本文來自：騰股創(chuàng)投（微信ID: tengguvc，BP投遞：bp@tengguvc.com）原文來自 CBinsights，由騰股創(chuàng)投整理編譯。

人工智能（AI）從根本上改變了所有行業(yè)的企業(yè)的運營（包括制造業(yè)，醫(yī)療健康，信息技術(shù)和運輸業(yè)）。

在過去的十年中，AI 的進步為企業(yè)提供了自動化的業(yè)務(wù)流程，改變客戶體驗和產(chǎn)品差異化的機會。

Google 和亞馬遜這樣的 AI 先行者已經(jīng)采用這些新技術(shù)來創(chuàng)造日益增長的競爭優(yōu)勢，我們看到了他們的 AI 戰(zhàn)略帶來的的好處。

雖然企業(yè)級 AI 的采用仍處于初級階段，但把握住 A I帶來的機會需要管理層進行更多的討論，增加對AI及其生態(tài)系統(tǒng)的理解，了解行業(yè)巨頭如何采取措施，從而獲得差異化的競爭優(yōu)勢。

理解 AI

AI 是計算機科學的一個分支，旨在創(chuàng)造能夠?qū)崿F(xiàn)智能行為的機器。 AI 內(nèi)有多種技術(shù)和細分，機器學習（ML）是其中規(guī)模最大，增長最快的領(lǐng)域之一。

機器學習算法從實例和經(jīng)驗中學習，而不是依賴于預(yù)定義的規(guī)則或算法。在機器學習中，還有其他細分，如深度學習，其重點是深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

今天，AI 準備從幾項技術(shù)創(chuàng)新和更廣泛的專業(yè)知識的融合中受益，特別是：可負擔的云計算基礎(chǔ)設(shè)施，可用的大型數(shù)據(jù)集和算法優(yōu)化的飛躍。

這些進步，加上人工智能研究的投入增加，為人類發(fā)展創(chuàng)造了一個可持續(xù)發(fā)展的環(huán)境，并將繼續(xù)影響到未來的企業(yè)和社會。

機器學習有何特別之處？

最近 AI 的興起主要是由于機器學習的進步。 這些進展導致了自然語言處理（蘋果的Siri，Google Translate），推薦系統(tǒng)（亞馬遜的推薦引擎，音樂推薦服務(wù) Pandora）和圖像識別（診斷工具，自動駕駛汽車）的突破。

• 監(jiān)督學習，其使用已知數(shù)據(jù)集基于標記的輸入和輸出數(shù)據(jù)進行推理。
  

• 無監(jiān)督學習，從包含沒有標記輸出的數(shù)據(jù)的數(shù)據(jù)集中得出推論。

今天工作中最流行的方法是監(jiān)督學習，無監(jiān)督學習對于更廣泛的應(yīng)用來說具有巨大的前景。

在每種學習方法中，有多種算法類型可供選擇。根據(jù)問題的類型或所需的結(jié)果進行不同的選擇。

在機器學習工作流程中，流程的每個部分都需要特定類型的專業(yè)知識和資源。 雖然領(lǐng)域?qū)I(yè)知識對工作流程的預(yù)處理/功能部分工作很重要，但訓練階段需要獨立的 AI 專業(yè)知識，領(lǐng)域知識較少。

從基礎(chǔ)設(shè)施的角度來看，資源最密集的階段是數(shù)據(jù)處理時的模型訓練階段。然后是構(gòu)建 ML 模型時，理解和權(quán)衡各種方法和正在解決的問題的類型變得很重要。

掌握 AI 需要的技術(shù)棧

AI 技術(shù)棧是運行 AI 模型所需的基礎(chǔ)架構(gòu)，包括優(yōu)化組件，存儲，數(shù)據(jù)處理和分析工具。

組件：CPU，GPU，F(xiàn)PGA 和專用 ASIC 是 AI 技術(shù)棧的基礎(chǔ)組件。 雖然 CPU 是普遍存在的，但在機器學習的資源密集型訓練階段中使用的 GPU 和 FPGA 已經(jīng)在深度學習中取得了巨大進步。對于需要較少資源的推理部分，傳統(tǒng)的 CPU 或超低功耗 FPGA 或 ASIC 是最常見的選項。

計算：公共云供應(yīng)商現(xiàn)在正在為 AI 提供量身定制的解決方案。云計算服務(wù)商的選擇很多，可使任何企業(yè)，中小企業(yè)或小團隊都能夠以合理的價格運行 AI 模型。

