|
智東西（公眾號：zhidxcom） 編 | 十四 企業數字化轉型已經幫助很多企業實現了彎道超車，建立基于專業數據庫的數據壁壘，在激烈的市場競爭中脫穎而出，高效運作，降低成本。隨后，算法和計算芯片驅動的人工智能呼之欲出，企業智能化轉型將能夠進行更高的數據吞吐量，改善預測模型，提高結果的準確性，實現決策優化。 本期的智能內參，我們推薦來麥肯錫聯合巴黎綜合理工學院的人工智能行業獨立調研報告，報告關注的為機器人技術、自動駕駛，計算機視覺，語言，虛擬代理和機器學習等面向企業應用的AI技術，就相關市場份額、收入和利潤池等動態、投資環境和風險，以及企業應用價值的角度解讀企業AI產業生態。如果想收藏本文的報告全文，可以在智東西（公眾號：zhidxcom）回復關鍵詞“nc161”下載。 以下為智能內參整理呈現的干貨： AI企業動態：百億美元催化的競爭差距擴大*AI投資瘋漲，2017年收購案增長放緩 *2016年科技巨頭AI產業資本投入的組成 *不同AI技術種類的投資占比（單位：十億美元） 2000年的機器學習引爆了人工智能（AI）的發展，接著芯片計算能力和數據生態的推動下，AI現在被認為是下一個數字浪潮，企業應當為此做好準備。IBM（沃森/物聯網）亞馬遜（語音識別、虛擬代理）、傳統汽車商（自動駕駛）、電信/工業巨頭（機器人技術）、蘋果（內部技術套件研發）、百度（內部技術套件、百度風投）、Facebook（AI實驗室）、英特爾（AI實驗室）和谷歌（內部技術套件）等巨頭都將數十億美元投入到各種AI研發，人才招聘和并購案的投入也達到了百萬美元級別。 2016年全球范圍內，科技巨頭在AI上的相關投入已經達到200億到300億美元，其中90%用于技術研發和部署，10%用于收購；總體的AI企業并購復合年增長率超過80%；此外，面向初創公司的VC和PE投資也快速增長，組合總計60億到90億美元，雖然僅占到總投資的1-3%，但卻是2013年的三倍多，這三年間的外部投資年增長率接近40%。 *不同行業的AI技術采用率/成熟度（評估標準包括數字化成熟度、商業規模化應用、核心業務應用、技術多元化、投資回報及成本節約情況、高管態度六點） 目前的市場動態是，除了高科技/電信、自動化/裝配、金融服務行業，AI技術在其他行業的應用還處在比較早期的階段，或者說試驗階段。麥肯錫調研了10個國家14類行業的3000名高管，其中僅20%表示已經開始使用AI技術，更多的態度（41%）是，對于將AI大規模應用于核心業務保持觀望，因為商業案例以及投資回報的不確定性。此外，針對160個商業案例的調研發現，AI技術的身影只出現在其中的12%，這主要是AI缺乏技術協議，因此推廣進程有所差異，不同的市場預測認為，到2025年，AI市場規模從6.44億美元到1260億美元不等。 *AI四大實用價值鏈（智能化項目、生產過程優化、目標化營銷、加強版用戶體驗） *各領域AI實用價值鏈詳解（智能化項目：研發、預測、采購；生產過程優化：高效生產力和低成本；目標化營銷：合適的價格，正確的信息，正確的目標；加強版用戶體驗：內容豐富且定制） *各領域AI實用價值鏈成效詳解 對于AI技術的不同態度，導致公司之間的數字化差異越來越大。科技、電信或金融服務行業的用戶往往表現出比較強的AI投資意向，并傾向于將其部屬于核心業務。以汽車公司為例，AI被用于自動駕駛技術以及車輛操作系統改進；金融服務方面，AI則嵌入客戶體驗環節。 被調研的AI技術發展前期的商業用例，包括零售、電力公用事業、制造業、衛生保健和教育行業，表明，AI是具備實際價值的，并對商業競爭環境有比較大的沖擊，具備AI戰略前瞻性的公司相比而言能獲得更高的利潤率，其行業競爭力的提升也超出了預期。這些行業對于AI技術的要求是，優化預測模型和自動化操作，并開發應用潛力，制定針對性的市場營銷和定價模型，強化用戶體驗。 對于從零開始部署AI的公司而言，最重要的則是踏踏實實的構架數字生態系統，因為AI的本質是數據訓練驅動的，沒有捷徑可走，因此早期先發優勢會比較明顯。如果不想花大把精力構建數字生態，則可以考慮購買工作流程、計算能力以及知識背景相合適的AI工具。總是還是要強調一點：無縫的數據訪問是推動AI商業化應用的關鍵。 最后來談談AI社會效益，也就是政府和勞動力市場的問題。首先，勞動力市場不要想著跟AI正面競爭，而是要考慮將其融入已有的生態并嘗試激發新的工種；再說政府，目前全球都在試圖建立AI中心，美國強大的投資環境和科學界和工業界歷史優勢明顯，中國方面，高等學府（清華、北航、北大）科研成效顯著，政策支持下產業（百度、中興、華為）和投資環境也比較樂觀。麥肯錫指出，政府需要設定政策吸引AI人才和投資以加強全球競爭力，并在道德和法律方面加強監管力度。 *全球各地的智能化發展示意及其外部投資增長情況（六大AI中心，北深上榜） 企業AI轉型早期的階段性策略*AI技術采用更多的出現在數字化部署比較成熟的行業 如前所述，AI的投資金額這三年來保持一個高速的增長，這也意味著它從一個實驗室技術逐漸成長具備商用潛力的焦點。與此同時，AI實際的商用案例卻并不多，因此，早期AI商用的階段性特征可以說是一種前沿數字化，是企業數字化轉型與智能化轉型的過渡期。因此，AI技術采用更多的出現在數字化部署比較成熟的行業，而監管方面的擔憂也是醫療保健領域從業人員望而止步的原因。這一階段的企業部署非常關鍵，數字鴻溝將進一步擴大，AI優先的企業更容易獲得結構化數據，幫助員工剖析商業案例增強業務收入，吸引投資和供應商，強化技術技能，降低固定成本，決定智能化后續發展的市場競爭力差距。 那么，早期AI“冒險家”都是怎么做的呢？
