一、2017 年概況：行業(yè)應(yīng)用大范圍探索，2C 應(yīng)用大量出現(xiàn)
總體而言，2017 年，AI 在各個行業(yè)展開了大范圍應(yīng)用探索，并取得了不少突出進展。
這一年里：人臉識別在各地警方監(jiān)控、火車機場進出站甚至高校課堂都得到了應(yīng)用；不少醫(yī)院也開展了圖像輔助診斷嘗試；眾多法院引入了 AI 庭審語音轉(zhuǎn)錄系統(tǒng)；無人駕駛汽車大規(guī)模路測；科技部公布分別依托 BAT 和訊飛的四大國家新一代人工智能開放創(chuàng)新平臺，其中 3 個都是面向行業(yè)應(yīng)用領(lǐng)域。
雖然在 2017 年人工智能呈現(xiàn)在各行業(yè)全面滲透，但真正人工智能在行業(yè)的應(yīng)用，已經(jīng)發(fā)展了很多年。
最早追溯到 2000 年左右，捷通華聲，小i機器人等已經(jīng)成立，并在持續(xù)開展智能客服在行業(yè)的應(yīng)用。
到 12 年左右，伴隨著深度學(xué)習(xí)的突破，人工智能創(chuàng)業(yè)顯著加速，F(xiàn)ace++ 等一批人臉識別企業(yè)開始在金融、安防等領(lǐng)域進行探索。
這一波人工智能創(chuàng)業(yè)在 15、16 年達到高潮，這兩年新成立的企業(yè)，占了全部企業(yè)的近一半。
2017 年雖然人工智能概念火熱，也曝出多筆大額融資，但新成立企業(yè)已經(jīng)少了很多。
17 年，在初創(chuàng)公司、大公司的共同推動下，AI 行業(yè)應(yīng)用呈現(xiàn)出全面開花狀態(tài)。除了少數(shù)做芯片和純技術(shù)的公司，絕大部分 AI 初創(chuàng)公司都在做 AI 的行業(yè)應(yīng)用。
這些公司中的很多在 16-17 年開始推出產(chǎn)品或解決方案，并將產(chǎn)品推向行業(yè)進行試用和持續(xù)磨合。
17 年，隨著 AI 的火熱，大量互聯(lián)網(wǎng)公司和傳統(tǒng)行業(yè)內(nèi)提供解決方案的公司，開始在產(chǎn)品中引入 AI 技術(shù)，或投入 AI 的研發(fā)，技術(shù)側(cè)和行業(yè)側(cè)開始共同推動 AI 的行業(yè)應(yīng)用。
17 年之前，AI 的行業(yè)應(yīng)用遠(yuǎn)離大眾認(rèn)知，17 年直接面向大眾的產(chǎn)品開始顯著增多。
之前 AI 的行業(yè)應(yīng)用多集中在金融、安防、醫(yī)療等專業(yè)領(lǐng)域、專業(yè)客戶，或以智能客服等大眾無感知的形式，服務(wù)于大眾生活中個別低頻場景。
17 年，刷臉支付、公交刷臉、AI 翻譯、無人店、智能語音音箱等很多直接接觸大眾的，更高頻的 AI 應(yīng)用開始顯著增多，天貓智能音箱銷量甚至破百萬。
具體各行業(yè)應(yīng)用中，安防和自動駕駛領(lǐng)域進展較快。安防領(lǐng)域人臉識別相關(guān)技術(shù)已經(jīng)比較成熟，各地警方的使用證實了 AI 的應(yīng)用價值，大量安防企業(yè)和新成立 AI 企業(yè)開始跟進，軟硬件一體化解決方案大量推向市場。
17 年也有大量自動駕駛汽車公司獲得融資，雖然離最終上路運營還有距離，但路測結(jié)果及政策持續(xù)利好給了行業(yè)很強的信心，資本的熱情持續(xù)高漲，推動行業(yè)快速發(fā)展。
