應用，包括輔助診療，藥物開發和病患管理系統。人工智慧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，已經成功在市場中佔據了一席之地。
 |
| Automation & Artificial Intelligence reduce or increase Jobs | |
廣告媒體娛樂：人工智慧主要的應用，包括消費者習慣分析，自動推薦系統等。該行業的電子資訊化程度很高，有人工智慧應用的良好技術基礎。同時對人工智慧的需求也非常高。人工智慧算法已經幫助更好地實現精準行銷和客戶畫像、產品推介。進入壁壘相對較低，但在已開發國家對於消費者數據的公開有一定的顧慮。
 |
| North America Artificial Intelligence (AI) in Retail Market to ... |
零售（線下實體）：人工智慧主要的應用，包括消費者分析，購物體驗提升和供應鏈管理。然而人工智慧在線下實體零售中的應用，面臨電子資訊化程度低，以及消費者數據難獲得的問題，尤其是需要獲得外部數據。同時由於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。
 |
| Artificial Intelligence (AI) in Education Market worth over $6bn by 2024 |
教育：人工智慧主要的應用，包括自適應學習工具，課程編制等。教育是相對傳統的行業，數據的獲取和資訊化程度非常低，同時從業者對於新技術的接受程度也較低。
人工智慧的應用，可能需要較長時間的培育期。在另一方面，線上教育平台的崛起，成為人工智慧在教育領域應用的完美試驗田，但目前對於人工智慧的需求仍較低。不管從競爭情況還是法規來看，教育市場的進入壁壘較低。
 |
| More machines are going online |
工業和製造業物聯網：人工智慧主要的應用，包括品質控制、產出優化、預測性維護和供應鏈管理。物聯網的普及，為人工智慧在工業領域的應用，提供了大量的數據。人工智慧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。
 |
| McKinsey's State Of Machine Learning And AI, 2017 - Enterprise ... |
高科技：人工智慧主要的應用，包括廣泛的軟體系統，和功能性硬體。對於人工智慧的需求是各行業最高的，同時高科技企業對於新技術，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慧能力（核心技術開發和價值鏈，各環節能力），並打造圍繞自己核心業務的人工智慧生態系統。
 |
| Artificial Intelligence in Transportation Market Share| Forecast 2030 |
汽車和交通：人工智慧主要的應用，包括自動駕駛和路徑規劃。新的人工智慧應用由領先的汽車品牌，和科技巨頭主導，目前尚處於開發階段。一些未來新興的應用，可能會引發革命性的變革，並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。
 |
| T. Scott Clendaniel on Twitter: "1.5 Trillion #SmartCity #Market by ... |
智慧城市：人工智慧主要的應用，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，主要因為對於監控數據的高度監管，以及政府採購的傾向性。
透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.甄別了四個對於人工智慧企業，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製造業物聯網。
3．人工智慧企業應該重點關注行業痛點，並提供針對性的解決方案
人工智慧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。
 |
| Amazon Business Model Explained – Analyst Neo |
科技巨頭如谷歌、亞馬遜，都建立了自己廣泛的人工智慧生態體系，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，透過向下游拓展，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（圖像辨識系統為基礎）和科大訊飛（語音辨識系統為基礎）。
不同類型的人工智慧企業，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。
應用落地的複雜性：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瞭解，以提供客製化的方案。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。由於缺少專業領域知識或經驗，人工智慧企業的解決方案經常面臨落地難的問題。
人工智慧企業需要有靈活的，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。不斷成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，可以基於數據並行和模型並行，以拓展計算能力，達到高速處理的要求。
建立一個模組化的框架，也非常重要。可重複使用的模組，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，和系統整合商合作時，需要共同打造一個垂直整合的平台。
人工智慧企業需要不斷整合，垂直領域行業知識
一個垂直整合的平台，可以幫助人工智慧企業加速應用落地，並獲取價值鏈上更多的價值。儘管人工智慧計算框架，是所有人工智慧實現的基礎，和最重要的差異化技術要點，但從商業價值角度考慮，透過服務終端客戶應用，產生的價值，會比平台開發的價值，更有吸引力。
4．人工智慧企業需要重點，投入建立商業開發能力
除了核心技術儲備，人工智慧企業的成功，很大程度上取決於其商業化能力。
首先，人工智慧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，累積深入的行業認知，建立廣泛認可的應用案例。人工智慧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佈局。
 |
| An Overview of National AI Strategies – Politics + AI – Medium |
不同人工智慧企業，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。人工智慧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。
同時可持續發展的通路模式，對於客戶拓展和市場進入，也起到了非常重要的作用。
人工智慧企業需要分析價值鏈價值分配，並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，人工智慧企業可以建立一套組合的通路佈局，與不同側重的通路夥伴合作，以確保最大化通路覆蓋。比如，人工智慧企業可以和醫院資訊系統供應商合作，提供結合人工智慧的醫院整體解決方案，開拓醫院客戶。
人工智慧企業需要教育客戶，強調人工智慧對企業發展的重要性。
人工智慧企業需要讓客戶，認識到人工智慧應用，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。
0 comments:
張貼留言