存儲：隨著機器學習所需的大量數(shù)據(jù)，特別是在特征工程階段，數(shù)據(jù)存儲至關(guān)重要。 Hadoop 集群和云對象存儲的出現(xiàn)顯著提高了數(shù)據(jù)存儲容量，以支持 AI 使用案例。

AI 技術(shù)棧依賴于公有云供應(yīng)商和開源項目提供的服務(wù)。云計算巨頭（如谷歌，亞馬遜，F(xiàn)acebook，微軟和百度）投入 AI 服務(wù)已經(jīng)有助于從擁有技術(shù)棧的專有廠商轉(zhuǎn)移。

總而言之，將開放源碼作為公認標準在整個 AI 生態(tài)系統(tǒng)中引起了更快的發(fā)展。谷歌的開放源碼 TensorFlow 庫體現(xiàn)了這一觀念，TensorFlow 可以讓任何對機器學習感興趣的人開發(fā)模型，而不必從頭開始構(gòu)建庫和算法。

AI 生態(tài)系統(tǒng)

過去十年，AI 從研究機構(gòu)中脫穎而出，成為世界上最先進的技術(shù)公司。 這些公司將 AI 嵌入其核心產(chǎn)品和服務(wù)，加速了人工智能生態(tài)系統(tǒng)的技術(shù)進步，人才開發(fā)和投資。 例如：

• 亞馬遜正在使用 AI 來改善個性化推薦并優(yōu)化庫存管理。在亞馬遜向股東提交的年度股東信中，CEO Jeff Bezos 討論了通過其云計算部門采用 AI 快速交付產(chǎn)品，增強現(xiàn)有產(chǎn)品和創(chuàng)建新工具的重要性。

• Google 使用自己的 DeepMind 技術(shù)來管理數(shù)據(jù)中心的電力，將冷卻成本降低了40％。該公司的 AI 優(yōu)先策略專注于利用 AI 進行搜索優(yōu)化，自動駕駛汽車以及投資了眾多其他的解決方案。

• Facebook 致力于打造 AI 的基礎(chǔ)技術(shù)。 其研究小組 FAIR 是神經(jīng)網(wǎng)絡(luò)突破的頂尖人工智能實驗室之一。

• 微軟已經(jīng)創(chuàng)建了一個 AI 業(yè)務(wù)部門，擁有超過 5000 名計算機科學家和工程師，專注于將 AI 推向公司的產(chǎn)品。

• 英特爾正在更新其服務(wù)器以應(yīng)對處理和訓練 AI 系統(tǒng)所需增加的計算量。 為了做到這一點，該公司已經(jīng)在 CEO Naveen Rao（前深度學習公司 Nervana CEO，2016年被英特爾收購）的領(lǐng)導下，組建了一個統(tǒng)一的 AI 的機構(gòu)。

• 百度正在大力投入人工智能，建立圖像識別技術(shù)，推進自主駕駛，推出數(shù)字助理，開發(fā)增強現(xiàn)實工具。

AI 人才的短缺仍然是一個問題。 據(jù)麥肯錫稱，AI 投資的 70％ 來自最大的技術(shù)公司的內(nèi)部研發(fā)投入。 我們繼續(xù)看到，云端巨人從學術(shù)界聘請了關(guān)鍵的 AI 人才領(lǐng)導 AI 的工作。 80％ 到 90%的 AI 人才都在最大的幾家科技公司。

人才競爭激烈，AI 公司收購大幅增長。 據(jù) CB Insights 的數(shù)據(jù)，僅在 2017 年就有不同行業(yè)使用 AI 的 55 家公司被收購。Google，蘋果，F(xiàn)acebook，英特爾，微軟和亞馬遜一直是 AI 中最活躍的收購者，大部分收購都落在核心  AI技術(shù)中，如圖像識別和自然語言處理。

在這些技術(shù)供應(yīng)商的帶領(lǐng)下，AI 已經(jīng)出現(xiàn)一些早期的獲利者，并在此過程中創(chuàng)造了一個積極的技術(shù)和工具生態(tài)系統(tǒng)。 2017年，美國共有 650 多筆 AI 融資并購事件，總金額 6.5 億美元，已經(jīng)超過了 2016 年全年近 1000 筆交易的 5.7 億美元。