AI 在其它大部分行業(yè)都有一些應(yīng)用，但有些處于零散試點狀態(tài)，很多則處于和行業(yè)具體磨合和探索階段，要么產(chǎn)品與行業(yè)需求不完全匹配，要么產(chǎn)品還比較原始，不能完全達到行業(yè)要求，要么落地時存在各種執(zhí)行層面各種困難，導(dǎo)致企業(yè)難以獲得銷售收入。
雖然沒有直接數(shù)據(jù)，但業(yè)界普遍流傳的說法是，大部分公司 AI 產(chǎn)品或方案 17 年沒有多少收入，少部分有收入，但還沒實現(xiàn)顯著盈利。
二、大公司、政策、資本、輿論熱度是 4 大推動力
2017 年 AI 行業(yè)應(yīng)用之所以取得了不少進展，與這一年里大公司、資本、政府以及輿論的強勢推動有很大關(guān)系。
2017 是大公司全面布局 AI 戰(zhàn)略的一年，互聯(lián)網(wǎng)三巨頭全面戰(zhàn)略入局 AI，投入巨大，百度甚至提出了 ALL In AI 的口號（Bobin 最近又否認(rèn)了）。
互聯(lián)網(wǎng)小巨頭京東、頭條等，也都搞起了 AI 搶人大戰(zhàn)，海康、平安等傳統(tǒng)巨頭，更是全面擁抱 AI。
一眾巨頭的入局，增強了行業(yè)信心，教育了市場，加快了 AI 的行業(yè)應(yīng)用速度。尤其是百度免費開放語音和人臉識別能力，更是加速了 AI 的行業(yè)落地。
政府則是在 17 年密集出臺了一系列 AI 相關(guān)政策。據(jù)億歐智庫統(tǒng)計，2017 年國家和各省市發(fā)布的涉及人工智能的政策共計 35 條，比 16 年的 17 條增長了一倍。
其中，僅國家層面的政策就有 10 條，7 月份國務(wù)院更是專門印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，從國家層面對人工智能產(chǎn)業(yè)進行了頂層設(shè)計。政策的出臺，為人工智能企業(yè)獲得政府支持和產(chǎn)業(yè)健康發(fā)展奠定了基礎(chǔ)。
資本在這一年的投資也創(chuàng)了新高。據(jù)億歐智庫統(tǒng)計，2017 年全年公布的融資總額到達 273 億元，前三季度投資金額合計就已經(jīng)超過 2016 年全年，商湯、曠視等新一輪融資更是高達數(shù)億美元。
真格、IDG、創(chuàng)新工場等多個著名投資機構(gòu)投資的 AI 項目都超過 20 個，足見資本對 AI 的看好。大筆資金的注入，使得各個 AI 公司彈藥充足，為各公司進行行業(yè)落地實施奠定了穩(wěn)健的資金基礎(chǔ)。
三、從技術(shù)角度分成 3 個大類，發(fā)展不盡相同
具體到實際落地的各種產(chǎn)品形態(tài)看，不論哪種行業(yè)，AI 應(yīng)用的具體產(chǎn)品形態(tài)，都可以根據(jù)其背后主要的支撐技術(shù)，大概分成三種：
語音文字處理類：醫(yī)療語音記錄、法院庭審語音記錄、AI 寫新聞稿、金融智能客服等；
圖像與視覺類：自動駕駛、醫(yī)療影像診斷、機器判卷、機器人分揀等；
大數(shù)據(jù)分析預(yù)測類： 智能風(fēng)控、健康管理系統(tǒng)、案件刑期預(yù)測等；
同類技術(shù)的產(chǎn)品方案在不同行業(yè)應(yīng)用程度顯然不同。不同行業(yè)本身的信息化程度不同，行業(yè)對技術(shù)指標(biāo)需求也不同，方案為行業(yè)帶來的價值不同，行業(yè)能夠承受的成本也不同，同類技術(shù)的產(chǎn)品方案的應(yīng)用程度肯定也就不同。
