人工智能即将改变我们的日常生活。公司准备好从即将到来的创新浪潮中获取价值了吗？为你们当地医院的放射科感到难过。诚然，他们拥有先进的磁共振扫描仪(MRI)和强大的软件来生成图像，但这就是机器停止运行的地方。放射科医生必须找到并阅读患者档案、查看图像并做出诊断。如果人工智能(AI)可以通过实现实时且更准确的诊断或指导，远远超过人眼的判断来启动这一过程，会怎样？由于过去几年的技术进步，制造商现在几乎可以提供这种先进的磁共振解决方案。事实上，他们正在探索从工业部门到公共部门的几乎所有主要行业的新人工智能应用。随着算法的改进和数据存储的增加，计算机在图像识别和其他一些认知功能方面的错误率现在趋于接近或低于人类。硬件性能也得到了极大的提升，使机器能够处理前所未有的数据量。这一直是提高AI模型准确性的主要驱动力。在人工智能领域，深度学习（DL）是最具发展潜力的领域。该技术依赖于复杂的神经网络，该网络使用由多层和节点组成的各种架构来处理信息，这些架构近似于大脑中神经元的功能。网络中的每组节点执行不同的分析模式，使深度学习能够提供比早期AI所能提供的复杂得多的洞察力。随着复杂性的不断增加，对尖端硬件和软件的需求也在不断增加。先进的高科技公司深知人工智能的巨大潜力，并已采取措施赢得这一市场。然而，该行业仍处于起步阶段，成功的秘诀尚未诞生。那么，企业如何利用AI获得价值并获得大型AI投资的回报呢？我们所做的研究以及我们与人工智能终端客户的互动表明，一旦尘埃落定，六项原则将成为现实。首先，价值获取最初将仅限于消费者空间，公司将通过关注企业“微垂直”（特定行业内的特定用例）来实现价值最大化。我们对技术堆栈的分析还表明，商业机会因层次而异，最成功的公司通常通过合作或收购获得各种端到端解决方案。人工智能可能代表一些硬件制造商的命运逆转，因为投资者对硬件的兴趣每年都被软件吸引，而严重的商品化压低了利润率。我们相信人工智能的出现带来了巨大的商机，因为云计算和边缘解决方案将产生强大的终端客户需求。但我们得到的最大收获是公司必须迅速采取行动。那些今天押注人工智能并改革传统战略的公司将成为赢家。AI市场的基本面尽管围绕AI进行了各种炒作，但即使是最无所畏惧的分析师和投资者，市场也会吓到。业界还没有对技术堆栈的标准定义，因此很难理解什么是竞争异常激烈的领域。那么，数百家争夺市场份额的公司带来了什么？为了让这个看似混乱的供应格局变得清晰，我们将机器学习(ML)和深度学习技术堆栈分为九层，涵盖服务、概念、平台、接口和硬件。一些公司在多个层面上竞争，而另一些公司只专注于一两个层面。正如我们稍后将讨论的那样，专注于特定维度的公司可能会发现自己处于劣势。边缘和云解决方案大多数AI应用程序传统上都部署在云（远程服务器网络）中以进行训练和推理。但是对于微秒级延迟至关重要的应用程序，边缘推理将变得越来越普遍。例如，对于自动驾驶汽车，必须在接近零延迟的情况下做出刹车或加速的决定，因此首选在边缘进行推理。边缘计算也将成为隐私问题和数据带宽至关重要的应用程序的首选，例如支持AI的CT扫描诊断。边缘计算的增长将为技术堆栈中的所有参与者，尤其是硬件开发商带来新的商机。我们对人工智能前景的核心信念AI可以颠覆我们的世界。麦肯锡全球研究所估计，自动化和人工智能的快速发展将对我们的工作方式和生产力产生重大影响。为了在这个不断增长的市场中获取价值，公司正在尝试不同的战略、技术和机会，所有这些都需要大量投资。虽然不确定性依然存在，但那些专注于以下几点的公司将有更大的获胜机会。1.价值获取最初将局限在消费领域最早的消费级人工智能产品都有一个共同特点：它们增强了产品，但并不直接为企业创造利润。