AI 公司的范圍從那些專注于開發(fā)核心 AI 技術(shù)到構(gòu)建 AI 工具來解決行業(yè)特定問題。在投資方面，AI 的最大細分部門是網(wǎng)絡(luò)安全和通用解決方案，其次是商業(yè)智能和物聯(lián)網(wǎng)初創(chuàng)公司。

企業(yè)如何利用人工智能

在評估如何部署或構(gòu)建 AI 工具時，公司應(yīng)分析最高價值用例，并計劃建立強大的支持和人才基礎(chǔ)。

任何 AI 都將依靠三個主要的部分：數(shù)據(jù)，基礎(chǔ)設(shè)施和人才。

數(shù)據(jù)驅(qū)動洞察力需要訪問大型數(shù)據(jù)集。機器學習的有效性通常與可用數(shù)據(jù)量相關(guān)。在這個階段，訪問大量數(shù)據(jù)是推動 ML 工具價值的一個要求。

技術(shù)設(shè)施，軟件和硬件的基礎(chǔ)設(shè)施必須有效運行機器學習模型。云服務(wù)提供商有能力將其產(chǎn)品擴展到 AI 基礎(chǔ)設(shè)施，并提供可與開源軟件結(jié)合使用的解決方案。 對于一些公司來說，由于監(jiān)管或其他商業(yè)原因，將訓練數(shù)據(jù)移至云端太貴或不可行。 對于這些公司，將需要大量的計算能力，有時需要使用 GPU，F(xiàn)PGA 或 ASIC 的硬件加速。

AI 人才在有效利用機器學習方面至關(guān)重要。雖然并不是每家公司都將尋求建立一個內(nèi)部的 AI組織，但是經(jīng)驗豐富的數(shù)據(jù)科學家是從 AI 推動價值的關(guān)鍵。機器學習是一個需要專業(yè)知識的難題。

將 AI 推向核心產(chǎn)品和服務(wù)創(chuàng)造競爭優(yōu)勢。公司必須在內(nèi)部建立一個能夠處理 AI 開發(fā)的強大的基礎(chǔ)設(shè)施。

在許多情況下，實施戰(zhàn)略需要大量資本入。 如果構(gòu)建內(nèi)部解決方案不可行，那么采用第三方工具就是一個合適的選擇。 無法將其產(chǎn)品通過 AI 進行差異化的公司仍然可以采取措施來改進和自動化核心業(yè)務(wù)。 運營效率也是競爭優(yōu)勢。

• 通過高級機器人和虛擬助理進行差異化的客戶服務(wù)

• 對財務(wù)規(guī)劃，庫存管理和銷售渠道進行更智能的預(yù)測

• 自動人力資源流程，通過優(yōu)化招聘，自動人才管理和量身定制的優(yōu)勢

• 通過自動出站銷售，智能客戶參與和目標營銷，提高銷售人員的生產(chǎn)力

• 通過 AI 合同盡職調(diào)查，輔助法律研究和自動化 IP 監(jiān)控來簡化法律流程。

每家公司的優(yōu)先級都不一樣，有些公司可能自動化客戶服務(wù)解決方案為其業(yè)務(wù)帶來最大的價值，但更智能的預(yù)測庫存管理可能對另一家公司產(chǎn)生更大的影響。這需要領(lǐng)導層分析和探索在自己的部門采用人工智能工具的好處，將揭示人工智能產(chǎn)生影響最大的領(lǐng)域。

結(jié)論

AI 不再是學術(shù)機構(gòu)或研發(fā)實驗室的理論研究；相反，它是一種本質(zhì)上能夠顛覆整個社會，帶來數(shù)十年創(chuàng)新的基礎(chǔ)技術(shù)，從我們工作的方式，醫(yī)生識別和治療疾病的方式來看，AI 將為未來創(chuàng)造無限的可能性。

今天實施人工智能戰(zhàn)略的公司將有機會抓住未來。 AI 正在改變我們做生意的方式，對于大小企業(yè)來說，這可能意味著一個令人不安的變化。然而，無障礙技術(shù)和活躍生態(tài)系統(tǒng)的融合表明，企業(yè)比以往任何時候都更加準備參與這一新的創(chuàng)新浪潮。

（騰股創(chuàng)投是一家由前華為資深人士成立的早期風險投資公司。投資方向包括5G、云計算、SaaS、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能。投資階段天使、Pre-A、A。聯(lián)系郵箱：bp@tengguvc.com）