例如同樣是人臉識別，刷臉支付對識別準(zhǔn)確率和召回率的要求，比店鋪會員識別高的多，因此人臉識別在兩個行業(yè)落地進展差別較大。
不過從技術(shù)發(fā)展角度，由于在同一時間下，各個行業(yè)間同類技術(shù)產(chǎn)品的技術(shù)不會有很大差別，故技術(shù)原理接近的各種 AI 應(yīng)用方案，其產(chǎn)品形態(tài)和應(yīng)用成熟程度也會比較接近。
因此，從技術(shù)角度，對 AI 在各行業(yè)的應(yīng)用進行跨越行業(yè)的綜合判斷，仍舊有重要參考意義。
1.語音文字處理類：進展較快
語音文字類應(yīng)用，如智能客服、語音轉(zhuǎn)文字、語音助手等，已經(jīng)在很多領(lǐng)域得到了應(yīng)用。語音識別技術(shù)已經(jīng)相對比較成熟，過去幾年在非專業(yè)領(lǐng)域已經(jīng)取得了不少應(yīng)用。
語義理解方面，相關(guān)技術(shù)近兩年進展并不算突出，要達到更實用的水平，還需要技術(shù)的突破，但智能客服、語音助手等，對技術(shù)的要求并不高，所以以目前的技術(shù)水平，也取得了一些應(yīng)用，如法律咨詢、金融客服、車載語音設(shè)備，智能音箱等。
值得注意的是，語音文字類應(yīng)用中，很多應(yīng)用對技術(shù)的要求較高，目前多輪對話和上下文理解依舊是語音文字領(lǐng)域的難題，產(chǎn)品體驗很難達到很好的效果，例如車載語音后視鏡，還只能執(zhí)行簡單的問答和操作。涉及到較多專業(yè)名詞的語音識別、翻譯等，準(zhǔn)確率也會顯著下降。
2.圖像與視覺類：應(yīng)用較多
圖像與視覺類技術(shù)方案中，人臉識別技術(shù)已經(jīng)比較成熟，17 年商業(yè)落地較多，尤其是在安防領(lǐng)域。
AI 攝像頭能夠顯著提高警方在監(jiān)控中查找嫌疑人的時間，已經(jīng)成為安防領(lǐng)域的主流產(chǎn)品，未來幾年伴隨著監(jiān)控攝像頭的更新?lián)Q代，在各地警方的應(yīng)用還會越來越多。圖像識別等也在營銷領(lǐng)域，如視頻電商等領(lǐng)域得到了應(yīng)用。
圖像處理相關(guān)技術(shù)，17 年也取得了不小的進展，尤其是圖像風(fēng)格轉(zhuǎn)換等抽象內(nèi)容處理相關(guān)，因為評判標(biāo)準(zhǔn)不太清晰，主觀性強，內(nèi)容邏輯自洽也不強，達到的效果還有娛樂性，因此得到一些應(yīng)用。18 年會有更多的相關(guān)功能集成到專業(yè)軟件中。
醫(yī)療圖像診斷、自動駕駛等圖像類應(yīng)用，也有很多公司在開展應(yīng)用測試。但這類應(yīng)用除了技術(shù)本身，還涉及到?jīng)Q策問題，影響了落地。
理論上多變量決策可以由機器學(xué)習(xí)實現(xiàn)，但決策類應(yīng)用的關(guān)鍵問題在于，機器并不能獲取到全部的決策變量，以及機器決策的結(jié)果誰來承擔(dān)責(zé)任。醫(yī)生在對圖像的診斷不只依賴于圖像，還會結(jié)合對病人的實際詢問等信息，綜合做出判斷，這點機器無法做到。
完全自動駕駛汽車發(fā)生撞人事故后的責(zé)任認(rèn)定問題，也一直是討論的焦點。決策類機器不能替代人的情況下，在相關(guān)行業(yè)的應(yīng)用價值下降很多。