这些产品大多来自知名科技公司，包括某些在线翻译和照片标记服务或手机上的数字语音助手。此类产品增强功能当然会吸引消费者（例如，它们可能会增加人们上网的时间），但不会立即增加销售额或收入。如果较小的公司提供类似的产品，他们往往会发现销售有限或没有销售，因为消费者倾向于使用各种免费解决方案。大型企业还可以获得大量消费者数据（人工智能的命脉），这使他们能够为消费者开发更准确、更有洞察力的人工智能解决方案。大企业的免费产品赢得了最大的市场份额，短期内AI价值的获取将仅限于消费领域。然而，随着越来越多的收费服务（包括家庭助理）进入市场，未来情况可能并非如此。随着汽车制造商和其他公司推出新产品，下一波消费者人工智能将带来更多创新。以自动驾驶汽车为例，一些消费者可能对人工智能自动刹车的车辆非常满意，但其他人则想要更多功能（例如完全自动驾驶能力），即使他们需要支付额外费用。2.成功的公司会出于不同的目的关注新兴行业的微垂直领域。其中，大约400种用途需要一定程度的机器学习，而300种需要深度学习能力。许多有趣的AI应用程序仍处于实验阶段，尚未大规模部署。以下是人工智能应用的一些例子，由于其强大的视觉感知和处理能力，未来几年可能会出现巨大的需求：政府可以使用人工智能扫描视频并识别公共场所的各种可疑活动，或者应用人工智能算法来检测潜在的网络攻击。许多军事应用，包括无人机，也依赖于人工智能。除了安全之外，人工智能还在交通控制中发挥作用，包括允许光信号根据道路上车辆的数量改变信号指示的时间和顺序的传感器和摄像头。与公共部门一样，银行开始使用人工智能来检测可疑行为，例如表明洗钱的模式。人工智能算法还有助于处理交易和做出决策，通常比人类更准确。例如，人工智能算法可能会揭示这样一个事实，即某些被忽视的特征会增加特定交易存在欺诈的可能性。在零售业，人工智能已经在帮助进行盗窃检测，并可以进一步增强自动结账功能。一些零售商正在使用摄像头和传感器来检测购物者何时从商店取货或退货。顾客离开商店后，商店会根据消费总额向他们的账户收费。其他零售商使用店内视频来让指南接触到更多顾客。如果摄像头检测到购物者在货架前逗留，系统将通知员工协助他们。未来，这方面会有更多的改进，包括人工智能系统通过观察各种特征，如表情（作为情感的象征）、衣着和同伴数量，来识别具有高购买潜力的顾客。然后，他们可以向购物者发送提醒，让他们知道这些购物者在商店中的位置。公司在确定寻求哪些机会方面面临着艰巨的任务，但他们可以采取结构化的方法来缩小选择范围。第一步涉及选择行业重点。公司拥有的专业知识和能力确实会影响这一决定，但它们还必须考虑行业特征，包括行业规模。同样重要的是，通过查看AI用例的数量、启动资金和AI的整体经济影响（定义为解决方案降低成本、提高生产力或或受益于各种应用程序的回顾性分析。经济效益越大，客户购买AI解决方案的可能性就越大。AI价值因行业而异，成熟度也不同。例如，工业部门可以从人工智能中受益，但成员公司对这些解决方案的开放程度不如汽车行业的同行。对于AI产品和服务的生产商而言，这意味着价值捕获只能勉强维持，一些行业一开始就比其他行业产生更高的回报。当我们将风险价值与成熟度结合起来时，几个行业显然为当今的人工智能提供了最大的商机：公共部门、银行、零售和汽车行业。尽管在政府削减预算的时代，公共部门的突出地位似乎令人惊讶，但许多官员已经看到人工智能在提高效率和效能方面的价值，因此他们愿意提供资金。在规划AI战略时，供应商应将投资重点放在愿意率先使用AI解决方案的潜在消费者身上。微垂直行业。