*企業AI轉型的五大關鍵（成功用例、數據生態、技術工具、無縫接入工作流程、開放的文化和組織）
*企業AI轉型的五大關鍵詳解 調研發現，大部分的企業在采用AI技術的時候會采用更多元的工具，而不是押寶一種技術，這與當年數字技術發展前期是類似的。這種多元策略是很常見的，也是針對不同行業領域有所調整的，比如醫療領域就更傾向于將語言技術整合到核心業務中。而價值鏈應用方面，AI模式則主要表現在客戶服務，諸如銷售和市場營銷，以及運營和產品開發等功能，財務管理應用相對落后，這與數字技術應用早期又是相似的。
*機器學習在各個行業中的應用潛力（色塊代表不同行業）
*不同行業的不同部門具有不同的自動化潛力 AI早期與數字技術應用早期不同的點在于，企業更傾向于將AI應用于核心業務，擴大行業價值的廣度和深度，比如汽車制造就將它用到制造環節、系統開發環節。而數字技術早期，企業的態度是追求保持利潤率，并不會直接在核心業務上進行整合嘗試。 很多企業因為追求創收而采用了AI，結果發現投入技術整改的成本要少于預期。調研顯示，被我們評為AI技術采用先驅的公司比之其他態度更為謹慎的公司在市場擴張機會上強了27%，并在市場份額擴張機會上強了52%，利潤率這比大多數行業的行業平均水平高出3到15個百分點，投資方案也顯得更成熟。從另一個角度看，平均營收所需投資的成本減少了。
*各行業不同AI采用率企業的利潤率調查（橙點為AI采用先鋒，對應更高利潤率） 各行各業都要面對的三個挑戰調研還顯示，AI技術采用對高管，包括總裁和IT高管，的戰略眼光提出了比較高的要求，他們需要執行套件來生成需要，并提供強有力的支持。AI技術增長還取決于各部門和企業能否克服技術、商業和監管方面的問題，這也就是為什么金融服務、零售、醫療保健和先進的制造業的AI化會走在各領域的前列。
*不同領域的AI投資意向（橫軸為目前AI采用率，縱軸為未來采用趨勢） 技術挑戰是行業之間的一個重要的差異化因素，需要針對目標工程案例調整，涉及大量數據人才。金融服務、高科技和電信等行業已經產生了存儲了大量結構化數據，但是其他的領域數字化就不是發展的很成熟。 商業潛力的差異也存在于各個行業，比如金融服務由于智能化的結構數據帶來信息透明和高效安全運作，自然衍生出了模型預測，快速和準確的決策，個性化的客戶聯系等服務，被預測將發展成2020年30億美元規模的市場。對于零售業，AI商業潛力主要表現在庫存預測，醫療領域則表現在診療系統優化帶來的成本節約和診療準確性。 監管的問題則具有用例針對性，要考慮社會障礙、數據隱私安全、倫理問題、算法透明度、產品責任制，甚至機器人稅等。對此，麥肯錫建議我國政府采取5個優先級戰略： 1、構建一個健壯的數據生態系統：采取數據標準，公開公共部門數據，鼓勵國際數據流交換； 2、在傳統產業中擴大人工智能：用稅收抵免和補貼工具，以及在政府事務中開拓創新的方式應對傳統行業戰略意識缺失以及成本考量問題； 3、加強專業人工智能人才的建設：為了解決中國的人工智能人才缺口，政府需要投資與教育相關的教育研究項目，重新定位教育系統，使其更注重創新數字技能，并制定移民政策以吸引最優秀的全球人才； 4、密切合作職業培訓學校，確保教育和培訓系統的準備工作，保留勞動力市場； 5、在道德和法律層面建立框架，監督和管理人工智能活動，并帶頭成立一個國際治理機構來促進和平，人工智能技術的包容性和可持續發展。
*職業自動化潛力（AI帶來的就業和生產力問題） 附：AI用例示意
*AI零售（面部識別、移動支付、自動化支付、無人機交付、生疏分揀、智能物流、數據化倉庫、物流機器人）
*AI能源、生產（基于算法的能源信息傳感和傳輸優化、工作機器人、AR輔助型工作、安全輔助、數字身份、精確測繪）
*AI醫療（可穿戴設備、藥物測試、智能診療、藥物使用建議、醫療圖像識別、個性化治療、健康數據分析） 智東西認為，數字化轉型的成功示例告訴我們，智能化轉型勢在必行。而目前，也就是企業AI改革的初期，技術轉型過渡期，本質也就是數字鴻溝擴大期。麥肯錫的行業調研明確指出，結構化數據對于企業利潤率提高、市場競爭力提高、市場廣度和深度提高，有著非常顯著的作用。 對于處在急流正中的高科技行業、電信行業、裝配/制造業、金融服務業而言，就必須小步快調，嘗試將多元的AI技術整合到核心業務，擴大試點應用規模，保持靈敏嗅覺以發現新的贏利點，契合現有的工作流程，制定適合產業、業務特征的戰略計劃。而對于在數字化轉型落后的企業而言，不要想著走捷徑，首先還是要踏踏實實構建數字生態，或者掏錢買工具。 |
|
|