更復(fù)雜的行為識別等技術(shù)，在安防、新零售中也找到了應(yīng)用方向，但技術(shù)上總體離實際應(yīng)用還有些距離。基于行為識別的無人零售標(biāo)桿 Amazon Go 剛剛宣布面向公眾開放，具體技術(shù)水平還有待驗證。
3.大數(shù)據(jù)分析預(yù)測類：應(yīng)用較慢
很多行業(yè)的 AI 解決方案，都是基于行業(yè)大數(shù)據(jù)，搭建深度網(wǎng)絡(luò)進行建模，從而對一些指標(biāo)趨勢進行分析和預(yù)測，如智能風(fēng)控，分級教育，工業(yè)設(shè)備故障預(yù)測等。
但由于數(shù)據(jù)缺失，很多預(yù)測準(zhǔn)確率不高。即便達到較高準(zhǔn)確率，仍然面臨上文提到的機器決策存在的問題等，應(yīng)用推廣有難度。
不少大數(shù)據(jù) AI 公司，實際落地的項目主要也還是信息化系統(tǒng)或數(shù)據(jù)的挖掘和可視化部分，基于 AI 的分析預(yù)測在很多平臺的占比很小。
4.AI 落地主要限制因素：行業(yè)積累、數(shù)據(jù)、高成本
雖然 17 年 AI 在各行業(yè)都進行了探索，但除了本身的技術(shù)局限，在很多行業(yè)，行業(yè)積累、數(shù)據(jù)和高成本都限制了 AI 在行業(yè)的落地。
醫(yī)療、金融、工業(yè)等行業(yè)，專業(yè)度高，要找到AI的正確應(yīng)用方式，需要在行業(yè)有深厚積累，同時又熟悉 AI 技術(shù)。
而市面 AI 公司，要么以技術(shù)團隊為主，缺乏深厚的行業(yè)積累，難以把握行業(yè)需求，并調(diào)動足夠的行業(yè)資源。要么以行業(yè)出身的團隊為主，有一定行業(yè)資源和理解，但技術(shù)實力不足夠強。
即便技術(shù)團隊和行業(yè)團隊開展合作，產(chǎn)品或解決方案的研發(fā)需要的磨合時間非常長，對于很多創(chuàng)業(yè)公司而言，團隊和投資方的耐心不夠，錢不足以支撐長期研發(fā)，急于求成做出來的產(chǎn)品實際上并沒有解決行業(yè)本身的問題，不被行業(yè)所接受。
數(shù)據(jù)則是很多 AI 行業(yè)應(yīng)用難以落地的關(guān)鍵。大量的行業(yè)本身數(shù)據(jù)積累就不足，即便有數(shù)據(jù)也是凌亂且缺乏標(biāo)簽化，數(shù)據(jù)位置也很分散，很多分散存儲在之前的各種信息化系統(tǒng)和軟件中，實現(xiàn)跨軟件數(shù)據(jù)對接難度很大。
有的行業(yè)數(shù)據(jù)雖然多，但由于安全和商業(yè)考慮，很難開放給第三方。反倒是之前為行業(yè)做專業(yè)軟件和信息化系統(tǒng)的企業(yè)，或者本身就擁有數(shù)據(jù)的行業(yè)主體本身，以后基于數(shù)據(jù)開發(fā) AI 相關(guān)功能，要容易的多。
AI 企業(yè)要通過銷售產(chǎn)品或服務(wù)變現(xiàn)，就必須解決當(dāng)前 AI 研發(fā)成本過高的問題。眾所周知 AI 工程師工資普遍非常高，月薪 2 萬以上很正常。
然而 AI 在各行業(yè)的應(yīng)用中，目前以產(chǎn)品形式存在的較少，以整體解決方案存在的較多。解決方案通常都有定制需求部分，歷時也會比較長，如果人員工資非常高，方案總價也會非常高。
就目前 AI 解決方案對企業(yè)地帶來的價值并不是很大的情況下，高昂的項目費用是企業(yè)難以接受的。