一旦公司选择了一个或几个行业作为重点，他们必须进一步选择特定的用例（我们称之为微垂直）来集中精力。买家对AI感兴趣不只是因为它是一项有趣的新技术，而是因为他们希望AI解决特定问题，为他们省钱或增加销售额，从而获得可观的投资回报(ROI)。例如，希望减少机器停机时间的制造工厂不会只寻求业内知名的AI供应商。相反，它将寻求一家拥有经过验证的预测性维护专业知识和解决方案的公司。如果AI供应商试图提供横向解决方案（客户可以在各种不相关的用例中应用的解决方案），则价值主张将不那么引人注目。最终客户会质疑该解决方案的投资回报是否值得他们的大笔支出，特别是如果该解决方案适用于他们认为不重要或不相关的多个用例。3.公司必须拥有端到端的解决方案才能在AI中取胜要在AI中取胜，公司必须在技术堆栈的九层之间交付或协调端到端的解决方案，因为许多企业客户难以实施七个零散的解决方案.例如，一家医院宁愿购买一个包括MRI机器和进行诊断的人工智能软件的系统，也不愿单独购买这些组件并试图让它们协同工作。除了增加销售额外，拥有端到端解决方案的供应商还可以抓住客户的战略立足点并加速采用。例如，Nvidia将其DrivePX平台作为模块提供，而不仅仅是芯片，为自动驾驶提供端到端解决方案。该平台结合了处理器、软件、摄像头、传感器和其他组件，可提供汽车周围环境的实时图像。它还可以在地图上识别其位置并为车辆规划安全路线。大型硬件和软件供应商通常通过收购其他公司来扩展他们的AI产品组合。虽然交易在整个行业都很普遍，但由于需要端到端解决方案，它在人工智能中更为普遍。自2012年以来，已有250起收购涉及具有AI专长的私营公司，其中37起发生在2017年第一季度。为了与这些巨头竞争，许多初创企业正在建立合作伙伴关系，将自己定位为AI解决方案的系统集成商。4、在AI技术栈中，大部分价值会来自解决方案或硬件在AI技术栈中，我们对未来趋势的分析表明，每一层都会直接产生不同数量的利润或价值。最大的价值将集中在两个方面。首先，鉴于行业趋势，许多最佳机会将出现在硬件领域（头节点、推理加速器和训练加速器），这有点令人惊讶。我们同意这些组件将占AI供应商总市值的40%到50%。虽然硬件在许多领域已经商品化，但这种趋势在AI中发生得如此之快，因为为解决每个微垂直问题而优化的硬件将提供比通用硬件（例如通用中央处理器）更高的性能（当涉及总拥有成本时）。例如，针对卷积神经网络优化的加速器最适合图像识别，因此医疗设备制造商选择它。但是针对长短期存储网络优化的加速器更适合语音识别和语言翻译，因此它将吸引高级虚拟家庭助理的制造商。由于每个用例的要求略有不同，因此每个用例都需要部分定制的硬件。另一个偏离规范的地方是，软件（定义为平台和界面层）不太可能成为AI中唯一的长期差异化因素。正如深度学习加速器的出现所证明的那样，单独使用硬件或与软件结合使用有可能显着提高性能，例如减少延迟或降低功耗。在这种环境下，厂商需要谨慎选择硬件。人工智能解决方案的另外40%到50%的价值将来自服务，其中包括解决方案和用例。通常可以直接接触客户的系统集成商可以通过将解决方案集成到AI堆栈的各个层中来获得大部分收益。AI堆栈的其他领域在不久的将来不会产生太大的价值，即使它们可能在驱动深度学习生态系统的发展方面产生间接价值。例如，今天的数据和方法（两者都是培训的两个要素）最多只占典型AI供应商市值的10%。出现这种模式是因为大多数数据来自AI解决方案的最终用户，而不是第三方提供商。然而，相对而言，数据市场最终可能会同时出现在消费者和企业世界中，从而使这一层堆栈在未来更具吸引力。5.