5.人工智能在行業(yè)的應(yīng)用的最終形態(tài)
17 年，人工智能技術(shù)在強化學(xué)習(xí)、遷移學(xué)習(xí)，生成對抗網(wǎng)絡(luò)等方面取得了不少進展，但總體看，大部分還都是在現(xiàn)有技術(shù)上的延伸，還沒取得突破性進展。
在技術(shù)沒有質(zhì)變前，AI 在各行業(yè)應(yīng)用的最終形態(tài)已經(jīng)基本清晰，以后隨著技術(shù)發(fā)展只是慢慢進行實現(xiàn)?？傮w來看，AI 在各行業(yè)的應(yīng)用最后大概會呈現(xiàn) 3 種狀態(tài)。
第一種狀態(tài)，一些機器人的應(yīng)用，分流人的初級工作，減少人員的使用。
例如智能客服，初步具備了一些智能功能，并不能完全替代人，但是已經(jīng)能夠進行一些簡單的問答，幫人過濾掉大量費時的簡單問題，把人類客服的時間留給復(fù)雜問題，從而減少客服人員數(shù)量。
由于這類應(yīng)用節(jié)約人力成本明顯，企業(yè)接受度比較高，在各個行業(yè)已經(jīng)優(yōu)先應(yīng)用起來。
第二種狀態(tài)，在現(xiàn)有信息化工具上，引入AI增加一部分智能功能，這也將是 AI 在大部分行業(yè)的應(yīng)用形態(tài)。
大部分行業(yè)，已經(jīng)有了很多很復(fù)雜的軟件工具，協(xié)助人進行工作。人工智能能夠?qū)崿F(xiàn)的功能，相比于目前各種軟件工具的所實現(xiàn)的強大功能，只是九牛一毛。當(dāng)很多行業(yè)的工具遇到 AI，其結(jié)果必然是在現(xiàn)有工具基礎(chǔ)上的 AI 增強，而不是全新的工具顛覆原工具。
以圖像處理為例，雖然目前的 AI 實現(xiàn)了各種奇特效果，但相比于 Adobe 的 Photoshop 軟件里成千上萬的圖像處理功能，仍不值一提，要基于 AI 重新開發(fā)一款軟件干掉 PS 顯然是不現(xiàn)實的。
更合理的方式顯然是 Adobe 在 Photoshop 中嵌入更多 AI 功能，Adobe 也確實在這樣做，18 年 AI 摳圖功能就將在新版 PS 中上線。
第三種狀態(tài)，基于AI誕生一些新的東西，實現(xiàn)一些之前做不到的事情。
比如：AI 圖像診斷等系統(tǒng)推動了分級診療；阿里的魯班系統(tǒng)，實現(xiàn)了千人千面的海報制做；CycleGAN 對圖像進行局部替換等傳統(tǒng)圖像處理軟件難以處理的操作；完全自動駕駛實現(xiàn)后，新型交通體系的建立。不過這部分應(yīng)用的比例會很小。
基于這三種應(yīng)用狀態(tài)看，AI 除了能推動少部分行業(yè)大的變革（如自動駕駛），對大部分行業(yè)而言，既不能大面積替代人，也很難深刻變革大部分行業(yè)。對大部分行業(yè)而言，AI 并不是什么轉(zhuǎn)型升級的良藥而是優(yōu)化，而主要是工具的優(yōu)化，或部分領(lǐng)域的散點式應(yīng)用。
四、18 年 AI+行業(yè)應(yīng)用的一些判斷和預(yù)測
在已經(jīng)能夠基本判斷未來幾年 AI 在各行業(yè)的應(yīng)用形態(tài)的情況下，對 2018 年的 AI 行業(yè)應(yīng)用形勢也有了一些基本的判斷：
1.參與主體更加寬泛
之前 AI 行業(yè)應(yīng)用的主體是創(chuàng)業(yè)公司，17 年已經(jīng)有大公司大范圍參與進來，18 年開始，伴隨著資本和大公司賽道布局的完成，AI 行業(yè)應(yīng)用投資將會變得慎重，創(chuàng)業(yè)公司再整體的比重進一步降低，更多的傳統(tǒng)企業(yè)，甚至個人和愛好者，將成為探索行業(yè)應(yīng)用的重要力量。
尤其是 Google 開放 AutoML 后，AI 開發(fā)的門檻進一步降低，將激發(fā)更多人參與到AI應(yīng)用的探索中。
2.探索范圍繼續(xù)拓寬
創(chuàng)業(yè)公司和大公司主導(dǎo)的 AI 行業(yè)應(yīng)用探索，多面向市場空間大，且盈利預(yù)期顯著的應(yīng)用場景，很多細(xì)小領(lǐng)域無暇顧及。所以即便經(jīng)過了 2017 年一年的熱潮，億歐智庫估計，仍有 30% 以上的 AI 行業(yè)應(yīng)用形態(tài)未被探索。
隨著參與探索 AI 行業(yè)應(yīng)用主體的寬泛，更多市場不大，甚至難以預(yù)見盈利，但確確實實與 AI 有結(jié)合的應(yīng)用場景將被探索和驗證。
3.相當(dāng)一部分行業(yè)應(yīng)用將被證偽
技術(shù)和實施層面的諸多困難，使得相當(dāng)多的 AI 行業(yè)應(yīng)用長期以來并沒有真正落地，可能以后也很難落地，即便能夠落地，不少 AI 解決方案對企業(yè)而言，投入產(chǎn)出并不成比例，所以難以推廣和復(fù)制。
從事這類應(yīng)用的企業(yè)，18 年將面臨難以獲得資本繼續(xù)支持的窘境，部分投資人甚至預(yù)計 18 年后半年將迎來 AI 寒冬。目前市面的各類 AI 行業(yè)應(yīng)用場景中，最后能夠落地，讓企業(yè)維持盈利正循環(huán)的，可能不高于 20% 。
一部分 AI 行業(yè)應(yīng)用，例如上文提到的在現(xiàn)有信息化系統(tǒng)上增加智能功能，對行業(yè)本身的積累和資源要求高，難以從外部突破，但從行業(yè)內(nèi)部有機會實現(xiàn)。
這部分應(yīng)用在 17、18 年或許無法被證明成立，但以后隨著行業(yè)內(nèi)部的升級將逐步落地。這部分可能在目前的各類行業(yè)應(yīng)用中，占比達到 40% 左右。
驗證成立的領(lǐng)域競爭加劇。安防等少數(shù)被驗證成立的領(lǐng)域，17 年已經(jīng)擠進了大量玩家，18 年隨著市場的逐步擴大，各家將迎來增長，但競爭也將持續(xù)加劇。
自由競爭市場下，行業(yè)最終或?qū)?dǎo)向 7-2-1 的市場格局。而行業(yè)資源依賴較重的領(lǐng)域，原有行業(yè)內(nèi)的企業(yè)，仍將占據(jù)市場的主體地位。就像安防市場，如今幾乎沒人相信曠視、商湯們能夠動搖?？怠⒋笕A們的市場地位。
4.相比于資本領(lǐng)先于市場節(jié)奏，略微落后于市場節(jié)奏的政策出臺，在 2018 年還將繼續(xù)下沉和擴展。
18年還將有更多的省和市出臺更具體的 AI 相關(guān)政策，但意義并不會很大，狹義的人工智能創(chuàng)業(yè)門檻非常高，大部分省市不具備人才和產(chǎn)業(yè)基礎(chǔ)，公司換城市也是難的。
不過不少所謂 AI 行業(yè)應(yīng)用企業(yè)將借機完成從 2VC 到 2B 到 2G 的華麗轉(zhuǎn)身，充分利用政策紅利維持企業(yè)的繼續(xù)生存。
渝公網(wǎng)安備 50010602501773號