特定的硬件架构将成为云计算和边缘计算的关键区别随着人工智能的发展，在硬件重新流行之前，软件吸引了很多公司和投资者的兴趣。我们与最终用户的讨论表明，根据用例，企业和投资者会对云和边缘解决方案产生浓厚的兴趣。由于其规模，云将继续成为许多应用程序的明显选择。在云硬件方面，客户和供应商更青睐专用集成电路(ASIC)技术而不是图形处理单元(GPU)，市场可能仍将高度分散。也就是说，当低延迟或隐私问题很重要或连接有问题时，推理也将发挥越来越重要的作用。在边缘，ASIC将在消费领域取胜，因为它们可以为许多应用提供更优化的用户体验，包括更低的功耗和更高的处理能力。现场可编程门阵列(FPGA)、图形处理单元(GPU)和专用集成电路(ASIC)技术之间的良性竞争也将出现在企业边缘。然而，ASIC可能有一个优势，因为它们消耗的功率更少，这在边缘至关重要。我们相信，当需求高到足以证明高开发成本合理时，它们可以主导特定的企业应用程序。6.市场已经起飞——企业需要立即行动并重新评估现有战略虽然科技公司可能不完全了解AI需求的发展方向，但他们意识到深度学习中的巨大商机并希望利用它。成功的秘诀仍不明朗，因为技术仍在不断发展，而且几家制造商实施的策略截然不同。大企业已经开始行动，一些先进企业正在朝着与当前认知相反的方向发展。仅举一个例子，从2012年到2016年，Nvidia的人工智能研发支出每年增长8%，达到13亿美元。这些成本约占Nvidia总收入的27%，远高于同行平均水平15%。这表明Nvidia愿意采取与许多半导体公司不同的方向，这些公司正在积极削减研发支出。Nvidia还采取了重要步骤来创建一个专注于其图形处理单元(GPU)的端到端产品生态系统。该公司正在积极培训开发人员掌握将图形处理单元(GPU)应用于深度学习所需的技能，并为将图形处理单元(GPU)用于深度学习关系以创建端到端解决方案的初创公司提供资金和建立合作伙伴关系包括其产品并增加图形处理单元(GPU)驱动的应用程序的数量。遵循这种非常规策略的其他公司也可能获得丰厚的回报。英伟达的成功表明，科技公司无法简单地维持现状，在人工智能领域取得伟大成就。他们必须立即改变策略，投入巨资开发可靠的人工智能产品。面对如此多的风险，公司绝不能制定模糊或犹豫不决的计划。那么，他们发展的关键考虑因素是什么？我们的调查对商业战略的经典问题提出了新的思考：在哪里竞争。在决定在哪里竞争时，公司必须同时考虑行业和微型垂直行业。他们应该选择与其能力相符的用例，赋予他们竞争优势并满足行业最紧迫的需求，例如信用卡交易的欺诈检测。如何竞争。现在是公司寻找合作伙伴或收购其他公司以围绕其产品创建生态系统的时候了。硬件供应商应提高软件水平，软件制造商应构建一揽子解决方案。现在是重新理解货币化模型的时候了。客户希望AI供应商在购买过程中承担一些风险，这可能会导致一些创造性的定价选择。例如，一家公司可能对支持AI的MRI机器收取正常价格，而只为使用深度学习处理的图像支付额外费用。什么时候比赛。高科技公司因尖端解决方案而获得奖励，但专注于完美可能不利于人工智能。较早进入AI的企业，可以得到推广，快速规模化，成为标准。公司不应追求完美，而应专注于强大的解决方案，使他们能够立即产生影响。由于早早的成就，他们可以抓住更多的投机机会。如果公司等待两三年来制定他们的AI战略并下注，我们认为他们不太可能在这个快速发展的市场中重获动力。大多数企业都知道风险并愿意向前迈进，但他们缺乏强有力的战略。本文概述的六个核心信念可以让企业抢先一步，抢占先机。关键问题是，在机会消失之前，哪个玩家能够走上这个发展方向。
